[发明专利]感知大数据层次感知压缩编码方法

说明书

本发明公开了一种感知大数据层次感知压缩编码方法，首先感知节点对原始数据进行压缩采样，将数据发送至簇头节点中；簇头节点对从下层收到的压缩采样数据和从其他簇头节点收到的数据进行压缩编码，并以概率p传送数据至处理节点中；处理节点对从下层收到的数据和从其他处理节点收到的数据进行进一步的编码并以概率p将编码数据发送至汇聚节点中；汇聚节点进行解码操作，获得近似的原始数据。本发明通过结合网络编码、压缩感知和层次感知理论，充分挖掘感知大数据的空时相关性，特别是簇间数据的空间相关性得到了充分挖掘，为不同类型的用户提供多分辨率数据服务，同时消除了提前共享观测矩阵这一理想假设。

技术领域

本发明属于无线通信网络领域，具体涉及一种感知大数据层次感知压缩编码方法。

背景技术

随着智慧地球和智慧城市的持续发展，无线传感设备持续的部署使得感知数据跨入了一个爆炸性增长的新时代。无线传感器网络(Wireless Sensor Network,WSN)作为大量感知数据的主要来源之一，它是一个能够感知和监测物理世界的分布式网络，已被广泛应用于智能交通、环境监测、工业生产、医疗卫生、军事和其他领域。显然，传统的WSN已经不能满足大量感知数据的处理和管理需求。因此，如何克服这个挑战成为了一个研究的焦点。直观上看，数据规模、存储能力和电池容量三者之间增长速度不匹配的问题是上述挑战的核心。当网络中数据质量保持在合理水平时，减少冗余数据的传输是一种有效的解决方案。最近，有两种典型的方法被提出。第一种方法是从一个较小的数据集中恢复出大量的关键数据。第二种方法是使用压缩感知(Compressed Sensing,CS)技术进行近似的数据收集。相比较第一种方法，第二种方法有着更高的数据重建质量。同时，CS技术的特点是将大部分计算工作转移到了汇聚节点，使得它适合应用于感知大数据网络。毫无疑问，这些方案都提供了良好的解决方法。此外，为了进一步提高数据传输和近似收集的效率，网络编码(NetworkCoding,NC)正逐步被引入并与CS技术相融合。

当前，已存在的感知数据压缩编码方案大体可分成如下四类：

第一类方案从时间或空间维度数据的相关性方面考虑如何进行压缩编码，虽然取得了一定的数据压缩效果，但他们并没有同时考虑感知数据的时间和空间相关性，该考量可有效改善网络的压缩效果与性能。

第二类方案从数据空时相关性的角度来研究压缩编码，该方案的一大特征是同时考虑了数据的时间和空间相关性，但其把二者融合为一个整体，导致了重建过程高计算复杂度。

第三类方案也同时考虑了数据的时间和空间相关性，但并没有把二者融合为一个整体，而是相对错开进行考量，该模式可以在不降低数据恢复精度的前提下，减少了计算和通信的开销，并且执行起来相对简单，但是当空间维度的感知数据波动较大时，该方案数据的重构误差将会很大。

第四类方案通过融合NC、CS和分簇思想，设计了低复杂度的分簇空时压缩编码机制，获得了更好的数据重建性能，但在压缩增益和重建精度方面仍然存在改进的空间。

综上，当前研究方案存在在挖掘感知大数据空时相关性方面不够充分、数据恢复质量不高和不能提供多分辨率的数据服务等问题。

发明内容

本发明的目的在于提高数据传输和收集的效率，提出一种感知大数据层次感知压缩编码方法，实现基于感知大数据空时相关性的全面挖掘，消除提前共享观测矩阵这一理想假设，解决在感知大数据网络情景下如何为用户提供多分辨率的数据服务的技术问题。

本发明采用如下技术方案，一种感知大数据层次感知压缩编码方法，为感知大数据网络设计了一个层次感知的多分辨率网络体系结构，具体步骤如下：

1)感知大数据网络的第一层为感知节点层，感知节点对环境中具有时间相关性的原始数据进行采样，并进行同步压缩，然后将压缩采样数据发送至上层对应的簇头节点中；