资料下载
如何使用压缩感知进行移动群智感知任务分发机制的资料说明
分享资料个
针对移动群智 感知任务中区域全覆盖感知成本过高问题，提出基于压缩感知的移动群智感知任务分发（CS-TD）机制。首先提出了感知任务整体成本模型，该模型综合考虑了参与感知任务的节点个数、节点的感知次数与数据上传次数;然后基于成本模型，分析感知节点的日常移动轨迹，结合压缩感知数据采集技术，提出了一种基于感知节点轨迹的压缩感知采样方法;其次通过区域全覆盖最少节点（RCLN）算法，选出最佳节点集合，对节点进行任务分配，利用压缩感知技术恢复节点数据;最后在多次感知任务的迭代中对感知节点的可信程度进行评定，保证任务方案的最优性。对CS-TD分发模型进行多次实验验证，与已有的CrowdTasker算法相比，CS-TD算法平均成本降低了30%以上。CS-TD 模型能有效降低感知节点的消耗，能在全覆盖感知任务中降低整体感知成本。
随着移动互联网的发展，移动服务对数据的需求日渐增;大。移动群智感知作为一种数据感知方式，其应用已经从在交通数据采集、空气质量检测和噪声检测：2等领域的服务中，发展到实时路况、支付宝口碑等多种生活服务中。例如，在地图应用中，用户以上传照片加以描述评价，提交发布者对该地点的需求数据。
相比采用固定传感装置采集，移动群智感知无需安装大量固定感知节点;相比数据需求方主动采集，移动群智感知能够直接利用任务区域用户来进行感知任务，减少感知成本。移动感知节点灵活性强，能实现个性化的数据采集任务，同时能以极高的精度对区域数据进行覆盖采集。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
