一种无线传感网络节点融合数据收集方法技术

一种无线传感器网络融合数据收集方法，该方法以无线传感器网络数据传输量变化的数学模型为基础，考虑无线传感器网络实际运行中的能量有限，通信受限，数据具有冗余性等特点，以无线传感器网络的数据融合方法，路由选择和数据传输顺序作为考虑要素，利用压缩感知、主成分分析和框架势来减少参加数据收集的节点数，并通过“由上到下”和“由下到上”的算法决定传输路由和传输顺序，以达到对网络数据传输量的优化，从而减少网络进行数据传输时的整体能耗，并保证数据重构的精度。

【技术实现步骤摘要】
一种无线传感网络节点融合数据收集方法
本专利技术涉及一种基于无线传感网络节点选择数据收集方法，其通过压缩感知、主成分分析和框架势原理来选择代表节点以减少网络中参与数据收集的节点数目，并利用路由树来收集代表节点数据，本专利技术可以有效减少网络数据传输量。本专利技术包括以下步骤：1)通过混合压缩感知技术收集一段时间内的传感器数据；2)通过压缩感知与主成分分析(PCA)和框架势(FP)的结合，设计稀疏矩阵和稀疏观测矩阵，并确定代表节点参加数据收集；3)利用“由上到下”的顺序构建融合数据传输路由树；4)数据在路由树上的传输顺序被设置为“从下到上”，以减少融合数据传输次数；5)运用一种数据收集策略，将压缩感知的M轮数据收集变为1轮数据收集。本专利技术能有效减少了参与数据收集的节点数目，同时保证汇聚节点(Sink节点)处数据重构的精度，并通过路由树上的数据融合减少了网络数据传输量。
技术介绍
利用无线传感网络进行数据收集是近年发展起来的一种新兴的信息采集技术，其在环境监测、工业控制等领域有着广泛应用。它大规模、多跳的特点会产生大量数据包影响网络吞吐量、端到端延时等性能；并且其多对一的传输特点会导致网络能耗负载不均衡，越靠近汇聚节点(Sink节点)的节点能量消耗越大。因此，研究适合无线传感网络特点的数据传输方法具有非常重要的实际意义和应用价值，其中利用数据融合进行数据传输可以有效的减少网络的数据传输量。压缩感知技(CompressiveSensing，CS)术是一种新出现的数据融合方法，相比于传统的数据融合方法，它不仅能减少网络数据量，还能保证传感器数据重构的精度，其主要的三个步骤包括信号稀疏表示、信号投影和信号重构。因此，可在压缩感知的基础上开发一种新的数据融合收集方法，在减少参与数据收集的传感器节点数的同时，设计一种数据传输机制，将所有M轮(M为观测矩阵的行向量个数)投影值收集融合为一轮数据收集，在保证数据重构精度的同时，最大限度的减少网络数据传输量。
技术实现思路
本专利技术提供了一种无线传感网络融合数据收集方法，目的在于通过优化参与数据收集的节点数目和代表节点数据传输过程，降低网络的数据传输量，以降低网络数据传输时的能量消耗。无线传感网络数据传输模型图1是无线传感网络进行数据传输的基本示意图，假设整个无线传感网络由N个节点组成，它们随机的分布在一个监控区域内，每个节点都有相同的通信半径r，如果两个节点间的距离小于r，那么这两个节点就可以互相通信。考虑到每个节点很难与Sink节点直接进行通信，因此节点会采用多跳的方式将他们收集的数据传输给Sink节点，如图1中虚线中路径所示，即为一条数据传输路径。假设每个节点到Sink的平均跳数为d，如果网络中每个节点都要进行数据收集，则Sink节点将会收到N个数据包，则每个数据包的平均传输跳数为O(d)，因此整个网络的数据传输量为：T1＝O(dN)本专利技术的构思如下：若要减少网络的数据传输量，则需减少节点传输数据包所需的跳数或减少Sink节点收到的数据包数，可将压缩感知技术运用无线传感网络的数据收集过程中，这样通过数据融合的方法，每个节点只需向下一跳节点发送M个数据包即可，因此M也将收到M个数据包用于数据重构，因此压缩感知下的网络数据传输量为：T2＝O(NM)由于M取值一般小于d，因此运用压缩感知可以减少网络数据传输量。然而，采用普通压缩感知方法的无线传感网络数据收集过程有很大的局限性。首先，其要求所有节点都参与数据收集，这对能量受限的传感器网络仍然是很大的开销。其次，由于Sink节点需要M个投影值才能够重构传感器数据，所以每个数据重构过程每个节点都需要向下游节点发送M个数据包，这样整个网络的数据传输量依然很大。本专利技术针对现有压缩感知数据收集方法中存在的不足，提出一种基于节点选择的数据收集方法，通过应用压缩感知与主成分分析的结合来减少参与数据收集的节点数，并通过框架势来选择代表节点以保证数据重构的精度，最后通过构建路由数来收集代表节点的数据。将该方法用于传感器网络的数据收集，可以有效减少整个网络的数据传输量。本专利技术方案的实施方法包括以下内容：1)通过混合压缩感知(Hybrid-CS)来收集一段时间内的传感器数据，为主成分分析提供分析数据；2)利用主成分分析对混合压缩感知收集的数据进行分析，得到稀疏矩阵；并结合框架势原理对稀疏矩阵进行分析，确定参与数据收集的代表节点和稀疏观测矩阵，以减少参与数据收集的节点数目；3)通过“由上到下”的算法设计路由树连接Sink和所有代表节点，将数据融合过程分散到路由树上的每个代表节点进行，并运用“由下到上”的算法确定路由树上的代表节点数据传输顺序，以减少节点传输数据包的次数；4)通过一种数据收集策略，用一轮数据传输过程收集所有投影值以形成观测值向量，并在Sink处重构信号，将重构后的信号更新到主成分分析所需数据的集合中，以用作新一轮的主成分分析；1)中，压缩感知包括三个方面，即将信号稀疏表示，信号投影和信号重构，其表达公式为：式中，x＝(x1，x2，LxN)T为网络中N个传感器的原始数据，ψ为N×N维稀疏矩阵；θ为N×1维K阶稀疏数据，其中只有K个非零数，其余N-K个数为零或接近于0；φ为维观M×N测矩阵，其与x相乘可得到M×1维观测值y(k＜M＜N)。而混合压缩感知是压缩感知的改进，其将网络中的节点分为转发节点和压缩节点，可进一步减少网络数据发送量，分类方法为：式中，ni为节点i的类型，VC为压缩节点集合，VF为转发节点集合，Qi为第i个节点子节点的数目，图2为混合压缩感知与普通数据收集和压缩感知数据收集过程的对比。2)中，利用主成分分析将信号降维，可得：其中，为混合压缩感知收集的前L轮信号的均值，。U为N×K维的正交矩阵，α为K×1维主成分分析稀疏后的信号。与压缩感知原理结合，即：矩阵U框架势属性的定义为：式中，ai，aj为矩阵U的第i，j个行向量，Ω为矩阵所有行序号的集合。3)中，“由上到下”的路由树构建思想即为父节点向下选择自己的子节点，而“由下到上”的思想即从最下层子节点开始向上确定数据的传输顺序。4)中，所设计的数据收集机制即每个节点以向量为数据传输单位，并根据每个节点在所选择节点集合中所处的位置来确定每个节点收集信号在向量中的位置。与现有基于压缩感知的数据收集机制相比，本专利技术具有以下优点。1)本专利技术通过混合压缩感知来收集前一段时间的数据，为主成分分析提供数据基础，这样既可以保证数据的可靠性，又可以进一步减少网络的数据传输量。2)本专利技术利用压缩感知、主成分分析和框架势原理的结合，有效的减少了参与数据收集的节点数，而且根据这种方法所选出的节点，具有很强的代表性，这样就使Sink处的数据重构有很好的重构精度。3)本专利技术利用“从上到下”和“从下到上”的思路分别确立数据收集的路由树和数据传输的顺序，有效的保证了网络适应拓扑结构变化的能力，并将数据融合的过程由在Sink处进行分散到了在每个节点进行。4)本专利技术方法利用所设计的数据传输机制，使整个M轮的数据传输过程融合为一轮传输过程，减小了每个节点进行数据传输的次数，从而减少了整个网络的数据传输量。附图说明图1是无线传感网络数据收集过程示意图。图2是混合压缩感知与压缩感知和基本数据收集过程对比图。图3是本发本文档来自技高网...

