一种海洋无线传感器网络丢失数据恢复与重构方法技术

本发明专利技术公开了一种海洋无线传感器网络丢失数据恢复与重构方法，包括：节点聚类成簇和丢失数据恢复；其中所述节点聚类成簇包括：首先在待监测海洋区域布置满足海洋无线传感器网络通信要求和实时监测要求的节点，完成海洋无线传感器网络的拓扑构建，根据改进K‑means算法对部署节点进行有效聚类成簇；其中所述丢失数据恢复包括：当节点数据发生丢失时，使用PSO算法优化的RBF神经网络来挖掘数据丢失簇中节点数据的时空相关性，进而根据丢失簇中历史轮和当前轮数据来恢复丢失数据值。本发明专利技术能够适应海洋无线传感网拓扑结构的高动态性，并且可以降低节点之间数据的传输能耗，从而达到延长网络寿命周期的目的。

A method for recovering and reconstructing lost data in ocean Wireless Sensor Networks

The invention discloses a method for recovering and reconstructing the lost data of the ocean wireless sensor network, including clustering of nodes and recovering the lost data. The clustering of the nodes includes: first, the nodes that meet the requirements of the ocean wireless sensor network communication and real-time monitoring are arranged in the area to be monitored. The topology of marine wireless sensor network (WSN) is built to cluster the deployed nodes effectively according to the improved K means algorithm. The lost data recovery includes: when the node data is lost, the RBF neural network optimized by the PSO algorithm is used to excavate the spatio-temporal correlation of node data in the data loss cluster. The missing data values are recovered by losing the history wheel and the current round data in the cluster. The invention can adapt to the high dynamic characteristics of the topology of the ocean wireless sensor network, and can reduce the energy consumption of data transmission between nodes, thus achieving the purpose of prolonging the lifetime of the network.

