一种无线传感器网络中基于压缩感知的数据聚合方法技术

本发明专利技术公开了一种无线传感器网络中基于压缩感知的数据聚合方法，首先将传感网络均匀分簇，选举剩余能量最多的节点为簇头节点，成员节点以概率p

A method of data aggregation based on compressed sensing in Wireless Sensor Networks

The invention discloses a data aggregation method based on compressed sensing in a wireless sensor network. Firstly, the sensing network is evenly divided into clusters, and the node with the most remaining energy is selected as a cluster head node, and the member node is given a probability p

【技术实现步骤摘要】
一种无线传感器网络中基于压缩感知的数据聚合方法
本专利技术属于无线传感器网络
，尤其涉及一种无线传感器网络中基于压缩感知的数据聚合方法。
技术介绍
近年来，无线传感器网络凭借其隐蔽、容错、部署便捷等优势，在很多领域得到了广泛的应用，例如：环境监测、安全保卫、智能家居等。通常情况下，一个无线传感器网络是由大量具有无线通信能力、计算能力和传感能力的节点构成，可以协作地完成各种环境感知、信息采集和目标识别的任务。为完成这些任务，每个节点需采集大量的实时数据，通过多跳路由发送至融合中心以便对数据进行处理和分析。这一过程，需要消耗大量的存储空间和网络能源。考虑到传感器节点能源、计算能力、存储能力有限，需要建立高效的数据采集和传输的模型，以达到延长网络的使用寿命、降低信息获取代价的目的。目前，将压缩感知理论应用于无线传感器网络存在的问题：真实物理信息不仅在时间域上可压缩，而且在空间域上有一定的压缩性。传统的基于压缩感知的无线传感器网络数据聚合方法一般仅利用了数据在时间上或者空间上的可压缩性来减少数据量。如何联合利用信息在时间和空间域上的相关性，建立高效的网络数据采集模型，进一步减少网络间传输数据量。由于压缩感知理论“欠采样”特性，测量信号对无线传感网络的环境噪声更为敏感。如何从有噪声测量信号中有效的重构出全部原始信号是压缩感知理论建立以来需要解决的重要问题。随着无线传感器网络应用愈加广泛，网络数据量越来越大。如何设计复杂度较小的算法使之适合于大数据量的信号重构。以上这些困难之处限制了压缩感知理论在无线传感器网络的应用。要想在实际无线传感器网络中使用压缩感知理论必须解决这些问题。综上所述，传统的基于压缩感知的无线传感器网络数据聚合方法存在没有联合利用信息在时间和空间域上的相关性，网络数据采集模型效率较低，网络间传输数据量较大。
技术实现思路
本专利技术的目的在于提供一种无线传感器网络中基于压缩感知的数据聚合方法，旨在解决传统的基于压缩感知的无线传感器网络数据聚合方法存在没有联合利用信息在时间和空间域上的相关性，网络数据采集模型效率较低，网络间传输数据量较大。的问题。本专利技术是这样实现的，一种无线传感器网络中基于压缩感知的数据聚合方法，所述无线传感器网络中基于压缩感知的数据聚合方法包括：首先将传感网络均匀分簇，选举剩余能量最多的节点为簇头节点，成员节点以概率ptx独立选择是否参加采样，簇头节点始终参加采样；然后采样节点在获取原始信号f后在稀疏变换基下变换得到其稀疏表示x，x在测量矩阵Φ下进行投影，得到测量信号y，并发送至簇头节点，簇头节点对所收集的测量信号使用向量化算子，合并成一个信号Y后发送至融合中心；最后融合中心利用自适应权重GPSR算法对其一一重建，恢复出其稀疏表示X。进一步，将K个传感器节点随机均匀地部署在L×Lm2的监测区域中，整个网络分成等大小的W簇，并选举剩余能量最多的节点作为簇头。进一步，采样节点获取原始信号f在稀疏变换基下变换得到其稀疏表示x，x在测量矩阵Φ下进行投影，得到测量信号y，并发送给簇头节点；簇头节点对所收集到的测量信号使用向量化算子，合并成一个信号Y后发送给融合中心。进一步，由设定的网络模型，每个簇覆盖面积为L2/W，为方便计算假设每簇是半径为的圆形区域，并且成员节点在簇内均匀分布，则成员节点的分布密度函数为成员节点到簇头的距离为dtoCH，其平方的数学期望为：利用一阶无线电模型和dtoCH，计算可得整个网络的能耗为：上式，看到Etotal存在最小值，对其求W的偏导，并令则得到当W与ptx满足如下关系时，整个网络的能耗最小：进一步，所述网络模型为有K个传感器节点密集部署在L×Lm2的监测区域中，用来检测周围环境的物理数据；传感器节点周期性的采集信号，得到压缩信号，周期为T，且节点周期性的发射压缩信号，发送周期也为T，节点之间相互独立，不要求同步；节点间的交流时双向的并且每个节点根据其到接收点的距离来调整它的传输功率；部署区域内的所有节点都是位置感知的。进一步，所述一阶无线电能量消耗模型为：节点到其接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型；发射l比特数据到距离为d的接收点的能量消耗如下：其中Eelec为电路消耗,εfs和εmp分别是自由空间信道模型和多路径衰减信道模型的功率放大器的损耗系数；阈值d0的计算由下式决定：接收l比特数据能耗：Erx＝l×Eelec。进一步，所述自适应权重的GPSR重构算法重构模型为加权的l1范数模型：将模型改写成标准的界约束二次规划问题：s.t.z≥0；其中(ui＝(xi)+，vi＝(-xi)+对于所有i＝1,2,…,N)，b＝ATy，且定义g(k)为进一步，所述自适应权重的GPSR重构算法具体包括如下：(1)给定z(0),w(0)，选择参数β∈(0,1)及μ∈(0,1/2)；置k＝0；(2)计算▽F(z(k))＝Bz(k)+c；(3)计算并且替换α0为min(αmin,α0,αmax)；(4)选择α(k)为序列α0，βα0，β2α0，...中满足下式的第一个数：F((z(k)-α(k)▽F(z(k)))+)≤-μ▽F(z(k))T(z(k)-(z(k)-α(k)▽F(z(k)))+)；更新z(k+1)＝(z(k)-α(k)▽F(z(k)))+；(5)更新活动集Γ；(6)更新权重w:(7)计算z(k+1)是否满足||min(z,▽F(z))||＜ε。若满足，停止迭代，输出z(k+1)；否则，置k←k+1，返回(1)。本专利技术的另一目的在于提供一种应用所述无线传感器网络中基于压缩感知的数据聚合方法的无线传感器网络。本专利技术的另一目的在于提供一种应用所述无线传感器网络中基于压缩感知的数据聚合方法的智能家居。本专利技术提供的无线传感器网络中基于压缩感知的数据聚合方法，根据压缩感知，一个稀疏信号能够在较少的采样次数下精确重构。将压缩感知理论应用于传统的无线传感器网络，传感器节点可以实现数据的采集和压缩同时进行，并且不需要另外的计算开销，这样能够大大减少数据的传输量，从而减少能源的消耗；能源是限制无线传感器网络生命周期的重要因素，节省能量可以使网络寿命增长。并且，传感器节点只承担压缩部分的算法，符合节点计算能力低的特点，计算复杂度较高的重构过程在终端电脑上进行，没有计算能力和能源的限制。由此可以看出，将压缩感知理论应用于无线传感器网络可以很好地突破传感器网络本身的限制。本专利技术包括两部分，一是基于压缩感知的信号收集策略，二是对收集到的测量信号的重构算法。本专利技术充分利用信息在时间域和空间域上的高相关性，建立基于概率的采样策略，最大限度的减少传感网络的采样量。针对无线传感器网络信号含噪声、数据量大、实时性要求较高的特点，本专利技术改进的l1范数重构算法，可以在时间复杂度和精度之间寻找到最佳平衡，并由仿真实验证明了其能在较低运行时间下大幅度提高算法重构精度。本专利技术在不丢失信息的前提下实现数据的采集和压缩同时进行，与传统无线传感器网络数据聚合方法相比，可以减少数据聚合环节，并且大大减少网络数据传输量，从而减少网络能耗，延长网络寿命。本专利技术在重构模型通过添加惩罚项来直接消除噪声的影响，与对数据进行去噪声处理后将其应用于重构模型的一般方法相比，更加灵活，由仿真实本文档来自技高网...

