[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

摘要

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。

主权项

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：/n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；/n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：/n /n利用一阶无线电模型和d_toCH，计算可得整个网络的能耗为：/n /n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：/n /n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；/n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；/n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；/n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：/n /n将模型改写成标准的界约束二次规划问题：/n /ns.t.z≥0；/n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/n所述自适应权重的GPSR重构算法具体包括如下：/n(1)给定z⁽⁰⁾,w⁽⁰⁾，选择参数β∈(0,1)及μ∈(0,1/2)；置k＝0；/n(2)计算/n(3)计算并且替换α₀为min(α_min,α₀,α_max)；/n(4)选择α^(k)为序列α₀，βα₀，β²α₀，…中满足下式的第一个数：/n /n更新/n(5)更新活动集Γ；/n(6)更新权重w：/n(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)。/n