[发明专利]一种基于深度神经网络的传感器数据恢复方法

说明书

本发明公开了一种基于深度神经网络的传感器数据恢复方法。该数据恢复方法包括如下步骤：步骤S1：获得中心节点收到的采样数据，作为样本数据；采样数据为从M个无线传感器节点中随机选择部分无线传感器节点采集得到的数据；步骤S2：将样本数据输入到预先训练的深度神经网络中；步骤S3：将预先训练的深度神经网络的输出结果作为传感器数据恢复结果。该数据恢复方法基于ADMM算法的深度神经网络框架实现，并且考虑了无线传感器数据的空间相关性和时间相关性，使得无线传感器数据的恢复过程更加快速，所占用的计算资源更少。

技术领域

本发明涉及一种传感器数据恢复方法，尤其涉及一种基于深度神经网络的传感器数据恢复方法，属于无线传感器网络技术领域。

背景技术

数据采集是无线传感器网络(wireless sensor networks，WSNs)的基本应用。例如，在环境监测场景中，温度、湿度和光照等物理量通常被无线传感器节点感知并传输到中心节点。在许多情况下，由于无线传感器节点能量有限或发生故障，使得中心节点收集到的无线传感器发送的数据是不完整的，因此恢复无线传感器数据是无线传感器网络的一个重要问题。

公开号为CN109714814A的中国专利申请，公开了一种无线传感器网络数据传输和恢复的方法。该申请针对实时性要求不高的无线传感器网络，周期进行采集和传输数据，能够在低采样率和高压缩率下实现数据的传输和恢复，大幅度减少数据采集和传输量，从而减少能耗，延长网络生命周期。但是，该无线传感器网络数据恢复方法不仅迭代计算次数较多，使得占用较多计算资源，而且无线传感器网络的数据恢复精度也不够。

发明内容

本发明所要解决的技术问题在于提供一种基于深度神经网络的传感器数据恢复方法。

为了实现上述目的，本发明采用下述的技术方案：

一种基于深度神经网络的传感器数据恢复方法，包括如下步骤：

步骤S1：获得中心节点收到的采样数据，作为样本数据；所述采样数据为从M个无线传感器节点中随机选择部分无线传感器节点采集得到的数据，M为正整数；

步骤S2：将所述样本数据输入到预先训练的深度神经网络中；

步骤S3：将所述预先训练的深度神经网络的输出结果作为传感器数据恢复结果。

其中较优地，在步骤S2中，所述预先训练的深度神经网络经过如下子步骤训练得到：

步骤S21：预先设计l阶深度神经网络，l为正整数；

步骤S22：将多组训练数据输入到所述l阶深度神经网络中，得到训练后的深度神经网络中的正则项系数以及迭代步长；

步骤S23：采用测试数据验证所述训练后的深度神经网络的数据恢复精度。

其中较优地，在步骤S21中，每一阶深度神经网络包括重建层、非线性转移层和乘子更新层；其中，所述重建层分别与同一阶的非线性转移层和乘子更新层连接，所述非线性转移层分别与同一阶的所述乘子更新层和下一阶的重建层连接，所述乘子更新层分别与下一阶的重建层、下一阶的非线性转移层和下一阶的乘子更新层连接。

其中较优地，所述重建层为：