基于壓縮感知的分簇式數(shù)據(jù)收集方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種特別用于無(wú)線傳感器網(wǎng)絡(luò)的基于壓縮感知的分簇式數(shù)據(jù)收集方 法，屬于通信技術(shù)領(lǐng)域。
【背景技術(shù)】
[000引 無(wú)線傳感器網(wǎng)絡(luò)（WirelessSensorNetwork,WSN)是由一些低功耗、體積小的傳 感器網(wǎng)絡(luò)節(jié)點(diǎn)，W無(wú)線多跳的方式形成的自組織網(wǎng)絡(luò)。該些大量分散的節(jié)點(diǎn)能夠同時(shí)協(xié)作， 對(duì)某一地域進(jìn)行實(shí)時(shí)監(jiān)控、感知和采集各種數(shù)據(jù)。但是，無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布密集，能 量有限。尤其在分簇式數(shù)據(jù)收集的過(guò)程中，大量的感知數(shù)據(jù)需要經(jīng)過(guò)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)傳輸 到簇頭，進(jìn)而傳輸?shù)交?。如何設(shè)計(jì)高效的數(shù)據(jù)收集方法成為亟待解決的問(wèn)題。
[0003] 傳統(tǒng)的數(shù)據(jù)收集方法通常將大量傳感器節(jié)點(diǎn)采集的所有數(shù)據(jù)經(jīng)過(guò)簇頭節(jié)點(diǎn)傳輸 到基站進(jìn)行處理。然而，在傳感器網(wǎng)絡(luò)的數(shù)據(jù)采集過(guò)程中，通常是多個(gè)傳感器節(jié)點(diǎn)對(duì)某一 事件進(jìn)行感知壓縮，攜帶了大量的兀余數(shù)據(jù)，大大占用了網(wǎng)絡(luò)通信帶寬，帶來(lái)了不必要的能 耗。
[0004] 近年來(lái)，隨著壓縮感知（compressivesensing,C巧的提出，給無(wú)線傳感器網(wǎng)絡(luò)的 數(shù)據(jù)收集開(kāi)辟了新的道路。壓縮感知理論可W分成H個(gè)過(guò)程：采樣，測(cè)量，重構(gòu)。采樣：對(duì)稀 疏數(shù)據(jù)進(jìn)行采樣；測(cè)量；對(duì)采樣得到的數(shù)據(jù)進(jìn)行壓縮測(cè)量，得到測(cè)量值；重構(gòu)；由測(cè)量值數(shù) 據(jù)對(duì)原始數(shù)據(jù)進(jìn)行還原。而現(xiàn)有結(jié)合壓縮感知的數(shù)據(jù)收集方案，主要是通過(guò)測(cè)量矩陣的設(shè) 計(jì)、普通分簇、分布式時(shí)空相關(guān)性等方法來(lái)進(jìn)行。
[0005] 測(cè)量矩陣的設(shè)計(jì)方法，即設(shè)計(jì)滿足一定特性的矩陣，如設(shè)計(jì)適合在硬件資源有限 的傳感器節(jié)點(diǎn)中實(shí)現(xiàn)的循環(huán)稀疏伯努利觀測(cè)矩陣，使用循環(huán)稀疏矩陣與偽隨機(jī)伯努利序 列，采用結(jié)構(gòu)化的方法構(gòu)造。具有非零元素少，良好的偽隨機(jī)性，硬件易于實(shí)現(xiàn)等優(yōu)點(diǎn)。在 滿足數(shù)據(jù)重構(gòu)誤差的前提下，能夠通過(guò)壓縮觀測(cè)獲得更少的觀測(cè)數(shù)據(jù)，減少傳輸能耗。
