CN106603197B - 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 - Google Patents

Abstract

本发明公开了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，主要解决无线传感网中数据收集的高能耗问题。具体为联合压缩感知和网络编码技术来提高能效，在数据传输的过程中，利用二跳邻居信息选取最佳的下一跳候选节点，避免冗余传输，进一步降低能耗。同时设计了一种新的数据包格式以便于传输方法的实施。本发明能减少数据收集时的传输次数，提高系统的能效，适用于大规模密集分布的无线传感网。

Description

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

技术领域

本发明具体涉及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，属于无线通信技术领域。

背景技术

近年来，无线传感器网络发展飞速，尤其是大规模密集分布的无线传感网，在环境、工业、军事等领域有广泛的应用前景。然而，目前传感器设备一般都是电池供电，且无线传感网布置的地方一般不便到达，传感设备一旦电池耗尽即意味着该网络节点的死亡，引起传感网络功能的下降甚至丧失。因此能量成为了制约无线传感器网络的瓶颈问题。无线传感网中，传感器节点的能耗主要集中在数据的无线传输，因而，高能效的无线传输方法成为解决能量瓶颈问题的关键。

在无线传感器网络中，节点之间感知的范围重叠，且其感知的物理数据大多随时间变化缓慢，使得采集的数据具有高度的时空相关性，因此利用数据压缩技术提高无线传输的能效成为可行的方法。近年来提出的压缩感知技术，因其仅仅需要接收很少的数据包就能重构出原始数据在众多压缩技术中脱颖而出。除了具有传统的存储转发功能外，无线传感网中的节点还具有计算处理能力，加上网络中无线传输的广播特性和网络链路的动态特性，网络编码技术也被提出用来降低节点能耗和提高网络容量。为更大限度的减少能耗，联合以上两种技术的方法开始得到关注，N.Nguyen等人(N.Nguyen等人，美国，IEEEWorkshop on Signal Processing Systems 2010，“Netcompress:Coupling NetworkCoding and Compressed Sensing for Efficient Data communication in WirelessSensor Networks”)联合压缩感知与网络编码技术，利用稀疏的观测矩阵减少汇聚节点所需数据量，从而减少系统能耗。Xianjun Yang等人(Xianjun Yang等人，中国，IEEETransactions on Wireless Communications，ISSN：1536-1284，vol.12,no.10，2013，“Energy-Efficient Distributed Data Storage for Wireless Sensor Networks Basedon Compressed Sensing and Network Coding”)在N.Nguyen等人的基础上研究基于分布式存储的数据汇聚方法，通过选取部分节点作为源节点开始传输，设计接收节点合并编码的条件以及转发概率来减少传输从而降低能耗。然而，上述方法的传输过程中，中继节点的确定是盲目的，从而不可避免地产生冗余的传输，因此为进一步提高能效，传输方法需要改进。

发明内容

技术方案：本发明采用的技术方案为一种应用于无线传感网的基于压缩网络编码的数据传输方法，在保证汇聚节点恢复均方误差的前提下通过最优中继节点的选择以尽可能减少传输次数，提高能效。该方法包括以下步骤：

步骤1)初始化网络中每个节点的数据包，该数据包P(i)由下一节点ID、当前节点的系数、当前节点ID和数据四部分组成，即(其中随机等概率地从{+1,-1}中选择)，P(i).mem＝i和(x_i为节点i获得的原始数据)；

步骤2)从步骤1初始化的节点中选取源节点，每一节点均以预设概率p确定自己是否为源节点；

步骤3)确定当前节点的最佳下一跳并广播，任一即将广播的节点i在广播前需根据二跳邻居信息选取其下一跳的候选节点k，并将其存入数据包P(i).nex＝k。由于节点i的不同，需采用不同的下一跳选择方法，即

(1)节点i为源节点时，

k＝argmax_k|Ω(k)\Ω(i)|

subject to k∈Ω(i)

式中，Ω(·)表示邻居节点集合，\表示两个集合的差集，|·|表示集合中元素的个数；

(2)节点i为中间节点时，

k＝arg max_k|Ω(k)\Ω(f)|

subject to k∈Ω(i)\Ω(f)

式中，节点f表示中间节点i的父节点；

步骤4)接收节点判断是否合并数据包，即任一节点j接收到节点i的数据包，比较P(j)与P(i)中有无来自同一节点的信息，若则将节点i的数据合并到节点j中，且更新节点j的数据包P(j)为

P(j).mem＝[P(j).mem，P(i).mem]

P(j).coe＝[P(j).coe，P(i).coe]

P(j).dat＝P(j).dat+P(i).dat

步骤5)步骤4中所有更新过数据包的节点判断本节点是否被其父节点i选中，若被选中，即P(i).nex＝j，则该节点成为待广播节点，重复步骤3，直至没有节点需要广播；

步骤6)整个广播过程结束后，汇聚节点从网络传输的终节点中收集M个数据包，并采用压缩感知的译码方法重构出原始数据。

其中，本方法是一种线性网络编码与压缩感知联合的方法，即在网络传输数据的过程中利用线性网络编码形成用于压缩感知重构的观测矩阵，并利用该观测矩阵对网络中具有时空相关性的测量数据进行网络内部压缩，在汇聚节点处采用压缩感知的译码方法恢复出原始数据。

