CN105979548A - 无线传感网中基于时空压缩网络编码的数据传输方法 - Google Patents

Abstract

本发明公开了一种无线传感网中的基于时空压缩网络编码的数据传输方法，主要解决现有无线传感网中数据传输方法的数据传输总量大、传输次数多的问题。其实现步骤为：(1)在节点发送端进行时空压缩采样，得到原始数据包；(2)利用簇内的时空相关性和簇间的流间网络编码来对原始数据包进行传输；(3)在接收端sink节点中利用梯度投影算法GPSR_BB对原始数据包进行恢复。本发明在节点采样阶段挖掘感知数据的时空相关性，减少了数据总量，采用簇内传输和簇间传输压缩了数据传输量，减少了传输次数，从而延长了无线传感网络的生存时间，可用于无线传感网络中数据的采集、传输及恢复。

Description

无线传感网中基于时空压缩网络编码的数据传输方法

技术领域

本发明属于通信技术领域，具体涉及一种数据传输方法，可用于无线传感网络中数据的采集、传输及恢复。

背景技术

无线传感器网络WSN是一种多跳自组织的网络，具有功耗低、成本低、分布式等特点，其通过分布于待测区域内的大量节点来协作地感知与处理网络覆盖区域内的信息。无线传感网一般被随机安装在环境恶劣或者人们无法到达的区域，安装后它的维护、运行一般都没有人的介入。所以如何尽可能地提高WSN的网络存活时间是一个关键问题。

华南理工大学申请的专利“一种无线传感网络的数据传输方法”(公开号：CN102025611A，申请号：CN201010532224.9，申请日：2010.10.30)中公开了一种无线传感网络的数据传输方法，该方法首先获取其邻居节点的期望传输值，然后选择传输值小于阈值的邻居节点作为下一跳候选节点，该节点到根节点的路径能量统计值得到下一跳的能量概率，最后根据能量概率在候选节点集中选择下一跳节点。该方法由于没有考虑采集数据之间的相关性，所以数据的传输总量较高，而节点的能量有限，使得节点过早地死亡。

国网电力科学研究院和南京南瑞集团公司申请的专利“一种基于非实时应答机制的无线传感网络数据传输方法”(公开号：CN104243110A，申请号：CN201410423121.7，申请日：2014.08.25)中公开了一种基于非实时应答机制的无线传感网络数据传输方法，该方法通过在无线传感网络中加入协调器，并在传感器节点和协调器中嵌入一种非实时应答机制，来减少数据重传次数，达到降低网络中各节点的能耗目的。该方法存在的不足是，加入协调器导致复杂度较高，没有考虑整个网络的能量消耗来进一步地延长网络的存活时间。

综上所述，现有的无线传感网络中的数据传输方法，没有考虑数据之间的相关性，数据传输总量大，传输次数多，同时复杂度较高，难以进一步地提高网络的存活时间。

发明内容

本发明的目的在于针对上述问题，提供一种无线传感网中基于时空压缩网络编码的数据传输方法，以降低数据传输总量和传输次数，提高网络的存活时间。

为达到上述目的，本发明的技术方案包括如下：

(1)在节点发送端进行时空压缩采样，得到原始数据包；

(2)利用簇内的时空相关性和簇间的流间网络编码来对原始数据包进行传输：

(2a)网络初始化：将具有不同索引编号的传感器随机得投放到某区域，并按节点的通信半径来划分簇；

(2b)簇内传输：在簇内选取能量最高的一个节点作为该簇此次传输的发送核节点，将其余节点作为普通节点向发送核节点传输数据包，发送核节点将接收到普通节点的数据包t₁与发送核节点的数据包t₂，按下面的规则合并为新的数据包t₃：

$t_3=\left\{\begin{array}{c}{t}_3\[1\]=\{t_1\[1\],t_2\[1\]\}\\ t_3\[2\]=\{t_1\[2\],t_2\[2\]\}\\ t_3\[3\]=t_1\[3\]+t_2\[3\]\end{array}\right.$