[0006] 普通分簇方法，即通過(guò)對(duì)網(wǎng)絡(luò)執(zhí)行一定的分簇算法，然后在簇頭中生成隨機(jī)采樣 序列并分發(fā)給簇成員，然后在簇成員中進(jìn)行低速隨機(jī)采樣，最后在簇頭中進(jìn)行信號(hào)重構(gòu)。該 方法可W減少一定的傳輸能耗，但是，不能保證重構(gòu)的質(zhì)量。
[0007] 分布式時(shí)空相關(guān)性方法，即在數(shù)據(jù)收集的過(guò)程中，針對(duì)目前只對(duì)空間感知數(shù)據(jù)進(jìn) 行隨機(jī)投影操作，而真實(shí)網(wǎng)絡(luò)中空間感知數(shù)據(jù)的壓縮性能并不好，從而導(dǎo)致數(shù)據(jù)恢復(fù)質(zhì)量 差和壓縮數(shù)據(jù)的傳輸代價(jià)大。提出一種分布式時(shí)空數(shù)據(jù)收集方法，可W有效減少網(wǎng)絡(luò)中傳 輸?shù)臏y(cè)量值數(shù)目。
[0008] 綜上所述，現(xiàn)有的壓縮感知結(jié)合傳感器網(wǎng)絡(luò)的數(shù)據(jù)收集策略均能夠減少一定數(shù)目 的測(cè)量值，從而降低傳輸能耗，但是，對(duì)于如何降低簇內(nèi)傳輸能耗W降低網(wǎng)絡(luò)傳輸總能耗， 同時(shí)獲得滿足一定誤差值的重構(gòu)數(shù)據(jù)，目前尚沒(méi)有合適的解決方案。

【發(fā)明內(nèi)容】

[0009] 針對(duì)上述問(wèn)題W及具有一定組織結(jié)構(gòu)的傳感器網(wǎng)絡(luò)，提出一種基于壓縮感知的分 簇式數(shù)據(jù)收集方法。通過(guò)將傳感器網(wǎng)絡(luò)節(jié)點(diǎn)執(zhí)行基于邊介數(shù)的分簇算法和基于點(diǎn)介數(shù)的簇 頭選擇方法，W及重構(gòu)誤差的反饋，解決數(shù)據(jù)收集過(guò)程中傳輸能耗大、不能得到滿足一定誤 差要求的數(shù)據(jù)問(wèn)題。本發(fā)明通過(guò)將節(jié)點(diǎn)執(zhí)行基于邊介數(shù)的分簇算法和基于點(diǎn)介數(shù)的簇頭選 擇方法，獲得最優(yōu)分簇，降低簇內(nèi)傳輸能耗，從而盡可能降低傳輸總能耗，同時(shí)，通過(guò)反饋重 構(gòu)誤差，得到滿足一定誤差要求的重構(gòu)數(shù)據(jù)。
[0010] 本發(fā)明，首先對(duì)傳感器網(wǎng)絡(luò)執(zhí)行基于邊介數(shù)的分簇算法和基于點(diǎn)介數(shù)的簇頭選擇 方法。然后，簇頭收集簇內(nèi)節(jié)點(diǎn)的數(shù)據(jù)，并產(chǎn)生隨機(jī)測(cè)量矩陣對(duì)收集的數(shù)據(jù)進(jìn)行壓縮采樣。 最后，簇頭將壓縮后的數(shù)據(jù)沿最短路徑算法傳輸?shù)交?，基站產(chǎn)生相同的測(cè)量矩陣對(duì)壓縮 數(shù)據(jù)進(jìn)行重構(gòu)，如果重構(gòu)誤差大于一定闊值，則增加測(cè)量矩陣行數(shù)，使得重構(gòu)數(shù)據(jù)滿足一定 誤差闊值。本發(fā)明降低了數(shù)據(jù)收集的能耗，并可W實(shí)時(shí)調(diào)節(jié)重構(gòu)數(shù)據(jù)的誤差，得到滿足一定 誤差的重構(gòu)數(shù)據(jù)。
