[发明专利]无线传感器网络中基于相关性的联合预编码方法

说明书

技术领域

本发明属于无线传感器网络（WSNs，Wireless Sensors Networks）技术领域，特别涉及一种在无线传感器网络技术中利用传感器节点空间相关性进行的联合预编码。

背景技术

在过去几年里，随着有限计算能力和通信能力的低成本低功耗的传感器的出现，无线传感器网络在物理环境监控中的潜在应用受到了广泛关注。在无线传感器网络中，分布式判决方法被广泛应用。该方法采取本地判决的方法，即无线传感器网络的传感器节点根据本节点及周围的节点的信息，判决事件或信号是否发生。分布式判决方法在很多领域得到了广泛的应用，特别在需要检测或监控的环境中，每个传感器节点要根据本节点及周围节点探测具有噪声的空时相关物理过程，在实际应用中上述的情况经常出现，比如：无线传感器网络作为建筑物的安全系统的一部分，用于监测建筑物的异常发热或烟雾浓度超标的区域；又比如：用无线传感器网络在特定的环境中感知一些化学物质的浓度。然而，这些探测到的信号具有常常表现出时间域和空间域的相关性，往往可以通过利用这些特性设计一些有效的算法来增强传感器网络的谱效率以及能量效率。

根据上述依据，已经存在多种基于数据聚合的方法提高检测性能的检测方法。例如，分布式检测，分布式压缩估计，分布式源节点编码等。其中联合线性预编码的可以使信道容量得到提升，然而这些研究都基于源节点相互独立的情况下进行的，并没有利用源节点之间的相关性，然而无线传感器网络中下源节点都是具有相关性的，本发明中在源节点是相关的情况下，对节点信号进行联合线性预编码，提升了传输信道的容量。

发明内容

本发明的目的在于提供一种在无线传感器网络中基于相关性的联合预编码方法来提升信道的传输容量。

为了方便描述，首先对术语进行定义：

分布式相关节点：所谓的分布式判决就是在无线传感器网络中，每个传感器节点根据自己的检测值及周围邻近的传感器节点检测值进行本地判决。分布式系统中不存在融合中心，只通过邻近传感器节点间的相互通信，获得数据，进行数据处理和判决。

协方差矩阵：协方差矩阵每个元素是各个向量元素之间的协方差。这是从标量随机变量到高维度随机向量的自然推广。x表示为列向量则，R_x＝E[(x-E(x))(x-E(x))^H]。

分布式判决：在无线传感器网络中，每个传感器节点根据自己的检测值及周围邻近的传 感器节点检测值进行本地判决。分布式系统中不存在融合中心，只通过邻近传感器节点间的相互通信，获得数据，进行数据处理和判决。

酉矩阵：本身与其共轭转置相乘为单位阵，即UU^H＝I，I表示对角线元素为1，其他均为0的n阶方阵。

奇异值：一个矩阵M的奇异值为M*M的特征值的非零平方根，用λ(M)表示。

奇异值分解：对于一个矩阵M将其分解为M＝UΣV^*，其中V的列向量组成M的输入正交基向量，U的列向量组成M的输出基向量,Σ的对角线元素奇异值λ(M)。

本发明的目的通过如下步骤实现：

S1、将所有传感器接收到的数据记为x_n，计算出传感器接受信号x_n和噪声v_n的协方差矩阵和将不同传感器与终端的信道矩阵记为H_n，终端接收的传感器的数据记为y_n，其中，n表示传感器的节点，n为自然数，n＝1,2,…，N；

S2、根据S1所述的噪声协方差矩阵和信道矩阵H_n，求得对T_n进行奇异值分解得到酉矩阵U_t，其中，由 求逆得到的；

S3、将S1所述的划分为对于传感器1求得相应的对传感器n可以得到G_n，对进行奇异值分解得到酉矩阵U_g；

S4、计算最优对角阵其中

λ_k(·)表示·的奇异值；

S5、根据S3所述酉矩阵U_t和S4所述最优对角阵计算最优预编码矩阵 其中，J矩阵非对角元的元素都为1，对角元素都为0，由x_n的协方差矩阵求逆获得，n∈[1,2,...,N]；

S6、建立Guass-Seidel（高斯-赛德尔）迭代，包括：

S61、令循环次数为i，i为非负整数i＝0，随机产生一组预编码矩阵作为初始化的预编码矩阵；