[发明专利]一种针对温度感知数据的时间相关性去冗余方法

说明书

本发明公开了一种针对温度感知数据的时间相关性去冗余方法，该方法包括：步骤一、获取多个温度传感器采集到的温度感知数据，并对其进行初步处理；步骤二、计算当前采集到的温度感知数据与临时数据集中数据的相似距离；步骤三、计算每个周期内连续冗余温度感知数据的最远时间差，设置相似距离的阈值和最大时间控制的数值，将相似距离与其阈值比较，同时将最远时间差与最大时间控制的数值比较，作为判断冗余的冗余条件；并在计算时加入动态步长控制比较数量；步骤四、输出时间相关性去冗余后的温度感知数据。本发明能保留特殊数据，解决了因过度去冗余而造成的数据过度缺失的问题，使得温度感知数据在去冗余的过程中更合理、更符合用户的接受形式。

技术领域

本发明涉及无线传感器网络技术领域，尤其涉及一种针对温度感知数据的时间相关性去冗余方法。

背景技术

随着社会科技的进步，无线传感器网络被用于生活的各个方面(如：医疗、轨迹、地震、军事、物联网、农业和工业污染监控等)，无时无刻地为人们提供着大量的监测数据。由于，传感器网络自身条件的限制，有限的电池能量、内存、容量和通信范围等，限制了网络寿命。网络寿命主要取决于电池能量，能量消耗表现在节点通信、数据处理和数据传输三方面。随着感知数据的剧增，将产生大量的数据传输，会消耗巨大电池能量，导致网络寿命缩短。因此，如何对感知数据进行去冗余处理成为一个关键问题。

针对WSN中感知数据的去冗余问题，当前的研究主要集中在时间相关性、空间相关性和时空相关性三方面。由于传感器拓扑结构的浓密性，使得一个感知区域多个传感器节点共同记录单一事件源的信息，空间上相近的传感器获得的观测值具有很高的相关性。另外由于传感器节点周期性地观察和传输感知事件，物理环境的本质使得单节点在采样时间上相近的采样数据存在高相关性。

本申请主要针对温度传感器节点在时间相关性上的分析，以及进行温度感知数据去冗余处理，以及改进算法的性能。针对前人去冗余的方法存在以下问题，在去除数据冗余的时候，只是将数据相似距离小于阈值th的数据进行去除，却未研究去除冗余数据后，能否通过有限的非冗余数据把原始数据所表现的重要信息给呈现出来。同时，针对去冗余的过程中，还存在以下问题，当存在数据变动浮动大的时候，局部最大值与最小值的考虑。针对数据变动幅度特别小的情况，数据平稳型，数据将面临大量小于阈值th的情况，会引起阈值失效问题，造成很长一段时间内的数据均被视为冗余数据。最后，在进行数据相似性比较的时候，将会增加传感器的计算能耗。

因此，针对以上三个问题，进行了以下改进：

(1)通过将数据绘成折线图的方式，分析比较去冗余后的数据与原始数据，寻找去冗余的不科学与不合理的地方，比如，在去除冗余数据的时候，因为未考虑数据的最大值与最小值这些特殊点的存在，造成最值缺失，因此，在基础算法上增加了最大时间阈值的控制。

(2)针对数据波动不明显平稳型的情况，增加最大时间阈值T_max去解决阈值失效的问题，同时，也提高了最大值与最小值的精确性。

(3)面对算法中存在相似数据计算的比较数量巨大，使得计算能耗急剧增加，从而增加传感器能耗问题，通过动态步长模型去改进数据相似距离计算的复杂性，该模型主要根据冗余相似距离计算规则特点，提出使用分段函数来进行步长的变化，减少数据间的比较计算，从而提高方法性能，减少计算能耗的损失。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种针对温度感知数据的时间相关性去冗余方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种针对温度感知数据的时间相关性去冗余方法，该方法包括以下步骤：

步骤一、获取多个温度传感器采集到的温度感知数据，并对其进行初步处理，构建基于动态变化步长的时间序列相关性的温度感知数据去冗余模型，对数据中存在大量冗余信息进行处理；