其中，t₁[1]是普通节点数据包的第一部分，t₂[1]是发送核节点数据包的第一部分；t₁[2]是普通节点数据包的第二部分，t₂[2]是发送核节点数据包的第二部分；t₁[3]是普通节点数据包的第三部分，t₂[3]是发送核节点数据包的第三部分；t₃[1]是合并后新的数据包t₃的第一部分，其为t₁[1]和t₂[1]的组合，t₃[2]是合并后新的数据包t₃的第二部分，其为t₁[2]和t₂[2]的组合，t₃[3]是合并后新的数据包t₃的第三部分，其为t₁[3]与t₂[3]的相加值；

(2c)簇间传输：当簇内传输结束之后，每个簇将会有一个发送核节点，在由发送核节点组成的路径上利用流间网络编码在数据流交汇的节点进行网络编码，并将数据包传送到sink节点；

(3)在接收端sink节点中利用梯度投影算法GPSR_BB对原始数据包进行恢复。

本发明与现有技术相比具有以下优点：

1、本发明由于在节点采样阶段，尽可能地挖掘感知数据的时空相关性，最大化压缩数据之间的冗余信息，进而减少了数据的总传输量。

2、本发明由于在节点上传输时，在簇内利用各节点数据之间的时空相关性进行传输，减少了数据传输量。

3、本发明由于在节点间传输中，在各节点间利用流间网络编码进行传输，进一步减少了数据传输量和传输次数。

附图说明

图1是本发明使用的无线传感器网络系统结构图；

图2是本发明的实现流程图；

图3是本发明中的簇内传输示意图；

图4是本发明中的簇间传输示意图；

图5是本发明中的原始采样数据恢复图；

图6本发明与没有加入流间网络编码数据传输方法的传输次数对比图；

具体实施方式

以下参照附图对本发明的实例及效果进行详细描述：

参照图1，本发明的实施步骤如下：

步骤1，在节点发送端进行时空压缩采样，得到原始数据包。

(1a)对节点n原始数据进行初始化，得到原始数据X_n∈R^N*1，其中n为节点的编号，N是行数，表示节点在N个时隙内采样得到原始数据，1是列数；

在本发明的一个实施例中，有4个节点，在5个时隙，采样得到的原始数据分别为：

$X_1=\left(\begin{array}{c}162\\ 162\\ 163\\ 160\\ 154\end{array}\right),X_2=\left(\begin{array}{c}162\\ 162\\ 159\\ 157\\ 157\end{array}\right),X_3=\left(\begin{array}{c}160\\ 160\\ 159\\ 159\\ 156\end{array}\right),X_4=\left(\begin{array}{c}161\\ 161\\ 160\\ 157\\ 157\end{array}\right)$

(1b)在节点n上使用随机数种子生成服从均值E＝1，方差D＝0的高斯观测矩阵Φ_n，其中Φ_n∈R^G*N，为实数域R上的矩阵，G是行数，N是列数，G<<N；

在本发明的一个实施例中，有4个节点，得到4个高斯观测矩阵为：

${\mathrm{\&Phi;}}_1=\left(\begin{array}{ccccc}-0.6467& -0.0139& 0.3514& 0.1447& -0.5873\\ 0.8109& -1.0076& -0.0313& -0.7638& -0.7650\\ -2.1820& 0.5737& -0.0578& 1.1400& 1.5383\end{array}\right),$

${\mathrm{\&Phi;}}_2=\left(\begin{array}{ccccc}-0.5302& 0.4296& 0.2386& 0.3633& 2.1175\\ 0.2709& 0.1841& 0.9922& 0.0041& -1.8670\\ -0.2440& 0.4597& -1.7608& -0.0087& 1.2298\end{array}\right),$

${\mathrm{\&Phi;}}_3=\left(\begin{array}{ccccc}-0.4291& 0.4099& -0.2638& 0.1030& -0.1307\\ 0.9389& 0.2268& -1.2792& -0.1565& 1.8636\\ -0.1006& 0.0322& -0.4269& -1.4940& -0.1378\end{array}\right),$

${\mathrm{\&Phi;}}_4=\left(\begin{array}{ccccc}0.1010& -0.0870& 0.2999& 4.1558& 1.9674\\ -1.0146& 0.8702& -1.5602& -0.7638& 2.3160\\ -0.6114& -0.0358& 0.7276& 1.1400& -0.0237\end{array}\right);$

