结构健康监测无线传感器数据丢失无损恢复嵌入式算法制造技术

本发明专利技术提供一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，嵌入智能无线传感器平台的无损压缩编码、随机增加信号的冗余度的矩阵运算以及信号传输方法。其嵌入的随机冗余矩阵通过函数随机产生，该方法产生的随机冗余矩阵只有相当少的非零元素，且非零元素的值均为+1。设该矩阵为ΦI，相比于传统的全随机冗余矩阵Φ，无线传感器存储ΦI所需的内存空间小；且用ΦI对数据增加冗余度的计算速度较快。在该嵌入式算法的支持下，无线传感器相对耗时耗电的数据包重复传输协议可被更加快速简洁的传输协议代替，基站收到的不完整数据能够恢复。

Structural health monitoring, wireless sensor, data loss, lossless recovery, embedded algorithm

The present invention provides a structural health monitoring wireless sensor data loss recovery algorithm embedded lossless, embedded intelligent wireless sensor platform lossless compression encoding, random signal increase redundancy matrix operation and signal transmission method. The random redundancy matrix embedded in it is generated randomly by function. The random redundancy matrix generated by this method has very few non-zero elements, and the values of nonzero elements are +1. Given that the matrix is I, compared with the traditional full random redundancy matrix, the memory space required by the wireless sensor to store I is small, and the computation speed of the redundant data is faster by using I. With the support of the embedded algorithm, the wireless sensor is relatively time-consuming and power consuming, and the repeated transmission protocol can be replaced by a faster and simpler protocol, and the incomplete data received by the base station can be recovered.

