[发明专利]一种无线传感器网络中基于压缩感知的数据聚合方法

权利要求书

1.一种无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，所述无线传感器网络中基于压缩感知的数据聚合方法包括：

首先将传感网络均匀分簇，选举剩余能量最多的节点为簇头节点，成员节点以概率p_tx独立选择是否参加采样，簇头节点始终参加采样；

由网络模型，每个簇是半径为的圆形区域，覆盖面积为L²/W，并且成员节点在簇内均匀分布，则成员节点的分布密度函数为成员节点到簇头的距离为d_toCH，其平方的数学期望为：

利用一阶无线电模型和d_toCH，计算可得整个网络的能耗为：

由上式，E_total存在最小值，对其求W的偏导，并令则得到当W与p_tx满足如下关系时，整个网络的能耗最小：

然后采样节点在获取原始信号f后在稀疏变换基下变换得到其稀疏表示x，x在测量矩阵Φ下进行投影，得到测量信号y，簇头节点对所收集的测量信号使用向量化算子，合并成一个信号Y后发送至融合中心；

采样节点获取原始信号f在稀疏变换基下变换得到其稀疏表示x，x在测量矩阵Φ下进行投影，得到测量信号y，并发送给簇头节点；簇头节点对所收集到的测量信号使用向量化算子，合并成一个信号Y后发送给融合中心；

最后融合中心利用自适应权重GPSR算法对其一一重建，恢复出其稀疏表示x；

所述自适应权重的GPSR重构算法重构模型为加权的l₁范数模型：

将模型改写成标准的界约束二次规划问题：

s.t.z≥0；

其中(u_i＝(x_i)₊，v_i＝(-x_i)₊对于所有i＝1,2,…,N)，b＝A^Ty，且定义g^(k)为

所述自适应权重的GPSR重构算法具体包括如下：

(1)给定z⁽⁰⁾,w⁽⁰⁾，选择参数β∈(0,1)及μ∈(0,1/2)；置k＝0；

(2)计算

(3)计算并且替换α₀为min(α_min,α₀,α_max)；

(4)选择α^(k)为序列α₀，βα₀，β²α₀，…中满足下式的第一个数：

更新

(5)更新活动集Γ；

(6)更新权重w：

(7)计算z^(k+1)是否满足若满足，停止迭代，输出z^(k+1)；否则，置k←k+1，返回(1)。

2.如权利要求1所述的无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，将K个传感器节点随机均匀地部署在L×Lm²的监测区域中，整个网络分成等大小的W簇，并选举剩余能量最多的节点作为簇头。

3.如权利要求1所述的无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，所述网络模型为有K个传感器节点密集部署在L×Lm²的监测区域中，用来检测周围环境的物理数据；传感器节点周期性的采集信号，得到压缩信号，周期为T，且节点周期性的发射压缩信号，发送周期也为T，节点之间相互独立，不要求同步；节点间的交流是双向的并且每个节点根据其到接收点的距离来调整它的传输功率；部署区域内的所有节点都是位置感知的。

4.如权利要求1所述的无线传感器网络中基于压缩感知的数据聚合方法，其特征在于，所述一阶无线电能量消耗模型为：

节点到其接收点的距离小于阈值d₀，则采用自由空间模型，否则，采用多路径衰减模型；发射l比特数据到距离为d的接收点的能量消耗如下：

其中E_elec为电路消耗,ε_fs和ε_mp分别是自由空间信道模型和多路径衰减信道模型的功率放大器的损耗系数；阈值d₀的计算由下式决定：

接收l比特数据能耗：

E_rx＝l×E_elec。