【技术保护点】
一种无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，所述无线传感器网络中基于压缩感知的数据聚合方法包括：首先将传感网络均匀分簇，选举剩余能量最多的节点为簇头节点，成员节点以概率p

【技术特征摘要】
1.一种无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，所述无线传感器网络中基于压缩感知的数据聚合方法包括：首先将传感网络均匀分簇，选举剩余能量最多的节点为簇头节点，成员节点以概率ptx独立选择是否参加采样，簇头节点始终参加采样；然后采样节点在获取原始信号f后在稀疏变换基下变换得到其稀疏表示x，x在测量矩阵Φ下进行投影，得到测量信号y，簇头节点对所收集的测量信号使用向量化算子，合并成一个信号Y后发送至融合中心；最后融合中心利用自适应权重GPSR算法对其一一重建，恢复出其稀疏表示X。2.如权利要求1所述的无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，将K个传感器节点随机均匀地部署在L×Lm2的监测区域中，整个网络分成等大小的W簇，并选举剩余能量最多的节点作为簇头。3.如权利要求1所述的无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，采样节点获取原始信号f在稀疏变换基下变换得到其稀疏表示x，x在测量矩阵Φ下进行投影，得到测量信号y，并发送给簇头节点；簇头节点对所收集到的测量信号使用向量化算子，合并成一个信号Y后发送给融合中心。4.如权利要求3所述的无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，由网络模型，每个簇是半径为的圆形区域，覆盖面积为L2W，并且成员节点在簇内均匀分布，则成员节点的分布密度函数为成员节点到簇头的距离为dtoCH，其平方的数学期望为：利用一阶无线电模型和dtoCH，计算可得整个网络的能耗为：由上式，Etotal存在最小值，对其求W的偏导，并令则得到当W与ptx满足如下关系时，整个网络的能耗最小：5.如权利要求4所述的无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，所述网络模型为有K个传感器节点密集部署在L×Lm2的监测区域中，用来检测周围环境的物理数据；传感器节点周期性的采集信号，得到压缩信号，周期为T，且节点周期性的发射压缩信号，发送周...

【专利技术属性】
技术研发人员：李昕艺，刘三阳，张朝辉，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61