有益效果

本发明与现有技术相比较，采用的技术方案为一种应用于无线传感网的基于压缩网络编码的数据传输方法，利用二跳邻居信息，选取最优的中继节点，避免冗余传输产生的能量消耗。通过标记具有更多信息的节点的方式，使汇聚节点在保证恢复精度的前提下，可以访问尽可能少的节点来重构数据，以此进一步减少传输次数，提高能效，具有一定的实用价值。

附图说明

图1为本发明的系统模型图。

图2为本发明的流程图。

图3为本发明的数据包格式示意图。

图4为本发明技术与现有方法的总发送次数比较图。

图5为本发明技术与现有方法的总接收次数比较图。

图6为本发明技术与现有方法的MSE比较图。

具体实施方式

下面结合附图进一步阐述本发明：

图1为本发明的系统模型图。考虑一个单位面积的无线传感网络，其中包含N个随机均匀分布的传感器节点，网络通信距离为r_t。网络组建之初，各节点广播一个“hello”信号，任一节点i获知其邻居节点Ω(i)。各节点再一次广播一个附带其邻居列表的“hello”信号，每个节点获知二跳邻居节点信息，即邻居节点的邻居节点。

得到数据收集命令后，利用本发明方法进行数据传输，数据传输流程如图2所示。记编号为i的节点感知到的数据为x_i，则原始数据向量为x＝[x₁，x₂，…，x_N]^T，进行传输的数据包格式如图3所示。

传输过程结束后，汇聚节点获得M个数据包，设为{P′(1)，…，P′(M)}，则可得到观测数据向量y＝[P′(1).dat，…，P′(M).dat]^T，同时利用数据包内容生成稀疏观测矩阵Φ∈R^M×N，具体为，P′(m)为获得的M个数据包中的第m个数据包，用其P′(m).mem和P′(m).eoe中的元素生成稀疏的观测矩阵Φ的第m行其中P′(m).mem中元素对应稀疏向量中非0值的位置，P′(m).eoe中元素则对应非0值的取值。最后，y＝Φx，通过压缩感知译码方法重构出原始数据向量x。

仿真结果：

下面结合仿真分析本发明的性能。在仿真中考虑一个单位面积的无线传感网S＝1×1，其中传感器节点的数目N＝1000。通信距离r_t取值范围为[0.05，0.085]。选取源节点的预设概率p＝0.18。

图4为本发明技术与现有方法的总发送次数性能图，图5为本发明技术与现有方法的总接收次数性能图，其中，方法1为Xianjun Yang等人所提出的方法，方法2为N.Nguyen等人所提出的方法。由图4，5可以看出，本发明技术与方法1时方法2相比时，能够分别减少约30％、80％的通信次数，极大地减少能耗。这主要是由于本发明技术考虑了最佳中继节点的选取，而现有方法中没有考虑。另外，简单计算可以看出r_t越大时，本发明技术与现有方法相比，通信次数能够减少的百分比越大，而r_t越大表明邻居数越多，由此说明本发明技术在网络节点分布越密集的情况下节约能耗的性能越好。

图6为本发明技术与现有方法在r_t＝0.05情况下的MSE性能图。由图6可以看出，用于重构的数据包数目M较少时，本发明技术的MSE介于两种现有的方法之间，当M增至130时，MSE性能渐趋一致。也就是说，在大量减少能耗的情况下，本发明方法仍能保证数据重构的精确度。这是由于本发明方法的优先访问链路的终节点，与该链路上其它节点相比，显然终节点包含更丰富的信息。

Claims (1)

1.一种基于压缩网络编码的高能效无线传感网数据传输方法，其特征在于，该方法包括以下步骤：

步骤1)初始化网络中每个节点的数据包，该数据包P(i)由下一节点ID、当前节点的系数、当前节点ID和数据四部分组成，即P(i).mem＝i和其中随机等概率地从{+1,-1}中选择，x_i为节点i获得的原始数据；

步骤2)从步骤1初始化的节点中选取源节点，每一节点均以预设概率p确定自己是否为源节点；

步骤3)确定当前节点的最佳下一跳并广播，任一即将广播的节点i在广播前需根据二跳邻居信息选取其下一跳的候选节点k，并将其存入数据包P(i).nex＝k，由于节点i的不同，需采用不同的下一跳选择方法，即

(1)节点i为源节点时，

k＝arg max_k|Ω(k)\Ω(i)|

subject to k∈Ω(i)

式中，Ω(·)表示邻居节点集合，\表示两个集合的差集，|·|表示集合中元素的个数；

(2)节点i为中间节点时，

k＝arg max_k|Ω(k)\Ω(f)|

subject to k∈Ω(i)\Ω(f)

式中，节点f表示中间节点i的父节点；

步骤4)接收节点判断是否合并数据包，即任一节点j接收到节点i的数据包，比较P(j)与P(i)中有无来自同一节点的信息，若则将节点i的数据合并到节点j中，且更新节点j的数据包P(j)为

P(j).mem＝[P(j).mem,P(i).mem]

P(j).coe＝[P(j).coe,P(i).coe]

P(j).dat＝P(j).dat+P(i).dat

步骤5)步骤4中所有更新过数据包的节点判断本节点是否被其父节点i选中，若被选中，即P(i).nex＝j，则该节点成为待广播节点，重复步骤3，直至没有节点需要广播；

步骤6)整个广播过程结束后，汇聚节点从网络传输的终节点中收集M个数据包，并采用压缩感知的译码方法重构出原始数据。