一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法技术

本发明专利技术公开一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法，首先，以最小化能耗和最大化覆盖被监测区域为目标，建立联合考虑能耗和覆盖的多目标优化模型；其次，设计多目标混合蛙跳算法对多目标优化模型进行求解；然后，采用最小生成树算法收集传感器节点数据；最后，对收集到传感器数据进行重构恢复。采用本发明专利技术提高了数据收集的效率，减少了节点的能耗，保证了数据可靠性传输，从而延长网络的生存周期。

A Compressed Data Collection Method for Wireless Sensor Networks Considering Energy Consumption and Coverage

The invention discloses a compression data collection method for wireless sensor networks considering energy consumption and coverage. Firstly, a multi-objective optimization model considering energy consumption and coverage is established with the objective of minimizing energy consumption and maximizing coverage of the monitored area. Secondly, a multi-objective hybrid leapfrog algorithm is designed to solve the multi-objective optimization model; and then, a minimum spanning tree algorithm is adopted to collect the data. Finally, the collected sensor data are reconstructed and restored. The invention improves the efficiency of data collection, reduces the energy consumption of nodes, ensures the reliable transmission of data, and prolongs the lifetime of the network.

【技术实现步骤摘要】
一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法
本专利技术涉及无线传感器网络领域，具体涉及一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法。
技术介绍
无线传感器网络(WSNs)已广泛应用于各种应用领域，如交通、安防、环境监控、智能农业等。如果传感器节点直接传输采集到的原始数据，将消耗很多能量。近年来，压缩感知理论的出现给无线传感器网络的数据收集提供了一个全新的解决方案。压缩感知只需要收集一部分测量信号并能以较高准确率重构原始信号，从而大大降低了无线传感器网络的能耗。最近，已有很多学者致力于研究如何运用压缩感知理论实现无线传感器网络中数据的高效收集问题。在这些研究工作中提升无线传感器网络的性能时，大多只采用单目标方法，比如能耗，生存周期，覆盖，安全性等，或者简单的分析这些不同指标之间的折中问题，并没有理论保证。为了克服上述问题，在传统的压缩数据收集基础上，本专利技术联合考虑WSNs的能耗和覆盖，并用采用多目标混合蛙跳算法解决所述优化问题，利用最小生成树算法(MST)进行数据收集策略。
技术实现思路
专利技术目的：本专利技术提供一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法，能提高数据收集效率，降低节点能耗，保证数据可靠性传输，延长网络生存周期。技术方案：本专利技术所述的一种考虑覆盖和连通的无线传感器网络压缩数据收集方法，包括以下步骤：(1)以最小化能耗和最大化覆盖被监测区域为目标，建立联合考虑能耗和覆盖的多目标优化模型；(2)设计多目标混合蛙跳算法对步骤(1)所述的优化模型进行求解；(3)采用最小生成树算法收集传感器节点数据；(4)对收集到传感器数据进行重构恢复。步骤(1)所述的能耗主要包括每个节点在时刻t的启动、活动、发送和接收所消耗的能量：其中，为i节点在时刻t消耗的能量，AEi为i节点处于启用状态消耗的能量，MEi为i节点处于活动状态消耗的能量，REi为i节点接收数据消耗的能量，TEi为i节点发送数据消耗的能量，为决策变量，若i节点在t时刻处于启动状态，取值为1，否则为0，为决策变量，若i节点在t时刻处于活动状态，取值为1，否则为0，为决策变量，若(i,j)∈{AS∪Am}在时刻t属于连接节点l与Sink节点m的路径，取值为1，否则为0；S为传感器节点集，τ为时间段的索引τ＝{1,2,3,...}，AS为连接传感器节点的边的集合，Am为连接传感器节点到Sink节点的边的集合，Υi为集合A中以节点i为终点的所有边的集合，为集合A中以i节点为起点的所有边的集合。步骤(1)所述的多目标的优化模型目标函数为：minF(x)＝(f1,f2)s.t.其中，D为需求点集，为二进制变量，若j节点在t时刻未被覆盖，取值为1，否则为0；为节点i到Sink节点m最短路径的代价；NCj表示未被覆盖的惩罚因子，即需求点j未被覆盖的代价；约束条件为：其中q为需求节点。所述步骤(2)包括以下步骤：(21)初始化种群，初始化外部精英档案；(22)全局搜索：对初始种群进行非支配集排序，找到全局最优的青蛙；(23)局部搜索：将所有青蛙进行分组，对每组青蛙进行组内模因，找到组内最好的青蛙以及最差的青蛙；(24)如果局部搜索结束，则所有青蛙重新组合成一个新的种群，重复步骤(22)和(23)，直到满足最大迭代次数，输出最优解。所述步骤(3)包括以下步骤：(31)采用最小生成树算法收集传感器节点数据，随机选择无线传感器网络中任意节点作为根节点；(32)其余节点以最短路径方式连接到已有节点。所述步骤(4)包括以下步骤：(41)生成离散余弦变换稀疏基；(42)生成随机稀疏测量矩阵；(43)使用广义正交匹配追踪算法重构步骤(3)收集到的数据。有益效果：与现有技术相比，本专利技术的有益效果：能更好的提升无线传感器网络性能；采用最小生成树算法收集数据，可以保证传感器节点的有效连通性，从而提升数据传输的可靠性；另外，该方案提升了数据收集的效率，降低了节点的能耗，从而延长了网络的生存周期。附图说明图1为本专利技术的流程图；图2为基于MST的数据收集方法示意图；图3为采用DCT稀疏基表示原始信号示意图；图4为原始信号；图5为采用GOMP重构后的信号。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。图1为本专利技术的流程图，具体包括以下步骤：1、以最小化能耗和最大化覆盖被监测区域为目标，建立联合考虑能耗和覆盖的多目标优化模型。每个节点在时刻t的能耗包括启动、活动、发送和接收所消耗的能量，可以表示为：其中，为i节点在时刻t消耗的能量，AEi为i节点处于启用状态消耗的能量，MEi为i节点处于活动状态消耗的能量，REi为i节点接收数据消耗的能量，TEi为i节点发送数据消耗的能量，为决策变量，若i节点在t时刻处于启动状态，取值为1，否则为0，为决策变量，若i节点在t时刻处于活动状态，取值为1，否则为0，为决策变量，若(i,j)∈{AS∪Am}在时刻t属于连接节点l与Sink节点m的路径，取值为1，否则为0；S为传感器节点集，τ为时间段的索引τ＝{1,2,3,...}，AS为连接传感器节点的边的集合，Am为连接传感器节点到Sink节点的边的集合，Υi为集合A中以节点i为终点的所有边的集合，为集合A中以i节点为起点的所有边的集合。因此第一个目标函数可以表示为：另外，在任意时刻t，i节点剩余能量Ei和需要满足以下约束条件：第二个目标函数是最大化覆盖被监测区域。由于其中一个目标函数最小化能耗，因此覆盖被监测区域也被转换成最小化问题，在WSNs实际应用中，需要不同等级的感知以及监测不同的感兴趣区域，因此，本专利技术考虑分区覆盖，网格覆盖函数可以表示为：为了便于表示分区覆盖，本专利技术采用概率事件检测方法，首先计算被监测区域的事件概率分布，然后根据所述概率分布为每一个需求点设置检测阈值。假设节点i在需求点q∈D处的检测概率为其中||diq||表示节点i和节点q∈D之间的欧式距离，r为节点的感知半径。因此，所有活动节点，在任意点q∈D的事件检测概率为：假设事件检测阈值为rth，则因此，第二个目标函数为：传感器节点间的连通性是WSNs部署很重要的一个性能指标，连通性问题通常用以下表达式表示：上面的式子保证了每个活动节点和Sink节点之间至少有一条路径。为了确保只有活动节点才可以建立所述的路径，约束条件可以表示为：其中q为需求节点。本专利技术的最优化方法中的目标函数无需线性表达式，因此f1又可以表示为：其中为节点i到Sink节点m最短路径的代价。最终，多目标方法可以用下面的表达式表示：minF(x)＝(f1,f2)s.t.其中，D为需求点集，为二进制变量，若j节点在t时刻未被覆盖，取值为1，否则为0；为节点i到Sink节点m最短路径的代价；NCj表示未被覆盖的惩罚因子，即需求点j未被覆盖的代价。2、设计多目标混合蛙跳算法对步骤1所述的优化模型进行求解.(1)初始化种群：frogs←CreateEmptyFrog(pop)，初始化外部精英档案rep←GetNonDominatedFrogs(frogs)；(2)全局搜索：对初始种群进行非支配集排序NonDominatedSorting(frogs)，找到全局最优的青蛙Pg；(3)局部搜索：将所有青蛙进行分组Memeplexs←DivideFrogs(f本文档来自技高网...

