一种基于压缩感知面向边缘计算的可靠数据收集方法技术

一种基于压缩感知面向边缘计算的可靠数据收集方法，属于物联网领域。本方法考虑了在实际环境下无线传感器网络出现随机丢包、能量消耗快的问题。但由于传感器节点资源受限以及无线传感器网络环境中有许多不可预见的因素，会造成传感器节点能量消耗和数据传输时产生错误和丢包的问题。压缩感知理论集采样和压缩于一体，正符合边缘计算框架底层终端设备资源受限、功能简单、计算能力差，上层节点性能强大的特点。结合传感器网络的特点和压缩感知的优势设计了一个可靠的收集方法。本发明专利技术提出的数据收集方法与其他方法对比，在链路出现随机丢包的情况下，数据传输的可靠性与网络的能耗都表现出较好的效果，具有一定的实用价值。

【技术实现步骤摘要】
一种基于压缩感知面向边缘计算的可靠数据收集方法
本专利技术属于物联网领域，具体涉及一种基于压缩感知面向边缘计算的可靠数据收集方法。
技术介绍
人工智能，大数据，云计算以及5G网络的发展极大的促进了物联网的广泛应用。然而在万物互联的背景下，物联网设备的计算和存储能力一直制约着物联网进一步的发展。针对于此催生了边缘计算模型，计算卸载作为边缘计算的关键技术，将部分或者是全部的计算任务卸载到资源丰富的边缘服务器，以解决终端设备计算存储资源的不足。无线传感器网络是由大量传感器节点组成的一种自组织网络，集数据的采集、处理和传输与一身，通常用于对特定的区域进行监测并通过基站将数据接入网络。但由于传感器节点资源受限，尤其是能量方面，而且无线传感器网络环境中有许多不可预见的因素，比如现场环境、衰减、盲区等，这些因素不仅会造成传感器节点能量消耗，还会造成数据传输时产生错误和丢包的问题。因此如何高效稳定可靠节能地收集数据是无线传感器网络研究的一个重要内容和目标。压缩感知(compressivesensing,CS)理论集采样和压缩于一体，适用于数据量大、编码简单解码复杂的场合,正符合边缘计算框架底层终端设备资源受限、功能简单、计算能力差，上层节点性能强大的特点，并且无线传感器网络节采集数据具有时空相关性。压缩感知为无线传感器网络数据收集开辟了一条新的研究道路。
技术实现思路
本专利技术的目的是解决在实际环境下无线传感器网络出现随机丢包、能量消耗快的问题，提供一种基于压缩感知的面向边缘计算的可靠数据收集方法。本专利技术考虑了边缘计算中基于无线传感器节点能耗以及错误和丢包问题，因而引入了压缩感知理论。压缩感知适用于数据量大、编码简单解码复杂的场合,正符合边缘计算框架底层终端设备资源受限、功能简单、计算能力差，上层节点性能强大的特点，并且无线传感器网络节采集数据具有时空相关性。压缩感知为无线传感器网络数据收集开辟了一条新的研究道路。通过实验仿真对比，在链路出现随机丢包的情况下，数据传输的可靠性与网络的能耗都表现出较好的效果，具有一定的实用价值。本专利技术的基于压缩感知面向边缘计算的可靠数据收集方法，主要包括如下关键步骤：第1、分簇拓扑路由结构的构建：第1.1、建立网络模型；第1.2、建立簇间数据收集模型；第1.3、建立簇间传输模型；第1.4、建立网络的能耗模型：第2、基于压缩感知的边缘计算中可靠数据收集方法的设计：第2.1、簇内数据的采集；第2.2、用最优最差蚂蚁系统对链路质量评估；第2.3、构建传输路径；第2.4、簇间传输；进一步的，步骤第1.1中建立网络模型，即网络采用分簇拓扑路由结构，首先将节点随机的分成若干个簇，簇内节点根据设置好的采样率随机调度采样，并且直接传输到簇头节点，簇头根据实际的接收情况构建测量矩阵，保证测量矩阵的构造不受实际情况中丢包的干扰，确保测量矩阵的可靠性，并且设计与测量矩阵共同满足RIP特性的稀疏基，然后优化从簇头节点到sink节点的传输策略，进行基于链路质量的多路径传输，保证数据的可靠性。