[发明专利]用于传感器网络中的数据分级方法

说明书

技术领域

本发明涉及的是一种无线通信技术领域的方法，具体是一种用于传感器网络的数据分级方法。

背景技术

随着无线传感器设备与网络技术的飞速发展，它们开始出现在人们生产、生活的各个方面。相比传统的有线监控网络，它们具有体积小、重量轻、布置灵活、省电节能等等优点，被广泛应用在环境监测网、灾害监控网、智能电网、物联网等等地方。

但是，也由于无线传感器网络的特殊性，它也有许多问题需要克服。由于无线传感器设备不使用有线连接，从而导致它们的传输能力有限。但是对于起监测作用的无线传感器网络来说，及时把监测到的数据传输给接收终端是非常重要的。然而由于无线传感器网络的传输能力限制，没有办法使得所有数据都被及时传输到接收终端。这时，就需要有一种数据分级的方法，用于判断数据是否重要，是否需要及时的传输。

在以往的数据分级技术中，数据的重要性级别在一开始就是被设置好的。这种方法对用于监测的传感器网络系统来说，并不合适。这是因为用于监测的传感器网络收集到的数据一般都是同一类型的数据，比如温度、湿度、电压、电流等等。这些数据本身并没有什么先验的重要性区分。但是，如果从整个网络来看，传感器收集到的相同类型的数据其实拥有不同的重要性。这是由于传感器采集到的数据会符合某一概率分布，而根据信息理论，出现概率越小的数据具有更多的信息量。一般来说，具有更多信息量的数据会更加重要。比如传感器网络监测设备温度时，正常情况下，大部分的传感器监测到的温度数据会是相同或者接近的(正常工作温度)。这些数据具有很大的网络冗余度，往往是不重要的。有时，有些设备的温度上升(功能异常)，一些传感器监测到了较高的温度数据。这些数据具有较小的网络冗余度，具有较高的重要度。

发明内容

本发明的目的在于克服现有技术存在的上述问题，提供一种适用于无线传感器网络的数据分级方法。

根据本发明的一个方面，提供用于传感器网络中的数据分级方法，其特征在于，包括以下步骤：

步骤(1)：传感器设备初始化先验概率分布；

步骤(2)：传感器设备使用其新得到的数据更新其后验概率分布；

步骤(3)：传感器设备使用其后验概率分布对其新得到的数据进行分级。

优选地，所述新得到的数据包括如下任一种或两种数据：收集到的数据，其是指传感器设备使用感知设备得到的数据信息；接收到的数据，其是指传感器设备接收到的从其他的传感器设备发送的数据。由于无线传感器网络使用多跳传输，离接收节点较远的传感器需要发送数据给离接收节点较近的传感器，让其转发。

优选地，先验概率分布是指预先估计的数据的概率分布函数，此概率分布函数是预先设计的，是固定的；后验概率分布是指传感器设备通过学习得到的概率分布。

优选地，传感器设备更新其后验概率分布的步骤包括以下步骤：步骤(201)：把新得到的数据加入历史数据集合；步骤(202)：把过期的历史数据从历史数据集合中删去；步骤(203)：根据历史数据集合推算估计的后验概率分布；步骤(204)：使用先验概率分布修正估计的后验概率分布，得到后验概率分布。

优选地，估计的后验概率分布是指使用历史数据集合中的数据估算出的概率分布；推算估计的后验概率分布的步骤包括使用历史数据集合中的数据的统计信息作离散的概率分布；历史数据集合是指一种集合，集合的元素为数据，每个数据含有数据信息与此数据的时间戳；过期的历史数据是指在历史数据集合中，数据的时间戳与当前时间超过一定阈值的数据；使用先验概率分布修正估计的后验概率分布的步骤包括把先验概率分布与估计的后验概率分布做加权线性组合。

优选地，传感器设备使用其后验概率分布对数据分级的步骤包括以下步骤：步骤(301)：计算符合后验概率分布的随机变量的期望；步骤(302)：计算等待分级的数据与步骤(301)所得期望的差距；步骤(303)：计算后验概率分布中，距离期望小于步骤(302)所得差距的概率；步骤(304)：根据步骤(303)所得概率，进行分级，概率越大，重要性越高。

优选地，数据的概率分布是多种数据的联合概率分布。

优选地，联合概率分布包括温度数据、电流数据、以及视频信息。

优选地，通过定义等待分级的联合数据与后验概率分布中联合数据的期望的差距，进行所述步骤(301)、步骤(302)、步骤(303)、以及步骤(304)。

优选地，传感器设备初始化先验概率分布的步骤包括如下步骤：使传感器设备的初始后验概率分布为其先验概率分布，清空历史数据集合。