一种基于矩阵填充的环境温湿度多时隙数据采集方法技术

本发明专利技术公开了一种基于矩阵填充的环境温湿度多时隙数据采集方法。该方法包括结构化随机稀疏采样方法和一种基于低秩和改进二阶水平全变分正则化的数据恢复算法。通过采用结构化随机稀疏采样方法，较大程度地减少数据感测和传输的数量，从而延长了无线传感器网络的使用寿命。利用无线传感器网络数据的低秩和时间稳定性，构建基于时间稳定性的核范数最小化模型，并采用交替方向法对该模型进行优化求解。通过采用本发明专利技术中的结构化随机稀疏采样方法，可以对基于矩阵填充的数据恢复算法有一定的增强作用。与此同时，本发明专利技术中的数据恢复方法通过较好地平衡低秩性和时间稳定性对恢复效果的影响，从而能够较大程度的提升恢复性能和重构精度。

【技术实现步骤摘要】
一种基于矩阵填充的环境温湿度多时隙数据采集方法
本专利技术涉及采样模型的构建以及无线传感器网络温湿度数据恢复算法领域，更具体地，涉及一种基于矩阵填充理论的环境温湿度多时隙数据采集方法。
技术介绍
通过无线传感器网络(WirelessSensorNetworks，WSNs)对环境参数的监控与采集已经被广泛地应用在农业和环境保护领域方面。由于传感器节点通常都是电池供电且需要对周围环境进行长时间的监测，因此对于无线传感器网络来说，能耗的控制就变得极为重要。如何降低传感器节点的能耗，从而延长网络寿命也就成为了无线传感器网络中要解决的经典问题之一。为了解决这个问题，最直接的方法就是减少数据的采集量，这就引发了后期对缺失数据的恢复问题。考虑到从相邻传感器采集到的数据具有冗余性和相关性，压缩数据采集(CompressiveDataGathering，CDG)，一种基于压缩感知(CompressedSensing，CS)理论的数据采集与恢复的算法被提了出来。与传统的数据采集方法不同的是，CDG是在传输的过程中进行数据压缩，从而降低了流量和感知的本文档来自技高网...

【技术保护点】
1.一种基于矩阵填充的环境温湿度多时隙数据采集方法，其特征在于，包括：/nS1.利用多时隙且环境温湿度变化缓慢的无线传感器网络所监测到的温湿度数据具有的时空相关特性，构建一种结构化随机稀疏采样方法。与随机采样方法相比，采样率是随窗口大小改变的。将T个时隙分成若干个窗口，其中每个窗口包括了c个时隙和一个传输周期。N个传感器节点在每个窗口只能采样一次并进行传输，因此整个WSNs数据的总采样率是p

【技术特征摘要】
1.一种基于矩阵填充的环境温湿度多时隙数据采集方法，其特征在于，包括：
S1.利用多时隙且环境温湿度变化缓慢的无线传感器网络所监测到的温湿度数据具有的时空相关特性，构建一种结构化随机稀疏采样方法。与随机采样方法相比，采样率是随窗口大小改变的。将T个时隙分成若干个窗口，其中每个窗口包括了c个时隙和一个传输周期。N个传感器节点在每个窗口只能采样一次并进行传输，因此整个WSNs数据的总采样率是ps＝N/(N*c)＝1/c，即压缩率为pc＝1/ps＝c，该采样方法可以实现WSNs的能量均匀分配，从而延长了网络的寿命；
S2.构建一个基于改进二阶水平全变分约束的核范数正则化最小化数学模型：



其中，函数||X||*是矩阵XN×T的核范数，表示为矩阵XN×T中所有奇异值之和，XN×T是通过矩阵填充所得到的恢复矩阵；RTT×T为水平方向的改进二阶全变分矩阵；M和B分别是大小为N×T的原始矩阵和观测矩阵；ο代表了两个矩阵的哈达玛积，即，B(n，t)＝Q(n，t)M(n，t)。Q是大小为N×T的采样矩阵；λ为调整参数；
S3.采用交替方向法对构建的数学模型进行相应的数学推导和优化求解：
首先将数学模型转化成以下方式：



则上式所对应的增广拉格朗日函数为：



其中，ρ为控制惩罚强度的惩罚参数，ZN×T是拉格朗日乘数。
通过ADM方法在选定一个变量的同时固定其他变量来迭代更新求解。
具体来说，在第k+1次迭代时，变量的更新求解步骤如下表示：
a)固定变量Yk和Zk，更新Xk+1：



对于任意一个正数的δ，奇异值收缩算子Dδ满足：

...

【专利技术属性】
技术研发人员：孙桂玲，刘晓超，李洲周，李雨冉，
申请(专利权)人：南开大学，
类型：发明
国别省市：天津;12