CN103684634A - 异构无线传感网中基于定位信息的压缩频谱感知方法 - Google Patents
异构无线传感网中基于定位信息的压缩频谱感知方法 Download PDFInfo
- Publication number
- CN103684634A CN103684634A CN201310639225.7A CN201310639225A CN103684634A CN 103684634 A CN103684634 A CN 103684634A CN 201310639225 A CN201310639225 A CN 201310639225A CN 103684634 A CN103684634 A CN 103684634A
- Authority
- CN
- China
- Prior art keywords
- wireless sensor
- sensing
- heterogeneous wireless
- bunch
- center control
- 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.)
- Granted
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种在异构无线传感网中,基于定位信息的压缩频谱感知方法。本发明方法主要包括:一是针对异构无线传感网的特点建立频谱感知的系统模型;二是针对中心控制节点数据量过大的问题,采用分簇方法,有效的降低了中心控制节点的计算量;三是基于压缩感知理论,对单个无线传感节点的压缩数据进行联合地恢复,从而得到当前授权用户的多维频谱信息。本发明充分利用压缩感知技术和分簇技术,提供适用于异构无线传感网的有效的频谱检测以及授权用户定位方法,从而在较低压缩率的情况下快速、准确得获取当前电磁环境中授权用户的多维频谱信息,包括授权用户位置、发送功率及使用频段等。
Description
技术领域
本发明针对存在大量无线传感节点的异构无线传感网(HWSN:Heterogeneous Wireless SensorNetwork)需要对当前频谱状态进行快速感知的问题,提出一种基于定位信息的低复杂度压缩频谱感知方法,属于动态频谱感知技术领域。
背景技术
无线传感器网络是由部署在监测区域内大量的廉价微型传感器节点,通过无线通信方式形成的一个多跳自组织网络,以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息。在一个异构无线传感网中,存在多种不同类型的传感器节点构成的网络,其所处环境的较宽频带的频谱资源使用情况复杂多变。为了能够快速准确的为各个传感器节点分配频谱资源,完成频谱的动态接入,降低节点间的相互干扰,提高频谱使用效率,需要对当前的频谱资源使用情况进行快速准确地感知。
压缩频谱感知能够解决宽带频谱感知中对硬件要求过高的问题,通过对具有频域稀疏性的信号进行压缩测量后重建的方法,能够有效降低系统的采样率要求;同时,可以采用模拟-信息转换器(A/C:Analog to InformationConverter)来实现模拟宽带信号的压缩采样,省去了传统信号处理中的模数变换(A/D:Analog to DigitalConverter)、量化、预测等部分,使得信号获取非常简单,很大程度上降低了设备的复杂度。
通过增加定位信息能够在获取当前电磁环境频谱使用情况的同时,获取各类授权用户的空间位置及发送功率等信息,为异构无线传感网控制节点提供更加充分、准确的电磁环境信息,实现高性能的动态频谱接入。
发明内容
技术问题:本发明主要是充分利用压缩感知技术和分簇技术,提供适用于异构无线传感网的有效的频谱检测以及授权用户定位方法,从而在较低压缩率的情况下快速、准确得获取当前电磁环境中授权用户的多维频谱信息,包括授权用户位置、发送功率及使用频段等。
技术方案:本发明主要包括三个方面的内容:一是针对异构无线传感网的特点建立频谱感知的系统模型;二是针对中心控制节点数据量过大的问题,采用了分簇的方法,有效的降低了中心控制节点的计算量;三是基于压缩感知理论,对单个无线传感节点的压缩数据进行联合的恢复,从而得到当前授权用户的多维频谱信息。
首先针对异构无线传感网的特点以及进行频谱感知的目的,建立异构无线传感网中的频谱感知系统模型;然后考虑到异构无线传感网中存在大量传感节点,中心控制节点数据处理困难的问题,提出基于分簇的本地信息处理方法;最后基于压缩感知理论,提出异构无线传感网授权用户多维信息获取方法。
建立异构无线传感网频谱感知系统模型的方法为:
