CN109275138B - 一种信号压缩采集和数据加密的方法 - Google Patents

一种信号压缩采集和数据加密的方法 Download PDF

Info

Publication number
CN109275138B
CN109275138B CN201810841969.XA CN201810841969A CN109275138B CN 109275138 B CN109275138 B CN 109275138B CN 201810841969 A CN201810841969 A CN 201810841969A CN 109275138 B CN109275138 B CN 109275138B
Authority
CN
China
Prior art keywords
node
matrix
sensing
dormancy
signal
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.)
Active
Application number
CN201810841969.XA
Other languages
English (en)
Other versions
CN109275138A (zh
Inventor
苟旭
李智
朱嘉微
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN201810841969.XA priority Critical patent/CN109275138B/zh
Publication of CN109275138A publication Critical patent/CN109275138A/zh
Application granted granted Critical
Publication of CN109275138B publication Critical patent/CN109275138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
    • H03M7/3062—Compressive sampling or sensing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H04W28/065—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information using assembly or disassembly of packets
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明公开一种信号压缩采集和数据加密的方法，包括步骤：建立混沌序列的压缩感知测量矩阵；在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；对采样与转发节点进行休眠处理；进行信号重。本发明提高无线传感器网络信号传输的工作效率和安全特性，保证传输过程信号的安全保密性能。