[0011] 本發(fā)明的具體步驟如下： 步驟一、根據(jù)節(jié)點(diǎn)的鄰接矩陣A，對(duì)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)執(zhí)行基于邊介數(shù)的分簇算法和基 于點(diǎn)介數(shù)的簇頭選擇方法，得到網(wǎng)絡(luò)分簇q及每個(gè)分簇對(duì)應(yīng)的簇頭C& ; 步驟二、簇內(nèi)節(jié)點(diǎn)將感知到的數(shù)據(jù)傳輸?shù)綄?duì)應(yīng)的簇頭C& ; 步驟H、簇頭節(jié)點(diǎn)C瑪產(chǎn)生隨機(jī)測(cè)量矩陣，并對(duì)收集的數(shù)據(jù)式進(jìn)行壓縮采樣，得到測(cè) 量值矩陣Y中的第i列F;-，F(xiàn)i二P;XJf;; 步驟四、簇頭節(jié)點(diǎn)C&經(jīng)過(guò)最短路徑算法將測(cè)量值傳輸?shù)交荆?步驟五、基站接收來(lái)自簇頭的數(shù)據(jù)，構(gòu)成測(cè)量值矩陣F= [F~_ ... ，然后基站產(chǎn)生相 同的隨機(jī)測(cè)量矩陣P，并對(duì)原始收集數(shù)據(jù)1進(jìn)行重構(gòu)，重構(gòu)過(guò)程滿足下式： mini別',，s'u&JertSor二PXJT (1) 步驟六、對(duì)重構(gòu)出來(lái)的數(shù)據(jù)S，計(jì)算其均方誤差，然后，執(zhí)行反饋算法，最終，得到滿足 誤差闊值的重構(gòu)數(shù)據(jù)； 步驟走、結(jié)束。
[0012] 與現(xiàn)有結(jié)合壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集方法相比，本發(fā)明的優(yōu)點(diǎn)在于： 1、本發(fā)明提出的通過(guò)節(jié)點(diǎn)進(jìn)行基于邊介數(shù)的分簇算法和基于點(diǎn)介數(shù)的簇頭選擇方法， 可W獲得更合理的簇結(jié)構(gòu)，有效減少簇內(nèi)傳輸?shù)哪芎?，從而盡可能降低網(wǎng)絡(luò)傳輸總能耗； 2、本發(fā)明根據(jù)重構(gòu)數(shù)據(jù)計(jì)算重構(gòu)誤差，進(jìn)行實(shí)時(shí)反饋，可W在不增加多余通信能耗的 條件下，得到滿足一定誤差要求的重構(gòu)數(shù)據(jù)。
【附圖說(shuō)明】
[0013] 圖1是實(shí)現(xiàn)本發(fā)明數(shù)據(jù)收集的流程圖； 圖2是具有一定組織結(jié)構(gòu)的20節(jié)點(diǎn)網(wǎng)絡(luò)示意圖； 圖3是20節(jié)點(diǎn)網(wǎng)絡(luò)劃分結(jié)果示意圖； 圖4是對(duì)比最短路徑數(shù)據(jù)收集和基于壓縮感知的分簇式數(shù)據(jù)收集的能耗結(jié)果圖。
[0014] 具體實(shí)施方法 本發(fā)明設(shè)計(jì)了基于壓縮感知的分簇式數(shù)據(jù)收集方法，結(jié)合圖1，數(shù)據(jù)收集的具體實(shí)施方 法如下： 針對(duì)具有一定組織結(jié)構(gòu)的無(wú)線傳感器網(wǎng)絡(luò)，設(shè)定基站重構(gòu)數(shù)據(jù)的誤差闊值馬h，W20節(jié) 點(diǎn)網(wǎng)絡(luò)（圖2,節(jié)點(diǎn)編號(hào)從1到20,坐標(biāo)（0, 0)點(diǎn)為基站節(jié)點(diǎn)）和圖片數(shù)據(jù)為例。