در این مقاله مروری، هدف ما توصیف پیشرفت های اخیر تکنیک جمع آوری داده مبتنی بر سنجش فشرده در شبکه های حسگر بی سیم شامل تلاشهای صورت گرفته در تحقیقات جاری، چالش ها و روندهای تحقیقاتی است. سیگنالهای تنک و قابل فشرده شدن در بسیاری از زمینه های کاربردی شبکه های حسگر مانند نظارت محیطی و مراقبت از وسایل نقلیه حضور دارند. سنجش فشرده واجد ویژگیهای فراوانی از قبیل سادگی عملیات سنجش و فشرده سازی، عمومیت در سیگنالهای جمع آوری شده و افت قابل قبول در کیفیت بازسازی سیگنال می باشد که آن را برای استفاده در شبکه های حسگر جذاب می سازد. ازدست رفتن بسته ها نیز تقریباً به اندازه پروتکل های دیگر به شبکه آسیب نمی رساند و فقط برای هر اندازه گیری که به چاهک نرسیده است باعث کمی افت در کیفیت بازسازی سیگنال خواهد شد. بحث را با مقدمه ای مختصر بر نظریه سنجش فشرده آغاز می کنیم و سپس استفاده از این تکنیک را در شبکه های حسگر بیسیم شرح می دهیم. در نهایت، مسائل و چالش های تحقیقاتی پیش رو مورد بحث قرار می گیرد تا چشم اندازی جهت تحقیقات آینده فراهم شود Manuscript profile

در دهه اخیر با هدف کاهش هزینه‌های نظارت محیطی، فرایند تجمیع داده مبتنی بر روش مشترک سنجش فشرده و یادگیری لغت نامه در شبکه‌های حسگر بی‌سیم مورد توجه قرار گرفته‌است. در این مقاله یک طرح نمونه برداری قطعی و غیرتصادفی برای استفاده در این روش تجمیع داده ارائه شده‌است. این طرح مبتنی بر برآورد کمیت اطلاعات متقابل داده حسگرها است که با نمونه برداری از تمام آنها در بخش کوتاهی از دوره جمع‌آوری داده به نام مرحله آموزش به دست می‌آید. در مرحله بعدی و اصلی دوره جمع‌آوری داده گره‌هایی نمونه برداری می‌شوند که بیشترین اطلاعات را درباره گره‌های نمونه برداری نشده در اختیار بگذارند. نتایج شبیه سازی‌ها با سیگنال های واقعی نشان می‌دهد که حتی زمانی که تعداد حسگرهای نمونه بردار تنها شامل 25 درصد از کل گره‌های شبکه است می‌توان به‌طور متوسط به بیش از 12 درصد صرفه جویی در مصرف انرژی نسبت به روش نمونه برداری مرجع دست یافت. Manuscript profile