Data-driven sensors clustering and filtering for communication efficient field reconstruction

یک طرح کارآمد ارتباط جدید برای بازسازی یک میدان حساس به وسیله سنسورهای پراکنده مکانی پیشنهاد شده است. این میدان از طریق منابع متعدد تشکیل شده است، در حالی که یک مرکز فیوژن اندازه گیری های حسگر را جمع آوری می کند. هدف این است که فیلد را در مرکز همجوشی بازسازی کنید و تنها با استفاده از اندازه گیری تعداد کمی از سنسورها استفاده شود. چارچوب مستلزم یادگیری ساختار همبستگی میدان با تعیین خوشه ای از سنسورهای همبسته با مشاهده مجموعه ای از منابع است. ترکیب فیلتر فیلترینگ متحرک همراه با تجزیه و تحلیل مولفه اصلی در داده های سنسور داده ها، تعدادی از منابع را می توان تعیین کرد، در حالیکه هارمونیک یک همبستگی کانونی درست شده برای تعیین خوشه های متقابل مختلف استفاده می شود. یک نوآوری تکراری نوین از همبستگی قاعده حل شده با تجزیه و تحلیل مولفه اصلی طراحی شده است که به درستی خوشه های همبسته را تعیین می کند به گونه ای که تعداد داده های آموزشی به بی نهایت می رسد. از هر خوشه فقط یک سنسور سر داده اطلاعات را به مرکز تلفات انتقال می دهد، در حالی که اندازه گیری سنسورهای باقیمانده با استفاده از فیلترهای خطی مناسب انجام می شود که الگوی همبستگی درون خوشه را از طریق مقادیر کمتر میانگین به دست می آورند. رویکرد جدید به طور قابل ملاحظه ای هزینه ارتباطات را کاهش می دهد. آزمایش های عددی گسترده نشان دهنده اثربخشی طرح پیشنهادی در بازیابی زمینه است.