(1c)将生成的高斯观测矩阵Φ_n和原始数据X_n进行时空压缩，并利用流内网络编码把节点n的原始数据X_n设计为由三部分组成的数据包t_n：

$t_n\left\{\begin{array}{c}{t}_n\&lsqb;1\&rsqb;={\mathrm{\&phi;}}_{n,n}\\ t_n\&lsqb;2\&rsqb;=n\\ t_n\&lsqb;3\&rsqb;={\mathrm{\&phi;}}_{n,n}{\mathrm{\&Phi;}}_n{X}_n\end{array}\right.$

其中，t_n[1]为用节点的编号n所表示数据包t_n的第一部分系数，这部分由等概率的随机伯努利系数+1或-1组成，用φ_n,n表示；

t_n[2]为用节点的编号n所表示数据包t_n的第二部分，用n表示；

t_n[3]为用节点的编号n所表示数据包t_n的第三部分数据区，主要记录的是伯努利系数、高斯高斯观测矩阵和原始数据的乘积，用φ_n,nΦ_nX_n表示。

在本发明的一个实施例中，有4个节点，得到数据区的数据分别为：t₁[3]、t₂[3]、t₃[3]、t₄[3]，其中T为矩阵的转置，

t₁[3]＝(-117.0380 -276.9847 149.3283)^T，

t₂[3]＝(411.1307 -60.9889 -53.3183)^T，

t₃[3]＝(-49.0318 248.9510 -324.4099)^T，

t₄[3]＝(1011.621 -107.3805 105.4339)^T；

步骤2，利用簇内的时空相关性和簇间的流间网络编码来对数据包进行传输。

(2a)网络初始化：将具有不同编号的传感器随机得投放到某区域，按节点的通信半径来划分簇，并在每个簇内按节点能量的高低进行排序；

(2b)选择传输路径：利用每个簇中能量最高的节点组成路径进行数据包的传输，当路径上的某个节点能量将要消耗完时，把该节点作为死亡节点从簇中移除；

(2c)簇内传输：

如图3所示，在簇内选取能量最高的一个节点作为该簇此次传输的发送核节点，将其余节点作为普通节点向发送核节点传输数据包，发送核节点将接收到普通节点的数据包t₁与发送核节点的数据包t₂，按下面的规则合并为新的数据包t₃：

$t_3=\left\{\begin{array}{c}{t}_3\&lsqb;1\&rsqb;=\{t_1\&lsqb;1\&rsqb;,t_2\&lsqb;1\&rsqb;\}\\ t_3\&lsqb;2\&rsqb;=\{t_1\&lsqb;2\&rsqb;,t_2\&lsqb;2\&rsqb;\}\\ t_3\&lsqb;3\&rsqb;=t_1\&lsqb;3\&rsqb;+t_2\&lsqb;3\&rsqb;\end{array}\right.$

其中，t₁[1]是普通节点数据包的第一部分，t₂[1]是发送核节点数据包的第一部分；t₁[2]是普通节点数据包的第二部分，t₂[2]是发送核节点数据包的第二部分；t₁[3]是普通节点数据包的第三部分，t₂[3]是发送核节点数据包的第三部分；t₃[1]是合并后新的数据包t₃的第一部分，其为t₁[1]和t₂[1]的组合，t₃[2]是合并后新的数据包t₃的第二部分，其为t₁[2]和t₂[2]的组合，t₃[3]是合并后新的数据包t₃的第三部分，其为t₁[3]与t₂[3]的相加值；

(2d)簇间传输：

如图4所示，当簇内传输结束之后，每个簇将会有一个发送核节点，在由发送核节点组成的路径上，利用流间网络编码在数据流交汇的节点上进行网络编码，并将编码后的数据包传送到sink节点。

