CN102164395A - 基于压缩感知的无线传感器网络全局信息本地获取方法 - Google Patents

基于压缩感知的无线传感器网络全局信息本地获取方法 Download PDF

Info

Publication number
CN102164395A
CN102164395A CN2011100988563A CN201110098856A CN102164395A CN 102164395 A CN102164395 A CN 102164395A CN 2011100988563 A CN2011100988563 A CN 2011100988563A CN 201110098856 A CN201110098856 A CN 201110098856A CN 102164395 A CN102164395 A CN 102164395A
Authority
CN
China
Prior art keywords
node
packet
data
compressed sensing
network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011100988563A
Other languages
English (en)
Inventor
邹君妮
李一风
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN2011100988563A priority Critical patent/CN102164395A/zh
Publication of CN102164395A publication Critical patent/CN102164395A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)
  • Small-Scale Networks (AREA)

Abstract

本发明涉及一种基于压缩感知的无线传感器网络全局信息本地获取方法。该方法的主要特点有：将原始数据投影到随机的观测矩阵上得到观测值，实现了数据从高维到低维的转换即数据压缩；利用简单的gossip传输协议在网络中传输节点数据的观测值来代替传统方法中的直接传输原始数据的方式；当传输结束后，每个节点都可以根据收到的观测值利用压缩感知中的数据重构算法计算出全局信息的估计值，这样就实现了全局信息的本地获取。该方法比直接在网络中传输原始数据方式可以大大降低通信数，即以更少的传输次数使每个节点的数据传输到其他所有节点，从而达到减低网络开销、延长网络寿命的目的。

