[发明专利]物联网系统的多传感器数据分布式压缩方法及其装置

说明书

技术领域

本发明涉及物联网系统的多传感器数据技术，尤其涉及面向物联网系统的多传感器数据分布式压缩方法。

背景技术

物联网是继计算机、互联网之后的信息产业第三次浪潮，是信息产业领域未来竞争的制高点和产业升级的核心驱动力，其应用已渗透到工业、农业等广泛领域。在农业物联网应用中，通常是有多采样任务要求，多传感数据的融合处理是关键技术之一。在多传感数据处理方面，目前已取得了一定的研究成果，但还存在一些不足：1)、当前的信号采样是在Nyquist定理指导下进行的，对于信号的采样，被采样的信号速率必须达到信号宽带的两倍以上才能精确恢复出原始的模拟信号，随着通信的迅速发展，信号的带宽越来越大，这也就给信号采样带来了巨大的挑战；2)、对信号的压缩一般在信号采样后，采用这一方式，会导致大量采样得到的数据被抛弃，浪费了宝贵的采样资源，同时由于数据的丢失，会导致丢包率现象严重；3)、农业物联网中，对信号群的融合处理是需要解决的重要问题，尤其在面向精准农业的应用中，物联网系统中的前段无线传感器网络节点常连接多种传感器，在距离较近的节点簇中，往往监测到相似甚至相同的信息，若不进行数据融合，这些冗余信息将大大增加网络的负载。

发明内容

本发明解决的问题是现有的物联网系统的多传感器数据压缩方法对网络的负载大、丢包率严重和采样信号的速率必须达到信号带宽的两倍以上的问题。

为解决上述问题，本发明提供一种物联网系统的多传感器数据分布式压缩方法，该方法采用分簇有限自组网的组网方式，包括如下步骤：S1)、根据变差函数确定事件区域的分布范围而将整个监控区域分成多个事件区域；S2)、将每一个事件区域范围内的节点构成一个簇，从簇中选出节点作为簇首，簇首收集该事件区域内各个节点的感知信息数据，根据感知信息数据和稀疏向量而获得小波基矩阵Ψ；S3)、根据簇首节点生成观测矩阵Φ；S4)、根据事件区域内的所有节点的感知数据向量X_N和观测矩阵Φ获得观测数据向量Y_M，根据式Y_M＝ΦΨθ，采用OMP重构算法得到节点的原始感知数据的稀疏小波表示形式θ^*，然后根据式重构所述感知数据。

作为进一步方案，所述变差函数是：该变差函数的估计模型取

本发明还公开物联网系统的多传感器数据分布式压缩装置，该装置包括处理模块、小波基矩阵生成模块、观测矩阵生成模块和重构模块，其中，所述处理模块将整个传感器区域分成多个事件区域，根据变差函数确定事件区域的分布范围；所述小波基矩阵生成模块将每一个事件区域范围内的节点构成一个簇，从簇中选出节点作为簇首，用一个簇首收集一个事件区域内各个节点的感知信息数据，根据感知信息数据和稀疏稀疏向量而获得小波基矩阵Ψ；所述观测矩阵生成模块根据簇首节点生成观测矩阵Φ；所述重构模块根据事件区域内的所有节点的感知数据向量X_N和观测矩阵Φ获得观测数据向量Y_M，根据式Y_M＝ΦΨθ，采用OMP重构算法得到节点的原始感知数据的稀疏小波表示形式θ^*，然后根据式重构所述感知数据。

作为具体的方案，所述物联网采用分簇结构与有限自组网的组织方式，簇内采用星型与链型相结合的网络结构，簇首之间采用网状自组网的组网方式。

与现有技术相比，本发明具有以下优点：

由于本发明将整个传感器区域分成多个事件区域；接着，将每个事件区域内的节点构成簇，从簇中选出节点作为簇首，根据感知信息数据和稀疏向量而获得小波基矩阵，还根据簇首节点生成观测矩阵，最后，根据小波基矩阵和观测矩阵及OMP算法重构数据，采用分布式压缩的方法对物联网系统的多传感器数据进行压缩，将把对单个信号的压缩采样扩展到了对信号群的压缩采样，这样，1)、簇首对簇内各节点数据进行采样和压缩，不会因为冗余信息多而增大网络负载；2)各事件区域内的节点构成一个簇，并从簇中选取节点作为簇首，这样，簇首完成对这些数据的采样，同时对采样数据进行压缩，然后将采样和压缩的数据传输至汇聚节点，汇聚节点(sink节点)也承担部分压缩功能，在整个过程中，将采样和压缩同时进行，数据丢失率大大降低；3)、由于采用了分布式压缩方法，所以，对可压缩的信号可通过远低于Nyquist标准的方式进行数据采样，仍能够精确地恢复出原始信号，极大的拓宽了可压缩的信号的范围。

附图说明

图1是本发明物联网系统的多传感器数据分布式压缩方法的流程图；