无线传感器网络（WSN）是一个分布式感知网络，由一组具有计算，存储和通信功能的传感器节点组成。线监控器网络的主要任务之一是在各种环境下传输监视信息和实时收集的信息，或者向网络用户监视分布区域中的对象[1]。是，恒温阀芯WSN中许多节点看到的数据量很大。络数据的无线传输会消耗大量能量。时，无线传感器网络的节点在数量和成本上受到限制。输电池的电量非常有限，很难补充。此，在保证监控任务的基础上，如何降低能耗，延长网络生命周期是无线传感器网络研究的热点[2]。线传感器网络收集的数据具有很大的冗余度和相关性。缩网络数据相关性以减少冗余信息在网络上的传输是减少网络功耗的有效方法。
年来，使用信号稀缺性或可压缩性的新信号采样理论-压缩传感（CS）逐渐发展[3-6]。压缩检测的理论框架中，仅需确保网络数据稀少或可压缩，并且可以执行低复杂度的CS测量操作，并且仅使用较少的数据即可。
量值以使用CS重建算法执行数据压缩和重建。少网络数据传输量，降低数据传输功耗。少量测量值重建网络数据的本质是在不确定条件下求解线性方程式的问题。于线性确定状态方程有无数的多组解，因此本研究中的一些研究人员将其转换为具有1个范数的极小化问题。
初，研究人员使用线性规划算法（LP）来解决具有1个标准的最小化问题，并获得了基础追求（BP）算法[7]。
本的跟踪算法可以达到较高的重建精度，但是算法的复杂度非常高。
了降低重构算法的复杂度，研究人员提出了多种贪婪算法来解决1标准的最小化问题，其中代表性的算法包括Matchmatch Pursuit（MP）算法[8]，搜索算法。
交匹配（正交跟踪（OMP）[9]和逐段正交跟踪算法（逐级OMP，StOMP）[10]。
线性规划相比，贪婪算法大大减少了为了克服传统贪婪算法的缺点，研究人员还提出了改进的贪婪算法，如子空间追踪算法[11]和压缩采样匹配算法。
Pursuit（Cosamp）[12]获得了与线性规划相似的重构精度，但实际上除了大规模的无线传感器，数据重建算法的复杂性仍然不能满足数据传输的高实时性要求。
于当前WSN数据重建方法的不足，本文提出了一种基于二次编程的从无线传感器网络恢复数据的算法。
以前的算法不同，该算法将网络数据重构中求解不确定线性方程的问题转换为二次规划问题，并结合了步长准则Amijo [13]（规则d ‘Armijo）设计了一种网络数据恢复算法，通过解决二次编程问题来恢复网络数据。要能够保证重建精度，该算法就可以降低算法的复杂度，从而大大提高了WSN数据重建的实时性。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com