Description

基于压缩感知的无线传感器网络全局信息本地获取方法
技术领域  
本发明涉及的是一种基于压缩感知的无线传感器网络全局信息本地获取方法，利用无线传感器网络中大量节点间感知数据的相关性，对其进行压缩采样的方法，能够将数据压缩与数据传输同时进行，并实现全局信息的本地获取，可以达到降低网络数据传输量、延长网络寿命的目的。
技术背景  
无线传感器网络靠无数的传感器节点连续不断地传感数据，然而，这些传感器节点收集到的数据既庞大又复杂，并且在时间和空间上面都具有很大的冗余性。传统方法常利用gossip传输协议算法将每个传感器节点的数据传输给汇聚节点，因为没有考虑到节点之间的相关性，这种直接传输节点感知数据的方法讲给网络带来很大的通信负担，这对能源受限的无线传感器网来说是一个亟待解决的问题。许多研究都已利用网络内数据间的相关性给出了更为高效的信息采集算法。例如，Slepian-Wolf模型逼近式算法和应用于显式通信的综合算法，它们都解决了网络相关数据收集的速率分配和传输结构上的优化问题；其他的研究还包括联合源端编码及路由策略，最短路径树的机会压缩方法等。然而，这些方法都将给系统带来很高的计算复杂度和巨大的通信开销。
压缩感知作为一种崭新的采样方法，能够减少重构整个信号所要求的观测次数。压缩感知在通信领域里的应用，尤其是无线传感网络，已在近几年中得到了广泛的研究。由于无线传感网络中节点间感知数据的相关性，满足了使用压缩感知技术的前提。
发明内容
本发明目的在于针对的无线传感器网中节点间数据存在冗余的问题，提出一种基于压缩感知的无线传感器网络全局信息本地获取方法，能够将数据压缩与数据采集同时进行的数据采集，能够有效降低数据的冗余和网络的通信量。
为达到上述目的，本发明的构思是：利用简单的gossip传输协议在网络中传输节点数据的随机投影来代替传统方法中的直接传输原始数据的方式，随机投影以数据包的形式被传输，网络中每一个节点既是信息的发送端也是信息的接收端，为防止数据包在网络中被无限次数传输，定义一个固定的最大允许跳数                                               ，当节点剩余允许跳数为零的节点，将不再转发该数据包，而是提取出其中携带的信息生成压缩感知技术能够重建原始数据的必要信息，最后每个节点都可以利用这些信息计算出网络中其他所有节点的感知数据的估计值，从而实现全局信息的本地获取。
本发明假设一个有个节点的无线传感器网络，每个节点有一个ID作为标识，每个节点有一个感知数据
Figure 2011100988563100002DEST_PATH_IMAGE006
需要传输给其他所有节点，其中
Figure 2011100988563100002DEST_PATH_IMAGE008
为节点的ID，用向量定义这个
Figure 242656DEST_PATH_IMAGE004
个数据的集合。我们希望达到的效果是通过网络间一定时间的通信，使得连接网络中任意一个节点都能够得到
Figure 358379DEST_PATH_IMAGE004
个节点的数据，即能够从任意一个节点获得
Figure 198159DEST_PATH_IMAGE010
。传统的方法是利用简单的gossip传输协议在节点间传递数据，优点是协议简单易于实现，缺点是容易造成消息冗余，网络的通信负担比较大。为了解决这个问题，本发明利用压缩感知与gossip传输协议相结合的方式，能够在数据传输的同时对冗余数据进行压缩，用传输数据的随机投影代替传输原始数据，当传输结束后在节点处根据收到的随机投影利用压缩感知中的数据重构算法计算出
Figure 486009DEST_PATH_IMAGE010
的估计值，实验证明，该估计值能够以较高精度接近原始数据，该方法能够以更少的传输次数使每个节点的数据传输到其他所有节点，从而达到减低网络开销的目的。
根据上述发明构思，本发明采用下述技术方案：一种基于压缩感知的无线传感器网络数据全局信息本地获取方法，其特征在于具体步骤如下：
初始化：每个节点生成一个数据包，存储各自的感知数据
Figure 2011100988563100002DEST_PATH_IMAGE012
与一个随机数
Figure 2011100988563100002DEST_PATH_IMAGE014
相乘的乘积
Figure 2011100988563100002DEST_PATH_IMAGE016
，并设置统一的最大允许跳数
Figure 840767DEST_PATH_IMAGE002
；
步骤1、数据包发送：节点1在自己的邻居节点列表中随机选择
Figure 2011100988563100002DEST_PATH_IMAGE018
个邻居节点后，将数据包发送给这些节点；
步骤2、数据包更新：收到数据包的节点按如下的方式更新数据包中的内容：将剩余允许跳数
Figure 2011100988563100002DEST_PATH_IMAGE020
减1，将自己的ID写入数据包中的经由节点列表，提取出其中的观测值，并将自己的感知数据乘以一个随机数后与观测值相加来更新观测值
Figure 2011100988563100002DEST_PATH_IMAGE022
；
步骤3、数据包生存期判断：收到数据包的节点判断其中的允许剩余跳数
Figure 573231DEST_PATH_IMAGE020
是否为零，如果是，转到步骤4，如果否，转到步骤1；
步骤4、构造观测矩阵
Figure 2011100988563100002DEST_PATH_IMAGE024