Description

一种信号压缩采集和数据加密的方法
技术领域
本发明属于信号处理技术领域，特别是涉及一种信号压缩采集和数据加密的方法。
背景技术
压缩感知是一种全新的向量获取和压缩重建方式，在向量是稀疏或可压缩的前提下，对向量进行采样的同时实现其数据量高倍数的压缩，获得用于表征向量的少量观测值，通过线性优化重建算法，从少量的压缩观测值中高概率恢复出原始向量。
现有的压缩感知处理方法，需要大量的消耗前端采样节点的运算、处理资源、能源和传输带宽，无法实现分布式多节点网络的高效采样处理；并且无法保证传输过程信号的安全保密性能。
发明内容
为了解决上述问题，本发明提出了一种信号压缩采集和数据加密的方法，提高无线传感器网络信号传输的工作效率和安全特性，保证传输过程信号的安全保密性能。
为达到上述目的，本发明采用的技术方案是：一种信号压缩采集和数据加密的方法，包括步骤：
S100，建立混沌序列的压缩感知测量矩阵；
S200，在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；
S300，对采样与转发节点进行休眠处理；
S400，进行信号重构。
进一步的是，在步骤S100中，依据混沌序列随机性与确定性相统一的特性，获得压缩感知测量矩阵；所述压缩感知测量矩阵满足的有限等距性质条件的测量矩阵。
进一步的是，在步骤S100中，构造压缩感知测量矩阵的步骤为：
S101，选择式zn+1＝cos(k*cos-1zn)的参数K＝4，其中k表示切比雪夫映射的阶数；给定初始值z0，产生长度为M×N的混沌序列{zn,n＝1,2,…,n}；
S102，将混沌序列{zn}通过式
Figure GDA0002338415630000021
映射为扩频序列{an}；
S103，将序列{an}按列构造大小为M×N的测量矩阵Φ，其表示为：
Figure GDA0002338415630000022
进一步的是，在步骤S200中，通过采样电路采集每个传感节点的信号，运用所述压缩感知测量矩阵，进行采样数据处理与编码，从而获得传感节点降采样率的压缩信号。压缩感知的感知过程，X表示被感知的信号，那么，感知过程表示为Y＝ΦX；Y即为信号压缩后的数据。
进一步的是，将无线传感器网络中的各个采集端通向采样电路；根据无线传感器网络通信协议将采集信号封装成数据帧，发送到数据转发节点，最终汇聚到数据汇聚节点通向采样电路。
进一步的是，在步骤S300中，对采样与转发节点进行休眠处理包括步骤：
将整个传感网络分为多个子群，建立每一个子群相对应的矩阵；
建立节点休眠矩阵；节点休眠矩阵与每个子群矩阵相对应，利用休眠矩阵的元素值判定节点是否选中，选中则节点休眠，否则节点参与通信；
循环上述步骤判断每个子群所有节点的休眠情况。
进一步的是，所述节点休眠矩阵的构造方法：依据混沌序列的初始值敏感性得到每一个节点信号的感知矩阵；根据每一个感知矩阵的对应列构造出节点休眠矩阵，节点休眠矩阵决定了每一个节点每一个时刻的工作状态，节点休眠矩阵决定了节点是否进行采样与传输数据；
在初始值与参数值确定的条件下混沌映射产生混沌序列，利用符号函数对混沌序列变形产生数值为1、-1的序列，采用阈值处理将-1值改为0值，分析序列特性；分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定。
进一步的是，针对整个无线传感器网络，每一时刻的节点休眠矩阵为各个节点的感知矩阵相对应的列向量重新组合，得到节点休眠矩阵T＝[T1 T2 … TN]；
Figure GDA0002338415630000031
其中，
Figure GDA0002338415630000032
指第J个节点感知矩阵的第i列向量，Ti代表第i时刻的每一次测量的各个节点的活跃节点索引。
进一步的是，分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定方法为：若节点被选中，无线传感器网络将采集到数据信息投影到正交基上，通过感知矩阵对节点信号进行编码得到观测数据；节点通过多跳方式将数据信息传到融合节点。
进一步的是，在步骤S400中，基于混沌序列建立分布式压缩感知模型，通过分布式压缩感知模型进行信号重构，将所有融合节点的数据信息通过DCS联合重构算法重构出节点原始信号。
采用本技术方案的有益效果：
本发明将随机性与确定性相统一的混沌序列引用于传感器网络中，探索出一种作为传感器网络节点传输与通信的安全密钥，为传感网络的安全性提供保障；建立了以混沌矩阵作为控制无线传感器网络节点休眠的路由协议，创建了以混沌压缩感知的安全的低消耗的无线传感器网络系统；大大提高无线传感器网络的工作寿命和安全特性。
本发明通过压缩采样大大降低前端采样节点的运算、处理资源、能源和传输带宽的消耗，通过观测矩阵的混沌序列设计和观测矩阵的保密设计实现数据表达、传输、感知数据还原的机密性。
本发明针对无线传感器网络的节点传输安全性地的问题，提出了双混沌矩阵作为节点传输和通信的密钥；首先节点参与传输与通信对外界来说是随机的，但对于有密钥的一方是已知的，同时对于选择出的节点进行压缩采样，此过程同样采用混沌测量矩阵，对于不知道初始值和参数的外界仍然不能够精确重构感知信号，而对于设计的一方确是已知的，这样就起到了双重密钥的保护作用。
附图说明
图1为本发明的一种信号压缩采集和数据加密的方法流程示意图；
图2为本发明实施例中实验结果的曲线图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了一种信号压缩采集和数据加密的方法，包括步骤：
S100，建立混沌序列的压缩感知测量矩阵；
S200，在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；
S300，对采样与转发节点进行休眠处理；
S400，进行信号重构。
作为上述实施例的优化方案，在步骤S100中，依据混沌序列随机性与确定性相统一的特性，获得压缩感知测量矩阵；所述压缩感知测量矩阵满足的有限等距性质条件的测量矩阵。
构造压缩感知测量矩阵的步骤为：
S101，选择式zn+1＝cos(k*cos-1zn)的参数K＝4，其中k表示切比雪夫映射的阶数；给定初始值z0，产生长度为M×N的混沌序列{zn,n＝1,2,…,n}；
S102，将混沌序列{zn}通过式
Figure GDA0002338415630000041
映射为扩频序列{an}；
S103，将序列{an}按列构造大小为M×N的测量矩阵Φ，其表示为：
Figure GDA0002338415630000051
作为上述实施例的优化方案，在步骤S200中，通过采样电路采集每个传感节点的信号，运用所述压缩感知测量矩阵，进行采样数据处理与编码，从而获得传感节点降采样率的压缩信号。压缩感知的感知过程，X表示被感知的信号，那么，感知过程表示为Y＝ΦX；Y即为信号压缩后的数据。
将无线传感器网络中的各个采集端通向采样电路；根据无线传感器网络通信协议将采集信号封装成数据帧，发送到数据转发节点，最终汇聚到数据汇聚节点通向采样电路。
