[发明专利]基于空时压缩的传感网络分簇优化方法

权利要求书

1.基于空时压缩的传感网络分簇优化方法，其特征在于：包括，

将传感器网络中的所有感知节点分为若干个簇；

传感器网络进入循环运行，每次循环运行的过程如下：

1)计算每个簇内的最佳簇头数，每个簇内选举出相应数量的簇头，

2)基于空时压缩原理进行传输数据，

3)汇聚节点对数据进行实时重建。

2.根据权利要求1所述的基于空时压缩的传感网络分簇优化方法，其特征在于：根据感知节点数，确定簇数，具体关系如下3：

其中，N_k为簇数，N为感知节点数，b为正整数。

3.根据权利要求1所述的基于空时压缩的传感网络分簇优化方法，其特征在于：各簇中，根据当前存活感知节点数，获得最佳簇头数；

其中，k_op为最佳簇头数，a为当前存活感知节点数，W为簇的边长，d_toSink为感知节点离汇聚节点的距离。

4.根据权利要求1所述的基于空时压缩的传感网络分簇优化方法，其特征在于：簇头选举的过程为，

簇内每个感知节点都拥有一个阈值，每个感知节点随机产生一个随机数，并将随机数与自身的阈值比较，若随机数小于自身的阈值，则该感知节点被选为簇头，簇内其他感知节点自动加入最近的簇头。

5.根据权利要求4所述的基于空时压缩的传感网络分簇优化方法，其特征在于：阈值与最佳簇头数k_op存在以下关系，

其中，T(i)为第i个感知节点的阈值，p为簇内簇头占簇内总节点数的百分比，r为循环运行次数，C为在轮循环运行中未当选簇头的感知节点。

6.根据权利要求1所述的基于空时压缩的传感网络分簇优化方法，其特征在于：基于空时压缩原理进行传输数据的过程为，

假设簇头I拥有n个感知节点；

每个感知节点在M个时隙内采集M个数据；

感知节点采用m×M阶观测矩阵Φ进行时域压缩，并将时域压缩数据发送给簇头I；

簇头I将接收的n个时域压缩数据编写为m×n矩阵y_I；

将每个感知节点发送的第l个时域的时域压缩数据编写成n×1矩阵y′_I,l，采用t×n阶观测矩阵Φ′对y′_I,l进行空域压缩，矩阵y_I被压缩为t×m的矩阵Z_I；

簇头I将Z_I传输至汇聚节点。

7.根据权利要求1所述的基于空时压缩的传感网络分簇优化方法，其特征在于：采用压缩采样匹配追踪算法进行数据重建。