：节点根据收到的数据包中的经由节点列表和观测值
Figure 2011100988563100002DEST_PATH_IMAGE026
为自己的观测矩阵
Figure 80567DEST_PATH_IMAGE024
增加新的一行；
重复步骤上述步骤，直到
Figure 732128DEST_PATH_IMAGE004
个节点的数据包全部发送结束。
步骤5、数据重构：每个节点根据各自的观测矩阵
Figure 839761DEST_PATH_IMAGE024
和观测值
Figure 234970DEST_PATH_IMAGE026
利用正交匹配算法重构原始数据。
所述的压缩感知是：压缩数据采集的一种新技术，它能避免大量的数字信息设置、从获取的信息中直接建立数据压缩并且以比传统理论观测量更少的观测次数进行数据重构，并且能有效地降低信息采集中的能量消耗。
所述的最大允许跳数
Figure 596813DEST_PATH_IMAGE002
是指：所有数据包在产生时都被设置为一个统一的
Figure 684854DEST_PATH_IMAGE002
值，用于确定一个数据包被转发的次数范围，每被转发一次，剩余允许跳数
Figure 951888DEST_PATH_IMAGE020
就会减去1，当
Figure 2011100988563100002DEST_PATH_IMAGE028
就结束转发，
所述的数据包其结构可分为三个部分，分别为：剩余允许跳数
Figure 213105DEST_PATH_IMAGE020
——记录该数据包还能被转发的次数，观测值——记录叠加的观测值，经由节点列表——记录该数据包经过的节点的ID。
所述的观测矩阵是指：每个节点根据收到的数据包构造出的矩阵，每个节点在算法结束时都将拥有各自不同的观测矩阵，矩阵的每一行表示一个数据包从产生到转发结束时被传输的路径，行数表示该节点收到的数据包的个数。一行中非零元素的个数等于最大允许跳数
Figure 429454DEST_PATH_IMAGE002
，由于
Figure 688397DEST_PATH_IMAGE002
远小于网络中节点的总个数，观测矩阵中大部分元素为零，这样的稀疏矩阵与传统的压缩感知所使用的随机观测矩阵相比，能够大大降低数据重构时的计算复杂度。
所述的随机选择
Figure 505043DEST_PATH_IMAGE018
个邻居节点是指：每个节点都保存有各自的邻居节点信息，每个节点的邻居节点个数大于，在选择发送目的节点时，发送节点将从自己的邻居节点列表中随机选择。
Figure 578489DEST_PATH_IMAGE018
是决定通信开销的重要参数，通信开销将随着
Figure 8334DEST_PATH_IMAGE018
的增大而增大。
在所有数据发转发结束后，每个节点将构造各自的观测矩阵
Figure 984380DEST_PATH_IMAGE024
，
Figure 587399DEST_PATH_IMAGE024
的行数为该节点收到的数据包的个数
Figure 2011100988563100002DEST_PATH_IMAGE032
，列数为
Figure 43920DEST_PATH_IMAGE004
，
Figure 379086DEST_PATH_IMAGE024
的每一行
Figure 2011100988563100002DEST_PATH_IMAGE034
代表相应的数据包从产生到减为零的过程中经过的路径，用
Figure DEST_PATH_IMAGE038
表示
Figure 983374DEST_PATH_IMAGE024
的第
Figure DEST_PATH_IMAGE040
行的第
Figure DEST_PATH_IMAGE042
个元素，其中不为零的元素代表该数据包经过相应节点，为零则代表数据包未经过，例如
Figure DEST_PATH_IMAGE044
说明该节点收到的第2个数据包经过过第3个节点。
当所有的数据包都结束转发，每个节点利用其中的信息生成观测矩阵，根据观测值重构出原始数据的估计值
Figure DEST_PATH_IMAGE046
。最终结果是当算法结束时，所有的节点都可以得到其他所有节点的感知数据。
本发明中的基于压缩感知的无线传感器网络中的节点数据采集方法与现有技术相比较，具有的优点：
1.    压缩编码的复杂度低：节点只需要在随机观测矩阵上对数据进行线性投影，便可计算出压缩后的观测向量，对节点硬件要求低；
2.    高效传输：与普通的基于gossip传输协议的传输方式相比，可以减少发送冗余信息，降低网络开销，延长网络寿命；
3.    路由简单：结合了传统的gossip传输协议，可以在完全不知道全局信息的情况下进行；
4.    鲁棒性较好：随机的发送方式可以应对网络中节点状态改变和链路失效的情况。
利用压缩感知的技术可以实现数据传输和数据压缩的同时进行，达到了节省节点收发能量，只需在接收端进行数据重构，相当于用接收端的一部分的计算量来换取网络负担的减低，对于目前大部分都拥有一定计算能力的节点的无线传感器网络来说，该方法优于利用传统的gossip传输协议的方式，具有一定的现实意义。
附图说明
图1本发明的实施例中传输数据包结构的示意图。
图2本发明的基于压缩感知的无线传感器网络数据全局信息本地获取方法的流程图。
图3在不同的
Figure 931695DEST_PATH_IMAGE002
和
Figure 429673DEST_PATH_IMAGE018
