CN110225539A - 一种基于无线传感网络的分布式估计的节能方法 - Google Patents

Abstract

本发明公开了一种基于无线传感网络的分布式估计的节能方法。现有分布式估计方法在资源受限的情况下难以保证估计性能。本发明方法在目标区域随机部署传感器节点，节点首先感知目标信息获得测量数据，利用测量数据自适应地更新本地估计信息，根据当前时刻的本地估计信息与上一时刻的本地估计信息计算待估参数的相似度，根据计算结果选择部分相似度小的估计参数进行广播，同时接收邻居节点广播的本地估计信息。节点利用本地估计信息补偿邻居节点未发送的估计参数，最后将所有邻居节点的中间估计信息融合得到最终的估计信息。本发明方法通过相似度计算，减少了连续时刻内节点相似信息的发送，有效地减少了节点间的通信开销，同时保证了估计性能。

Description

一种基于无线传感网络的分布式估计的节能方法

技术领域

本发明属于分布式信息处理领域，具体是分布式信息处理中的分布式估计领域，涉及一种基于无线传感网络的分布式估计的节能方法。

背景技术

无线传感网络是一种分布式自组织多跳网络，由预先部署在一定区域内的传感器节点组成，传感器节点由内置电池供电，具有一定的存储和计算能力，能够完成数据的接收和发送。传感器节点之间相互协作，可完成环境监测、目标追踪、军事监控等任务，被广泛的应用到救灾、医疗、军事等领域。

分布式估计是分布式信息处理的重要应用之一。分布式估计是指分布式网络中的传感器节点以协作的方式完成估计任务，即传感器节点首先对目标事件进行独立观测，对观测数据进行处理后得到本地估计信息，然后将本地估计信息通过广播方式发送给邻居节点，并接收邻居节点的本地估计信息，进行信息融合从而得到最终的估计结果。

在基于节点协作的分布式估计方法中，每个节点均与邻居节点进行信息交互。当网络的节点个数很多时，网络的通信开销会很大，且容易造成网络通信阻塞，影响估计结果的收敛速度。每个节点由电池供电，电池能量有限，计算和通信会消耗节点的能量，影响网络的生存周期以及估计任务的完成。因此，在无线传感网络能量和带宽受限的情况下，能耗和估计性能均是分布式估计需要考虑的重要因素。

现有分布式估计中降低通信开销的方法主要有数据压缩，降维，减少通信的邻居节点数目等。利用节点本地估计信息的空间相关性与时间相关性进行数据压缩，减少连续信息流的发送，这种方法以增加节点的计算开销为代价。节点通过随机选择部分估计参数与邻居节点交换，降低节点交换的估计信息维度，从而节省带宽资源，这种方法会降低网络估计信息的收敛速度。节点对邻居节点集进行选择，只接收部分邻居节点的信息来减少能耗，但通信开销主要是由发送的能耗决定，减少接收的能耗无法有效的降低通信开销。

上述分布式估计方法均存在一定的限制，例如数据压缩对节点的计算能力和存储能力有很高的要求。现有的降维方法只是随机的选择部分参数进行信息交换，导致节点的估计性能下降。因此本专利基于节点本地估计信息的相似度，选择有更多信息量的估计参数进行交换，既可以满足估计性能指标，同时节省节点的能耗，达到估计性能与能耗间的平衡。

发明内容

本发明的目的是提供一种基于无线传感网络的分布式估计的节能方法，解决在无线传感网络能量和带宽受限的场景下，减少能耗且保证分布式估计的性能的问题。本发明基于节点本地估计信息的相似度，选择有更多信息量的估计参数进行交换，有效地减少了节点和网络的能耗，同时保证了分布式估计的性能。

为了实现上述目的，本发明方法具体如下：

步骤(1).广播通知：

该无线传感网络是由N个无线传感器组成，每个传感器视为网络的观测节点；网络的估计目标为M×1维的向量w⁰，w⁰的元素为M个待估参数；观测节点采用协作的方式执行估计任务，节点间的最大通信距离为r，节点对目标的最大观测距离为R。

节点设置待估向量中每个参数的初始相似度：Similarity_n,k表示节点k的第n个参数的相似度，n＝{1,2,…,M}；节点设置本地估计信息ψ_k和最终估计结果w_k的的每个待估参数的初始值为0，即ψ_k和w_k的初始值为M×1维的0向量。