在本发明的一个实施例中，在分簇1、2、3、4中，分簇1经过分簇2向分簇4传输时，分簇1向分簇2需要传输1次，分簇2向分簇4需要传输1次，总共需要传输2次，分簇3经过分簇2向分簇4传输时，分簇3向分簇2需要传输1次，分簇2向分簇4需要传输1次，总共也需要传输2次；当数据流A与数据流B在分簇2的发送核节点处交汇时，分簇1向分簇2需要传输1次，需要1次，分簇3向分簇2需要传输1次，此时传输了2次，而分簇4能通过侦听数据流B得到分簇3所发送的数据包，在分簇2的发送核节点上进行网络编码后将编码后的数据包传输到分簇4，只需要传输1次，所以进行网络编码的方案总共只要传输3次，从而比没有进行网络编码的传输方案减少了1次传输量。

步骤3，在接收端sink节点中利用梯度投影算法GPSR_BB对原始数据包进行恢复。

(3a)在sink节点上选取接收到的数据包，构造出观测数据矩阵Y和高斯观测矩阵Φ：

$Y=(t_1\&lsqb;3\&rsqb;;...;t_k\&lsqb;3\&rsqb;;...;t_M\&lsqb;3\&rsqb;)=\left[\begin{array}{c}{t}_1\&lsqb;3\&rsqb;\\ .\\ .\\ .\\ t_k\&lsqb;3\&rsqb;\\ .\\ .\\ .\\ t_M\&lsqb;3\&rsqb;\end{array}\right]$

$\mathrm{\&Phi;}=\left[\begin{array}{ccc}{\mathrm{\&Phi;}}_1& \mathrm{...}& 0\\ 0& {\mathrm{\&Phi;}}_k& 0\\ 0& \mathrm{...}& {\mathrm{\&Phi;}}_M\end{array}\right]$

其中M为选取节点的个数，(t₁[3]；…；t_k[3]；…；t_M[3])为选取M个节点的数据包的第三部分所组成的矩阵，并以列优先的方式排列为(t₁[3]；…；t_k[3]；…；t_M[3])^T，T为矩阵的转置，{Φ₁…Φ_k…Φ_M}为各自节点的高斯观测矩阵；

(3b)解如下优化问题求出θ向量：

min||θ||₁ s.t.Y＝Aθ

其中min||θ||₁为求θ向量l₁范数下的最小值，A＝(ΦΨ^T)作为恢复时的测量矩阵，Ψ是K稀疏的稀疏矩阵；

(3c)将θ向量以列优先的方式重排为矩阵Θ，并采用如下公式恢复出原始信号X:

X＝ΨΘ

在本发明的一个实施例中，求解出X₁、X₂、X₃、X₄分别为：

$X_1=\left(\begin{array}{c}162.51\\ 161.23\\ 160.99\\ 162.73\\ 152.92\end{array}\right),X_2=\left(\begin{array}{c}158.48\\ 160.78\\ 158.56\\ 158.63\\ 156.14\end{array}\right),X_3=\left(\begin{array}{c}157.54\\ 158.27\\ 159.40\\ 158.84\\ 157.72\end{array}\right),X_4=\left(\begin{array}{c}158.68\\ 156.77\\ 157.31\\ 157.60\\ 156.08\end{array}\right).$

本发明的效果可以通过以下仿真实验进一步说明：

1、实验条件和对象：

硬件仿真平台为主频是3.3GHz的四核CPU计算机，软件仿真平台为32位的windows7操作系统和MATLAB仿真软件。

实验对象是本发明提出的一种无线传感网中基于时空压缩网络编码的数据传输方法与没有加入流间网络编码的簇间传输方法。

2、仿真内容及结果：

仿真一：在最终sink节点中选取数据包，利用本发明方法所采用的现有梯度投影算法GPSR_BB，对原始采样数据进行恢复的仿真，其结果如图5所示。图5表明，利用本发明方法所采用的现有梯度投影算法GPSR_BB对原始采样数据进行恢复，在最终sink节点上可以很好地恢复出原始数据。

仿真二：本发明与没有加入流间网络编码数据传输方法的传输次数进行对比，其结果如图6所示。图6表明，利用本发明方法在各节点间利用流间网络编码进行传输，能进一步减少传输次数。

Claims (3)