假设异构无线传感网中有Nr个无线传感节点被随机部署到一个R×C大小的区域内开展工作,每个无线传感节点位置已知,位于点(ai,bi),i∈{1,2,...,Nr}。在该区域内随机分布着Np个授权用户,位置不确定。为了使模型离散化,假定每个授权用户位于点(xr,yc),xr∈{0,Δx,...,(R-1)Δx},yc∈{0,Δy,...,(C-1)Δy},Δx,Δy分别是x轴和y轴的单位长度。该区域内的宽带频谱被分割成Nch个相邻且互不重叠的窄带信道,假定它们的中心频率为每个授权用户可能利用这些信道中的任意一个进行通信。这些无线传感节点对全部信道的使用情况进行检测,并将检测信息发送到异构无线传感网的中心控制节点,由中心控制节点最终做出判断,如果检测到空闲频段他们就可以实现动态频谱接入。
基于分簇的本地信息处理方法为:
在系统模型的基础上,按地理位置先对传感节点进行分簇并在每个簇中选择一个簇头。针对异构无线传感网当前电磁环境可使用频带较宽,即需要进行宽带频谱感知的问题,每个簇内的传感节点首先利用压缩感知理论对分别对当前电磁环境中的信号进行数据的压缩,然后将各自的压缩数据乘以一个加权系数发送给簇头,簇头再把接收到的加权后的压缩数据发送到中心控制节点。
异构无线传感网用户多维信息获取方法为:
每个簇头将簇内节点的加权数据合并后发送至中心控制节点,当每个簇内的各个节点的加权系数满足均值为0,方差为1的高斯分布时,中心控制节点处获取的多个簇头的联合数据可以表示为矩阵乘积的形式,该形式与压缩感知理论中的信号压缩采样形式相似,因此,利用压缩感知理论中基于的信号重建方法可以对当前电磁环境中的多维频谱信号进行重构,从而获取授权用户的位置、发送功率、频谱使用情况等信息。
附图说明
图1为本发明的系统模型。
具体实施方式
本发明所述的异构无线传感网中基于定位信息的压缩频谱感知方法包括以下内容:
①系统模型:系统模型如图1所示,假设异构无线传感网中有Nr个无线传感节点被随机部署到一个R×C大小的区域内开展工作,每个传感节点位置已知,位于点(ai,bi),i∈{1,2,...,Nr}。在该区域内随机分布着Np个授权用户,位置不确定。为了使模型离散化,假定每个授权用户位于点(xr,yc),xr∈{0,Δx,...,(R-1)Δx},yc∈{0,Δy,...,(C-1)Δy},Δx,Δy分别是x轴和y轴的单位长度。该区域内的宽带频谱被分割成Nch个相邻且互不重叠的窄带信道,假定中心频率为每个授权用户可以利用这些信道中的任意一个进行通信。异构无线传感网中的传感节点对全部信道的使用情况进行检测,检测信息最终被发送到中心控制节点,由中心控制节点最终做出判断,检测到空闲频段及用频请求就可以实现动态频谱接入。
②基于分簇的本地信息处理方法:为了降低中心控制节点的计算量,对传感节点进行分簇,簇内的所有传感节点的检测信息首先进行本地压缩数据的处理,然后由簇头把本地融合后的加权压缩数据发送到中心控制节点。
授权用户发射的信号在传输过程中会发生损耗,这里使用自由空间路径损耗模型,即:
L(f,d)=P0+20lg(f)+10nlg(d)(dB) (1)
压缩感知过程可以用如下公式描述:
y=φx+n (2)
式中:φ称为测量矩阵,它是一个M×N的矩阵,其中M<<N,x称为原始信号,为N×1的列向量,y称为测量值,为M×1的列向量,n表示测量误差及噪声,为M×1的列向量。压缩感知理论指出,只要信号是可压缩的或在某个变换域是稀疏的,那么就可以用一个与变换基不相关的观测矩阵将变换所得的高维信号投影到一个低维空间上,然后通过重构算法就可以从这些少量的投影中以高概率重构出原信号。在大多数情况下自然界的原始信号x本身并不是稀疏的,需要进行稀疏表示,即:
x=Ψs (3)
式中:Ψ是一个N×N的稀疏基矩阵,s是一个N×1的列向量,称为稀疏系数。结合公式(2)和(3),压缩感知的过程可以被重新表示为:
y=φψs+n=Θs+n (4)
Θ称为传感矩阵,它必须满足约束等距性质,这样重构出s就可以由公式(3)得到x。
先考虑一个传感节点,因为某一授权用户可能处于R×C个位置中的任一位置,而且不确定他是利用Nch个信道中的哪一个信道进行通信,因此,第k个传感节点通过第i个信道接收到的位于点(xr,yc)的授权用户的信号可以表示为:
Rk,i(r,c)=P(r,c,i)·10L(fi,d(r,c,k))/10 (5)
式中:
P(r,c,i)表示位于点(xr,yc)并且利用第i个信道进行通信的授权用户的信号强度,fi是第i个信道的中心频率,d(r,c,k)是发射端(xr,yc)与接收端(ak,bk)之间的距离。由此可知,第k个传感节点通过第i个信道接收到的全部信息可以表示为:
其中向量P(i)表示所有可能使用第i个信道进行通信的授权用户的发射信号强度:
P(i)=[P(0,0,i),P(1,0,i),...P(R-1,0,i),P(0,1,i),...,P(R-1,C-1,i)]T (8)