作为上述实施例的优化方案，在步骤S300中，对采样与转发节点进行休眠处理包括步骤：
将整个传感网络分为多个子群，建立每一个子群相对应的矩阵；
建立节点休眠矩阵；节点休眠矩阵与每个子群矩阵相对应，利用休眠矩阵的元素值判定节点是否选中，选中则节点休眠，否则节点参与通信；
循环上述步骤判断每个子群所有节点的休眠情况。
所述节点休眠矩阵的构造方法：依据混沌序列的初始值敏感性得到每一个节点信号的感知矩阵；根据每一个感知矩阵的对应列构造出节点休眠矩阵，节点休眠矩阵决定了每一个节点每一个时刻的工作状态，节点休眠矩阵决定了节点是否进行采样与传输数据；
在初始值与参数值确定的条件下混沌映射产生混沌序列，利用符号函数对混沌序列变形产生数值为1、-1的序列，采用阈值处理将-1值改为0值，分析序列特性；分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定。
针对整个无线传感器网络，每一时刻的节点休眠矩阵为各个节点的感知矩阵相对应的列向量重新组合，得到节点休眠矩阵T＝[T1 T2 … TN]；
Figure GDA0002338415630000061
其中，
Figure GDA0002338415630000062
指第J个节点感知矩阵的第i列向量，Ti代表第i时刻的每一次测量的各个节点的活跃节点索引。
分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定方法为：若节点被选中，无线传感器网络将采集到数据信息投影到正交基上，通过感知矩阵对节点信号进行编码得到观测数据；节点通过多跳方式将数据信息传到融合节点。
作为上述实施例的优化方案，在步骤S400中，基于混沌序列建立分布式压缩感知模型，通过分布式压缩感知模型进行信号重构，将所有融合节点的数据信息通过DCS联合重构算法重构出节点原始信号。
如图2所示，描述了节点感知矩阵(NSM)与本发明所提出的节点休眠矩阵在不同测量值下的PSNR峰值信噪比值比较；曲线的走势表示这两种矩阵情况下的重构性能相差不大，测量值增加重构性能越接近；都能达到很高的峰值信噪比，因此休眠测量矩阵不影响重构性能；而在休眠节点矩阵情况下节点耗能大大降低。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种信号压缩采集和数据加密的方法，其特征在于，包括步骤：
S100，建立混沌序列的压缩感知测量矩阵；
S200，在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；
S300，对采样与转发节点进行休眠处理，包括步骤：
将整个传感网络分为多个子群，建立每一个子群相对应的矩阵；
建立节点休眠矩阵；节点休眠矩阵与每个子群矩阵相对应，利用休眠矩阵的元素值判定节点是否选中，选中则节点休眠，否则节点参与通信；
循环上述步骤判断每个子群所有节点的休眠情况；
所述节点休眠矩阵的构造方法：依据混沌序列的初始值敏感性得到每一个节点信号的感知矩阵；根据每一个感知矩阵的对应列构造出节点休眠矩阵，节点休眠矩阵决定了每一个节点每一个时刻的工作状态，节点休眠矩阵决定了节点是否进行采样与传输数据；
在初始值与参数值确定的条件下混沌映射产生混沌序列，利用符号函数对混沌序列变形产生数值为1、-1的序列，采用阈值处理将-1值改为0值，分析序列特性；分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定；
S400，进行信号重构。
2.根据权利要求1所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S100中，依据混沌序列随机性与确定性相统一的特性，获得压缩感知测量矩阵；所述压缩感知测量矩阵满足的有限等距性质条件的测量矩阵。
3.根据权利要求2所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S100中，构造压缩感知测量矩阵的步骤为：
S101，选择式zn+1＝cos(k*cos-1zn)的参数K＝4，其中k表示切比雪夫映射的阶数；给定初始值z0，产生长度为M×N的混沌序列{zn，n＝1，2，…，n}；
S102，将混沌序列{zn}通过式
Figure FDA0002338415620000011
映射为扩频序列{an}；
S103，将序列{an}按列构造大小为M×N的测量矩阵Φ，其表示为：
Figure FDA0002338415620000021
4.根据权利要求3所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S200中，通过采样电路采集每个传感节点的信号，运用所述压缩感知测量矩阵，进行采样数据处理与编码，从而获得传感节点降采样率的压缩信号。
5.根据权利要求4所述的一种信号压缩采集和数据加密的方法，其特征在于，将无线传感器网络中的各个采集端通向采样电路；根据无线传感器网络通信协议将采集信号封装成数据帧，发送到数据转发节点，最终汇聚到数据汇聚节点通向采样电路。
6.根据权利要求5所述的一种信号压缩采集和数据加密的方法，其特征在于，针对整个无线传感器网络，每一时刻的节点休眠矩阵为各个节点的感知矩阵相对应的列向量重新组合，得到节点休眠矩阵T＝[T1 T2…TN]；
Figure FDA0002338415620000022
其中，
Figure FDA0002338415620000023
指第J个节点感知矩阵的第i列向量，Ti代表第i时刻的每一次测量的各个节点的活跃节点索引。
7.根据权利要求6所述的一种信号压缩采集和数据加密的方法，其特征在于，分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定方法为：若节点被选中，无线传感器网络将采集到数据信息投影到正交基上，通过感知矩阵对节点信号进行编码得到观测数据；节点通过多跳方式将数据信息传到融合节点。
8.根据权利要求7所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S400中，基于混沌序列建立分布式压缩感知模型，通过分布式压缩感知模型进行信号重构，将所有融合节点的数据信息通过DCS联合重构算法重构出节点原始信号。
CN201810841969.XA 2018-07-27 2018-07-27 一种信号压缩采集和数据加密的方法 Active CN109275138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810841969.XA CN109275138B (zh) 2018-07-27 2018-07-27 一种信号压缩采集和数据加密的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810841969.XA CN109275138B (zh) 2018-07-27 2018-07-27 一种信号压缩采集和数据加密的方法

