压缩感知在战场无线传感器频谱监测网络中的应用研究

２０１５年第４期　２０１５，Ｎｏ．４　电子对抗　ＥＩ　ＣＴＲＯＮＩＣ　ＷＡＲＦＡＲＥ　总第１６３期　Ｓｅｒｉｅｓ　Ｎｏ．１６３　

压缩感知在战场无线传感器频谱监测网络中　

的应用研究　

邵震洪　陈　勇　

（总参第６３研究所，南京２１０００７）　

摘要分析了战场无线传感器频谱监测网的构成和特点，对压缩感知基本理论和技术　

进行了详细论述，最后提出了压缩感知技术在战场无线传感器频谱监测网的应用模式和　框架。　关键词压缩感知无线传感器频谱监测　

Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｃｏｍｐｒｅｓｓｅｄ　Ｓｅｎｓｉｎｇ　ｆｏｒ　Ｂａｔｔｌｅｆｉｅｌｄ　Ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ　

Ｓｐｅｃｔｒｕｍ　Ｍｏｎｉｔｏｒｉｎｇ　Ｎｅｔｗｏｒｋ　Ｂａｓｅｄ　ｏｎ　Ｗｉｒｅｌｅｓｓ　Ｓｅｎｓｏｒ　

Ｓｈａｏ　Ｚｈｅｎｈｏｎｇ　Ｃｈｅｎ　Ｙｏｎｇ　（Ｔｈｅ　６３ｒｄ　Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　ｔｈｅ　ＰＬＡ　Ｇｅｎｅｒａｌ　Ｓｔａｆｆ　Ｈｅａｄｑｕａｒｔｅｒｓ，Ｎａｎｊｉｎｇ　２１０００７，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｓｔｒｕｃｔｕｒｅ　ａｎｄ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｏｆ　ｂａｔｔｌｅｆｉｅｌｄ　ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ　ｓｐｅｃｔｒｕｍ　ｍｏｎｉｔｏｒｉｎｇ　

ｎｅｔｗｏｒｋ　ｂａｓｅｄ　ｏｎ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ａｒｅ　ｆｉｒｓｔ　ａｎａｌｙｚｅｄ．Ｓｅｃｏｎｄ，ｔｈｅ　ｆｏｕｎｄａｔｉｏｎａｌ　ｔｈｅｏｒｙ　ａｎｄ　ｔｅｃｈ—　ｎｉｑｕｅ　ｏｆ　ｃｏｍｐｒｅｓｓｅｄ　ｓｅｎｓｉｎｇ　ａｒｅ　ｄｅｓｃｒｉｂｅｄ　ｉｎ　ｄｅｔａｉｌ．Ｆｉｎａｌｌｙ，ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｍｅｔｈｏｄ　ａｎｄ　ｆｒａｍｅ—　

ｗｏｒｋ　ｏｆ　ｃｏｍｐｒｅｓｓｅｄ　ｓｅｎｓｉｎｇ　ｂａｔｔｌｅｆｉｅｌｄ　ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ　ｓｐｅｃｔｒｕｍ　ｍｏｎｉｔｏｒｉｎｇ　ｎｅｔｗｏｒｋ　ｂａｓｅｄ　０１３　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ａｒｅ　ｐｒｏｐｏｓｅｄ．　

Ｋｅｙｗｏｒｄｓ：ｃｏｍｐｒｅｓｓｅｄ　ｓｅｎｓｉｎｇ；ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ；ｓｐｅｃｔｒｕｍ　ｍｏｎｉｔｏｒｉｎｇ　

０　引言　

随着军事活动对电磁频谱的依赖程度越来越　高，制电磁权已成为影响现代战争胜负的关键因　素之一，而快速、准确监测战场电磁频谱环境是争　

夺制电磁权的基础。现有各类固定监测站和机动　

监测设备（如监测车、手持或便携设备），虽然功　能越来越强，性能越来越高，但是这种以固定监测　

站为主的监测网系存在整体可靠性差、抗毁性弱，　监测数据中的虚假信号多，捕获弱信号的能力差　

等缺点。特别是在战场环境下，难以深入敌方控　

收稿日期：２０１４年１０月８日　制区域对电磁频谱进行实时、准确和精细化监测。　而无线传感节点可以采用飞机抛撒、火炮投射，甚　至人工布设等多种布置手段，迅速地建立起一个　电磁频谱监测网，从而能够对战场敌方控制或者　

重点区域的电磁频谱环境进行有效和准确的监　测。目前，基于无线传感器网络的频谱监测技术　和系统正引起研究者的广泛关注¨　ｊ。　另一方面，由于体积和成本等因素影响，无线　

