[发明专利]基于网络编码与压缩感知的传感网络分簇式空时压缩方法

说明书

本发明涉及一种基于网络编码与压缩感知的传感网络分簇式空时压缩方法，针对当前研究方案在探索无线传感器网络感知数据时间和空间相关性时存在的重建误差和计算复杂度不够低等性能缺陷问题，融合网络编码与压缩感知理论提出了一个分簇式空时压缩方法，对感知数据空时相关性进行了深度挖掘，通过设计恰当的网络编码系数和观测矩阵元素，将网络编码和压缩感知理论融合统一到实数域，保证了数据重建是可行的并具有高成功率，通过构建传感器节点(簇头节点)独立编码、汇聚节点联合解码思想，使得在保证相同压缩增益的情况下，本方法压缩数据的重建具有更低的重建误差，同时对时间和空间相关性进行循序渐进分步式的探索保证了重建过程的低复杂度。

技术领域

本发明涉及基于网络编码与压缩感知的传感网络分簇式空时压缩方法，属于无线通信网络、无线传感器网络技术领域。

背景技术

无线传感器网络中，传感节点感知数据(时间序列)往往具有时间相关性，同时在同一时间点邻近的节点往往因为监控同一区域同一现象而使得观测到的数据具有空间相关性。挖掘传感器网络数据的时间和空间相关性能有效地减少网络中冗余数据传输的数量，即可有效减少网络能量消耗延长网络的生命周期，因此如何挖掘传感器网络数据的空时相关性已成为一个研究热点。然而因为传感器节点具有能量和计算能力有限等特殊性，使得一般理论难以应用在传感器网络中。幸运的是压缩感知理论把其绝大部分计算压力转移到汇聚节点，并可有效挖掘数据的相关性，使其非常适合应用在传感器网络中。采用压缩感知理论，汇聚节点只需要接收一小部分观测信息就可以以很高的概率重建出原始信息，能够极大地延长传感器网络生命周期。网络编码理论允许中间节点对接收到的数据包做编码操作，而不是简单的转发接收到的数据包。该编码方式能够有效地改善网络负载均衡、提高数据传输秘密性，同时通过丰富传输路径能有效提高网络的健壮性。这些网络编码优点促使其与压缩感知理论融合可有效地延长传感器网络生命周期和提高传输信息的秘密性。当前，融合网络编码与压缩感知用于挖掘无线传感器网络感知数据的相关性已成为一个非常有吸引力的课题。

当前已提出的用于解决无线传感器网络中数据空时相关性的方案可大致分成如下三类：

第一类方案只考虑挖掘传感数据的空间相关性或时间相关性，尽管该类方案从一定程度上减少了网络的传输次数，具有简单、效率高等特性，但毕竟只考虑空时相关性中的一类属性，没能充分地挖掘数据的全部相关性。

第二类方案研究了基于联合稀疏模型(Joint Sparsity Model-JSM)的空时相关性,该类方案中数据的空间和时间相关性被融合在一起考虑，特点是把时间和空间序列感知数据转换到一个一维向量里，尽管感知数据的空时相关性都得到了有效挖掘，但该类方案采样数据重建过程中计算复杂度非常高。

第三类方案也同时考虑了感知数据的空时相关性，与第二类方案最大的区别在于其把空间和时间相关性区别开来考虑，该类方案的主要思想是首先各个传感节点任意压缩采样时间序列数据，然后压缩观测空间序列数据，达到探索感知数据空时相关性的目的。该类方案的特点是简单易于执行，但该类方案压缩采样数据的重建精度不够高，特别是当距离较远节点间感知数据偏差较大时，重建精度更加不理想。

发明内容

针对上述技术问题，本发明所要解决的技术问题是提供一种通过融合网络编码和压缩感知理论来实现感知数据相关性的挖掘，同时能够降低网络数据传输开销、提高数据重建精度和延长网络生命周期的基于网络编码与压缩感知的传感网络分簇式空时压缩方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于网络编码与压缩感知的传感网络分簇式空时压缩方法，传感网络包括一个汇聚节点和至少一个按预设距离划分获得的簇，其中，各个簇分别包括一个簇头节点和至少一个传感器节点，簇头节点为其所在簇中传感器剩余电量最多的传感器节点；所述传感网络分簇式空时压缩方法包括如下步骤：