步骤第1.2中建立簇间数据收集模型，即设某个簇中有Ni个成员节点，其中有Mi个节点采集数据，簇内数据传输采取直接将采集数据传输至簇头节点，不采集数据的传感器节点进入休眠状态，并且采集的数据在稀疏基Ψ下是稀疏的，簇内数据具有很强的相关性。步骤第1.3中建立了簇间传输模型，即当簇内收集的数据传递到簇头节点的时候，首先利用最优最差蚁群算法对网络中的路径进行信息素的标记，然后根据链路的质量来构建基于负载均衡的多路径传输，然后再sink节点进行数据的重组与重构。步骤第1.4中建立的网络能耗模型方法中，将节点能耗分为簇内能耗E_intra与簇间能耗E_inter，即Etotal＝Eintra+Einter#(1)其中两个阶段中的数据传输的能耗分析按照已有的通信能耗模型进行计算，即ETx(L′，d)＝Eelec×L′+εamp×L′×d2(2)ERx(L′)＝L′×Eelec(3)其中ETx(L',d)表示数据的发送节点将1个L'比特的数据传输距离为d时所消耗的能量，ERx(L')表示数据的接受节点接收L'比特所消耗的能量，Eelec表示节点发送或者接受单位比特所消耗的能量，εamp表示节点功率放大的系数。进一步的，步骤第2.1中簇内数据的采集方法如下，为了衡量相邻节点间的相关性，不失一般性我们定义了如下核函数κ(xi,xj)：其中dij表示节点ij之间的欧式距离，τ表示核函数的宽度参数可以根据收集的感知数据训练得到，N个节点的相关矩阵A可以表示为：观察可得矩阵A为Toeplitz矩阵，则可对角化A＝UΛU-1，其中Λ为对角矩阵，U为标准正交基。我们将U用于稀疏表示基，令ΨG＝U，则X可以表示为：X＝ΨGs(6)当N＝200,τ2＝1时，ΨG中的每一行元素的均值和方差的值相在一个很小的范围内波动，当n的值逐渐变大均值和方差逐渐趋近于一个稳定的值0，当传感节点较大时该稀疏基中的每一行元素可以看作是同一随机变量产生的随机系列，即稀疏基可以看成由N个随机变量ξ1,ξ2…ξM产生的随机序列，这些随机变量有相同的数值特征:为了方便描述我们用表示第i个簇中发送感知数据的节点的序号的索引，即Ii＝|Mi|，在某一采集时刻t，我们设置每个簇内的成员节点以概率p随机向簇头节点发送自己感知的数据；由于在实际部署的环境中无线传感器网络的链路状态不太稳定存在一定的丢包率，我们设置网络的丢包率为pl,则可以计算出每一个簇中采集的数据量的期望值为Mi＝Nip(1-pl),簇首根据收集到的数据生成测量矩阵其定义为：其中为Φi中的一行，k＝1…Mi，矩阵中的每一行有且仅有一个非零的值，可以用来反映节点之间的空间关系。步骤第2.2中采用最优最差蚂蚁系统对链路质量评估描述如下：先是进行网络中簇头节点的等级划分，初始化数据包并且采用最优最差蚂蚁系统(Best-WorstAntSystem，BWAS)进行信息素值的确定，路径上产生的信息素归一化值，根据信息素的值来进行链路质量的评估。步骤第2.3所述的构建传输路径描述如下：假设某一簇头节点准备发送bM字节的数据包到汇聚节点。数据包被分解为(M+k)个b字节的数据片。汇聚节点对接收到的至少M的数据片进行解码重组源数据包，设pathi路径一次接收zi个数据片，则汇聚节点能重构的概率为psucc为：其中psucc成功传输的概率，我们用q＝[q1,q2,…qn]表示每条路径数据传输的成功率，并且每一条路径是相互独立的，则有：其中簇间传输模型数据传输的成功率，即簇间传输的可靠性为：对于从簇头到汇聚节点的某一条路径pathi来说，从源节点到目的节点的成功率为：对于pathi，汇聚节点接收到的数据片的数量为：...

