CN109714814A - 一种无线传感器网络数据传输和恢复的方法 - Google Patents
一种无线传感器网络数据传输和恢复的方法 Download PDFInfo
- Publication number
- CN109714814A CN109714814A CN201910125261.9A CN201910125261A CN109714814A CN 109714814 A CN109714814 A CN 109714814A CN 201910125261 A CN201910125261 A CN 201910125261A CN 109714814 A CN109714814 A CN 109714814A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor node
- transmission
- timing
- base station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000005540 biological transmission Effects 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 239000013598 vector Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000008447 perception Effects 0.000 abstract description 26
- 238000005070 sampling Methods 0.000 abstract description 15
- 238000005265 energy consumption Methods 0.000 abstract description 9
- 238000011084 recovery Methods 0.000 abstract description 9
- 230000006835 compression Effects 0.000 abstract description 8
- 238000007906 compression Methods 0.000 abstract description 8
- 238000011002 quantification Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- FLDSMVTWEZKONL-AWEZNQCLSA-N 5,5-dimethyl-N-[(3S)-5-methyl-4-oxo-2,3-dihydro-1,5-benzoxazepin-3-yl]-1,4,7,8-tetrahydrooxepino[4,5-c]pyrazole-3-carboxamide Chemical compound CC1(CC2=C(NN=C2C(=O)N[C@@H]2C(N(C3=C(OC2)C=CC=C3)C)=O)CCO1)C FLDSMVTWEZKONL-AWEZNQCLSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种无线传感器网络数据传输和恢复的方法，针对实时性要求不高的无线传感器网络，周期进行采集和传输数据，包括传感器节点传输数据方法和对应的基站接收到数据后恢复数据方法两个方面。传感器节点每周期随机选取确定数量的少量时序，感知信息得到数据，基于无线传感器网络数据随时间变化小的特点，传感器节点去除未感知的时序，得到新的不含零的数据集，根据压缩感知方法进行数据编码压缩并传输；基站接收到数据后先用重构方法重构出少量时序的数据集，再用矩阵填充方法恢复出完整数据。本发明能够在低采样率和高压缩率下实现数据的传输和恢复，大幅度减少数据采集和传输量，从而减少能耗，延长网络生命周期。
Description
【技术领域】本发明涉及无线传感器网络领域，尤其涉及一种无线传感器网络数据传输和恢复的方法。
【背景技术】无线传感器网络是由大量固定或移动节点组成的无线网络。一般来说，节点可以分为传感器节点和接收器节点，接收器节点也称作基站。传感器节点是自组织的，以多跳方式协同感知、获取、处理和传输网络覆盖区域内的感知信息。接收器接收信息并将其应用到实践中。无线传感器网络广泛应用于军事、农业、环境监测、医疗卫生等多个领域。
传感器节点通常由电池供电，能量供应极其有限，加上分布范围广，节点个数多，难以更换，所以控制能量消耗对于无线传感器网络具有重要意义。无线传感器网络的能耗主要用于数据感知和传输，所以相关人员提出了许多方法来减少感知和传输的数据包的数量，因为无线传感器网络节点采集时间间隔较短，数据变化不大，距离相近节点采集的数据相似，所以，利用无线传感器网络数据的稀疏特性是一个重要研究方向。
