[发明专利]在无线传感器网络中基于自适应测量的压缩数据收集方法

说明书

本发明属于无线通信技术领域，具体涉及一种在无线传感器网络中基于自适应测量的压缩数据收集方法，该方法包括如下步骤：初始化：根据历史数据信息，估计节点数据的时空相关性；信号先验估计：利用节点数据的时空相关性，来估计当前信号的先验信息；压缩数据收集；数据重构；测量次数更新；通过以上步骤，本发明提出的在无线传感器网络中基于自适应测量的压缩数据收集方法，根据待测量信号的稀疏度变化自动调整测量次数，保证在精确重构的前提下，减少了无线传感器网络中的数据传输量，延长了网络寿命。

技术领域

本发明属于无线通信技术领域，具体涉及一种在无线传感器网络中基于自适应测量的压缩数据收集方法。

背景技术

无线传感器网络是一个多学科交叉的前沿研究领域，涵盖了传感器技术、嵌入式技术、无线通信技术、信息处理技术、数据分析与融合技术等。无线传感器网络使用了大量高度集成的智能传感器，用于对环境目标的协同感知，并把采集到的目标数据以多跳的方式汇聚到终端节点，实现了物与物、人与人、人与物之间的相互连接。无线传感器网络是新一代的信息处理技术，是实现万物互联的必由之路。特别是在“智慧地球”、“智慧中国”、“智慧城市”，以及各种智慧产业应用等物联网相关概念出现之后，无线传感器网络技术受到了极大的关注。

无线传感器网络的一个重要应用就是对特定目标的感知测量，可靠的数据收集是无线传感器网络的基础。受制于无线传感器节点的计算能力差、存储能力弱、能量供应不足以及通信能力差等特点，高能效、低复杂度的数据收集算法是无线传感器领域的研究热点问题。无线传感器节点通常被大规模地部署在监控区域，由于节点的覆盖面积有较大的重叠，因此获得的数据存在很大的冗余性。如何利用感知数据的冗余性，开发高效的数据收集算法来减少感知数据的传输量，是减少无线传感器网络的能量消耗、延长网路寿命的重要途径。

压缩感知理论是一种新兴的信息处理理论，具有编码简单、解码复杂的特点，非常适合于普通节点的计算能力有限、汇聚节点计算能力强的无线传感器网络。压缩感知理论通过稀疏编码、线性采集和压缩感知重构等步骤来减少冗余数据的传输，能够在一定程度上减少无线传感器网络能量消耗、均衡网络负载、提高感知数据的准确性、延长网络存活时间等方面具有显著的优势。压缩感知理论的出现，为无线传感器网络数据收集提供了一个全新的方法。

压缩感知理论进行数据收集的前提是能够根据感知数据的稀疏度，准确确定测量值的数目。由于无线传感器网络的实际应用场景具有多样性、复杂性的特点，感知数据具有多样性和动态变化性，因此不能精确地估计测量值的多少。一方面，过多的测量值数目，会增加网络中数据的传输次数，引起较大的能耗；另一方面，如果测量值数目过小，则会导致较大的数据重构误差。因此，设计自适应调整测量值的压缩感知数据收集方法是十分必要的。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：针对经典压缩数据收集方法在数据动态性变化较大的场景中应用的局限性，如何设计一种自适应测量的压缩数据收集方法，以期望在低重构误差的前提下，最大限度减少数据收集过程中的传输次数，降低数据收集过程中的能量消耗。

(二)技术方案

为解决上述技术问题，本发明提供一种在无线传感器网络中基于自适应测量的压缩数据收集方法，所述方法包括如下步骤：

步骤一，初始化：

步骤1.1：历史数据收集，令x_k∈R^N,X∈R^N×N分别表示网络中N个节点在第k次采样数据向量和N×N维采样数据矩阵，其中R^N表示N维实数域，R^N×N表示N×N维实数域，N为网络中节点的数目；汇聚节点保存普通节点的历史重构数据；当历史数据缺失时，每个普通节点采集原始数据，并把采集到的原始数据以多跳路由的方式发送给汇聚节点；