【技术实现步骤摘要】
结构健康监测无线传感器数据丢失无损恢复嵌入式算法
本专利技术专利涉及一种土木工程结构健康监测
，具体涉及一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法。
技术介绍
近年来，无线智能传感网络(WirelessSmartSensorNetwork，简称WSSN)引起了在结构健康监测(StructuralHealthMonitoring，简称SHM)领域的研究者的重视。WSSN不仅仅相对于传统的有线传感网络有巨大优势，而且相比于其他的非智能无线传感网络发展更迅速、应用更广泛。尤其是在桥梁的健康监测领域，WSSN除了造价更低、布置方便之外，其更大的优势在于可以对数据进行预处理，这种预处理大大提升了在基站工作的监测人员的数据处理效率。虽然WSSN比传统传感器具有相当多的优势，但是基于无线传感器的结构健康监测系统的稳定性十分容易受传输丢包的干扰。无线传输的可靠性与传输环境和天线有着很大的关系。传输环境的影响例如传输路径中出现其他电子设备与无线传感器工作在相同的频率段、恶劣天气(下雨、闪电等)都会造成无线干扰，导致数据采集仪器收到错误信号；无线传感器安装位置不合适、无线天线方向不合适，无线数据长距离传输，以及还有硬件等问题则会造成数据采集仪器无法收到足够强的信号。以上原因都会导致数据在传输过程丢失，因此各个领域的在实际工程应用中，需要迫切解决数据无线传输的丢包问题。数据在无线传输中出现丢失，不仅对数据质量本身有很大影响，还会对数据的后处理以及基于数据后处理结果的决策判断的准确性造成不良影响。各领域的学者在对无线传感器的应用研究的报告中，均提到了不同程度的数据丢失问题。通过使用数值模拟软件以及相关的实验研究，数据丢失带给后续处理的误差得到了一些量化的结果，这些结果表明，0.5％的数据丢失率等效于原数据的具有5％～10％的噪声干扰，并且给模态分析引入额外的误差，因此也会影响结构的健康诊断。在结构健康监测系统中，少量的数据丢失是可以被允许的，但监测工作人员往往更倾向于做出基于更可靠的数据而得到更精准的决策，所以最近几年来，许多提升无线数据传输可靠性的方法被提了出来。一般来说，这些方法可以归为两类：第一类是反复、多次传输同一数据；第二类是传输一次带冗余信息的数据。在第一类方法中，传感器作为数据的发送端，需要持续进行数据传输，一直到数据采集仪器收到完整信号之后才停止。这一类方法需要反复在数据发送段和数据接收端建立连接，并且会造成数据接收的延迟。在第二类方法中，传感器并不传输原始数据，取而代之的是传输经过预先处理的数据，这种预先处理方法可以增加原始数据的冗余度，使得处理后的数据即使部分丢失，只要接收段能够收到足够量的数据，亦能通过数学手段重构出原始数据。不过，即便第二类方法比第一类方法更有效率、操作更加灵活，现今在工程实际应用领域(尤其是针对结构健康监测领域)很少有将第二类方法成功应用于计算、存储资源受限的无线传感器中的方案。
技术实现思路
本专利技术的目的是提出一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，是一种基于无损压缩编码和随机冗余矩阵的数据加密和传输的嵌入式算法，以适用于基于无线传感器网络的结构振动监测系统。本
技术实现思路
如下：一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，算法步骤如下：第一步：在无线传感器的计算内核上，通过对长度为n的原始数据x进行相邻两个数值作差，得到长度为n的差值数据d，再将差值数据d中每一个数值通过嵌入无线传感器的LEC无损压缩编码字典进行编码，得到长度为m、m<n的压缩后数据y；第二步：依据数据y的长度m，取嵌入无线传感器的随机冗余矩阵Φ的前m列作为随机冗余矩阵ΦI，通过ΦI将压缩后数据y转换为长度为n的待传输数据z，这是一个增加数据冗余度的过程，即z＝ΦIy；然后无线传感器将数据z传输至数据收集基站；第三步：在基站，数据接收器接收到的数据中有k个数据点在无线传输过程中丢失，得到不完整数据根据数据包发送的顺序，确定数据丢失的情况，从而确定矩阵由ΦI去除掉相应的丢失数据点对应的k行元素得到，其维数为(n-k)×m；第四步：在基站计算终端，通过计算得到压缩后信号y，将信号y输入LEC解码器得到差值数据d，再将差值数据d经过还原即得到原始数据x。本专利技术还具有如下技术特征：1、如上所述的LEC无损压缩编码字典进行编码过程是：对差值数据中每一个数据点都进行二进制编码，其每一个点di的编码形式为si|ai，ai记录了数值di的大小，ai的长度记为li，si记录了li的值。di与ai的转换规则为：若di>0，则直接使用di的二进制原码作为ai；若di<0，则取|di|二进制原码，再将该原码的0和1逐位取反作为ai，预嵌入无线传感器中的LEC无损压缩编码表是si与li的一一对应的表1，表1si与li的转换规则差值数据d中的每一个值di首先将被转换为ai，然后编码器将会根据ai的长度按照表1中的规则在ai前加上si；d中每一个值都编码完毕之后，所有的si|ai将会被拼合在一起，然后按照每28个二进制数为一组，转换为十进制数，存储成yi，所有yi将组成数据y。2、如上所述的无线传感器的随机冗余矩阵Φ其生成过程如下：第一步：初始化，向量O存储数值1至500；向量D为空向量；向量U作为存储向量O和向量D的差值的向量；为一个所有元素为0的矩阵；第二步：开始循环计算1，对中的第i列，i从1循环至500，增量为1；更新仍没有足够个数的数字1的矩阵列数，U＝O-D；取得15和U的长度这二者之间较小的值作为r，r＝min(15,size(U))；从U向量中的数字中随机选取r个正整数，作为行号，将矩阵这些行号中的每一行的第i个数值从0改变为；第三步：开始循环2，对U向量中仍存在的每一个数值j循环，从最小的一个正整数至最大的一个正整数。若矩阵的第j列所有数值中，含有15个非零元素，则将j添加至向量D中；第三步：结束循环计算2；第四步：结束循环计算1；第五步：输出随机冗余矩阵Φ；由于随机冗余矩阵中仅有225个数字1，其余位置为0，仅需存储这225个数字1的位置即可，无需存储整个矩阵Φ。3、如上所述的LEC解码器的解码过程是首先将数据y从十进制转换为二进制，然后从第一个二进制位开始读取，寻找si，一旦找到si，立刻将其转换为li，然后解码器读入接下来的li个二进制位作为ai，并把ai转换为di存储，之后接着下一个二进制位读取，寻找下一个si，直至所有二进制位被解码完毕，即解出完整的差值数据d。本专利技术的有益效果如下：本专利技术实现了在智能无线传感器节点计算内核上对采集的数据进行压缩、增加冗余度和传输；在基站上实现了对不完整的有冗余信息的数据的恢复。整个过程提升了无线监测系统数据传输的可靠性。在Imote2智能无线传感器平台上(如图2所示)，本专利技术能对三轴加速度信号同时进行加密和传输，并适用于不同采样频率，满足结构振动监测的需求。本专利技术能对数据丢失率在30％以下的桥梁监测加速度信号进行有效的补偿，减小数据丢包造成的误差。本专利技术为移动基站无线快速数据采集系统的数据传输提供了解决方案。数据可不重复传输，移动造成的丢包可以得到恢复。附图说明图1为基于压缩传感的无线数据传输和恢复框图；图2为基于Imote本文档来自技高网...