研究标明，基于无线传感器网络数据在特定的稀疏基底下具有稀疏性这一特点，将压缩感知理论直接应用于无线传感器网络的方法，实现了传输量的减少，得到了广泛的关注。这一方法通过一个测量矩阵在无线传感器网络整体区域上压缩数据，使原本传输单个的感知数据变成传输感知数据加载到测量矩阵向量的和，每个传感器节点传输的数据量相同，负载均衡，网络总传输量减少，能耗降低。基于压缩感知理论的无限传感器网络数据传输是传感器节点先感知所有数据，再压缩传输，没有真正实现压缩感知理论中将压缩和感知合二为一的优势。实际上，无线传感器网络数据随着时间变化缓慢，且距离相邻的节点间数据相似，数据被证明具有低秩性，只需感知部分数据，就可通过算法恢复出所有数据，真正实现稀疏采样。
压缩感知理论的应用使无线传感器网络数据传输量大幅度减少，稀疏采样使节点感知部分数据就可恢复出完整数据，减少感知数据量，两者并不冲突，但是两者直接结合，会给数据恢复带来极大的困难，难以运用算法准确的重构出原始数据。因此，如何将稀疏采样与压缩感知理论有机结合，应用于无线传感器网络，实现更少量数据的感知和传输，保持高精度的数据恢复，从而进一步减少能量消耗，延长无线传感器网络生命周期，对于无线传感器网络的发展具有重要意义。
【发明内容】
本发明提供一种无线传感器网络的数据传输和恢复方法，能够在低采样率和高压缩率下实现数据的传输和精确恢复，大幅度减少数据采集和传输量，从而减少能耗，延长网络生命周期。
本发明针对实时性要求不高的无线传感器网络，周期进行采集和传输数据，包括传感器节点传输数据方法和基站接收到数据后恢复数据方法两个方面。考虑N个传感器节点每个感知时序采集一次数据的情况，定义一个周期包括C个感知时序，每一个周期传输一次数据给基站。定义PS为稀疏采样率，PC为压缩率，Ф为压缩感知中的测量矩阵。每个传感器节点存储了测量矩阵Ф对应的一个列向量，需要采样的数目T和周期包含的时序数目C，基站则存储了测量矩阵Ф的所有列向量和C。
传感器节点传输数据方法，每个周期按时间顺序分为初始决定阶段，感知阶段和传输阶段三个阶段，每个阶段传感器节点的具体实施细节如下：
周期初始决定阶段，每个传感器节点随机确定接下来的C个感知时序中T个感知数据的时序序号，存储下来，其中T＝C×PS，其余的(C-T)个时序则处于休眠状态，不感知数据，从而减少感知能耗。
周期感知阶段包括C个感知时序，每个传感器节点按照自身存储的序号在对应的时序中感知数据，其余时间则处于休眠状态，不感知数据，每个传感器节点感知到T个数据。
周期传输阶段，感知节点根据基于压缩感知的压缩数据融合方法，将感知到的T个数据进行压缩传输，N×PC×T为每个感知节点因此传输的数据量。此外，将先前存储的感知时序序号也同时传感基站。虽然不同感知节点的T个数据不属于相同时序，但因为无线传感器网络数据随时间变化缓慢，相近时序的数据变化十分小，所以可以看作处于相同时序，从而能够进一步压缩。
基站接收到数据后恢复数据的方法，包括压缩感知重构方法解压缩数据，数据定位和矩阵填充三部分，具体细节包括：
基站接收到各个传感器节点传输过来的数据构成测量值矩阵B，根据重构方法，已知测量矩阵Ф，则可恢复出每个传感器节点的T个感知数据，因为有N个传感器节点，则此恢复出的数据可构成矩阵X。重构方法是已知ФX＝B中的Ф和B，重构出X的方法，对于重构方法没有其它限定，可以直接使用现有的多种算法。
基站根据传感器节点传输过来的有效感知时序序号，将X中的数据定位到其对应的时序中，将传感器节点未采集的时序数据设为0，得到一个稀疏的数据矩阵XS。
基站根据XS中非零值及其位置，基于矩阵填充理论，应用矩阵填充算法，将XS中未采集的时序数据恢复出来，得到没有0值的完整的数据XF，完成数据恢复。
需要说明的是本申请对传输和重构方法的框架进行了阐述，对于其中的重构方法没有限定，可直接应用现有的重构方法和矩阵填充方法
以往的基于压缩感知的数据传输恢复方法，经过C个时序，每个传感器节点需要采样C次，并传输N×PC×C个数据，应用本方法，每个传感器节点只需要采样T次，传输N×PC×T个数据，因为T＝C×PS，PS为稀疏采样率，0＜PS≤1，当PS＝1，本方法与以往的基于压缩感知的数据传输恢复方法相同，当PS较小时，本方法能极大降低采样及传输的数据量，从而大幅度降低能耗，延长网络寿命。
本申请的实施例中，基站按照如上方法执行操作，恢复出完整数据，通过误差分析，我们发现，PS在较小时，基站数据恢复情况仍能够保持与PS＝1相近的较小的重构误差，从而实现在保证重构精度下的采样和传输数据量的减少，对于无限传感器网络的实际应用具有重要意义。
【本发明的优点和积极效果】