【技术保护点】
一种无线传感网络融合数据收集方法，其特征在于所述方法包括以下步骤：①利用混合压缩感知收集传感器数据：时刻1到时刻L的重构数据形成集合χ

【技术特征摘要】
1.一种无线传感网络融合数据收集方法，其特征在于所述方法包括以下步骤：①利用混合压缩感知收集传感器数据：时刻1到时刻L的重构数据形成集合χ(l)＝{x(l-L+1)，x(l-L+2)，Lx(l)}，l＝L，L+1，L代表采样的各个时刻，而第一步里的l＝L；②用主成分分析对混合压缩感知收集的数据进行分析，得到l+1时刻的稀疏矩阵ψ(l+1)，并利用矩阵的框架势选择l+1时刻的稀疏观察矩阵φe(l+1)，即可确定代表节点集合l(l+1)，稀疏矩阵的框架势性质如下：Ω为稀疏矩阵ψ的行向量集合，ai，aj为稀疏矩阵ψ的行向量；③运用“由上到下”的方法构造融合数据收集路由树，即由父节点向下选择自己的子节点，利用路由树可连接所有代表节点，将融合过程分散到每个代表节点进行；④运用“由下到上”的方法决定代表节点融合数据传输顺序，即由最外层子节点最先开始传输数据；⑤运用所设计的传输策略，根据节...

【专利技术属性】
技术研发人员：谢成阳，牛玉刚，邹媛媛，贾廷纲，王少波，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海,31