1.一种无线传感网中基于时空压缩网络编码的数据传输方法，包括：

(1)在节点发送端进行时空压缩采样，得到原始数据包；

(2)利用簇内的时空相关性和簇间的流间网络编码来对原始数据包进行传输：

(2a)网络初始化：将具有不同编号的传感器随机得投放到某区域，按节点的通信半径来划分簇，并在每个簇内按节点能量的高低进行排序；

(2b)选择传输路径：利用每个簇中能量最高的节点组成路径进行数据包的传输，当路径上的某个节点能量将要消耗完时，把该节点作为死亡节点从簇中移除；

(2c)簇内传输：在簇内选取能量最高的一个节点作为该簇此次传输的发送核节点，将其余节点作为普通节点向发送核节点传输数据包，发送核节点将接收到普通节点的数据包t₁与发送核节点的数据包t₂，按下面的规则合并为新的数据包t₃：

其中，t₁[1]是普通节点数据包的第一部分，t₂[1]是发送核节点数据包的第一部分；t₁[2]是普通节点数据包的第二部分，t₂[2]是发送核节点数据包的第二部分；t₁[3]是普通节点数据包的第三部分，t₂[3]是发送核节点数据包的第三部分；t₃[1]是合并后新的数据包t₃的第一部分，其为t₁[1]和t₂[1]的组合，t₃[2]是合并后新的数据包t₃的第二部分，其为t₁[2]和t₂[2]的组合，t₃[3]是合并后新的数据包t₃的第三部分，其为t₁[3]与t₂[3]的相加值；

(2d)簇间传输：当簇内传输结束之后，每个簇将会有一个发送核节点，在由发送核节点组成的路径上，利用流间网络编码在数据流交汇的节点上进行网络编码，并将编码后的数据包传送到sink节点；

(3)在接收端sink节点中利用梯度投影算法GPSR_BB对原始数据包进行恢复。

2.根据权利要求1所述的方法，其中步骤(1)中在节点发送端进行时空压缩采样，得到原始数据包，按照如下步骤进行：

(1a)对节点n原始数据进行初始化，得到原始数据X_n∈R^N*1，其中n为节点的编号，N是行数，表示节点在N个时隙内采样得到原始数据，1是列数；

(1b)在节点n上使用随机数种子生成服从均值E＝1，方差D＝0的高斯观测矩阵Φ_n，其中Φ_n∈R^G*N，为实数域R上的矩阵，G是行数，N是列数，G<<N；

(1c)将生成的高斯观测矩阵Φ_n和原始数据X_n进行时空压缩，并利用流内网络编码把节点n的原始数据X_n设计为由三部分组成的数据包t_n：

其中，t_n[1]为用节点的编号n所表示数据包t_n的第一部分系数，这部分由等概率的随机伯努利系数+1或-1组成，用φ_n,n表示；

t_n[2]为用节点的编号n所表示数据包t_n的第二部分，用n表示；

t_n[3]为用节点的编号n所表示数据包t_n的第三部分数据区，主要记录的是伯努利系数、高斯高斯观测矩阵和原始数据的乘积，用φ_n,nΦ_nX_n表示。

3.根据权利要求1所述的方法，其中步骤(3)所述的在接收端sink节点中利用梯度投影算法GPSR_BB对原始数据包进行恢复，按如下步骤进行：

(3a)在sink节点上选取接收到的数据包，构造出观测数据矩阵Y和高斯观测矩阵Φ：

其中M为选取节点的个数，(t₁[3]；…；t_k[3]；…；t_M[3])为选取M个节点的数据包的第三部分所组成的矩阵，并以列优先的方式排列为(t₁[3]；…；t_k[3]；…；t_M[3])^T，T为矩阵的转置，{Φ₁…Φ_k…Φ_M}为各自节点的高斯观测矩阵；

(3b)解如下优化问题求出θ向量：

min||θ||₁s.t.Y＝Aθ

其中min||θ||₁为求θ向量l₁范数下的最小值，A＝(ΦΨ^T)作为恢复时的测量矩阵，Ψ是K稀疏的稀疏矩阵；

(3c)将θ向量以列优先的方式重排为矩阵Θ，并采用如下公式恢复出原始信号X:

X＝ΨΘ。