具體步驟 如下所示： 步驟一、基站設(shè)定數(shù)據(jù)重構(gòu)后的均方誤差闊值左; 步驟二、對(duì)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行基于邊介數(shù)的分簇算法和基于點(diǎn)介數(shù)的簇頭選擇方 法，得到網(wǎng)絡(luò)分簇與、C,、Cs、與及每個(gè)分簇對(duì)應(yīng)的簇頭C馬、Cffs、C馬、C馬（圖3,其中節(jié) 點(diǎn)1、2、3、4、5是一個(gè)簇，節(jié)點(diǎn)6、7、8、9、10是一個(gè)簇，節(jié)點(diǎn)11、12、13、14、15是一個(gè)簇，節(jié)點(diǎn) 16、17、18、19、20是一個(gè)簇，每個(gè)簇均W不同形狀標(biāo)明，五角星節(jié)點(diǎn)為對(duì)應(yīng)簇內(nèi)簇頭）； 步驟H、簇內(nèi)節(jié)點(diǎn)將感知到的數(shù)據(jù)傳輸?shù)綄?duì)應(yīng)的簇頭C& ; 步驟四、簇頭節(jié)點(diǎn)、C&、CTf,、C&分別產(chǎn)生隨機(jī)測(cè)量矩陣、P,、1^，并對(duì)收集 的數(shù)據(jù)X:、J^2、心片進(jìn)行壓縮采樣，得到測(cè)量值矩陣￥中的鑛列1^，，1"=二1^^疋； 步驟五、簇頭節(jié)點(diǎn)C聲經(jīng)過(guò)最短路徑算法將測(cè)量值傳輸?shù)交荆?步驟六、基站接收來(lái)自簇頭的數(shù)據(jù)，構(gòu)成測(cè)量值矩陣F= [F,F,F, ，然后基站產(chǎn)生隨 機(jī)測(cè)量矩陣P，并對(duì)原始收集數(shù)據(jù)X進(jìn)行重構(gòu)，重構(gòu)過(guò)程滿足下式： mini別;，s'lf&Jert化F= P X Jf (1) (2) 步驟走、對(duì)重構(gòu)出來(lái)的數(shù)據(jù)X，按照下式計(jì)算均方誤差： 步驟八、對(duì)比重構(gòu)誤差e和誤差闊值.￡&，若誤差大于等于誤差闊值，即e>frt，轉(zhuǎn)步驟 九，否則轉(zhuǎn)步驟十； 步驟九、增加測(cè)量矩陣F的行數(shù)目，重新進(jìn)行重構(gòu)，得到重構(gòu)數(shù)據(jù)，若重構(gòu)數(shù)據(jù)的均方 誤差大于均方誤差闊值，即e>，繼續(xù)增加測(cè)量矩陣P的行數(shù)目，直到均方誤差小于均方 誤差闊值，轉(zhuǎn)步驟十； 步驟十、結(jié)束。
[0015] 為驗(yàn)證該方法的有效性，本方法通過(guò)Matl油仿真平臺(tái)進(jìn)行試驗(yàn)，將20節(jié)點(diǎn)網(wǎng)絡(luò)部 署在lOOmX100m的監(jiān)測(cè)區(qū)域內(nèi)，基站坐標(biāo)為（0,0)。節(jié)點(diǎn)具有相同的初始能量，節(jié)點(diǎn)消耗 的能量按照下式計(jì)算：
【主權(quán)項(xiàng)】
1. 一種基于壓縮感知的分簇式數(shù)據(jù)收集方法，其特征在于，首先，傳感器網(wǎng)絡(luò)執(zhí)行基 于邊介數(shù)的分簇算法和基于點(diǎn)介數(shù)的簇頭選擇方法；然后，簇頭收集簇內(nèi)節(jié)點(diǎn)的數(shù)據(jù)，并產(chǎn) 生隨機(jī)測(cè)量矩陣對(duì)收集的數(shù)據(jù)進(jìn)行壓縮采樣；最后，簇頭將壓縮后的數(shù)據(jù)沿最短路徑算法 傳輸?shù)交荆井a(chǎn)生相同的測(cè)量矩陣對(duì)壓縮數(shù)據(jù)進(jìn)行重構(gòu)，如果重構(gòu)誤差大于一定閾值， 則增加測(cè)量矩陣行數(shù)，使得重構(gòu)數(shù)據(jù)滿足一定誤差閾值；所述方法至少包括以下前提和步 驟： 前提： 傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布具有一定的組織結(jié)構(gòu)特性； 基站設(shè)定重構(gòu)數(shù)據(jù)的均方誤差閾值; 步驟： 