rryPi树替派开发板、图像 采集模块、SD卡、被动式热释电红外传感器、红外LED、供电模块和Zigbee无线通信模块。
[0031] 被动式热释电红外传感器和红外L邸通过GPIO与树替派连接，实现移动生物体 的检测。图像采集模块的摄像头通过树替派CIS接口与树替派连接实现图像采集功能。 Zigbee无线通信模块通过串口与树替派主板连接，实现终端节点与汇聚节点之间的文件发 送和通信；供电模块与卡片式电脑相连提供电能，SD卡与卡片式电脑连接用于信息储存。
[0032] 如图2所示，汇聚节点硬件包括卡片式电脑即RaspberryPi树替派开发板、图像 采集模块、SD卡、被动式热释电红外传感器、红外LED、供电模块、Zigbee无线通信模块W及 WiFi或3G模块。
[0033] 被动式热释电红外传感器和红外LED通过GPIO与树替派连接，实现移动生物体 的检测。图像采集模块的摄像头通过树替派CIS接口与树替派连接实现图像采集功能。 Zigbee无线通信模块通过串口与树替派主板连接，实现终端节点与汇聚节点之间的文件发 送和通信；供电模块与卡片式电脑相连提供电能，SD卡与卡片式电脑连接用于信息储存。 WiFi或3G模块按照汇聚节点的安装环境不同而选择安装，WiFi或3G模块通过树替派主板 的USB接口连接。当本发明系统布置于野外时可采用3G模块通过手机移动网络连接互联 网，可W将传感器网络获取的信息发送至互联网云端服务器；当布置于室内或者有WiFi网 络的环境中可W安装WiFi模块实现传感器网络与PC端的通信。汇聚节点在完成图像采集 任务的同时担任着协议转换的工作，工作性质等同于网关，完成Zigbee协议与TCP/IP协议 转换功能。
[0034] 终端节点能对图像信息进行采集和压缩，并通过Zigbee无线通信模块形成的网 络将图像信息发送至汇聚节点；汇聚节点也能对图像信息进行采集和压缩，通过Zigbee无 线通信模块形成的网络接收终端节点的图像信息，并通过WiFi模块或3G模块将已经压缩 的图像信息发送至互联网中，通过互联网与PC机相连进行数据传输，PC机完成图像信息的 重构与获取，形成基于压缩感知的无线传感器图像采集传输系统。
[0035] 图3为本发明系统的无线传感器网络工作流程图。在一般状态下，终端节点、汇 聚节点处于待机状态，当检测到移动生物体时，被动式热释电红外传感器（PIR热释电传感 器）对树替派GPIO的23号引脚发送高电平，树替派检测到该引脚输入高电平后，将25号 引脚置高电平打开补光LED同时打开摄像头拍摄图片，整个程序W23号引脚高电平输入为 触发，打开摄像头将图像信息转化为YCb化格式，对图像信息Y通道信息进行提取从而进行 压缩感知编码压缩并保存文件。终端节点然后将新拍摄的图片通过Zigbee网络发送至汇 聚节点，由于图片信息已经通过程序转化成了观测值，且数据量很少，Zigbee网络完全有能 力发送运些信息。汇聚节点在接到发送请求后开始接收从终端节点传来的信息，并保存下 来，汇聚节点检测到新接收的图像信息后，通过3G网络或者WiFi网络发送至云端服务器或 者局域网PC端。最终图像信息在PC端重构获取。
[0036]图6为本发明系统的压缩感知编码端程序流程图。对将压缩感知图像压缩算法运 用于树替派方法的具体步骤进行详述：运用Matl油2014a/Simulink软件作为卡片式电脑 的软件开发环境，通过Simulink搭建程序硬件控制模型，通过M-化nction实现对采集图像 压缩感知算法压缩。运用Simulink的树替派GPIO模块W10次每秒的频率检测GPIO23 号引脚，当检测到高电平时，将25号引脚至高电平，同时调用图像采集模块，将摄像头输出 格式设置为YCb化，设备名选择/dev/videoO,通过Resize图像调整模块将输出图像大小调 整为256X256,通过M-化netion提取Y通道信息，进行小波变换，根据采样率要求设置采样 次数，本发明设置采样率为30 %，大小256X256的图片采样次数设置19660次，经观测得到 观测值y，并保存于Aome/pi目录下，对图像进行小波变化和观测时所用的小波和观测矩 阵W.mat格式封装保存于Aome/pi目录下，在程序流程进行到小波变换和观测时进行调 用。整个程序WSimulink模型为程序原型，经转换变为mex文件和C语言文件，将C语言 代码文件传输到树替派中，运用编译工具gcc最终将最初的Simulink模型转换为嵌入式可 执行程序。
