2023年1月Jan2023DigitalTechnology&Application第41卷第1期Vol.41No.1数字技术与应用70中图分类号:TP311文献标识码:A文章编号:1007-9416(2023)01-0070-03DOI:10.19695/j.cnki.cn12-1369.2023.01.22基于压缩感知的移动终端数据实时采集方法深圳供电局有限公司毛雯新当需要采集的原始数据量较大时，数据处理效率较低，且数据采集中会产生较大的能耗，为此提出基于压缩感知的移动终端数据实时采集方法。稀疏表示原始数据，以实现低采样率条件下的高效率数据采集；通过建立随机路由，优化压缩感知的数据观测矩阵，降低数据采集失误率；使用AIC算法精确重构数据，建立基于压缩感知的数据采集框架，周期性采集数据，实现移动终端数据的实时采集。实验结果表明，该方法的数据采集效率较高，且较数据采集方法的能耗更低。当前，无线通信网络技术飞速发展，技术的变革带来的是网络规模的进一步扩大，移动终端的出现，更是使网络数据量膨胀式增长[1]。在处理网络数据的过程中，需要通过移动终端收集数据，并将数据进行传输，经过Web服务器处理后，用户才能够得到服务器反馈的与所需信息相关的数据[2]。然而，传统的移动终端数据采集方法存在局限性[3]，当采集的原始数据量较大时，使得数据处理效率极低，这就导致数据采集过程需要消耗更多的能量。为此，本文在压缩感知理论的基础上，针对移动终端，研究一种数据实时采集方法。本文设计了基于压缩感知的数据实时采集方法，将数据进行稀疏表示，以实现低采样率情况下的高效率数据采集；同时，为了降低数据采集误差，建立随机路由，优化压缩感知的数据观测矩阵；使用AIC算法精确重构数据；建立了压缩感知的数据采集框架，周期性地采集数据，实现移动终端数据的实时采集。最后进行实验论证，对比了本文设计的采集方法与传统的采集方法，实验结果表明，该方法数据采集效率高，较传统的数据采集方法耗能更低，对提高网络资源利用效率具有明显的实际意义。1数据实时采集方法设计1.1移动终端网络数据稀疏表示使用压缩感知方法实现数据的实时采集，首先需要将数据进行稀疏表示，以实现低采样率情况下的高效率数据采集。对此，本文使用K-SVD算法估计移动终端互联网数据的稀疏度。假设移动终端互联网数据的稀疏度为x，对于无线网络数据的传感节点来说，每过一个t时长的周期，便采集一次数据。在压缩数据的过程中，x的参数值越大，那么后期重构数据所耗费的能量就越多，但x的参数值过小，又会影响数据采集效率。对此，需...
