[发明专利]一种物联网信号重建中能量感知采样集的选择方法

说明书

本发明公开了一种物联网信号重建中能量感知采样集的选择方法，通过建立物联网中传感器节点的信号网络模型，采用拉普拉斯矩阵将信号网络模型传感器节点网络和数据进行模型化；基于能量感知的采样方法获取信号网络模型中的动态采样集；根据获取的动态采样集重建原始信号网络，从而得到恢复的信号值并与原始信号对比得到重建误差，通过在在无特征分解采样方法的基础上，利用信号重构的切比雪夫多项式逼近，本发明传感器的选择不仅要根据短期信号重建精度，而且根据每个传感器的剩余能量，以权衡重建精度和能量消耗，本发明方法简单，降低了平均能耗，减小了重构误差。

技术领域

本发明属于物联网系统中，应用图信号处理技术，具体涉及一种物联网信号重建中能量感知采样集的选择方法。

背景技术

图信号较早为人所知，并给出了从顶点子集上的值完美重构的充分条件。除了确定采样集的总数外，采样位置的确定也非常重要。随机抽样是最简单、最方便的方法。快速采样集选择(Fast-SSS)是最近中提出的一种无特征分解采样策略，它限制了定位算子的覆盖范围，并使用Chebyshev多项式逼近实现。也有利用局部集图的智能划分，提出了一种迭代方法，从采样数据中重构带限图信号。在此基础上，采用局部和全局处理方法，提出了采样信号重构残差的扩散模型，并介绍了动态采样策略。针对图上的带限信号，使用图谱代理选择最佳采样集，并提出了一种基于确定性点过程(DPP)的随机采样策略。为了获得更精确的信号，提出了一种基于贝叶斯重构的贪婪采样策略，该策略具有明显的性能保证。为了降低反演计算的复杂度，提出了一种基于诺曼级数技术的鲁棒恢复方法。然而，在节点选择时，并没有考虑节点能量，导致结果误差大。物联网系统中，对海量智能设备和传感器的互联和数据采集的需求呈爆炸式增长，给人类生活带来了极大的便利，也给学术界和工业界带来了技术上的挑战。因此，正如国际数据公司(IDC)报告所述，到2025年，与Iot有关的数据可能增长到175兆字节。而物联网信号往往具有高维、离散化、空间分布不规则等特点，对数据分析和处理提出了更高、更复杂的要求。巨大的物联网连接和信号需要新的数据和信号处理解决方案。

发明内容

本发明的目的在于提供一种物联网信号重建中能量感知采样集的选择方法，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种物联网信号重建中能量感知采样集的选择方法，包括以下步骤：

步骤1)、建立物联网中传感器节点的信号网络模型，采用拉普拉斯矩阵将信号网络模型传感器节点网络和数据进行模型化；

步骤2)、基于能量感知的采样方法获取信号网络模型中的动态采样集；

步骤3)、根据步骤2)获取的动态采样集重建原始信号网络，从而得到恢复的信号值并与原始信号对比得到重建误差。

进一步的，步骤1)中，建立传感器节点信号网络模型为：G＝(V,W)，V为传感器节点，共有N个节点，W表示两个传感器节点之间的相似性，所有节点信号值可构成信号网络模型的图信号f∈R^N，即f＝{f₁,f₂,…,f_N}，其中f_i表示第i个节点的信号值；将拉普拉斯矩阵L作为对称组合图的变分算子，拉普拉斯矩阵L为：

L＝D-W (1.1)

其中D为信号网络模型的度矩阵，且为对角矩阵，W表示信号网络模型的邻接矩阵；

将拉普拉斯矩阵L进行特征分解为：

L＝UΛU^T (1.2)