与节点重构出全局信息的概率的关系的示意图。
图4原始数据不同的稀疏度与节点能够重构出全局信息的概率的关系的示意图。
图5本发明的传输过程中发送的编码数据包个数与gossip传输协议方式比较的示意图。
具体实施方式
下面结合附图和具体实施例对本发明的实施例作进一步详细的描述。
本实施例在以本发明技术方案为前提下进行试验，给出了详细的实施方式和具体的操作过程，主要包括网络结构设定、算法的执行过程以及性能分析。
建立一个
Figure DEST_PATH_IMAGE048
的网络，共有有
Figure DEST_PATH_IMAGE050
个节点，为每个接点分配一个ID用以标识。每个节点存储各自的邻居节点列表，其中至少有
Figure DEST_PATH_IMAGE052
个邻居节点，并有一定的存储、计算能力用于存储和更新收到的数据包。ID为的节点的感知数据为，网络中所有节点的感知数据集合看作向量
Figure DEST_PATH_IMAGE056
。目的是当用户访问网络中的任意一个节点时都能够得到足够精确的近似值。
本基于压缩感知的无线传感器网络数据全局信息本地获取方法，具体步骤如下：
初始化：每个节点生成一个数据包，存储各自的感知数据
Figure 89641DEST_PATH_IMAGE012
与一个随机数相乘的乘积
Figure 137680DEST_PATH_IMAGE016
，并设置统一的最大允许跳数
Figure 80228DEST_PATH_IMAGE002
；
步骤1、数据包发送：节点1在自己的邻居节点列表中随机选择
Figure 580479DEST_PATH_IMAGE018
个邻居节点后，将数据包发送给这些节点；
步骤2、数据包更新：收到数据包的节点按如下的方式更新数据包中的内容：将剩余允许跳数减1，将自己的ID写入数据包中的经由节点列表，提取出其中的观测值，并将自己的感知数据乘以一个随机数后与观测值相加来更新观测值；
步骤3、数据包生存期判断：收到数据包的节点判断其中的允许剩余跳数
Figure 134586DEST_PATH_IMAGE020
是否为零，如果是，转到步骤4，如果否，转到步骤1；
步骤4、构造观测矩阵
Figure 59816DEST_PATH_IMAGE024
：节点根据收到的数据包中的经由节点列表和观测值
Figure 346441DEST_PATH_IMAGE026
为自己的观测矩阵
Figure 673517DEST_PATH_IMAGE024
增加新的一行；
重复步骤上述步骤，直到
Figure 957868DEST_PATH_IMAGE004
个节点的数据包全部发送结束。
步骤5、数据重构：每个节点根据各自的观测矩阵
Figure 183444DEST_PATH_IMAGE024
和观测值
Figure 945864DEST_PATH_IMAGE026
利用正交匹配算法重构原始数据。
重复步骤1—3，直到
Figure 189763DEST_PATH_IMAGE004
个节点的数据包全部发送结束。
下面给出使用本实施例的数值仿真实验，我们用精确重构概率（网络中能够精确重构出全局接入信息的节点占网络中总结点的百分数）来衡量本方法的性能。
图2给出了本方法中两个决定通信开销的重要参数
Figure 645016DEST_PATH_IMAGE002
和
Figure 544838DEST_PATH_IMAGE018
与精确重构概率的关系。如图所示，当
Figure 923998DEST_PATH_IMAGE002
固定时，精确重构概率将随着
Figure 960087DEST_PATH_IMAGE018
的增加而增加；当
Figure 648558DEST_PATH_IMAGE018
固定时，精确重构概率将随着
Figure 35677DEST_PATH_IMAGE002
的增加而增加，即增加
Figure 952948DEST_PATH_IMAGE002
和
Figure 109123DEST_PATH_IMAGE018
中的任意一个都可以提高精确重构概率。
图3给出了原始数据稀疏度
Figure DEST_PATH_IMAGE058
与精确重构概率的关系，试验参数：
Figure DEST_PATH_IMAGE060
，。如图所示，当网络中的数据稀疏度较小时，该方法所获得精确重构概率接近，性能较好，但是随着
Figure 781544DEST_PATH_IMAGE058
的增大，方法的性能将会变差。这就要求网络中节点数据间具有较大的相关性，这在节点密集排列的无线传感器网络中是比较容易实现的。
如图4给出使用本发明的方法和gossip的网络传输效率比较。从两种方法的比较仿真图中可以看出，当决定网络中通信数的
Figure 390380DEST_PATH_IMAGE002
给定时，利用压缩感知的新方法的精确重构概率明显高于利用传统gossip传输协议进行传输的方式，这在
Figure DEST_PATH_IMAGE066
时尤为明显，当时，利用压缩感知技术的新方法的重构概率已经接近，也就是说，网络中的所有节点都可以根据收到的随机投影精确重构出全局的感知数据，即此时只要任意选择一个节点与之通信就可以得到所有节点的感知数据，而gossip传输协议方法此时只有不到
Figure DEST_PATH_IMAGE072
的节点得到全局的接入信息，即无法通过任意选择一个节点通信来获得全局信息。只有当时，gossip才能使重构概率达到
Figure 519134DEST_PATH_IMAGE070
。

