[发明专利]基于压缩感知的无线传感器实时监测系统的数据处理方法

说明书

技术领域

本发明属于无线传感器网络中的信息处理与数据传输技术，具体地说，是一种基于压缩感知的无线传感器实时监测系统的数据处理方法。

背景技术

近年来，无线传感器网络在实时监测领域得到了较多的应用。在这些应用中，通常使用能耗少，计算能力低的传感器节点来采集数据。而大规模无线传感器网络中，每个节点的能源(一般均靠电池供电)是受限的，上诉应用面临能耗和传输带宽受限问题。

参考文献：Donoho D.L，Compressed sensing，Technical Report，Stanford University，2004.提出了一种压缩感知理论(Compressive Sensing，CS)，它是基于信号处理、小波分析和计算、统计学等相关理论而研究提出的一种全新的信息获取模式，它能够在减少采样数的情况下精确或高概率精确重建原始信号。压缩感知在获取信号的同时，对数据进行适当的压缩，使其采样频率低于奈奎斯特抽样频率，这样仅仅通过很少的采样值，就可以精确的重构信号，同时又节省了大量的采样和存储资源。

将压缩感知应用于无线传感器网络，可以减少传感器数量，降低成本和能耗。但在实际应用中，却面临如下问题：根据压缩感知理论，在无线传感器端进行压缩处理数据时，需要形成的测量矩阵过大，超出无线传感器端存储器容量；第二步在需要进行测量矩阵和原始信号的相乘运算，算法的时间复杂度较高。

发明内容

本发明的目的是提供一种基于压缩感知的无线传感器实时监测系统的数据处理方法，通过重新构建稀疏二维矩阵来满足传感器节点内存需求，降低数据处理的复杂度，提高系统的实时性能。

为达到上述目的，本发明的具体技术方案如下：

一种基于压缩感知的无线传感器实时监测系统的数据处理方法，其关键在于按照以下步骤进行：

步骤(1)：无线传感器节点按照预定周期获取传感器数据x，所述传感器数据x＝[x(1)，x(2)，...，x(N)]^T为一个N维向量，这里的传感器数据x是经过小波变换处理后的数据，预定周期可以根据每一轮传输数据长度N的大小来确定；

步骤(2)：设置循环计数器D＝1，最大循环值为D_m，抽样值为M，其中，抽样值M＝4S，S为传感器数据x中非零数据的个数，D_m的大小等于测量矩阵的分块数且保证为整数；

通常抽样值M的大小是根据小波变换后传感器数据x的稀疏度确定的，而传感器数据x的稀疏度即为N维数据通过小波变换提取关键数据后的非零数据的个数。

步骤(3)：随机生成1×N维的坐标位置矩阵E_D＝[E_D1，…，E_Di，…，E_DN]，其中E_Di表示坐标位置矩阵E_D中第i列的元素值，i＝1，2，…，N，且E_Di为[1，K]之间的正整数，K=MDm;]]>

该步骤的主要思路是将原有M×N维的测量矩阵，分成D_m块，每块即为K×N维的分块矩阵，理论中使用的测量矩阵通常为高斯随机矩阵，矩阵构建比较复杂，这里构建的是一个随机二维矩阵，矩阵中的元素不是1就是0，且相对于M×N维的测量矩阵来说，K×N维的分块矩阵中每一列只设置有1个1，其位置随机布置，即E_Di为[1，K]之间的一个正整数，这样原有的M×N维的测量矩阵即可用D_m×N维的坐标位置矩阵来表述。

步骤(4)：设置计数器j＝1；

步骤(5)：计算输出数据且i∈(E_Di＝j)，即将坐标位置矩阵E_D中元素值为j的那列相对应的传感器数据向量x中的元素求和；