与现有技术相比，本发明具有如下优点和积极效果：
第一，无线传感器网络中能量极其有限的传感器节点中，采样和传输的数据量大幅度降低，从而大幅度降低无线传感器网络整体能耗，延长网络寿命；
第二，在采样数据量减少的情况下保证了数据的恢复精度，无线传感器网络基站最终重构出的完整数据准确度得到了保证；
第三，恢复框架中的重构方法可直接应用现有的重构方法和矩阵填充方法，不需要新的算法的提出和现有算法的改进，易于应用。
【附图说明】
图1是本发明提出的无线传感器网络的数据传输和恢复的方法流程示意图；
图2是传感器节点感知、传输数据过程示意图；
图3是基站恢复数据过程示意图；
图4是不同稀疏采样率下本方法重构真实传感器网络数据误差情况。
【具体实施方式】
为使本发明的实施方案与意义优势表述得更为清楚，下面结合后文附图及实施样例，借此对本发明如何应用技术手段来解决问题，并达成技术效果的实现过程进行更为详细的说明。
本申请的实施例利用真实传感器网络数据对本方法恢复性能进行了验证。真实传感器网络数据来源于数据感知实验室(Data Sensing Lab，DSL)Strata New York 2012数据集(http：//datasensinglab.com/data/)，是数据感知实验室在美国纽约的希尔顿中城用40个传感器节点实地采集而得。我们选取了其中的温度数据作为代表，温度数据集包含了40个传感器节点在1724个时序中采集到的数据，为了便于测试不同系数采样率下的重构效果，选取了时序号为71至90的20个时序的数据进行测试，删除了其中没有接收到任何数据的4个传感器节点，最终测试数据集为36个传感器节点20个时序的数据。
图1是本发明提出的无线传感器网络数据传输和恢复的方法流程示意图，体现了本方法实施过程的具体步骤，下面对于具体步骤的实施进行说明：
(1)在每个传感器节点中存储测量矩阵Ф对应的一个列向量，需要采样的数目T和周期包含的时序数目C，在基站存储测量矩阵Ф和C；
其中，测量矩阵Ф为归一化后的高斯随机矩阵，将传感器节点编号1至N，传感器节点编号对应Ф中相应序号的列项量，基站存储完整的测量矩阵Ф，C可根据具体情况设定，在本申请的实施例中设定为5，T则用稀疏采样率和C计算可得。
(2)设时序号t＝0；传感器节点清空上一周期存储的T个数；
(3)每个传感器节点在1至C的C个整数中，随机选择T个数并存储下来。
(4)时序号t随时间持续加1，传感器节点根据存储的数，在相同的时序号中采集数据；
其中，时序号间的时间间隔根据所需的信息实时性情况设置，本实施例中时序号间隔为1秒。
(6)当t＝C时，传感器节点根据存储的Ф向量对采集到的T个数据进行压缩编码；
其中，压缩编码方法基于压缩感知理论，具体过程是用采集到的单个数与Ф向量的每个元素相乘，得到新的向量，因采集到T个数，则得到T个新向量，将传输采集到的数据变成传输向量。
(7)传感器节点将压缩编码后的数据和前面存储的T个数传输到基站；
其中，传输过程具体方式，是传感器节点将上一个节点传输过来的T个向量与自身压缩编码的T个向量相加，得到新的T个向量，将此T个向量再传给下一个节点。
(8)基站收到数据，将编码的数据用重构方法重构出N个节点的T个采集到的数据X；
其中，本发明实施例应用的重构方法是将重构模型构建如下：
其中||X||*是核范数，||X||tv是X的全变分(Total Variation)项，然后应用交替方向乘子法进行求解。
(9)基站根据X和N个节点采集数据的时序序号将X中的数据定位到其对应的时序中，将未采集的时序数据设为0，得到矩阵XS；
(10)基站根据XS中非零值及其位置，应用矩阵填充算法，恢复出不含0的完整数据XF。
其中，本发明实施例应用的矩阵填充算法是加速的奇异值阈值(Singular ValueThresholding，SVT)方法。
图1显示的为单个周期的数据传输和恢复过程，每个周期重复上述过程，Ф和C可变，可以重新设置，如果不变，则周期从步骤(2)开始，重复上述过程。
图2是传感器节点感知、传输数据过程示意图，从数据的角度体现数据采集，压缩的情况。
图3是基站恢复数据过程示意图，从数据的角度体现数据恢复的过程，其中，重构方法和矩阵填充重构方法可直接应用现有算法。
图4是不同稀疏采样率下本方法重构真实传感器网络数据误差情况。图4中用来衡量重构误差的指标是归一化平均绝对误差(Normalized Mean Absolute Error，NMAE)，NMAE越大，误差越大，重构准确度降低，每个实验重复了200次取平均值。稀疏采样率PS决定了采样的数据量T，和压缩率PC一起决定了传输数据量，从图中可以看出，PS在2/5时，与PS＝1时的NMAE相近，说明在采样和传输数据量的减少的同时保证了重构精度，对于恢复数据具有重要意义。
Claims (1)