Claims (5)

1.一种基于压缩感知的无线传感器网络全局信息本地获取方法，其特征在于具体步骤如下：
初始化：每个节点生成一个数据包，存储各自的感知数据                                                
Figure 116729DEST_PATH_IMAGE001
与一个随机数
Figure 207045DEST_PATH_IMAGE002
相乘的乘积
Figure 388627DEST_PATH_IMAGE003
，并设置统一的最大允许跳数
Figure 391350DEST_PATH_IMAGE004
；
步骤1、数据包发送：节点1在自己的邻居节点列表中随机选择
Figure 2011100988563100001DEST_PATH_IMAGE005
个邻居节点后，将数据包发送给这些节点；
步骤2、数据包更新：收到数据包的节点按如下的方式更新数据包中的内容：将剩余允许跳数减1，将自己的ID写入数据包中的经由节点列表，提取出其中的观测值，并将自己的感知数据乘以一个随机数后与观测值相加来更新观测值
Figure 2011100988563100001DEST_PATH_IMAGE007
；
步骤3、数据包生存期判断：收到数据包的节点判断其中的允许剩余跳数是否为零，如果是，转到步骤4，如果否，转到步骤1；
步骤4、构造观测矩阵
Figure 34318DEST_PATH_IMAGE008
：节点根据收到的数据包中的经由节点列表和观测值为自己的观测矩阵
Figure 844328DEST_PATH_IMAGE008
增加新的一行；
重复步骤上述步骤，直到
Figure 27179DEST_PATH_IMAGE010
个节点的数据包全部发送结束；
步骤5、数据重构：每个节点根据各自的观测矩阵
Figure 917774DEST_PATH_IMAGE008
和观测值
Figure 777146DEST_PATH_IMAGE009
利用正交匹配算法重构原始数据。
2.根据权利要求1所述的基于压缩感知的无线传感器网络全局信息本地获取方法，其特征在于：所述的最大允许跳数
Figure 385982DEST_PATH_IMAGE004
是指：所有数据包在产生时都被设置为一个统一的
Figure 372523DEST_PATH_IMAGE004
值，用于确定一个数据包被转发的次数范围，每被转发一次，剩余允许跳数
Figure 383205DEST_PATH_IMAGE006
就会减去1，当就结束转发。
3.根据权利要求1所述的基于压缩感知的无线传感器网络全局信息本地获取方法，其特征在于：所述的数据包其结构可分为三个部分，分别为：剩余允许跳数——记录该数据包还能被转发的次数，观测值
Figure 221214DEST_PATH_IMAGE012
——记录叠加的观测值，经由节点列表——记录该数据包经过的节点的ID。
4.根据权利要求1所述的基于压缩感知的无线传感器网络全局信息本地获取方法，其特征在于：所述的观测矩阵是指：每个节点根据收到的数据包构造出的矩阵，每个节点在算法结束时都将拥有各自不同的观测矩阵，矩阵的每一行表示一个数据包从产生到转发结束时被传输的路径，行数表示该节点收到的数据包的个数；
一行中非零元素的个数等于最大允许跳数
Figure 917029DEST_PATH_IMAGE004
，由于远小于网络中节点的总个数，观测矩阵中大部分元素为零，这样的稀疏矩阵与传统的压缩感知所使用的随机观测矩阵相比，能够大大降低数据重构时的计算复杂度。
5.根据权利要求1所述的基于压缩感知的无线传感器网络全局信息本地获取方法，其特征在于：所述的随机选择
Figure 701631DEST_PATH_IMAGE005
个邻居节点是指：每个节点都保存有各自的邻居节点信息，每个节点的邻居节点个数大于
Figure 951347DEST_PATH_IMAGE005
，在选择发送目的节点时，发送节点将从自己的邻居节点列表中随机选择，是决定通信开销的重要参数，通信开销将随着
Figure 59428DEST_PATH_IMAGE005
的增大而增大。
CN2011100988563A 2011-04-20 2011-04-20 基于压缩感知的无线传感器网络全局信息本地获取方法 Pending CN102164395A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011100988563A CN102164395A (zh) 2011-04-20 2011-04-20 基于压缩感知的无线传感器网络全局信息本地获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011100988563A CN102164395A (zh) 2011-04-20 2011-04-20 基于压缩感知的无线传感器网络全局信息本地获取方法