【技术实现步骤摘要】
一种海洋无线传感器网络丢失数据恢复与重构方法
本专利技术涉及海洋无线传感网数据预测和传输技术，具体涉及一种海洋无线传感器网络(OWSNs)丢失数据恢复与重构方法。
技术介绍
海洋数据的实时采集是21世纪全面认识海洋、开发海洋资源和保护海洋的前提。无线传感器网络(WSN,wirelesssensornetwork)以其低功耗、低成本、分布式和自组织的特点在环境监测领域得到了广泛的应用。在海洋生态环境监测中，抛洒在目标海域的大量传感器节点可以迅速以无线多跳方式自组织为一个适应性较好的监测网络，从而可以达到实时采集海洋数据的要求。近年来，海洋无线传感网已经被广泛的用于海洋环境监测，例如海上油污扩散监测、海洋水质实时监测和海洋信息采集等。海洋无线传感器网络主要应用无线传感网技术来实现对海洋生态环境的实时监测和海洋数据采集工作。然而，由于各种原因(硬件故障、数据包冲突、信号衰减、能量不足、时间不同步、恶意攻击)海洋无线传感器网络中的数据很容易发生大规模的丢失。这就需要对丢失数据进行恢复来获得完整的环境数据集。在数据采集过程中，对丢失数据的恢复是一项基本操作。在海洋无线传感网中，要解决的一个重要问题就是尽可能延长该网络的生命期，并且同时保证各节点信息可以传输给汇聚节点，以保证网络监测信息可以及时有效地传输给控制中心供相关部门和用户使用。由于海洋无线传感网节点的大规模密集部署，故网络所采集到的数据时空冗余性较大。若节点将所采集的全部海洋数据都发送至汇聚终端，不仅产生大量的能耗，而且会导致数据传输信道的拥塞。使用数据恢复和重构技术降低OWSNs中数据传输量成为降低网络能耗的有效手段。现有的数据恢复和预测方法主要是基于时间相关性模型和概率模型进行数据恢复，但这两种模型均在监测数据随时间变化较大的情况下数据恢复误差较大，并且考虑到海洋无线传感网拓扑结构实时动态变化的特性和海浪遮蔽效应对节点之间数据传输的影响，因此将海洋环境数据的时间相关性和空间相关性结合到一起提出一种新的海洋无线传感器网络丢失数据恢复与重构方法是非常有必要的。
技术实现思路
本专利技术的目的是提供一种海洋无线传感器网络丢失数据恢复与重构方法，解决海洋无线传感网节点丢失数据恢复问题，该方法适应海洋无线传感网拓扑结构的高动态性，并且可以降低节点之间数据的传输能耗，从而达到延长网络寿命周期的目的。为了实现以上目的，本专利技术是通过以下技术方案实现的：一种海洋无线传感器网络丢失数据恢复与重构方法，其特点是，包括：节点聚类成簇和丢失数据恢复；其中所述节点聚类成簇包括：首先在待监测海洋区域布置满足海洋无线传感器网络通信要求和实时监测要求的节点，完成海洋无线传感器网络的拓扑构建，根据改进K-means算法对部署节点进行有效聚类成簇；其中所述丢失数据恢复包括：当节点数据发生丢失时，使用PSO算法优化的RBF神经网络来挖掘数据丢失簇中节点数据的时空相关性，进而根据丢失簇中历史轮和当前轮数据来恢复丢失数据值。所述海洋无线传感器网络通信要求为传感器节点在所述海洋监测区域内自组织形成无线传感器网络并完成拓扑路由结构初始化，且所述网络全面覆盖所监测海洋区域。所述的节点聚类成簇具体过程为：聚类中心的选择：考虑待聚类的传感器节点数据集为相应指标集，dij＝dist(xi,xj)表示节点xi与xj之间的距离，对于任意传感器节点xi,定义局部密度ρi和距离δi两个量对聚类中心进行刻画；通过Gaussiankernel算法计算xi的局部密度ρi：其中dc的选择是使得平均每个节点的邻居数为所有节点数的1％-2％；距离δi其中是的降序排列；至此，对于节点集S中的任意节点xi，可计算得出(ρi,δi),i∈IS，同时具有较大ρ值和δ值的点为聚类中心，同时可以计算γi＝ρiδi，γ值越大，越有可能是聚类中心。所述的改进K-means算法输入为：节点数据集和确定的k个初始聚类中心；所述改进K-means算法输出为:k个簇，满足准则函数收敛；其中：k是成簇数目，ki是第i簇内的节点数目，wij是第i簇内的第j个节点，是第i簇的簇中心，被定义如下所述的改进K-means算法执行如下步骤：A)根据距离将节点划分到距离最近的簇；B)重新计算每个簇中对象的平均值，更新簇的聚类中心；C)重复A～B，直到准则函数E不再变化。所述使用PSO算法优化的RBF神经网络来挖掘数据丢失簇中节点数据的时空相关具体过程为：利用改进自适应粒子群算法来确定RBF神经网络参数得到最优网络结构，然后利用自适应粒子群算法和得到的最优网络结构挖掘海洋传感数据的时空相关性，最后在簇内实现丢失数据的准确恢复和重构。所述的在丢失节点数据恢复过程中，若单个节点成簇，则利用该节点历史轮数据进行数据恢复，若多个节点成簇，则使用丢失节点历史轮数据和簇内其他节点当前轮数据进行数据恢复。所述的利用改进自适应粒子群算法来确定RBF神经网络参数得到最优网络结构具体为：设RBF神经网络有k个中心，每个中心为m维，那么粒子的位置为k×(m+1)维，相应粒子的速度也为k×(m+1)维，再加上粒子的适应度，粒子的编码结构如下：X11X12…X1mσ1…Xi1Xi2…Ximσi…Xk1Xk2…XkmσkV1V2…Vk×(m+1)f(x)其中：Xi1Xi2…Xim为第i(i＝1,...,k)个神经网络中心的位置；σi为基函数的宽度；V1V2…Vk×(m+1)为粒子的速度；f(x)为粒子的适应度函数；RBF神经网络训练的目的在于寻找参数的最优值使其节点丢失数据恢复均方误差和ERRi最小,因此选择ERRi的倒数为适应度函数，即当适应度值fi取最大值时，RBF神经网络结构最优，第i个个体的适应度函数fi如下其中，ERRi为节点丢失数据恢复值的平均平方误差，yk为实际海洋环境监测数据值，为节点丢失数据恢复值。本专利技术与现有技术相比，具有以下优点：本专利技术海洋无线传感网数据丢失与重构方法和现有技术相比，其优点在于，本专利技术使用改进K-means算法可对OWSNs节点实时进行聚类成簇，这将能很好的满足海洋无线传感网拓扑结构实时动态变化的特性，同时利用APSO-RBFNNs良好的非线性映射能力来挖掘同一簇内节点数据的时空相关性，从而可以精确地恢复节点丢失数据值。若所有网络节点将感知环境数据都发送至Sink节点，不仅消耗大量的能量，而且浪费有限的OWSNs带宽资源，造成数据包冲突，降低通信效率，增大数据传输的能耗和时延。在节点数据传输两端采用本文的丢失数据恢复算法，如果恢复数据和实际监测数据在用户给定的误差阈值内，则用恢复数据代替监测数据，减少了网络中数据的传输量，从而降低网络的能耗和提高海洋大数据的采集效率。附图说明图1为本专利技术一种海洋无线传感器网络丢失数据恢复与重构方法的流程图。图2为线传感网节点使用改进K-means算法聚类成簇示意图。图3为Intel实验室54个节点的位置拓扑及使用改进K-means算法聚类成簇示意图。图4A、图4B是本专利技术数据恢复和重构方法的预测结果和真实数据的对比图。图4C是本专利技术数据恢复和重构方法的数据恢复误差图。图5为本专利技术方法与NCGP和MASTER的恢复误差比较图。图6为本专利技术方法、NGCP和不使用数据恢复算法时数据传输量的对比图。具体实施方式以下结合附图，通本文档来自技高网...

