基于时间序列的传感器自适应采样方法技术

本申请公开了一种基于时间序列的传感器自适应采样方法，包括：调整传感器的采样率；传感器进行采样的同时对事件进行检测，并将检测结果反馈给传感器节点；传感器节点根据反馈结果进一步调整采样率。本申请与现有技术相比，能够在保持错误丢失率的基础上降低采样率。

【技术实现步骤摘要】

本申请属于无线传感器网络领域，具体地说，设及基于时间序列的传感器自适应 采样方法。
技术介绍
无线传感器网络(Wireless Sensor化tworks，WSNs)的关键问题之一在于能源， 传感器能耗主要由：采样、计算、传输Ξ个部分组成，通常认为传输的能耗最关键，节点间通 信所耗能量远远大于节点上工作的能量，因此大量研究集中如何在节点上尽量处理好数 据，W减少发送的次数和数据量;但随着研究和应用的深入和普及，发现在很多实际应用中 面临的问题并非如此，往往节点上采集和计算所耗费的能量也不少。因此，节点上的相关设 计对于延长网络的生命周期也同样重要。 此外，对能源受限的传感器能源管理策略进行综述，将节能的策略分为Ξ类:层次 感知，自适应采样和基于模型的感知。而基于累积和的改变检测技术提出了自适应采样的 算法，动态估计信号当前最大频率并在当前最大频率超过阔值时提示改变，并引发更新采 样率。该算法采用的是集中式处理方式，即更新算法在基站执行，计算出的采样率结果发送 给每个节点。所W该方法的可扩展性不太好，计算量比较大，通信负载大。另一种方法是统 计协议。每个节点适应数据流的特征，自动决定采样率，在给定范围内使用卡尔曼滤波来估 计错误。当出现问题时，从基站申请新的采样率。基站考虑现有的能源确定新的采样率，例 如所有活动节点上使用卡尔曼滤波来估计错误最小化，但计算较为复杂，上述算法的错误 丢失率和采样率均较高。
技术实现思路
有鉴于此，本申请所要解决的技术问题是提供了基于时间序列的传感器自适应采 样方法，W降低错误丢失率和采样率。 为了解决上述技术问题，本申请公开了一种基于时间序列的传感器自适应采样方 法，包括:调整传感器的采样率； 传感器进行采样的同时对事件进行检测，并将检测结果反馈给传感器节点；传感 器节点根据反馈结果进一步调整采样率。 所述调整传感器的采样率的步骤包括:预测误差，及基于所述预测误差计算采样 步长;基于计算之后的所述采样步长进行自适应调整采样间隔预测。[000引所述预测误差为预测值和真实值之间的差。 所述采样步长为两次采样点之间的时间间隔，用于时间序列预测，W产生下一个 采样点的预测值。 所述的，参考TCP拥塞控制的方式调整的 采样步长。 所述的，计算采样步长的公式为:k的初始 值设为1，当k<Smax/2时，k = 2*k;当k = Smax/2时，k = k+l;当预测误差值超出范围时，k = k/2; 其中K为采样步长，每个采样点通过比较实际采样值和预测值，得到所述预测误差值。 所述的，采用指数加权平均方法进行事件 检测。 与现有技术相比，本申请可W获得包括W下技术效果： 1)在传感器网络中，由于节点对同一事件采集的数据间存在一定时空相关性。本 申请通过有效利用数据相关性，动态调整采样间隔，能够减少不必要的采样，从而相应地减 少采样、计算、传输所耗费的能源，延长网络寿命。 2)采用二次指数平滑法进行预测，参考TCP拥塞控制思想，快速调整采样间隔。实 验证明，与现有技术相比，本申请能在保持错误丢失率的基础上降低采样率。 当然，实施本申请的任一产品必不一定需要同时达到W上所述的所有技术效果。【附图说明】 此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申 请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中： 图1是本申请实施例的基于时间序列的自适应采样方法流程图； 图2是本申请实施例在不同最大步长下的采样率比较结果图； 图3是本申请实施例在不同最大步长下获取的事件数对比结果图；图4是本申请实施例在不同最大容错率的采样率比较结果图； 图5是本申请实施例在不同容错阔值下获取的事件数对比结果图。【具体实施方式】 W下将配合附图及实施例来详细说明本申请的实施方式，藉此对本申请如何应用 技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据W实施。 在传感器网络中，节点对同一事件采集的数据间存在一定时空相关性，若能利用 运些相关性，分析数据的特性，则可W避免不必要的采样。在时间相关性方面，可W结合节 点的历史读数记录，遵照评价指标来对采样进行反馈控制。简而言之，节点对比上一时刻数 据，若数据没有发生改变，则节点可W延长下一个采样时间。而在另外一些方案中，系统默 认在一个相对较短的时间范围内，传感器节点所采集到的数据之间的浮动是不大的。依据 一段时间的平均值来划定一个置信区间，W此来判断传感器读数是否处于正常范围，并进 一步判断是否需要调整采样频率来适应变化。运些方案在相对稳定的环境中非常有效，在 其采样协议中，各个节点根据读数的变化和对下一组观测数据的预测来自行调节采样频 率。 为监测公路一氧化碳浓度安放传感器，延长生命周期，本申请基于双指数平滑法 进行预测，提出了一种自适应调整采样间隔的算法方案。本申请的技术方在考虑单个节点 上，基于时间序列相关性调整采样率，目标是减少采样次数的同时不丢失重要信息，并提高 数据特征提取的精确性。主要采用双指数平滑法的改进方法进行预测，采用指数加权平均 方法（exponentially wei曲ted moving averages，EWMA)进行事件检测。 如图1所示，本申请基于时间序列的自适应采样方法包括如下步骤： 步骤SlOO,调整传感器的采样率； 步骤S200,根据调整后的采样率对传感器中的事件进行检测，并将检测结果反馈 给传感器节点;传感器节点根据反馈结果进一步调整采样率。在本实施例中，步骤S100包括步骤S101和步骤S102: 步骤S101，预测误差，及基于所述预测误差计算采样步长。在本实施例中是基于预 测误差计算采样步长，预测误差是指预测值和真实值之间的差。步长k是两次采样点之间的 时间间隔，用于时间序列预测，W产生下一个采样点的预测值； 步骤S102,基于计算之后的采样步长进行自适应调整采样间隔预测化DSAS);在本 实施例中，当检测到异常时，可能有重要的事件发生，或是遇到了错误，需要及时减小采样 率。 具体而言； 步骤S101及步骤102中，每个采样点通过比较实际采样值和预测值，得到一个预测 误差值δ，基于δ计算下一个采样间隔k，得到下一个采样点。当误差δ在允许的范围内时，可 W加大k的值，但不能超过k的最大值(记为Smax，由实际应用程序的需求决定）。现有技术中， 采用的是简单的加1来改变k的值，k的值在任何情况下都线性加一;然而，在数据平稳的情 况下，可W快速加大采样间隔。本实施例是基于TCP拥塞控制的方式计算采样步长:k的初始 值设为1，在k<SmaV2的范围内，采用指数增长的方式，k = 2*k，k成倍增长;当k = Smax/2时，减 缓k的增长速度，改用k = k+l的线性增长方式。当δ超出范围时，k不直接减为1，而是先减半， 即 k = k/2。[0当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于时间序列的传感器自适应采样方法，其特征在于，包括：调整传感器的采样率；传感器进行采样的同时对事件进行检测，并将检测结果反馈给传感器节点；传感器节点根据反馈结果进一步调整采样率。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨明霞，
申请(专利权)人：杨明霞，
类型：发明
国别省市：浙江;33