Publications (1)

Publication Number Publication Date
CN102164395A true CN102164395A (zh) 2011-08-24

Family

ID=44465297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100988563A Pending CN102164395A (zh) 2011-04-20 2011-04-20 基于压缩感知的无线传感器网络全局信息本地获取方法

Country Status (1)

Country Link
CN (1) CN102164395A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355752A (zh) * 2011-10-10 2012-02-15 哈尔滨工业大学 基于膨胀图的无线传感器网络压缩感知测量矩阵和重构方法
CN102594515A (zh) * 2012-03-30 2012-07-18 清华大学 传感器网络节点数据发送方法及装置、重构方法及装置
CN102843757A (zh) * 2012-08-06 2012-12-26 上海交通大学 无线传感器网络环境监测中基于压缩传感的数据收集方法
CN103249064A (zh) * 2012-02-08 2013-08-14 无锡国科微纳传感网科技有限公司 一种无线传感器网络数据收集方法及系统
CN104168603A (zh) * 2013-05-15 2014-11-26 上海交通大学 基于压缩感知技术的具有高能效的数据采集树的构造方法
CN105682168A (zh) * 2016-03-07 2016-06-15 天津大学 一种可压缩的无线多跳数据传输方法
CN105682141A (zh) * 2016-01-14 2016-06-15 西安电子科技大学 基于邻居辅助的无线传感器网络数据采集方法
CN110366197A (zh) * 2019-07-03 2019-10-22 江苏小笨猴智能科技有限公司 一种智能家居中基于压缩感知多址接入的无线传感网络通信方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355752A (zh) * 2011-10-10 2012-02-15 哈尔滨工业大学 基于膨胀图的无线传感器网络压缩感知测量矩阵和重构方法
CN102355752B (zh) * 2011-10-10 2013-12-25 哈尔滨工业大学 基于膨胀图的无线传感器网络压缩感知测量矩阵和重构方法
CN103249064B (zh) * 2012-02-08 2016-06-01 感知技术无锡有限公司 一种无线传感器网络数据收集方法及系统
CN103249064A (zh) * 2012-02-08 2013-08-14 无锡国科微纳传感网科技有限公司 一种无线传感器网络数据收集方法及系统
CN102594515A (zh) * 2012-03-30 2012-07-18 清华大学 传感器网络节点数据发送方法及装置、重构方法及装置
CN102843757B (zh) * 2012-08-06 2015-03-11 上海交通大学 无线传感器网络环境监测中基于压缩传感的数据收集方法
CN102843757A (zh) * 2012-08-06 2012-12-26 上海交通大学 无线传感器网络环境监测中基于压缩传感的数据收集方法
CN104168603A (zh) * 2013-05-15 2014-11-26 上海交通大学 基于压缩感知技术的具有高能效的数据采集树的构造方法
CN104168603B (zh) * 2013-05-15 2017-11-14 上海交通大学 基于压缩感知技术的具有高能效的数据采集树的构造方法
CN105682141A (zh) * 2016-01-14 2016-06-15 西安电子科技大学 基于邻居辅助的无线传感器网络数据采集方法
CN105682141B (zh) * 2016-01-14 2018-11-20 西安电子科技大学 基于邻居辅助的无线传感器网络数据采集方法
CN105682168A (zh) * 2016-03-07 2016-06-15 天津大学 一种可压缩的无线多跳数据传输方法
CN110366197A (zh) * 2019-07-03 2019-10-22 江苏小笨猴智能科技有限公司 一种智能家居中基于压缩感知多址接入的无线传感网络通信方法
CN110366197B (zh) * 2019-07-03 2023-03-14 江苏小笨猴智能科技有限公司 一种智能家居中基于压缩感知多址接入的无线传感网络通信方法