1.一种无线传感器网络数据传输和恢复的方法，包括传感器节点传输数据方法和对应的基站接收到数据后恢复数据方法。
其中传感器节点执行如下内容：
(1)存储测量矩阵Φ对应的一个列向量，需要采样的数目T和周期包含的时序数目C；
(2)设时序号t＝0；传感器节点清空上一周期存储的T个数；
(3)每个传感器节点在1至C的C个整数中，随机选择T个数并存储下来；
(4)时序号t随时间持续加1，传感器节点根据存储的数，在相同的时序号中采集数据；
(6)当t＝C时，传感器节点根据存储的Φ向量对采集到的T个数据进行压缩编码；
(7)将压缩编码后的数据和前面存储的T个数传输到基站；
基站接收到数据后执行如下内容：
(1)将编码的数据用重构方法，重构出N个节点的T个采集到的数据X；
(2)根据X和N个节点采集数据的时序序号将X中的数据定位到其对应的时序中，将未采集的时序数据设为0，得到矩阵XS；
(3)根据XS中非零值及其位置，应用矩阵填充算法，恢复出不含0的完整数据XF。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910125261.9A CN109714814A (zh) | 2019-02-18 | 2019-02-18 | 一种无线传感器网络数据传输和恢复的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910125261.9A CN109714814A (zh) | 2019-02-18 | 2019-02-18 | 一种无线传感器网络数据传输和恢复的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109714814A true CN109714814A (zh) | 2019-05-03 |
Family
ID=66264761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910125261.9A Pending CN109714814A (zh) | 2019-02-18 | 2019-02-18 | 一种无线传感器网络数据传输和恢复的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109714814A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110022541A (zh) * | 2019-05-22 | 2019-07-16 | 南开大学 | 一种基于NB-IoT和FPGA的WSN农作物生长环境信息稀疏采集与传输方法 |
| CN111800825A (zh) * | 2020-07-20 | 2020-10-20 | 中南大学 | 一种基于压缩感知的无线传感网络中数据的动态重传方法 |
| CN112036000A (zh) * | 2020-06-18 | 2020-12-04 | 南开大学 | 一种基于矩阵填充的环境温湿度多时隙数据采集方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160234644A1 (en) * | 2015-02-06 | 2016-08-11 | Apple Inc. | Method and apparatus for location determination with wlan/wpan/sensor support |
| CN106792435A (zh) * | 2016-11-23 | 2017-05-31 | 西安电子科技大学 | 一种无线传感器网络中基于压缩感知的数据聚合方法 |
| CN106851767A (zh) * | 2016-09-22 | 2017-06-13 | 华东理工大学 | 一种无线传感网络节点融合数据收集方法 |
| CN107786959A (zh) * | 2017-10-18 | 2018-03-09 | 北京京航计算通讯研究所 | 在无线传感器网络中基于自适应测量的压缩数据收集方法 |
-
2019
- 2019-02-18 CN CN201910125261.9A patent/CN109714814A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160234644A1 (en) * | 2015-02-06 | 2016-08-11 | Apple Inc. | Method and apparatus for location determination with wlan/wpan/sensor support |