向量L(k,i)是根据公式(1)得到的对应的路径损耗:
式中:
LdB(k,i)=[L(fi,d(0,0,k)),...L(fi,d(r,c,k)),...L(fi,d(R-1,C-1,k))]T (10)
用来表示第k个传感节点通过所有的Nch个信道接收到的信息,则:
YK=LkP (11)
向量P表示所有可能位置的授权用户通过所有的信道发射的信号:
矩阵LK表示所有可能位置的授权用户通过所有的信道发射的信号到达第k个传感节点的路径损耗,LK的第i行可以表示为:
Lk(i)=[0,0,...,LT(k,i),0,...,0] (13)
式中:0表示1×RC的全零向量。综上可知,所有的传感节点接收到的信息可以表示为:
Y=L·P (14)
式中:
因为传感节点的数目比较多,如果把所有传感节点的感知信息都发送到中心控制节点,中心控制节点不可能处理如此多的数据,而且时延也比较大。为了解决这个问题,按地理位置先对传感节点进行分簇并在每个簇中选择一个簇头,簇内的所有传感节点先把各自的感知信息乘以一个加权系数发送给簇头,簇头再把接收到的结果发送到中心控制节点,中心控制节点根据收到的全部簇头的信息对原始信号进行重构并做出最终判决。假设全部传感节点被分成Q个簇,则每个簇头接收到的信息可以表示为:
式中:vq表示第q个簇头接收到的全部信息,l表示该簇内传感节点的总数,Yi表示该簇内的第i个传感节点的感知信息,αi表示该传感节点所对应的加权系数。
③授权用户频谱及多维信息获取方法:为了满足压缩感知理论的要求,我们使加权系数满足均值为0,方差为1的高斯分布,且各加权系数独立同分布,即αi满足N(0,1)。假设融合矩阵为F,则中心控制节点接受到的全部信息可表示为:
v=FY+n=FLP+n=AP+n (16)
对比公式(16)和公式(4)可以发现它们相似,而且在R×C个可能的位置中只有少数几个位置有授权用户,于是可以认为向量P是稀疏的,因此可以采用压缩感知技术对原始信号P进行重构,采用压缩感知方法对原始信号进行重构。最终不仅能够对频谱的使用状况进行检测,还能确定授权用户的位置和信号强度,位于点(xr,yc)且利用第i个信道进行通信的授权用户就是向量P中的第(xr+yc×R+(i-1)×R×C)个元素。
有益效果:
1.基于压缩感知技术,建立适用于异构无线传感网的频谱检测和授权用户定位的系统模型;
2.利用分簇的方法有效降低中心控制节点的计算量,采用压缩感知方法有效降低噪声对检测结果的影响;
3.在压缩率低的情况下也能对原始信号进行有效重建,在获取频谱信息的同时能够对授权用户进行准确定位。
Claims (4)
1.一种在异构无线传感网中基于定位信息的压缩频谱感知方法,其特征包括以下步骤:
步骤1:针对异构无线传感网的特点建立频谱感知的系统模型,根据路径损耗模型建立信号的发射端和接收端的关系;
步骤2:对无线传感节点采用分簇方法,分簇处理本地信息,降低中心控制节点的计算量;每个簇的簇头把融合后的压缩数据发送到中心控制节点;
步骤3:在中心控制节点,对单个无线传感节点的压缩数据进行联合地恢复,从而得到当前授权用户的多维频谱信息。
2.根据权利要求1所述的一种在异构无线传感网中基于定位信息的压缩频谱感知方法,其特征在于步骤1中,建立异构无线传感网频谱感知系统模型的方法为:
假设异构无线传感网中有Nr个无线传感节点被随机部署到一个R×C大小的区域内开展工作,每个无线传感节点位置已知,位于点(ai,bi),i∈{1,2,...,Nr};在该区域内随机分布着Np个授权用户,位置不确定;
为了使模型离散化,假定每个授权用户位于点(xr,yc),
xr∈{0,Δx,...,(R-1)Δx},yc∈{0,Δy,...,(C-1)Δy},Δx,Δy分别是x轴和y轴的单位长度;该区域内的宽带频谱被分割成Nch个相邻且互不重叠的窄带信道,假定它们的中心频率为每个授权用户可能利用这些信道中的任意一个进行通信;
这些无线传感节点对全部信道的使用情况进行检测,并将检测信息发送到异构无线传感网的中心控制节点,由中心控制节点最终做出判断,如果检测到空闲频段,就可以实现动态频谱接入。
3.根据权利要求2所述的一种在异构无线传感网中基于定位信息的压缩频谱感知方法,其特征在于步骤2中,基于分簇的本地信息处理方法为:
在系统模型的基础上,按地理位置先对传感节点进行分簇并在每个簇中选择一个簇头;
针对异构无线传感网当前电磁环境可使用频带较宽,即需要进行宽带频谱感知的问题,每个簇内的传感节点首先利用压缩感知理论对分别对当前电磁环境中的信号进行数据的压缩,然后将各自的压缩数据乘以一个加权系数发送给簇头,簇头再把接收到的加权后的压缩数据发送到中心控制节点。
4.根据权利要求3所述的一种在异构无线传感网中基于定位信息的压缩频谱感知方法,其特征在于步骤3中,异构无线传感网用户多维信息获取方法为:
每个簇头将簇内节点的加权数据合并后发送至中心控制节点,当每个簇内的各个节点的加权系数满足均值为0,方差为1的高斯分布时,中心控制节点处获取的多个簇头的联合数据可以表示为矩阵乘积的形式,该形式与压缩感知理论中的信号压缩采样形式相似,因此,利用压缩感知理论中基于的信号重建方法可以对当前电磁环境中的多维频谱信号进行重构,从而获取授权用户的位置、发送功率、频谱使用情况信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310639225.7A CN103684634B (zh) | 2013-12-03 | 2013-12-03 | 异构无线传感网中基于定位信息的压缩频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310639225.7A CN103684634B (zh) | 2013-12-03 | 2013-12-03 | 异构无线传感网中基于定位信息的压缩频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103684634A true CN103684634A (zh) | 2014-03-26 |
CN103684634B CN103684634B (zh) | 2015-10-21 |
Family
ID=50321053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310639225.7A Expired - Fee Related CN103684634B (zh) | 2013-12-03 | 2013-12-03 | 异构无线传感网中基于定位信息的压缩频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103684634B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104469811A (zh) * | 2014-12-04 | 2015-03-25 | 东南大学 | 认知无线传感网络分簇合作频谱感知硬融合方法 |
CN104780009A (zh) * | 2015-04-21 | 2015-07-15 | 上海交通大学 | 基于压缩感知的室内白频谱优化检测方法 |
CN105657778A (zh) * | 2016-03-14 | 2016-06-08 | 南京理工大学 | 一种基于功率异构无线传感器网络的分簇路由方法 |
CN105764071A (zh) * | 2014-12-18 | 2016-07-13 | 镇江坤泉电子科技有限公司 | 基于物联网的数据业务感知系统 |
CN108173610A (zh) * | 2018-02-11 | 2018-06-15 | 南京邮电大学 | 基于二阶统计量的异构无线网络的协作式频谱感知方法 |
CN110071773A (zh) * | 2019-04-28 | 2019-07-30 | 广东工业大学 | 一种频谱感知方法、系统及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315422A (zh) * | 2008-07-09 | 2008-12-03 | 南京邮电大学 | 无线传感器网络定位方法 |
CN101626626A (zh) * | 2009-08-12 | 2010-01-13 | 河海大学 | 工业无线射频通信网络平台及其现场部署方法 |
-
2013
- 2013-12-03 CN CN201310639225.7A patent/CN103684634B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315422A (zh) * | 2008-07-09 | 2008-12-03 | 南京邮电大学 | 无线传感器网络定位方法 |
CN101626626A (zh) * | 2009-08-12 | 2010-01-13 | 河海大学 | 工业无线射频通信网络平台及其现场部署方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104469811A (zh) * | 2014-12-04 | 2015-03-25 | 东南大学 | 认知无线传感网络分簇合作频谱感知硬融合方法 |
CN105764071A (zh) * | 2014-12-18 | 2016-07-13 | 镇江坤泉电子科技有限公司 | 基于物联网的数据业务感知系统 |