Similar Documents

Publication Publication Date Title
CN102164395A (zh) 基于压缩感知的无线传感器网络全局信息本地获取方法
Zhang et al. A kind of effective data aggregating method based on compressive sensing for wireless sensor network
CN106341842B (zh) 一种无线传感器网络数据的传输方法及装置
CN104618947B (zh) 基于压缩感知的动态分簇无线传感网数据收集方法及装置
CN101489248B (zh) 一种无线传感器网络拓扑的轻量级监视方法
Qiao et al. Compressive data gathering based on even clustering for wireless sensor networks
CN102612080B (zh) 基于第二代小波零树编码的最小能耗自适应汇聚路由方法
CN101835233B (zh) 面向无线传感器网络的随机路由的选择方法
CN106304191A (zh) 一种基于分簇结构无线传感器网络的数据接收方法及装置
CN105007599A (zh) 一种基于连通度分簇的数据压缩收集方法
CN104092753B (zh) 基于无线中继系统的物联网信息处理与融合方法及其系统
CN103781116A (zh) 一种基于分布式存储的无线传感网的数据融合方法
CN109831808A (zh) 一种基于机器学习的混合供电c-ran的资源分配方法
CN102946443B (zh) 一种实现大规模数据传输的多任务调度方法
Aziz et al. Compressive sensing based routing and data reconstruction scheme for IoT based WSNs
CN103327530B (zh) 一种无线传感器网络中的数据传输方法
WO2021147319A1 (zh) 一种数据处理方法、装置、设备及介质
CN105682141B (zh) 基于邻居辅助的无线传感器网络数据采集方法
CN101808383B (zh) 面向矩阵式无线传感器网络的随机路由的选择方法
Erratt et al. Compressed data-stream protocol: an energy-efficient compressed data-stream protocol for wireless sensor networks
CN107743302A (zh) 无线传感器网络中基于压缩感知的速率分配和路由联合优化算法
CN106603197B (zh) 一种基于压缩网络编码的高能效无线传感网数据传输方法
CN104244358A (zh) 一种基于dcs的无线传感网节能路由策略
CN101895957B (zh) 面向矩阵式无线传感器网络分配权重的随机路由选择方法
Zhai et al. Data reconstructing algorithm in unreliable links based on matrix completion for heterogeneous wireless sensor networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110824