[发明专利]一种大规模无线传感器网络中数据釆集方法

说明书

技术领域：

本发明属于一种无线传感器网络数据采集领域，具体是一种无线传感器网络中基于分布式压缩传感（CS）理论的数据采集方法。

背景技术：

 随着无线通信技术的迅猛发展，通过无线网络提供实时的高品质数据服务的需求变得日益强烈。无线传感器网络 (WSN: Wireless Sensor Network)是目前国内外学者研究无线通信网络的前沿热点之一，也是未来信息领域的主流技术，在军事、工农业控制、生物医疗、环境监测等诸多领域有着广阔的应用前景。目前，无线传感器网络研究的一个重要方面是在能量严重受限的微型节点上如何实现简单的环境数据(如温度、湿度、光强等)采集、传输与处理。然而，随着监测环境的日趋复杂多变，由这些传统传感器网络所获取的简单数据愈加不能满足人们对监测等的全面需求，迫切需要将信息量丰富的图像、视频等多媒体引入到以传感器网络为基础的各种应用中，实现更精准信息的监测，特别是实现不可及场所的信号监测。在一些传统电缆很难延伸到的偏僻区域，有线监控更是无能为力。如工厂车间的加工过程和库存的跟踪;医疗领域的诊断成像、药物投放和患者监视;建筑自动化中安全系统的监视;煤矿井下人员的无线定位和实时监控，利用无线传感器技术可实现安全监测和预警的技术突破。

由于无线传感器网络的能量、处理能力等的限制，在无线传感器网络上要进行有效的图像等多媒体通信仍然存在许多挑战。能量有效性或能量效率是决定一个无线传感器网络生命长短的最重要因素，传感器节点往往是依靠电池供能，电池容量有限，由于传感器节点一般在恶劣、复杂环境中工作，在应用中难以更换和补充能量，使无线传感器网络每个传感器节点的资源和能力都非常有限。基于无线传感器网络的图像通信系统的能量主要是消耗在传输和处理过程，传输能量消耗主要由发射机功率决定。处理能量消耗主要由源编码、信道编码及基带处理决定。因此，研究有效的联合编码方法以提高传输效率和质量、减小能量开销，在无线传感器网络的实际应用中具有重要意义。因此，

目前的奈奎斯特采样定理等获得广泛地应用，但它们是为在足够通信带宽情况下传输窄带信号而设计的，它是根据信号的频域带宽特性对信号进行采样。而在无线通信环境下带宽受限，且由于密集分布的无线传感网采集数据的空间相关性的影响, 奈奎斯特采样定理不是最优采样定理。当被压缩的数据通过无线信道传输时，很小的数据量会对节点的寿命带来较大的影响。

在信号采集、通信量问题、能量空洞等问题中，分布式压缩传感（CS）原理是一种重要且有效的方法，它最早由Donoho和Candes于2004年提出，并首先证明了该理论的正确性。近几年来，CS算法被广大工程师、数学家和物理学家等进行了广泛的研究，如                                                模算法及其推广，降低CS理论恢复算法；结合数据的空间结构概念的推广，提出一些基于小规模无线传感器网络的CS理论新算法;同时CS理论还应用到了图像从低分辨率到高分辨率的扩展。但将托普利兹矩阵应用于分布式大规模无线传感器网络的信号采集，目前还未见报道。

发明内容：

本发明根据实际大型传感器网络的需求，针对传感器网络采集数据的空间相关性，进行分布式压缩传输信号，并结合压缩传感（CS）的实际特点，采用托普利兹（Toeplitz）矩阵为传感矩阵进行分布式的压缩处理，在数据融合中心（SINK）节点应用压缩传感(CS)的解码方法恢复原始的N维信号以实现高效、可靠的信号采集和传输。

基于分布式压缩传感（CS）理论进行数据采集，利用

（1）将托普利兹(Toeplitz)矩阵应用到大规模无线传感器网络数据采集中，所述Toeplitz矩阵作为随机矩阵可以降低测量值M，即M＝2*N/log N，同时对于有N个节点的大规模无线传感器网络，在一次数据采集过程中，N个数据采集节点仅有M个工作，其余的节点停止工作,从而节省能量，延长传感器网络寿命；

（2）在数据传输中采用“主动”算法，数据采集节点j中的时，数据采集节点传输数据到数据融合中心（SINK）节点，SINK节点再应用压缩传感(CS)的解码方法恢复原始的N维信号。

所述分布式压缩传感（CS）具体步骤如下：