【技术保护点】
1.一种海洋无线传感器网络丢失数据恢复与重构方法，其特征在于，包括：节点聚类成簇和丢失数据恢复；其中所述节点聚类成簇包括：首先在待监测海洋区域布置满足海洋无线传感器网络通信要求和实时监测要求的节点，完成海洋无线传感器网络的拓扑构建，根据改进K‑means算法对部署节点进行有效聚类成簇；其中所述丢失数据恢复包括：当节点数据发生丢失时，使用PSO算法优化的RBF神经网络来挖掘数据丢失簇中节点数据的时空相关性，进而根据丢失簇中历史轮和当前轮数据来恢复丢失数据值。

【技术特征摘要】
1.一种海洋无线传感器网络丢失数据恢复与重构方法，其特征在于，包括：节点聚类成簇和丢失数据恢复；其中所述节点聚类成簇包括：首先在待监测海洋区域布置满足海洋无线传感器网络通信要求和实时监测要求的节点，完成海洋无线传感器网络的拓扑构建，根据改进K-means算法对部署节点进行有效聚类成簇；其中所述丢失数据恢复包括：当节点数据发生丢失时，使用PSO算法优化的RBF神经网络来挖掘数据丢失簇中节点数据的时空相关性，进而根据丢失簇中历史轮和当前轮数据来恢复丢失数据值。2.如权利要求1所述的海洋无线传感器网络丢失数据恢复与重构方法，其特征在于，所述海洋无线传感器网络通信要求为传感器节点在所述海洋监测区域内自组织形成无线传感器网络并完成拓扑路由结构初始化，且所述网络全面覆盖所监测海洋区域。3.如权利要求1所述的海洋无线传感器网络丢失数据恢复与重构方法，其特征在于，所述的节点聚类成簇具体过程为：聚类中心的选择：考虑待聚类的传感器节点数据集IS＝{1,2,...,N}为相应指标集，dij＝dist(xi,xj)表示节点xi与xj之间的距离，对于任意传感器节点xi,定义局部密度ρi和距离δi两个量对聚类中心进行刻画；通过Gaussiankernel算法计算xi的局部密度ρi：其中dc的选择是使得平均每个节点的邻居数为所有节点数的1％-2％；距离δi其中是的降序排列；至此，对于节点集S中的任意节点xi，可计算得出(ρi,δi),i∈IS，同时具有较大ρ值和δ值的点为聚类中心，同时可以计算γi＝ρiδi，γ值越大，越有可能是聚类中心。4.如权利要求1所述的海洋无线传感器网络丢失数据恢复与重构方法，其特征在于，所述的改进K-means算法输入为：节点数据集和确定的k个初始聚类中心；所述改进K-means算法输出为:k个簇，满足准则函数收敛；其中：k是成簇数目，ki是第i簇内的节点数目，wij是第i簇内的第j个节点，是第i簇的簇中心，被定义如下...

【专利技术属性】
技术研发人员：吴华锋，鲜江峰，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海,31