[发明专利]基于压缩感知技术的具有高能效的数据采集树的构造方法

说明书

技术领域

本发明涉及的是一种无线传感器网络技术领域的方法，具体是一种基于压缩感知技术的具有高能效的数据采集树的构造方法。

背景技术

无线传感器网络的一个重要的应用是进行环境的监视，在该种应用中，网络中的基础操作就是进行数据采集，采集各个传感器节点感知到的数据并传递给sink节点进行数据的处理。由于监视应用的特殊性，网络中需要收集并存储大量数据，并将数据传输给sink节点，需要消耗大量的能量。由于传感器网络中节点一般采用电池供电，因而能效问题是一个传感器网络中一个至关重要的问题。目前有很多技术研究传感器网络中的能效问题，而压缩感知技术用于传感器网络的数据采集过程中能有效地减少网络中数据的采集量，并有助于提高网络的能效。

现有技术中公开了C.Luo，F.Wu，J.Sun和C.W.Chen的文献“Compressive data gathering for large-scale wireless sensor networks”(Proc.Int.Conf.Mobile Comput.Networking(MobiCom),pp.145 2009)，它考虑将压缩感知技术引入无线传感器网络，介绍了在大规模传感器网络中运用压缩感知技术对数据进行压缩的条件并介绍了在sink端对数据进行恢复的方法。它通过增加距离sink较远的节点传输的数据量，减少距离sink较近的节点传输的数据量，从而在传感器节点中达到负载尽量均衡的一种状态，延长距离sink较近节点的存活时间，同时也可以减少网络中的数据总传输量，以达到延长网络存活时间的目的。

现有技术中公开了C.Luo，F.Wu，J.Sun和C.Wen Chen的“Efficient measurement generation and pervasive sparsity for compressive data gathering”(IEEE Trans.Wireless Commun.,vol.9,no.12,pp.3728-3738 2010)，它将将压缩感知理论中的限制等距属性(RIP)引入无线传感器的压缩感知中，介绍了为了保证能够获得正确的数据恢复对采样矩阵以及变换矩阵的要求，同时它还介绍了为了减少数据传输量可以将传输矩阵进行分拆，并提出了两种不同的采样矩阵。

现有技术中公开了J.Luo，L.Xiang和C.Rosenberg的“Does Compressed Sensing Improve the Throughput of Wireless Sensor Networks”(Proc.of the IEEE ICC,2010)，它考虑采用混合压缩感知技术，对距离sink较远的节点不采用压缩感知技术，压缩感知技术只在网络中那些数据传输量超过阈值的节点中使用，同时它还对网络中的吞吐量进行了分析。

现有技术中公开了L.Xu，Y.Wang和Y.Wang的“Major Coefficients Recovery:A Compressed Data Gathering Scheme for Wireless Sensor Networks”(IEEE GLOBECOM,Houston,pp.1-5,Dec.2011)，它提出MCR算法，通过对变换矩阵的分解得到一个只有k行的矩阵作为采样矩阵，从而将每次传输的投递次数由m减少到k，进一步减少了传输代价。

尽管压缩感知技术减少了网络中的数据传输量，但是意识到采样矩阵中有很多0元素，对应的传感器节点无需传输数据，可以利用传输矩阵中的零元素来进一步减少网络中的数据传输量。

现有技术中公开了R.Xie和X.Jia的“Minimum Transmission Data Gathering Trees for Compressive Sensing in Wireless Sensor Networks”(IEEE GLOBECOM,Houston,pp.1-5,Dec.2011)，它利用采样矩阵中的0元素，用对布尔变量的线性编程来对网络中的数据传输量进行建模，之后对这个NP-hard问题提出了一个启蒙性的算法来计算最小传输树(MTT)，该算法通过迭代的方法构建一个生成树，每次迭代的过程中加入令整个树的平均传输代价增加最少的边来构建生成树。