[实用新型]无线传感器网络中的基站无效

专利信息
申请号: 201020684837.X 申请日: 2010-12-29
公开(公告)号: CN202068576U 公开(公告)日: 2011-12-07
发明(设计)人: 熊继平 申请(专利权)人: 浙江师范大学
主分类号: H04W12/04 分类号: H04W12/04;H04W88/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 321004 *** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 无线 传感器 网络 中的 基站
【说明书】:

技术领域

实用新型涉及无线传感器网络,尤其涉及无线传感器网络中的基站。

背景技术

无线传感器网络(Wireless SensorNetwork)是由分布在探测区域的大量传感器节点以及数据收集中心(一般称为基站)组成的网络。传感器节点通过无线连接的方式和基站建立数据通路,向基站发送测量得到的数据。

在很多场合下,传感器节点采集的往往是敏感信息,有一定的保密性要求,现有的方案一般是采用加密技术进行数据传输。无线传感器网络中往往部署大量的传感器节点,从成本的角度考虑,这些传感器节点所安装的操作系统一般都是简单的嵌入式系统,其处理能力和能量供应都是有限的,因而稍微复杂一点的加密技术的采用,往往会导致传感器节点能量消耗较快,使得节点的使用寿命急剧下降,降低了整个无线传感器网络的整体生存时间。

因此,有必要降低传感器节点能量消耗速度,并应用与此类传感器节点相配套的基站,来保障敏感信息的隐秘传输。

实用新型内容

本实用新型所要解决的技术问题是在于需要提供一种无线传感器网络中的基站,在保障敏感信息隐秘传输的同时,克服传感器节点能量消耗速度过快的缺陷。

为了解决上述技术问题,本实用新型提供了一种无线传感器网络中的基站,所述无线传感器网络中的一个传感器节点采集获得敏感信息及常规信息后,采用高斯随机矩阵对所述敏感信息进行线性编码得到敏感向量,并对所述常规信息进行补零的稀疏化处理得到稀疏向量后,将所述敏感向量及稀疏向量进行融合处理得到融合数据发送给所述基站;

其中,所述基站包括:

存储器,存储所述高斯随机矩阵,以及与所述高斯随机矩阵相应的解码矩阵;

接收端口,接收所述传感器节点发送的所述融合数据;

观测器,与所述接收端口相连,对所述融合数据进行观测,获得观测值;

重构器,与所述存储器及观测器相连,利用所述解码矩阵及观测值重构出所述稀疏向量;

解析器,与所述接收端口及重构器相连,根据所述重构器重构出的所述稀疏向量从所述融合数据中解析出所述敏感向量;

解码器,与所述存储器及解析器相连,利用所述存储器所存储的所述高斯随机矩阵对所述解析器所解析出的所述敏感向量进行解码,获得所述敏感信息。

优选地,所述传感器节点采用如下所述的表达式对所述敏感信息进行所述线性编码,得到所述敏感向量:

ym=Am×nSn;]]>

其中,

ym为所述敏感向量;

为伸缩因子,取值大于零;

Am×n为所述高斯随机矩阵,m>n;

Sn为n个所述敏感信息。

优选地,所述存储器存储的所述高斯随机矩阵及所述解码矩阵满足如下所述的约束关系:

Hk×m×Am×n=0

其中,

Am×n为所述高斯随机矩阵m>n;

Hk×m为所述解码矩阵,m>k。

优选地,所述重构器采用压缩感知理论或者快速正交匹配跟踪算法,利用所述解码矩阵及观测值重构出所述稀疏向量。

优选地,所述观测器对所述融合数据进行观测,获得k个观测值;所述重构器利用压缩感知理论,利用所述解码矩阵,在l1范式约束下根据由所述k个观测值构成的观测向量重构出所述稀疏向量。

优选地,所述解析器从所述融合数据中减去所述重构器重构出的所述稀疏向量,获得所述敏感向量。

与现有技术相比,本实用新型提供的基站配合传感器节点,结合压缩感知的编解码技术,能够从传感器节点上传的融合数据中解码获得敏感信息,使得传感器节点以较低能量消耗的方式实现了对敏感信息的编码和隐藏通信,延长了传感器节点的使用寿命,提高了整个无线传感器网络的整体生存时间。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江师范大学,未经浙江师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201020684837.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top