[发明专利]一种基于压缩感知的无线数据采集方法

说明书

技术领域

本发明属于云计算领域，特别是涉及一种基于压缩感知的无线数据采集方法。

背景技术

根据压缩感知和无线传感器网络的特性,在没有任何先验信息的情况下,基于稀疏随机映射的压缩感知理论能为无线传感网络提供一种有效的数据采集方法,减少处理大量数据所需要的观测值数目,降低无线传感器网络中的数据传输负担和数据采集的计算复杂度。

在此背景下，如何有效的设计数据融合树，便成为了研究的热点和难点。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是一种基于压缩感知的无线数据采集方法。

为实现上述目的，本发明提供了一种基于压缩感知的无线数据采集方法，包括以下步骤：

步骤一、初始化数据融合树的节点集初始值T_i＝null，源节点集初始值S_i＝null，最小跳数初始值hopcount＝0，节点v的父节点初始值P[v]＝null，其中null为空集；

步骤二、将网络中的节点一维化为Node{N(1),N(2),…,N(n)}；

步骤三、根据稀疏随机投影算法获得初始矩阵其中是由路径n的系数构成的初始矩阵Φ的一行；

将中的非零值所对应的节点加入源节点集，形成源节点集S_i＝{S₁,S₂,...,S_i(lgn)}，其中m为观察点个数，m≤n；

步骤四、根据最小跳数的数据融合树生成算法确定最小跳数路径，并得到此路径汇聚节点的数据观测值y和新的观测矩阵使用新得到的观测矩阵，M是经第m条路径传送到汇聚节点的汇聚数据，更新初始矩阵Φ；

步骤五、根据下式重构数据，得出原始信息x。

较佳的，步骤三中的初始矩阵按照以下公式获得，

其中为第i行j列的观测系数,参数s确定观察矩阵的稀疏度，当s＝n/(lgn)时，测量数目m以极大概率精确重构原始信号，p为概率，0<p<1。

较佳的，步骤四中的最小跳数的数据融合树设计包括以下步骤；

步骤1、汇聚节点向其相邻的传感器节点发送广播包，广播包的内容包括源节点地址src，目的节点地址dest，下一跳地址nexthop和跳数hopcount；

步骤2、传感器节点收到广播包后建立到源节点的反向路由，并将跳数加1；

步骤3、传感器节点继续向下发送广播包给相邻的传感器节点并重复步骤2；

步骤4、若跳数达到规定的最大跳数MAX时，自动销毁广播包，停止此路径的继续传导，其中MAX≤n,根据无线传感器网络的规模确定数据传输路径的最大跳数MAX；

步骤5、到达汇聚节点时，比较各个路径的跳数，汇聚节点的路由表中保留跳数最小的路径，若有多条跳数相同的最小路径，则执行步骤6，否则执行步骤6；

步骤6、在多条路径中选择最短路径保留至汇聚节点的路由表中。

本发明的有益效果是：本发明压缩感知算法与上述基于数据融合树路由算法相结合，实现了对信号的精确重构,即实现对网络中数据的有效采集；采用稀疏投影矩阵作为初始投影矩阵，选择使最小跳数节点加入到数据融合树中，同时更新观测矩阵，在保证数据重构质量的前提下减少每次投影过程中的能耗。

具体实施方式

下面结合实施例对本发明作进一步说明：

一种基于压缩感知的无线数据采集方法，包括以下步骤：

步骤一、初始化数据融合树的节点集初始值T_i＝null，源节点集初始值S_i＝null，最小跳数初始值hopcount＝0，节点v的父节点初始值P[v]＝null，其中null为空集；

步骤二、将网络中的节点一维化为Node{N(1),N(2),…,N(n)}；

步骤三、根据稀疏随机投影算法获得初始矩阵其中是由路径n的系数构成的初始矩阵Φ的一行；

将中的非零值所对应的节点加入源节点集，形成源节点集S_i＝{S₁,S₂,…,S_i(lgn)}，其中m为观察点个数，m≤n；

步骤四、根据最小跳数的数据融合树生成算法确定最小跳数路径，并得到此路径汇聚节点的数据观测值y和新的观测矩阵使用新得到的观测矩阵，M是经第m条路径传送到汇聚节点的汇聚数据，更新初始矩阵Φ；