Publications (2)

Publication Number Publication Date
CN109275138A CN109275138A (zh) 2019-01-25
CN109275138B true CN109275138B (zh) 2020-03-20

Family

ID=65148370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810841969.XA Active CN109275138B (zh) 2018-07-27 2018-07-27 一种信号压缩采集和数据加密的方法

Country Status (1)

Country Link
CN (1) CN109275138B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337727A (zh) * 2020-03-05 2020-06-26 山东泰开互感器有限公司 一种电流互感器以及基于云计算的电流互感器信息交互系统
CN112311523A (zh) * 2020-09-23 2021-02-02 西南大学 一种基于耦合电路系统的信号压缩加密方法
CN112910656B (zh) * 2021-01-29 2022-05-17 北京邮电大学 基于数字签密的压缩感知数据传输方法
CN112995939B (zh) * 2021-02-05 2023-02-28 浙江工贸职业技术学院 一种无线传感网传输与云服务接入控制系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102202383A (zh) * 2011-06-14 2011-09-28 四川大学 无线传感器网络中应用多信道代码分发的重编程方法
CN102946626B (zh) * 2012-11-16 2014-11-05 北京航空航天大学 一种多对一分簇无线传感器网络环境下节点睡眠调度方法
CN104113346A (zh) * 2014-07-10 2014-10-22 四川大学 基于级联混沌序列构造测量矩阵的方法
CN106559744A (zh) * 2016-11-24 2017-04-05 湖北文理学院 一种基于稀疏识别与压缩感知的体域网节能方法
CN106851548A (zh) * 2017-03-31 2017-06-13 福建师范大学 基于无线体域网的可穿戴式行走监测系统及其监测方法

Also Published As

Publication number Publication date
CN109275138A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
CN109275138B (zh) 一种信号压缩采集和数据加密的方法
Uthayakumar et al. Highly reliable and low-complexity image compression scheme using neighborhood correlation sequence algorithm in WSN
Rajesh et al. Capacity of Gaussian channels with energy harvesting and processing cost
Cheng et al. Efficient data collection with sampling in WSNs: making use of matrix completion techniques
US20190053023A1 (en) Compressed sensing with machine-to-machine communication
Qiao et al. Compressive data gathering based on even clustering for wireless sensor networks
M Al-Qurabat A lightweight Huffman-based differential encoding lossless compression technique in IoT for smart agriculture
Abdulzahra et al. Compression-based data reduction technique for IoT sensor networks
Luo et al. Decentralized estimation in an inhomogeneous sensing environment
Ghorbel et al. DCT & DWT Images compression algorithms in wireless sensors networks: comparative study and performance analysis
Wei et al. Image compression scheme based on PCA for wireless multimedia sensor networks
Abdulzahra MSc et al. Energy conservation approach of wireless sensor networks for IoT applications
Jawad et al. Compression-based block truncation coding technique to enhance the lifetime of the underwater wireless sensor networks
Li et al. An efficient secure data transmission and node authentication scheme for wireless sensing networks
Maurya et al. Median predictor based data compression algorithm for wireless sensor network
Apsara et al. A review on secure group key management schemes for data gathering in wireless sensor networks
Xiaobo et al. Distributed Image Compression Algorithm in Wireless Multimedia Sensor Networks
CN105682141B (zh) 基于邻居辅助的无线传感器网络数据采集方法
Guo et al. Study on secrecy capacity of wireless sensor networks in internet of things based on the amplify-and-forward compressed sensing scheme
Vidhyapriya et al. Energy efficient data compression in wireless sensor networks.
Aziz et al. Adaptive and efficient compressive sensing based technique for routing in wireless sensor networks
CN109275119B (zh) 基于混沌序列的分布式压缩感知方法
CN111182488A (zh) 一种基于时间信道的溯源数据节能传输方法
Khairi et al. Run-length encoding (RLE) data compression algorithm performance analysis on climate datasets for Internet of Things (IoT) application
Li et al. Adaptive data aggregation mechanism based on leach protocol

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant