[发明专利]带有隐私保护的分布式压缩感知数据融合方法

权利要求书

1.带有隐私保护的分布式压缩感知数据融合方法，其特征在于，对原始数据进行稀疏变换得到稀疏支撑集，将感知数据集合的稀疏支撑集作为学习样本；将稀疏支撑集作为全局隐私保护集合，并针对各传感节点构造节点隐私配置信息；传感节点在数据的稀疏变换域上进行真实数据和伪装数据的特定位置填充；汇聚节点根据稀疏支撑集，构造网络隐私配置信息，各节点根据隐私配置信息，合成隐私保护压缩观测数据；中继节点对压缩观测数据进行加性数据融合；汇聚节点对融合数据进行联合稀疏重构，获得融合结果的稀疏支撑集，进行反稀疏变换，得到原信号表示域下的数据融合值。

2.根据权利要求1所述的方法，其特征在于：对原始数据进行稀疏变换得到稀疏支撑集具体为：同类型传感节点的感知数据均在同一稀疏基Ψ下进行稀疏变换，将每个感知数据表示为公共部分和独立部分的和Χ_j＝Ζ_C+Ζ_j,j∈{1,2,...,J}，其中，公共部分Ζ_C＝ΨΘ_C,||Θ_C||₀＝K_C，独立部分Ζ_j＝ΨΘ_j,||Θ_j}}₀＝K_j，Θ_C与Θ_j分别表示节点j感知数据稀疏支撑集Θ_Cj中的公共部分和独立部分，K_C与K_j分别表示公共部分和独立部分的稀疏度。

3.根据权利要求1所述的方法，其特征在于：感知数据集合的稀疏支撑集作为学习样本具体为：汇聚节点接收到网内节点上传的感知数据集合后，使用在线最小二乘支持向量机回归模型对节点感知数据进行学习，挖掘其稀疏支撑集所隐含的数据相关性特征，其中，t为时间参数，l为在线学习滚动窗口长度，其中y_LSSVM(x,t)为模型输出，i为循环下标，α_i(t)为拉格朗日乘子，k(x,x_i)为核函数，b(t)偏差值常量，x为输入样本。

4.根据权利要求1所述的方法，其特征在于：构造节点隐私配置信息具体为，汇聚节点根据感知数据集合的稀疏支撑集中的系数位置分布特征，根据公式：构造网络全局隐私保护集合，并选择其子集与补集分别生成各节点真实秘密集合以及节点私有隐私保护集合从而构成节点隐私配置信息并下发至对应节点。

5.根据权利要求1所述的方法，其特征在于：各节点根据隐私配置信息，合成隐私保护压缩观测数据具体包括：各节点根据隐私配置信息，在自身感知数据集合的稀疏支撑集上进行伪装数据填充，生成感知数据的隐私保护稀疏表示矢量使用全局共有的秘密观测矩阵Φ对其进行分布式压缩观测，合成新的隐私保护压缩观测数据。