[发明专利]一种基于矩阵补全的无线传感网数据采集方法

说明书

技术领域

本发明属于无线传感器网络技术领域，涉及一种基于矩阵补全技术的无线传感网数据采集技术，主要应用于无线传感器网络中，具有减少数据采集量、降低节点能耗、延长网络生命周期等作用。

背景技术

无线传感器网络(Wireless Sensor Networks，WSNs)是一种特殊的Ad-hoc网络，由具有传感、数据处理和短距离无线通信功能的传感器节点组成，它不需要固定网络支持，具有快速展开，抗毁性强等特点，可广泛应用于军事国防、环境监测、生物医疗、智能交通、抢险救灾以及商业应用等领域。

无线传感器网络的采集数据都来自于感知节点。感知节点一般由电池供电，且更换不易。在传感器网络中，数据的采集与传输都会导致电能的消耗。为了降低能耗，延长网络生命周期，可以采取一些技术手段来降低数据量。其中，网内数据抑制和压缩是降低数据量的常见思路，它可以从根本上降低能源消耗并延长网络的生命周期。这类方法包括传统信源编码、分布式信源编码(Distributed Source Coding，DSC)、压缩感知(Compressive Sensing，CS)等。信源编码是一种利用编码方数据空间相关性的网内数据抑制方法，为了能获得更好的压缩效果，它通常需要感知节点之间的相互协调。分布式信源编码是信源编码的一种优化，它尝试降低感知节点中数据的复杂度，并且在基站中利用了空间相关性。压缩感知是一种给欠定线性系统寻求稀疏解决方案的方法。但这些方法都有着类似的弊端，需要花费较高的时间空间复杂度，并且较依赖于相邻节点的相关性。

矩阵补全(Matrix Completion，MC)能够很好地解决上述问题。矩阵补全是一项利用低秩特征来恢复矩阵中的丢失条目的技术。作为压缩感知的延伸，它已经被运用到了各种研究领域中。而无线传感网感知数据所具有的近似低秩特性，使得矩阵补全方法非常适用于数据的采集。只要基于一些少量的感知数据，矩阵补全就能恢复出全部的读数。因此，同一时刻只需要部分节点提交数据即可。现在已有的一些基于矩阵补全技术的数据采集方案。但在现有方案中，多数只是根据一定的概率随机采集数据，针对性不够，从而导致矩阵补全后恢复数据的精度相对较低。

发明内容

本发明针对传感器网络感知数据的低秩特性，利用矩阵补全算法，并结合RLS自适应过滤算法，提出一种基于矩阵补全的数据采集方法，用于解决传统采集方案能耗高、网络生命周期短等问题。本方案在保证采集数据质量的同时，能够减少数据流量、降低通信延迟，并延长网络的生命周期。

为实现上述目的，本发明采用的技术方案为一种基于矩阵补全的无线传感网数据采集方法，由节点和基站两个部分相互配合完成，节点部分具体包含以下步骤：

步骤A1：节点初始化，清除之前的数据，设置估计误差θ_max和采样时刻t；

步骤A2：t＝0，感知节点采集首轮数据，每个节点将其节点编号i、采集时刻t及感知数据X_i(t)发送给基站节点；

步骤A3：t＝t+1，感知节点继续采集一轮数据X_i(t)，并保存；

步骤A4：节点利用RLS自适应过滤算法估算t时刻的读数C_i(t)；

步骤A5：节点对数据进行自适应过滤评估，如果实际感知数据X_i(t)与估计数据C_i(t)的误差值超过θ_max，则将X_i(t)、i、t传输给基站，否则不上传数据；

步骤A6：如采集任务完成，则节点停止工作，否则，转入步骤A3；

基站部分具体包含以下步骤：

步骤B1：系统初始化，将之前的数据清空，设置网络节点总数K，以及采样处理周期T；

步骤B2：构建一个K×T的二维矩阵B来存储节点提交的感知数据，矩阵元素的初始值均设为NaN；

步骤B3：接收节点传输的数据；

步骤B4：对接收到的数据，根据节点编号i、时间t和传输数据X_i(t)，从初始矩阵B中找到对应的位置，并用X_i(t)替换NaN；

步骤B5：重复步骤B3和B4，直到一个周期T完成，这时得到一个不完整的采集数据矩阵B，B中存放了经RLS算法过滤后的感知数据；

步骤B6：基站利用矩阵补全重构算法对感知数据矩阵B进行补全，得到恢复后的矩阵B’，该矩阵存储了完整的感知数据；

步骤B7：基站将恢复后的感知数据提交到数据处理中心。