[发明专利]一种用于无线传感器网络的高效数据采集方法

权利要求书

1.一种用于无线传感器网络的高效数据采集方法，其特征在于，不同节点的工作方式如下：

向量表示在离散时间t＝1,2,…时刻N个节点的读数，每一行的一个元素代表一个节点在此时刻的读数，Sink节点通过一个L行N列的随机数据采集矩阵或称为感知矩阵得到压缩后的L维测量值y(t)＝Φ(t)x(t)，随后在Sink节点内部将测量值重构出全局数据，并估计出误差，给节点的随机数据采集部分一个反馈参数；

Sink节点接收到传感器节点传来的数据压缩后的测量值y(t)，重构出原始数据的估计值获取过去K个时刻的重构数据用来作为重构阶段的数据训练集记作根据误差估计的值计算出p_tx(t)，并将p_tx(t)发送给传感器节点，当误差小于阈值时说明精度足够，减少需要发送数据的节点数量以降低能耗，误差大于阈值时提高节点数量降低误差；

随机数据采集模块，

随机采集矩阵Φ(t)如公式1所示，每一行仅有一个1个元素为1，其余为0，且每一列最多只有1个元素为1，元素为1表示此时刻节点将采集到的数据传输给Sink节点，0表示无需传输，所以，y(t)仅为原始数据x(t)的一部分；

误差估计模块，该模块中原始采集数据的重构恢复误差定义为：

其中是t时刻由压缩数据重构模块重构出的向量，|| ||₂表示向量的2范数，若重构出来的向量和原始采集数据相同，误差为0，则Sink节点中只有过去时刻的y(j)＝Φ(j)x(j)和jt，采用启发式算法计算误差，定义误差为：

反馈模块输出p_tx(t)来控制网络的传输量，设定阈值τ，当误差ξ(t)大于阈值τ时，增大p_tx(t)，小于阈值τ时，减小p_tx(t)，定义常数C₁∈[1，+∞]，C₁∈[1,2,...,N}和p_tx^min，节点传输概率p_tx(t)的递归表达式为：

公式3得到的ξ(t)不仅能够描述重构的精确度，还能够检测到数据是否在此时突变，如果原始数据在时刻t-1到时刻t发生突变，ξ(t)将会变得很大，给反馈模块提供信息从而增大p_tx(t)，传输更多节点的数据来适应这种变化；

压缩数据重构模块

数据的重构部分采用经典的重构算法之一基追踪(Basis Pursuit,BP)算法将已压缩的数据重构出来，节点将之前K个时刻的采样作为训练集记为χ(t)＝{x(t-1),x(t-2),...,x(t-K)}；先将每个时刻的数据向量x(t)变换为一个稀疏向量s(t)，变换矩阵U和均值矩阵可以由χ(t)计算出，在t时刻的U记为U(t)，χ(t)的瞬时均值记为协方差记为能够得到：

其中Φ(t)代表路由矩阵能够是时变的，原始的数据向量x(t)能够这样近似得到：首先，通过压缩感知的重构算法找到一个最接近稀疏向量s(t)的估计值记作随后通过公式7计算出x(t)近似值

已知过去K个时刻的数据训练集能够计算出训练集中的样本均值和样本方差由公式5和7计算出矩阵U(t)，已知U(t)、y(t)和Φ(t)，要想重构出原始数据，得到需要解决优化问题：

公式8代表的是一个NP-hard问题，可以用l1范数代替l0范数，结果几乎相同，化为：

采用BP算法找到最稀疏的特解，得到则：