CN104780009A (zh) * | 2015-04-21 | 2015-07-15 | 上海交通大学 | 基于压缩感知的室内白频谱优化检测方法 |
CN104780009B (zh) * | 2015-04-21 | 2017-08-25 | 上海交通大学 | 基于压缩感知的室内白频谱优化检测方法 |
CN105657778A (zh) * | 2016-03-14 | 2016-06-08 | 南京理工大学 | 一种基于功率异构无线传感器网络的分簇路由方法 |
CN108173610A (zh) * | 2018-02-11 | 2018-06-15 | 南京邮电大学 | 基于二阶统计量的异构无线网络的协作式频谱感知方法 |
CN110071773A (zh) * | 2019-04-28 | 2019-07-30 | 广东工业大学 | 一种频谱感知方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103684634B (zh) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103684634B (zh) | 异构无线传感网中基于定位信息的压缩频谱感知方法 | |
CN107968689B (zh) | 基于无线通信信号的感知识别方法及装置 | |
Song et al. | CSI amplitude fingerprinting-based NB-IoT indoor localization | |
Wang et al. | Confident information coverage in sensor networks for field reconstruction | |
CN104519571B (zh) | 一种基于rss的室内定位方法 | |
CN108038419B (zh) | 基于Wi-Fi的室内人员被动检测方法 | |
CN110933628B (zh) | 基于孪生网络的指纹室内定位方法 | |
CN105682171A (zh) | 基于时空相关性分簇的无线传感器网络压缩数据收集方法 | |
Maduranga et al. | Supervised machine learning for RSSI based indoor localization in IoT applications | |
CN103702282B (zh) | 一种基于迁移压缩感知的多种类多目标被动式定位方法 | |
CN101835233B (zh) | 面向无线传感器网络的随机路由的选择方法 | |
CN107356819A (zh) | 一种智能家用电磁辐射信息服务系统 | |
Mahmudimanesh et al. | Balanced spatio-temporal compressive sensing for multi-hop wireless sensor networks | |
US20180242274A1 (en) | Node localization method and device | |
CN114423034A (zh) | 一种室内人员动作识别方法、系统、介质、设备及终端 | |
CN103269525A (zh) | 物联网系统的多传感器数据分布式压缩方法及其装置 | |
CN103220016B (zh) | 一种脉冲超宽带系统正交稀疏字典的产生系统及方法 | |
CN108111973B (zh) | 一种基于实时指纹获取的室内定位方法与装置 | |
Yuan et al. | Features extraction and analysis for device-free human activity recognition based on channel statement information in b5G wireless communications | |
CN103327608B (zh) | 一种稀疏化节点定位算法 | |
CN114696965A (zh) | 一种信息上报方法及通信装置 | |
CN104270210A (zh) | 基于压缩非重构的软判决频谱感知方法 | |
CN104135730B (zh) | 一种基于压缩感知的无线网络的物理层入侵检测方法 | |
Li et al. | Research of compressed sensing theory in WSN data fusion | |
CN110401468A (zh) | 背景感知隐蔽通信系统及背景感知隐蔽通信方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151021 Termination date: 20181203 |