基于结构化低秩张量补全的物联网数据重建方法技术

技术编号:35522074 阅读:32 留言:0更新日期:2022-11-09 14:41
本发明专利技术为基于结构化低秩张量补全的物联网数据重建方法,首先将监测区域离散为多个网格点,每个网格点内部署一个传感器节点;假设传感器节点每隔一个时隙感知一次数据,故基站在时间T内接收到的数据组成三阶张量;其次,将数据重建转换为基础低秩张量补全问题,并构建低秩张量补全模型;最后,对三阶张量的每个模式i的展开矩阵进行块汉克尔矩阵变化,将基础低秩张量补全模型改进为结构化低秩张量补全模型,对结构化低秩张量补全模型的增广拉格朗日函数进行求解,得到三阶张量,完成物联网数据重建。将连续时刻采集的数据以三阶张量进行排列,充分利用数据的空间相关性;对三阶张量的每个模式i展开矩阵进行块汉克尔矩阵变化,通过结构化和低秩张量补全结合进行数据重建,更进一步挖掘利用数据的时空相关性,缓解了基于稀疏约束方法中基不匹配对重建性能的影响,提高了数据重建精度。提高了数据重建精度。提高了数据重建精度。

【技术实现步骤摘要】
基于结构化低秩张量补全的物联网数据重建方法


[0001]本专利技术属于物联网数据处理
,具体是一种基于结构化低秩张量补全的物联网数据重建方法。

技术介绍

[0002]物联网(Internet of Things,简写为IoT)作为计算机和互联网出现以来,信息产业发展的第三波浪潮,其应用已经遍及众多领域。IoT设备层由大量有感知、通信能力的传感器节点组成,传感器节点通过随机方式部署在监测区域,每个传感器节点都具备一定的计算、存储和通信能力,能够持续监测感知环境信息。由于硬件条件限制、网络通信不稳定和恶劣环境等因素的影响,物联网数据不可避免存在数据丢失问题。数据缺失将导致物联网数据无法正常用于后续的分析与应用,因此高精度重建完整的IoT数据已成为本领域的研究热点。
[0003]基于稀疏约束的IoT数据重建方法可分为三类:基于压缩感知(Compressed Sensing,简写为CS)的重建方法、基于矩阵补全(Matrix Completion,简写为MC)的重建方法和基于张量补全的重建方法。具体来讲,基于CS的方法使用测量矩阵,根据在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于结构化低秩张量补全的物联网数据重建方法,其特征在于,该方法包括以下步骤:步骤1、将物联网监测区域离散为M
×
N个网格点,每个网格点内部署一个传感器节点;假设传感器节点每隔时隙τ感测一次数据,并将数据传输到基站,故基站在时间T=L
×
τ内接收到的数据组成一个三阶张量接收到的数据组成一个三阶张量表示实数域,M、N为正整数;由于数据丢失,在时间T内仅有D个环境信息测量值传输到基站,D<<M
×
N
×
L,则基站接收到的数据通过表示,表示随机采样操作符,表示从三阶张量中随机采样得到的数据,包含D个环境信息测量值,未采样点位置用零填充;Ω表示观测集;步骤2、三阶张量的水平切片数据之间以及侧切片数据之间均具有空间相关性,前切片数据之间具有时间相关性,因此张量具有低秩性,故可将数据重建转换为低秩张量补全问题,基础低秩张量补全模型的表达式为:其中,α
i
表示三阶张量的模式i展开矩阵的核范数的权重,i=1,2,3,满足α
i
>0和X
(i)
表示三阶张量的模式i展开矩阵,||
·
||
*
和||
·
||
F
分别表示矩阵核范数和F

范数,λ为正则化参数;步骤3、对三阶张量的每个模式i展开矩阵进行块汉克尔矩阵变化,惩罚由三阶张量的模式i展开矩阵X
(i)
形成的块汉克尔矩阵的核范数,则式(...

【专利技术属性】
技术研发人员:何静飞张潇月刘晓彤池越
申请(专利权)人:河北工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1