【技术保护点】
1.一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法，其特征在于，包括以下步骤：(1)以最小化能耗和最大化覆盖被监测区域为目标，建立联合考虑能耗和覆盖的多目标优化模型；(2)设计多目标混合蛙跳算法对步骤(1)所述的优化模型进行求解；(3)采用最小生成树算法收集传感器节点数据；(4)对收集到传感器数据进行重构恢复。

【技术特征摘要】
1.一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法，其特征在于，包括以下步骤：(1)以最小化能耗和最大化覆盖被监测区域为目标，建立联合考虑能耗和覆盖的多目标优化模型；(2)设计多目标混合蛙跳算法对步骤(1)所述的优化模型进行求解；(3)采用最小生成树算法收集传感器节点数据；(4)对收集到传感器数据进行重构恢复。2.根据权利要求1所述的一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法，其特征在于，步骤(1)所述的能耗主要包括每个节点在时刻t的启动、活动、发送和接收所消耗的能量：其中，为i节点在时刻t消耗的能量，AEi为i节点处于启用状态消耗的能量，MEi为i节点处于活动状态消耗的能量，REi为i节点接收数据消耗的能量，TEi为i节点发送数据消耗的能量，为决策变量，若i节点在t时刻处于启动状态，取值为1，否则为0，为决策变量，若i节点在t时刻处于活动状态，取值为1，否则为0，为决策变量，若(i,j)∈{AS∪Am}在时刻t属于连接节点l与Sink节点m的路径，取值为1，否则为0；S为传感器节点集，τ为时间段的索引τ＝{1,2,3,...}，AS为连接传感器节点的边的集合，Am为连接传感器节点到Sink节点的边的集合，Υi为集合A中以节点i为终点的所有边的集合，为集合A中以i节点为起点的所有边的集合。3.根据权利要求1所述的一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法，其特征在于，步骤(...

【专利技术属性】
技术研发人员：顾相平，常波，王晓燕，杨松，戴峻峰，马岱，贾银洁，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏,32