[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

说明书

本发明公开了一种无线传感器网络中基于压缩感知的数据聚合方法，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；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，得到稀疏的测量信号y，并发送至簇头节点，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；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。本发明在完全符合无线传感器网络信号含噪、数据量大、实时性要求较高的特点；自适应权重GPSR算法不需要预先知道信号稀疏度，能在较短时间精确重构出全部高维信号。

技术领域

本发明属于无线传感器网络技术领域，尤其涉及一种无线传感器网络中基于压缩感知的数据聚合方法。

背景技术

近年来，无线传感器网络凭借其隐蔽、容错、部署便捷等优势，在很多领域得到了广泛的应用，例如：环境监测、安全保卫、智能家居等。通常情况下，一个无线传感器网络是由大量具有无线通信能力、计算能力和传感能力的节点构成，可以协作地完成各种环境感知、信息采集和目标识别的任务。为完成这些任务，每个节点需采集大量的实时数据，通过多跳路由发送至融合中心以便对数据进行处理和分析。这一过程，需要消耗大量的存储空间和网络能源。考虑到传感器节点能源、计算能力、存储能力有限，需要建立高效的数据采集和传输的模型，以达到延长网络的使用寿命、降低信息获取代价的目的。目前，将压缩感知理论应用于无线传感器网络存在的问题：真实物理信息不仅在时间域上可压缩，而且在空间域上有一定的压缩性。传统的基于压缩感知的无线传感器网络数据聚合方法一般仅利用了数据在时间上或者空间上的可压缩性来减少数据量。如何联合利用信息在时间和空间域上的相关性，建立高效的网络数据采集模型，进一步减少网络间传输数据量。由于压缩感知理论“欠采样”特性，测量信号对无线传感网络的环境噪声更为敏感。如何从有噪声测量信号中有效的重构出全部原始信号是压缩感知理论建立以来需要解决的重要问题。随着无线传感器网络应用愈加广泛，网络数据量越来越大。如何设计复杂度较小的算法使之适合于大数据量的信号重构。以上这些困难之处限制了压缩感知理论在无线传感器网络的应用。要想在实际无线传感器网络中使用压缩感知理论必须解决这些问题。

综上所述，传统的基于压缩感知的无线传感器网络数据聚合方法存在没有联合利用信息在时间和空间域上的相关性，网络数据采集模型效率较低，网络间传输数据量较大。

发明内容

本发明的目的在于提供一种无线传感器网络中基于压缩感知的数据聚合方法，旨在解决传统的基于压缩感知的无线传感器网络数据聚合方法存在没有联合利用信息在时间和空间域上的相关性，网络数据采集模型效率较低，网络间传输数据量较大。的问题。

本发明是这样实现的，一种无线传感器网络中基于压缩感知的数据聚合方法，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；

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，并发送至簇头节点，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；

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。

进一步，将K个传感器节点随机均匀地部署在L×L m²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。

进一步，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。