【技术保护点】
1.一种基于压缩感知面向边缘计算的可靠数据收集方法，其特征在于该方法主要包括如下步骤：/n第1、分簇拓扑路由结构的构建：/n第1.1、建立网络模型；/n第1.2、建立簇内数据收集模型；/n第1.3、建立簇间传输模型；/n第1.4、建立网络的能耗模型：/n第2、基于压缩感知的边缘计算中可靠数据收集方法的设计：/n第2.1、簇内数据的采集；/n第2.2、用最优最差蚂蚁系统对链路质量评估；/n第2.3、构建传输路径；/n第2.4、簇间传输。/n

【技术特征摘要】
1.一种基于压缩感知面向边缘计算的可靠数据收集方法，其特征在于该方法主要包括如下步骤：
第1、分簇拓扑路由结构的构建：
第1.1、建立网络模型；
第1.2、建立簇内数据收集模型；
第1.3、建立簇间传输模型；
第1.4、建立网络的能耗模型：
第2、基于压缩感知的边缘计算中可靠数据收集方法的设计：
第2.1、簇内数据的采集；
第2.2、用最优最差蚂蚁系统对链路质量评估；
第2.3、构建传输路径；
第2.4、簇间传输。


2.如权利要求1所述的基于压缩感知面向边缘计算的可靠数据收集方法，其特征在于，步骤第1.1中建立网络模型，即网络采用分簇拓扑路由结构，首先将节点随机的分成若干个簇，簇内节点根据设置好的采样率随机调度采样，并且直接传输到簇头节点，簇头根据实际的接收情况构建测量矩阵，保证测量矩阵的构造不受实际情况中丢包的干扰，确保测量矩阵的可靠性，并且设计与测量矩阵共同满足RIP特性的稀疏基。然后优化从簇头节点到sink节点的传输策略，进行基于链路质量的多路径传输，保证数据的可靠性。


3.如权利要求1所述的基于压缩感知面向边缘计算的可靠数据收集方法，其特征在于，步骤第1.2中建立簇间数据收集模型，即设某个簇中有Ni个成员节点，其中有Mi个节点采集数据，簇内数据传输采取直接将采集数据传输至簇头节点，不采集数据的传感器节点进入休眠状态，并且采集的数据在稀疏基Ψ下是稀疏的，簇内数据具有很强的相关性。


4.如权利要求1所述的基于压缩感知面向边缘计算的可靠数据收集方法，其特征在于，步骤第1.3中建立了簇间传输模型，即当簇内收集的数据传递到簇头节点的时候，首先利用最优最差蚁群算法对网络中的路径进行信息素的标记，然后根据链路的质量来构建基于负载均衡的多路径传输，然后再sink节点进行数据的重组与重构。


5.如权利要求1所述的基于压缩感知面向边缘计算的可靠数据收集方法，其特征在于，步骤第1.4中建立的网络能耗模型方法中，将节点能耗分为簇内能耗E_intra与簇间能耗E_inter，即
Etotal＝Eintra+Einter#(1)
其中两个阶段中的数据传输的能耗分析按照已有的通信能耗模型进行计算，即
ETx(L′，d)＝Eelec×L′+εamp×L′×d2(2)
ERx(L′)＝L′×Eelec(3)
其中ETx(L',d)表示数据的发送节点将1个L'比特的数据传输距离为d时所消耗的能量，ERx(L')表示数据的接受节点接收L'比特所消耗的能量，Eelec表示节点发送或者接受单位比特所消耗的能量，εamp表示节点功率放大的系数。


6.如权利要求1所述的基于压缩感知面向边缘计算的可靠数据收集方法，其特征在于，步骤第2.1中簇内数据的采集方法如下，为了衡量相邻节点间的相关性，不失一般性我们定义了如下核函数κ(xi,xj)：



其中dij表示节点ij之间的欧式距离，τ表示核函数的宽度参数可以根据收集的感知数据训练得到，N个节点的相关矩阵A可以表示为：



观察可得矩阵A为Toeplitz矩阵，则可对角化A＝UΛU-1，其中Λ为对角矩阵，U为标准正交基，将U用于稀疏表示基，令ΨG＝U，则X可以表示为：
X＝ΨGs(6)
当N＝200,τ2＝1时，ΨG中的每一行元素的均值和方差的值相在一个很小的范围内波动，当n的值逐渐变大均值和方差逐渐趋近于一个稳定的值0，当传感节点较大时该稀疏基中的每一行元素可以看作是同一随机变量产生的随机系列，即稀疏基可以看成由N个随机变量ξ1,ξ2…ξM产生的随机序列，这些随机变量有相同的数值特征：



为了方便描述我们用表示第i个簇中发送感知数据的节点的序号的索引，即Ii＝|Mi|，在某一采集时刻t，我们设置每个簇内的成员节点以概率p随机向簇头节点发送自己感知的数据；
由于在实际部署的环境中无线传感器网络的链路状态不太稳定存在一定的丢包率，我们设置网络的丢包率为pl,则可以计算出每一个簇...

【专利技术属性】
技术研发人员：张德干，朱浩丽，赵彭真，张婷，张捷，李可，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：天津;12