传感器的计算能力、能量供应以及采样速率等均　受到限制。而按照常规频谱监测的方法，传感节　点需要连续及高速地回传频谱监测数据，这将极　大缩短无线传感器网络的使用寿命，甚至影响到　

其在降低频谱监测领域的使用价值。但是，根据　总第１６３期　邵震洪，等：压缩感知在战场无线传感器频谱监测网络中的应用研究　７　

近年来出现的压缩感知（ｃｏｍｐｒｅｓｓｅｄ　ｓｅｎｓｉｎｇ，ＣＳ）　理论　ｊ，可以让传感器节点只采样少量数据，同　

时完成采样和压缩，这样可使传感器节点变得简　

单、廉价，网络传输的数据量也极大减少，虽然信号　

恢复时的重构算法运算量较大，但信号重构一般都　在汇聚节点或处理中心进行，而汇聚节点或处理中　

心没有能量、计算能力的苛刻限制，故压缩感知特　

别适合应用于战场无线传感器频谱监测网络。　

１　战场无线传感器频谱监测网的构成和　

特点　

由于无线传感器网络具有快速部署、自组织、　

隐蔽性强和高容错性的特点，并能够深入部署在战　场敌方控制区域，因此非常适合在军事上的应用。　随着用频装备越来越多，现代军事行动的电磁环境　

越来越复杂，基于无线传感器网络的电磁频谱监测　系统和网络可以满足战场频谱监测全方位、大纵　

深、精细化和实时化的要求，通过大量具备频谱信　

息监测采集功能的传感器节点的部署，构成分布　

式、智能化频谱监测网络，为夺取在复杂电磁环境　下的制电磁权提供坚实的频谱信息支撑。　

１．１战场无线传感器频谱监测网的构成　基于无线传感器网络的电磁频谱监测系统主　要由传感器感知节点、传感器汇聚节点和频谱感　

知处理和控制中心等三部分组成的。如图１所　

示，大量传感器感知节点通过飞机抛撒、火炮投　

射，或者人工布设等方式随机部署在监测区域内　部或附近，各节点以自组织方式组成一个分布式　

网络，以相互协作的方式感知、采集和处理网络覆　盖区域中特定监测对象的信息，能够实现对任意　地点信息在任意时间的采集、处理和分析，同时，　

感知节点将处理后的数据逐跳进行传输。经过多　跳后路由到到达汇聚节点，最后通过移动感知节　

点或飞机、卫星等转发到达频谱感知处理和控制　

中心。频谱感知处理和控制中心对传感器网络进　

行配置和管理，发出各种监测任务以及收集、处理　监测数据。　感知节点通常由于体积受限和能量受限，其　

处理能力、存储能力和通信能力相对较弱，但由于　

成本较低，可以大量使用；汇聚节点的处理能力、　存储能力和通信能力相对比较强，并可以使用多　

种方式与频谱感知处理和控制中心互联，大规模　传感器网络的应用可能会使用多个汇聚节点；频　

谱感知处理和控制中心基本没有能量、处理能力　的限制，可以进行复杂的运算和数据融合处理。　

图１　战场无线传感器频谱监测系统构成　

１．２　战场无线传感器频谱监测网的特点　１．２．１　无线传感器网络的一般特点　

１）网络规模较大　

一般无线传感器节点由于体积、能量及处理　

能力等限制，其感知范围有限，可通过大量布置来　达到对感知区域的全面覆盖，且为了增强网络的　

健壮性，预留了大量的冗余节点，从而使得网络规　模较大。　２）感知节点自组织组网　所有感知节点地位平等，无中心节点，各节点　

通过分布式算法和路由协议相互协调，不依靠固　定基础设施进行自动组网，形成自组织网络。　３）网络拓扑结构动态变化　

当感知节点或感知对象状况发生变化，或者　某些节点因为失效而退出网络，另外一些节点因　需要而加入网络，从而使得网络的拓扑结构不断　

变化。因此战场无线传感器频谱监测网络具有动　态的拓扑组织能力。　４）资源受限　为节省成本、减小体积和降低功耗，感知节点　

一般采用低功耗的微型嵌入式设备和不易更换的　电池供电。由于嵌入式处理器的能力和存储器的　

