[发明专利]基于双层模型体系的无线传感网的数据采集方法

权利要求书

1.一种基于双层模型体系的无线传感网的数据采集方法，其特征在于以下步骤，第一步，构建趋势模型

采用单变量模型作为趋势模型，即

y_t＝x′_tα+u_t,t＝1,2,…,T

y_t是因变量，x′_t是1×m的解释变量向量，α是待估计m×1位置参数向量，u_t是扰动项；

将单变量模型写成状态空间的形式，即

量测方程：y_t＝x′_tα_t+z_tγ+u_t

状态方程：

x_t是具有随机系数α_t的解释变量的集合，z_t是有固定系数γ的解释变量集合，随机系数向量α_t是状态向量，变参数α_t是不可观测变量，利用可观测变量y_t和x_t来估计；

采用卡尔曼滤波迭代的进行模型参数的求解，即设a_t-1为状态向量α_t-1的均值，也是基于信息集合Y_t-1的α_t的估计量，P_t-1表示估计误差的m×m协方差矩阵，即

P_t-1＝E[(α_t-1-a_t-1)(α_t-1-a_t-1)′] (1)

当给定α_t-1和P_t-1时，α_t的条件分布的均值由下式给定，即

a_t|t-1＝T_ta_t-1+c_t (2)

在扰动项和初始状态向量服从正态分布的假设下，α_t的条件分布的均值a_t|t-1是α_t在最小均方误差意义下的一个最优估计量；估计误差的协方差矩阵是

P_t|t-1＝T_tP_t-1T′_t+R_tQ_tR′_t (3)

式(2)和式(3)称为预测方程；

一旦得到新的预测值y_t，就能修正α_t的估计a_t|t-1；

F_t＝Z_tP_t|t-1Z′_t+H t＝1,2,…,T(6)

式(2)～式(6)称为更新方程

上述式(2)～式(6)一起构成卡尔曼滤波的公式；系统矩阵Z_t,H_t,T_t,R_t,Q_t是已知的；初始状态向量α₀的均值为a₀，协方差P₀；在所有的时间区间上，扰动项u_t和ε_t相互独立，而且它们和初始状态α₀也不相关；卡尔曼滤波的初值可以按a₀和P₀或a_1|0和P_1|0指定；通过对每一个时间点进行卡尔曼滤波计算，计算出此时的最优参数；

针对得到的每一个模型参数，通过基于残差三阶累积量来进行模型参数的检测，{d(k)}是i_th时间点最近的N个残差数据；滑动窗口大小设定为N，使用{d(k)}的三阶累积量；假设{d(k)}满足遍历性，残差的三阶累积量估计计算如下：

残差三阶累积量的标准化：

进行阈值检测：

当残差数据更新到(i+1)_th,目前的(i+1)_th最近的N个残差继续重复阈值检测，直到本次模型检测结束；

第二步，调整模型的构建

调整模型采用的是p阶自回归模型，即如果时间序列x_t满足

其中是模型参数∈_t是独立同分布的随机变量序列，且满足：

以及E(∈_t)＝0,则称为时间序列x_t服从p阶的自回归模型

样本数据为趋势模型的值和采集数据的值的残差，根据精度要求，设定阈值，不断更新模型；

第三步：将趋势模型及相应的时间点和调整模型及相应时间点作为数据向sink节点传输。