Sparse Sensor Placement for Interpolated Data Reconstruction Based on Iterative Four Subregions in Sensor Networks
Sparse Sensor Placement for Interpolated Data Reconstruction Based on Iterative Four Subregions in Sensor Networks
复制标题
传感器网络中基于迭代四个子区域的插值数据重建的稀疏传感器放置
DOI：
10.1155/2019/7209349
复制
发表时间：
2019-01
影响因子：
1.9
通讯作者：
Yanfang Deng
中科院分区：
文献类型：
--
作者：
Mingshan Xie;Mengxing Huang;Yong Bai;Zhuhua Hu;Yanfang Deng
大范围的数据采集存在成本和数据丢失的问题。当物理场中传感器稀疏时，研究部署方法以提高重建数据集的准确性和丢失数据恢复的精度至关重要。需要将传感器放置在最佳位置以实现更高的恢复精度。在本文中，我们提出了一种基于分形理论迭代四个子区域的数据插值重建的稀疏传感器放置方案。实验结果表明，我们的算法在分散度、覆盖率和重建精度方面都比随机放置的精度更高。
Data acquisition in large areas has issues of cost and data loss. When sensors are sparse in the physical field, it is critical to study the deployment methods to improve the accuracy of reconstructed data set and the precision of the recovery of lost data. It is desirable to place sensors at optimal locations to achieve higher precision of recovery. In this paper, we present a sparse sensor placement scheme for data interpolation reconstruction based on iterative four subregions using fractal theory. The results of our experiments demonstrate that the precision of our algorithm is higher than that with random placement in dispersion degree, coverage rate, and reconstruction accuracy.
登录
查看更多内容
影响因子：
3
作者：
Binbin Xie;Dingyi Fang;Tianzhang Xing;Lichao Zhang;Xiaojiang Chen;Zhanyong Tang;Anwen Wang
通讯作者：
Binbin Xie;Dingyi Fang;Tianzhang Xing;Lichao Zhang;Xiaojiang Chen;Zhanyong Tang;Anwen Wang
影响因子：
2.1
作者：
Jun Liu;Lianglun Cheng;Tao Wang;Jianhua Wang
通讯作者：
Jun Liu;Lianglun Cheng;Tao Wang;Jianhua Wang
DOI：
10.1145/2668332.2668335
发表时间：
2014-11
期刊：
Proceedings of the 12th ACM Conference on Embedded Network Sensor Systems
影响因子：
--
作者：
Wan Du;Zhenjiang Li;J. Liando;Mo Li
通讯作者：
Wan Du;Zhenjiang Li;J. Liando;Mo Li
DOI：
10.1155/2017/7090782
发表时间：
2017-04
期刊：
J. Sensors
影响因子：
--
作者：
Shagufta Henna
通讯作者：
Shagufta Henna
影响因子：
6.7
作者：
Yoganathan, Duwaraka;Kondepudi, Sekhar;Manthapuri, Sumanth
通讯作者：
Manthapuri, Sumanth