【技术保护点】
一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，其特征在于，算法步骤如下：第一步：在无线传感器的计算内核上，通过对长度为n的原始数据x进行相邻两个数值作差，得到长度为n的差值数据d，再将差值数据d中每一个数值通过嵌入无线传感器的LEC无损压缩编码字典进行编码，得到长度为m、m<n的压缩后数据y；第二步：依据数据y的长度m，取嵌入无线传感器的随机冗余矩阵Φ的前m列作为随机冗余矩阵ΦI，通过ΦI将压缩后数据y转换为长度为n的待传输数据z，这是一个增加数据冗余度的过程，即z＝ΦIy；然后无线传感器将数据z传输至数据收集基站；第三步：在基站，数据接收器接收到的数据中有k个数据点在无线传输过程中丢失，得到不完整数据

【技术特征摘要】
1.一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，其特征在于，算法步骤如下：第一步：在无线传感器的计算内核上，通过对长度为n的原始数据x进行相邻两个数值作差，得到长度为n的差值数据d，再将差值数据d中每一个数值通过嵌入无线传感器的LEC无损压缩编码字典进行编码，得到长度为m、m<n的压缩后数据y；第二步：依据数据y的长度m，取嵌入无线传感器的随机冗余矩阵Φ的前m列作为随机冗余矩阵ΦI，通过ΦI将压缩后数据y转换为长度为n的待传输数据z，这是一个增加数据冗余度的过程，即z＝ΦIy；然后无线传感器将数据z传输至数据收集基站；第三步：在基站，数据接收器接收到的数据中有k个数据点在无线传输过程中丢失，得到不完整数据根据数据包发送的顺序，确定数据丢失的情况，从而确定矩阵由ΦI去除掉相应的丢失数据点对应的k行元素得到，其维数为(n-k)×m；第四步：在基站计算终端，通过计算得到压缩后信号y，将信号y输入LEC解码器得到差值数据d，再将差值数据d经过还原即得到原始数据x。2.根据权利要求1所述的一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，其特征在于，所述的LEC无损压缩编码字典进行编码过程是：对差值数据中每一个数据点都进行二进制编码，其每一个点di的编码形式为si|ai，ai记录了数值di的大小，ai的长度记为li，si记录了li的值，di与ai的转换规则为：若di>0，则直接使用di的二进制原码作为ai；若di<0，则取|di|二进制原码，再将该原码的0和1逐位取反作为ai，预嵌入无线传感器中的LEC无损压缩编码表是si与li的一一对应的表1，表1si与li的转换规则差值数据d中的每一个值di首先将被转换为ai，然后编码器将会...

【专利技术属性】
技术研发人员：鲍跃全，李惠，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23