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 PDFInfo
- 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
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
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需要传输给其他所有节点,其中为节点的ID,用向量定义这个个数据的集合。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个节点的数据,即能够从任意一个节点获得。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:
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;
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,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。
所述的随机选择个邻居节点是指: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。是决定通信开销的重要参数,通信开销将随着的增大而增大。
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,的行数为该节点收到的数据包的个数,列数为,的每一行代表相应的数据包从产生到减为零的过程中经过的路径,用表示的第行的第个元素,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,例如说明该节点收到的第2个数据包经过过第3个节点。
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。
建立一个的网络,共有有个节点,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。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:
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;
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和与精确重构概率的关系。如图所示,当固定时,精确重构概率将随着的增加而增加;当固定时,精确重构概率将随着的增加而增加,即增加和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与精确重构概率的关系,试验参数:,。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。
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:
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是否为零,如果是,转到步骤4,如果否,转到步骤1;
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)
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 |
-
2011
- 2011-04-20 CN CN2011100988563A patent/CN102164395A/zh active Pending
Cited By (14)
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 |