容量有限，因此感知节点的通信距离短、信道带宽　低、信号处理能力较弱。且感知节点能量有限导　致使用寿命受限。　

１．２．２战场无线传感器频谱监测网络的特点　１）监测频带宽，

采样速率要求高　８　电子对抗　２０１５年第４期　

无线电设备使用的频率很宽，从短波、超短波　到微波，乃至更高频率的频段，这要求感知节点的　

监测频带扫描范围很宽，为了快速扫描整个频带，　要求实时处理的带宽尽可能宽，这将导致采样速　率较高。　

２）时间同步精度要求高，节点间数据传输量　大　在对频谱进行监测的同时，需要对重点辐射　

源信号进行精确定位，由于体积、功能限制，一般　采用时差定位或者接收信号强度定位技术，这对　各感知节点的时间同步精度要求较高；而采用上　

述定位技术需要传送多个节点的时域高速采样信　号，节点间数据传输量较大。　

３）分时段、分频段及分地域协作感知　单个感知节点的采样速率、信号处理以及能　

力供应能力等受到限制，且接收信号还容易受到　地形、地貌的影响，故应该发挥网络的整体性能，　

让每一个感知节点在一定程度的自主基础上，以　

合适的分布式协同机制共同工作，分时段、分频段　

及分地域对监测区域进行协作感知，这样单个感　

知节点承担的任务不重，但整个网络的频谱监测　性能满足要求。　

从以上特点分析可以看出，战场无线传感器频　

谱监测网络需要感知节点具有高的采样速率以及　

大的数据传输量，这对感知节点和整个网络的寿命　

和性能都是不利的。如果采用压缩感知技术，将能　

极大降低采样速率和数据传输量，故压缩感知特别　

适合应用于战场无线传感器频谱监测网络。　

２压缩感知技术概述　

压缩感知理论认为：只要信号数据是可压缩　的，或在某个变换域上具有稀疏性，那么通过少量　线型投影即可获取可以重构该信号的足够信息。　而经典的Ｓｈａｎｎｏｎ—Ｎｙｑｉｓｔ采样理论则认为：要想　准确无损地重构一个信号，采样速率必须至少是　该信号最高频率的两倍。压缩感知理论是对　

Ｓｈａｎｎｏｎ—Ｎｙｑｉｓｔ采样理论的突破，对于稀疏信号　

或可压缩信号而言，压缩感知理论不仅可以极大　的降低采样频率，而且还可以实现采样和压缩同　

时进行。压缩感知的压缩过程为：　Ｙ＝　ｘ＝　＝Ｏｓ　（１）　其中，Ｘ是原始信号，Ｓ是Ｘ在１Ｉｒ域上的变换向　量，　为ＭｘＮ的矩阵，且　＜＜Ⅳ，称之为测量矩　阵，Ｙ为压缩后的信号，称之为测量值向量（Ｍｘ１　

维）。０＝　为感知矩阵。　压缩感知理论主要包括信号的稀疏表示、感　知观测矩阵的构建与信号重构算法三个部分。信　

号的稀疏表示是信号可压缩感知的先决条件，感　知观测矩阵是获取信号结构化表示的手段，重信　号构算法则是实现信号重构和恢复的保证。其具　

体处理过程如图２所示。　

号　匮　

（ａ）信号压缩观测　

（ｂ）信号重构　图２压缩感知处理流程图　

２．１信号稀疏表示　原始信号的稀疏表示是整个压缩感知理论的　

基础。稀疏度越低，原始信号的稀疏性能就越好，　同时根据压缩感知理论，最后精确重构所需要的　观测值数目也就越少。　

设Ｘ是向量空间Ｒ　上的一个向量。假设　

｛　Ｉｉ＝１，…，Ⅳ｝是向量空间Ｒ　上的一组正交　

基，则Ｘ可以线性表示为：　Ⅳ　ｘ＝∑　（２）　￡＝１　或者　

Ｘ＝ａｉｒｓ　（３）　其中，　＝［　ｌ　ｌ…ｌ　］是ＮｘＮ的基矩　阵，ｓ是Ｘ在　域上的变换向量。如果Ｓ仅有Ｋ　

个非零项，且Ｋ＜＜Ⅳ，或者Ｓ中的各个分量按一定　量级呈现指数衰减，具有非常少的大系数（Ｋ个）　

和许多小系数，则称Ｓ是Ｋ项稀疏的，或者ｘ在’ｌｒ　

域上是Ｋ项稀疏的。通常时域内的自然信号都　是非稀疏的，但在某些变换域可能是稀疏的。从　数学上可以表示为ｌｌＳＩＩｎ≤Ｋ，记　

∑　＝Ｉｓ：Ｉｔｓ　ＬＩ。≤　（４）　

为所有　稀疏信号的全体集合。在这种情况下，