在物联网中使用稀疏测量矩阵的压缩数据收集系统技术方案

本发明专利技术属于物联网无线数据处理相关技术领域，具体涉及一种在物联网中使用稀疏测量矩阵的压缩数据收集系统。本发明专利技术一方面优化稀疏测量矩阵，另一方面使用合适的动态分簇协议，将稀疏测量矩阵的选择与路由协议相结合，保证数据采集的均匀性的同时，有效的减少了数据丢失对数据收集精度的影响，提高了无线传感器节点的数据收集精度。与现有技术相比较，本发明专利技术自适应性强：由于物联网系统具有复杂的无线链路结构，无线链路不稳定的情况经常发生，而链路不稳定对稀疏测量矩阵的设计有直接的关系，本发明专利技术采用稀疏测量矩阵和分簇路由协议同时优化的方式，能够解决链路不稳定对无线传感器节点数据收集的影响，具有自适应性。

Compressed data collection system using sparse measurement matrix in Internet of things

【技术实现步骤摘要】
在物联网中使用稀疏测量矩阵的压缩数据收集系统
本专利技术属于物联网无线数据处理相关
，具体涉及一种在物联网中使用稀疏测量矩阵的压缩数据收集系统。
技术介绍
物联网是一个多学科交叉的
，包含了数据感知、数据收集、数据处理的各个过程。物联网系统中的数据收集通常采用无线传感器节点，无线传感器节点作为联系信息世界和物理世界的中介，把自然界的物理信号转化为数字信号，扩展了互联网的功能领域、量化了人们物理世界的认知。物联网增强了人们对自然界的认知，建立了人与人、物与物、人与物之间的相互连接。物联网系统应用广泛，已经在智慧农业、智能制造、智慧社区、智能家居、智慧城市等领域内得到广泛的应用。无线传感器节点综合了传感器、微机电系统、无线通信和分布式信息处理等相关技术，所以物联网是多信息技术的交叉产物。在实际的应用中，由于无线传感器节点部署规模比较大，为了节约成本，布设的无线传感器节点往往具有成本低廉、体积小，方便大规模布设等特点，但也正是这些特点导致无线传感器节点存在计算能力受限、能量供应受限等问题。而汇聚节点相比于无线传感器节点在处理能力、本文档来自技高网...

【技术保护点】
1.一种在物联网中使用稀疏测量矩阵的压缩数据收集系统，其特征在于，所述压缩数据收集系统包括：初始数据收集模块、网络分簇模块、压缩数据收集模块、初始数据获取模块；所述初始数据收集模块包括：初始数据采集单元、初始数据变换单元、压缩数据获取单元、初始数据获取单元；所述网络分簇模块包括：网络默认分簇单元、网络分簇调整单元；/n(1)所述初始数据收集模块用于进行初始数据收集，令x∈R

【技术特征摘要】
1.一种在物联网中使用稀疏测量矩阵的压缩数据收集系统，其特征在于，所述压缩数据收集系统包括：初始数据收集模块、网络分簇模块、压缩数据收集模块、初始数据获取模块；所述初始数据收集模块包括：初始数据采集单元、初始数据变换单元、压缩数据获取单元、初始数据获取单元；所述网络分簇模块包括：网络默认分簇单元、网络分簇调整单元；
(1)所述初始数据收集模块用于进行初始数据收集，令x∈RN为初始数据，y∈RN为测量值，RN表示N维实数向量；其中，
(11)所述初始数据采集单元用于进行初始数据采集；
N个无线传感器节点按照一定的时间间隔采集初始数据x，初始数据x是由无线传感器节点感知得到的环境信息数据，由于节点部署较多，这些初始数据具有很大的冗余性；
(12)所述初始数据变换单元用于对初始数据x进行变换；
首先，构造变换基矩阵，由压缩感知理论可知，当初始数据具有冗余性时，则数据本身是稀疏的或在某一变换域下是稀疏的，这里令初始数据x在正交余弦变换基矩阵D∈RN×N下是稀疏的，RN×N表示N×N维实数矩阵，即为
x＝Dθ
其中，稀疏系数向量θ∈RN是s维稀疏的，即||θ||0＝s,s＜＜N，其中||·||0是向量的l0范数，s是一个正整数，s的值远小于整数N；表示的
由此，获得变换后，以变换基矩阵D和稀疏系数向量θ表示的初始数据x；
(13)所述压缩数据获取单元用于对初始数据x进行压缩，获取压缩数据y；
首先构造稀疏测量矩阵，根据压缩感知理论，当传感数据的稀疏度s固定时，测量值个数M必须满足一定的条件，即cslg(N/s)≤M＜＜N，其中，c为自定义的常数值，lg(·)表示以10为底的对数，此时整个数据采集过程可以表示为，



其中，Φ∈RM×N是测量矩阵，Φi,j表示测量矩阵Φ的第i行、第j列的元素值，xi∈R表示i次初始数据采集值；
因为M＜＜N，所以对网络中的N个初始数据值进行收集，只需要进行M次采样，就能得到测量值，这样就减少了测量次数；
由此，完成对初始数据x的压缩，获取压缩数据y；
(14)所述初始数据获取单元用于根据压缩数据y获取初始数据x；
首先进行数据重构，由上述压缩数据获取单元的输出可以得到以下表达式，
y＝ΦDθ＝Υθ
其中，Υ＝ΦD∈RM×N称之为感知矩阵，求解以下最优化问题得到稀疏系数向量θ的值，



其中，||·||1表示向量的l1范数，||·||2表示向量的欧几里得范数，σ为自定义的误差的上界；若上述优化问题存在最优解则可以确定的采样次数M是可行的，若不存在最优解，则需重复压缩数据获取单元、初始数据获取单元的工作，直至得到最优解；
获得稀疏系数向量θ后，结合自行构造的变换基矩阵D，从而获得初始数据x；
(2)所述网络分簇模块用于进行网络分簇；
(21)所述网络默认分簇单元用于进行网络默认分簇，按照步骤1中确定的M值，使用HEED分簇算法，即混合的能量高效的分布式分簇算法进行网络分簇；
(22)所述网络分簇调整单元用于：
(i)在不存在数据丢失情况下再次进行分簇，在链路不稳定的物联网系统中，若节点发生故障，需要将故障节点隔离出去，不再担任数据转发任务，并在接下来，若传输过程没有数据丢失，确定测量矩阵为：



即，当初始数据值xij接收到时，且没有数据丢失，可令对应的稀疏测量矩阵系数为其他情况下，令对应的系数为0；
(ii)在数据丢失情况情况下再次进行分簇，若传输过程...

【专利技术属性】
技术研发人员：王东豪，郝创博，邓大伟，王础，白洋，张依漪，刘玉蓉，
申请(专利权)人：北京京航计算通讯研究所，
类型：发明
国别省市：北京;11