| CN106851767A (zh) * | 2016-09-22 | 2017-06-13 | 华东理工大学 | 一种无线传感网络节点融合数据收集方法 |
| CN106792435A (zh) * | 2016-11-23 | 2017-05-31 | 西安电子科技大学 | 一种无线传感器网络中基于压缩感知的数据聚合方法 |
| CN107786959A (zh) * | 2017-10-18 | 2018-03-09 | 北京京航计算通讯研究所 | 在无线传感器网络中基于自适应测量的压缩数据收集方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110022541A (zh) * | 2019-05-22 | 2019-07-16 | 南开大学 | 一种基于NB-IoT和FPGA的WSN农作物生长环境信息稀疏采集与传输方法 |
| CN112036000A (zh) * | 2020-06-18 | 2020-12-04 | 南开大学 | 一种基于矩阵填充的环境温湿度多时隙数据采集方法 |
| CN111800825A (zh) * | 2020-07-20 | 2020-10-20 | 中南大学 | 一种基于压缩感知的无线传感网络中数据的动态重传方法 |
| CN111800825B (zh) * | 2020-07-20 | 2022-03-25 | 中南大学 | 一种基于压缩感知的无线传感网络中数据的动态重传方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109714814A (zh) | 一种无线传感器网络数据传输和恢复的方法 | |
| CN105181122B (zh) | 机械振动信号数据压缩采集方法 | |
| CN103178853B (zh) | 基于压缩感知的稀疏信号欠采样方法 | |
| CN107205154B (zh) | 一种基于矩阵补全的无线多媒体传感网图像压缩采集方法 | |
| CN109447921A (zh) | 一种基于重构误差的图像测量矩阵优化方法 | |
| CN109684314A (zh) | 一种基于空间结构的无线传感器网络缺失值估计方法 | |
| CN105931046A (zh) | 一种可疑交易节点集合侦测方法及装置 | |
| CN106375940B (zh) | 农业感知数据稀疏向量采集与空间耦合方法 | |
| CN110446173B (zh) | 一种高效节能的星载无线传感网数据压缩方法 | |
| CN107942377A (zh) | 一种地震数据压缩与重构方法 | |
| CN102075749B (zh) | 压缩感知框架下基于非凸模型的图像压缩重构方法 | |
| CN107240136A (zh) | 一种基于深度学习模型的静态图像压缩方法 | |
| CN105120469B (zh) | 基于压缩感知的质量可伸缩低信息密度数据收集方法 | |
| CN107561367A (zh) | 一种基于压缩感知理论的宽频谱阻抗测量装置及方法 | |
| CN103686177A (zh) | 一种图像压缩、解压方法、压缩、解压装置以及系统 | |
| CN116228912B (zh) | 基于U-Net多尺度神经网络的图像压缩感知重建方法 | |
| CN110311685A (zh) | 时序贝叶斯压缩采样及信号解压缩重构方法及数据丢失恢复方法 | |
| CN103795422A (zh) | 一种基于压缩感知的一维信号随机采样方法 | |
| CN105050105A (zh) | 基于压缩感知的高能效低信息密度数据收集方法 | |
| CN107680036A (zh) | 基于卷积深度堆叠网络的联合稀疏向量并行重建方法 | |
| CN103391099A (zh) | 适用于一维缓变信号的随机采样器 | |
| CN103152298A (zh) | 一种基于分布式压缩感知系统的盲信号重构方法 | |
| CN109584320A (zh) | 一种低相干观测矩阵构造方法 | |
| Xu et al. | Spatio-temporal hierarchical data aggregation using compressive sensing (ST-HDACS) | |
| CN110840459B (zh) | 人体平衡能力获取方法及系统、计算机设备及介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190503 |
|
| WD01 | Invention patent application deemed withdrawn after publication |