[0037] 图4为本发明系统中压缩感知图像压缩算法的流程图。具体方法为：
[0038] 无线传感器网络节点受能量W及本身计算能力的限制无法进行较为复杂的运算 和图像编码。根据易编码，重解码的思想，将图像压缩感知算法分为两部分：图像压缩编码 和图像重构解码。图像压缩编码由终端节点或汇聚节点完成，解码重构由PC机完成。
[0039] 编码端（终端节点或汇聚节点）负责将采集的图像信息转换为能够准确重构原 图像的观测值数据包。编码端首先将采集到的图像修正为N=N' *N'的图像数据矩阵， 其中N'由人为对程序设定，根据压缩感知理论信号稀疏性原则，首先对原始信号矩阵进行 9/7小波变换一一设定N' = 256,取矩阵N的某一行，经边缘变换成一个一维信号X(n)，再 经滤波算法得到128个高频数值h和128个低频数值1。对矩阵每一行进行相关计算，得到 所有高频部分组成高频矩阵H，其大小为256X128,所有低频部分得到低频矩阵以其大小 与高频矩阵相同。再取高频矩阵H中的某一列经边缘变换后为一个一维信号X(m)，再经滤 波算法得到128个高频部分h和低频部分1。对于高频部分矩阵进行相关计算得到高频新 矩阵皿，低频新矩阵化。对于低频矩阵L，分别得到LH和化。
[0040] 对经小波变换后的新矩阵F，进行观测，首先构造测量矩阵W。本发明测量矩阵W 采用结构化测量矩阵，包括部分正交测量矩阵、部分哈达玛测量矩阵、部分循环测量矩阵与 结构化随机矩阵。
[0041] 观测矩阵对变换后的图像进行M次观测（M<N)，得到采样值y。
[00创其中y=F，W，y为图像经变换后在观测矩阵W上的投影。 阳043] 其中采样次数M根据采样率需求设定，采样率K=M/N。
[0044] 至此，传感器编码端工作完毕，原始图像信息已经经终端节点或汇聚节点转换为 仅为原图像数值K倍的的采样值化< 1)。整个节点编码程序由图6部分所述的方法完成。 终端节点和汇聚节点先将采样值保存于本地存储器中，经树替派串口发送至Zigbee模块， 通过无线传感器网络发送至汇聚节点。PC端通过访问汇聚节点获取采样值信息。
[0045] PC机重构采用改进的SAMP重构算法，具体实施步骤为：
[0046] 算法输入：测量矩阵W，采样值y，训练步长S;
[0047] 算法输出：位置输入信号X的K稀疏的逼近X'; 阳048] 初始化：x' = 0,残差r' =y，支撑集F。为空集，支撑集大小L' =S，k= 1。 W例循环执行W下步骤1至6 :
[0050] 步骤1 :计算IW*rk11，取最大的L个值所对应的脚标，存入集合Sk,得到选集Ck= Fk1USk;
[0051] 步骤2:计算取最大的L个值所对应的脚标，存入支撑集F，计算残差 厂=V- '中,叩;;.1' ； 阳05引步骤3:判断是否停止迭代条件Mx'k-x'kill《T，若满足，则停止迭代，输出X'，若不满足，执行步骤4; 阳053] 步骤4 :判断是否满足IIrI1IIrk1M2,若满足，执行步骤5,若不满足执行步骤 6 ； 阳054] 步骤5 :进入下一阶段，支撑集F大小的大小增大为L=L+S，k=k+1 ; 阳05引步骤6 :更新支撑集Fk=F，更新残差rk=r，k=k+1。
[0056] 采用SAMP算法并不需要得知采样率K，运样在实际数据应用中，数据在发送中有 丢包现象导致数据缺失，采样率不能保证在程序设定的基础上。而可W通过一个个阶段的 累加来不断扩大支撑集大小，从而不断逼近原有信号。
[0057] 在测量矩阵W和采样值y已经确定的情况下，算法输入步长S，就成了恢复图像效 果的重要参数，然而目前并没有一个有效的步长确定方法，对于恢复图像信号而言，当步长 S过小所带来的重构图像的时间代价难W接受，当S过大重构效果又会大打折扣，因此本发 明在此基础上提出一种基于神经网络的步长确定方法，具体实施方法如下：
[005引首先设计两组神经网络及训练数据，第一种：最高精度恢复步长S，是寻找能够 最佳最清晰重构图像的步长；第二种：精度固定最短重构时间步长Si,是认为