步驟一、根據(jù)節(jié)點(diǎn)的鄰接矩陣A,對(duì)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)執(zhí)行基于邊介數(shù)的分簇算法和基 于點(diǎn)介數(shù)的簇頭選擇方法，得到網(wǎng)絡(luò)分簇q及每個(gè)分簇對(duì)應(yīng)的簇頭afi; 步驟二、簇內(nèi)節(jié)點(diǎn)將感知到的數(shù)據(jù)傳輸?shù)綄?duì)應(yīng)的簇頭; 步驟三、簇頭節(jié)點(diǎn)產(chǎn)生隨機(jī)測(cè)量矩陣pe，并對(duì)收集的數(shù)據(jù)足進(jìn)行壓縮采樣，得到測(cè) 量值矩陣Y中的第i列6KX不； 步驟四、簇頭節(jié)點(diǎn)Cff,經(jīng)過(guò)最短路徑算法將測(cè)量值A(chǔ)傳輸?shù)交荆? 步驟五、基站接收來(lái)自簇頭的數(shù)據(jù)，構(gòu)成測(cè)量值矩陣F=[匕：r2FJ,然后基站產(chǎn)生相 同的隨機(jī)測(cè)量矩陣P,并對(duì)原始收集數(shù)據(jù)X進(jìn)行重構(gòu)，重構(gòu)過(guò)程滿足下式：
(1) 步驟六、對(duì)重構(gòu)出來(lái)的數(shù)據(jù)S，計(jì)算其均方誤差，然后，執(zhí)行反饋算法，最終，得到滿足 誤差閾值的重構(gòu)數(shù)據(jù)； 步驟七、結(jié)束。
2. 如權(quán)利要求1所述的方法，其特征在于所述反饋算法，至少還包括： 1)計(jì)算重構(gòu)數(shù)據(jù)的均方誤差，用e表示，對(duì)比重構(gòu)誤差e和誤差閾值若誤差大于誤 差閾值，SPe>fth,轉(zhuǎn)步驟2)，否則轉(zhuǎn)步驟3); 2) 為了提高重構(gòu)精度，增加測(cè)量矩陣P的行數(shù)目，重新生成更高維的隨機(jī)測(cè)量矩陣， 然后，重新進(jìn)行重構(gòu)，得到重構(gòu)數(shù)據(jù)，若重構(gòu)后的均方誤差仍然大于誤差閾值，即e>fth,繼 續(xù)增加測(cè)量矩陣P的行數(shù)目，直到誤差小于誤差閾值，轉(zhuǎn)步驟3); 3) 結(jié)束。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于壓縮感知的分簇式數(shù)據(jù)收集方法。首先，傳感器網(wǎng)絡(luò)執(zhí)行基于邊介數(shù)的分簇算法和基于點(diǎn)介數(shù)的簇頭選擇方法。然后，簇頭收集簇內(nèi)節(jié)點(diǎn)的數(shù)據(jù)，并產(chǎn)生隨機(jī)測(cè)量矩陣對(duì)收集的數(shù)據(jù)進(jìn)行壓縮采樣。最后，簇頭將壓縮后的數(shù)據(jù)沿最短路徑算法傳輸?shù)交?，基站產(chǎn)生相同的測(cè)量矩陣對(duì)壓縮數(shù)據(jù)進(jìn)行重構(gòu)，如果重構(gòu)誤差大于一定閾值，則增加測(cè)量矩陣行數(shù)，使得重構(gòu)數(shù)據(jù)滿足一定誤差閾值。本發(fā)明降低了數(shù)據(jù)收集的能耗，并可以實(shí)時(shí)調(diào)節(jié)重構(gòu)數(shù)據(jù)的誤差，得到滿足一定誤差的重構(gòu)數(shù)據(jù)。
【IPC分類(lèi)】H04W84-18, H04W52-02
【公開(kāi)號(hào)】CN104703262
【申請(qǐng)?zhí)枴緾N201510122417
【發(fā)明人】李哲濤, 陳潛, 崔榮埈, 吳相潤(rùn), 裴廷睿
【申請(qǐng)人】湘潭大學(xué)
【公開(kāi)日】2015年6月10日
【申請(qǐng)日】2015年3月20日