[发明专利]一种传感器网络数据的空时重构方法

说明书

本发明公开了一种传感器网络数据的空时重构方法，包括以下步骤：S1、采集传感器空时数据；S2、对采集到的空时数据进行预处理；S3、确定训练数据长度；S4、构建训练数据集和测试数据集；S5、建立空时数据模型；S6、训练空时数据模型；S7、运用模型进行空时数据重构。本发明的空时重构方法能够根据有限个测量位置和测量时间的传感器数据，重构出没有传感器存在的位置和没有采样时刻的数据；通过估计每个传感器数据的时间去相关长度，确定训练数据的时间长度，能够降低模型训练和数据测试时的运算量。

技术领域

本发明涉及一种传感器网络的数据处理方法，特别涉及一种传感器网络数据的空时重构方法。

背景技术

传感器网络技术的快速普及以及应用，比如物联网(Internet of Things，IoTs)、光学传感器网络以及无线电雷达传感器网络等，为大规模地采集、分析与利用空间和时间传感大数据提供了新的能力和机会，这使人类的社会生活、工业制造以及安全防卫等领域变得更加智能、安全和高效。

根据传感器平台的运动特性，传感器的数据采集方式可大致分为两类：第一类，传感器是固定的，布置时被安装在感知区域的基础设施上，因此每个传感器节点的作用范围是事先确定好的；第二类，传感器为移动的，被放在移动的平台或人员身上，每个传感器节点的作用区域是动态变化的，若要获得所有位置上的测量数据，运动平台或携带者需要在感知区域中进行游历。但是，受传感器节点数量、数据传输速率和能耗等因素的限制，无论使用哪一种方式，在时间和空间上，所采集到的传感器数据都是局部的和不连续的，即：传感器网络只能在一系列离散的时刻上对感知区域中的部分位置进行感知或采样。因此，对发生时间和空间任意的可能事件，上述两类感知方式均固有地存在漏报或漏警风险。这对于以灾害、安全、危险监测等为目的的传感器网络应用，如矿山生产、建筑设施健康监测、森林火灾或地质灾害预警、环境污染监视和入侵检测等，存在极大的安全隐患。

针对传感器网络的上述不足，如果能够找到一种数据处理方法，仅利用已采集的有限的空时感知数据就能恢复出感知对象在任意时间和空间上的状态，这将具有非常重要的应用价值。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能够根据有限个测量位置和测量时间的传感器数据，重构出没有传感器存在的位置和没有采样时刻的数据的传感器网络数据的空时重构方法。

本发明的目的是通过以下技术方案来实现的：一种传感器网络数据的空时重构方法，包括以下步骤：

S1、采集传感器空时数据；

S2、对采集到的空时数据进行预处理；

S3、确定训练数据长度；

S4、构建训练数据集和测试数据集；

S5、建立空时数据模型；

S6、训练空时数据模型；

S7、运用模型进行空时数据重构。

进一步地，所述步骤S1具体实现方法为：传感器s_i的采集数据用时序数据d_i＝[d_i(1),d_i(2),...,d_i(K_i)]^T表示，其中d_i(k),k＝1,2,...,K_i表示传感器s_i在时刻k的采集数据，K_i是s_i的最大采样时刻，T是转置运算符；

传感器网络采集到的所有传感器数据用集合表示，其中上标⁽⁰⁾表示原始的采集数据，表示传感器s_i采集的时序数据，i＝1，…，N，N表示传感器的数量。

进一步地，所述步骤S2具体实现方法为：