步骤(2).网络中每个节点确定邻居节点集：

邻居节点集包括节点本身，以及节点通信范围内未失效的所有邻居节点,节点l如果是节点k的邻居节点，则l∈N_k，N_k表示任意节点k的邻居节点集；节点对邻居节点集的所有节点分配权重系数c_l,k，且满足设置节点每次发送估计参数的个数L，且满足0≤L≤M。

步骤(3).传感器节点感知目标信息，得到测量数据：

网络中每个传感器节点感知目标信息，得到测量数据，观测方程为d_k,i＝u_k,iw⁰+v_k,i；式中的i表示测量时刻；d_k,i为节点k的第i次测量数据；w⁰为待估计的M×1维目标向量；u_k,i表示节点k在时刻i的1×M维的回归矢量；v_k,i为节点k在i时刻的本地测量噪声，假设噪声是均值为0，方差为的高斯白噪声。

步骤(4).传感器节点根据测量数据自适应地更新本地估计信息：

式中ψ_k,i表示节点k在i时刻的本地估计信息；表示回归矢量u_k,i的共轭转置；w_k,i-1表示节点k在i-1时刻的最终估计结果。节点在i＝0时，最终估计结果w_k,0的估计参数均为0。当i≥1时，每个观测节点根据本地的测量数据，利用最速下降法，自适应地在当前时刻立即得到新的本地估计信息ψ_k,i。μ_k为最速下降法中的步长因子，0＜μ_k＜＜1，步长因子的选取会影响估计结果的收敛速度。

步骤(5).节点对得到的本地估计信息进行相似度的计算，将计算结果按照从大到小的顺序排列，选择前L个最不相似的估计参数广播给邻居节点，并接收邻居节点的本地估计信息。具体如下：

(5-1).相似度计算：

节点利用当前时刻得到的本地估计信息和上一时刻发送的本地估计信息，计算M个待估参数的相似度：式中的ψ_n,k,i表示节点k在i时刻的本地估计信息的第n个参数,ψ_n,k,i-1表示节点k在i-1时刻的本地估计信息的第n个参数。

(5-2).选择发送：

节点k将步骤(5-1)得到的M个待估参数的相似度结果进行排序，按照从大到小的顺序选择前L个待估参数广播给邻居节点，并接收所有邻居节点的本地估计信息。

步骤(6).根据步骤(2)生成的权重系数c_l,k，融合自己和邻居节点的本地估计信息，得到本次迭代的最终估计结果：式中w_k,i表示节点k在i时刻的最终估计结果；A_l,i为邻居节点l在i时刻生成的M×M维的对角选择矩阵，对角元素为0表示该位置对应的的估计参数没有被发送，对角元素为1表示该位置对应的估计参数被发送到节点k；A_l,iψ_l,i表示步骤(5)邻居节点l在i时刻根据相似度计算结果，选择发送给节点k的本地估计信息，节点利用本地估计信息补偿邻居节点l未发送的估计参数。

步骤(7).如果所有传感器节点均能正常工作，则重复执行步骤(3)～(6)，直至网络中所有节点的估计结果收敛并趋向于一致，或直至无线传感器网络生存周期结束。如果网络中某个传感器节点由于能量耗尽或硬件故障导致节点失效，则重复执行步骤(2)～(6)，直至网络中所有节点的估计结果收敛并趋向于一致，或直至无线传感器网络生存周期结束。

本发明基于无线传感网络中节点协作的方式，提出了一种减少通信开销的分布式估计方法。节点首先计算相邻时刻得到的本地估计信息每个待估参数的相似度，然后对待估参数的相似度进行排序，最后选择部分相似度较小的估计参数与邻居节点交换，减少了节点信息的发送量。与现有技术相比，本发明具有如下优点：

1、本发明在目标区域随机分布传感器节点，节点利用通信距离自组织的获取邻居节点集，不需要预先部署网络拓扑，节省了人力资源。

2、本发明对节点相邻时刻得到的本地估计信息进行相似度的计算，选择部分携带更多信息量的待估参数广播到邻居节点，减少了节点本地相似信息的发送，降低了节点的能耗，节省了带宽资源，延长了网络的生存周期。

3、本发明利用节点本地估计信息补偿邻居节点未发送的估计信息，保证了算法的收敛速度，在允许的均方误差范围内，网络中所有节点的估计结果向期望结果收敛。因此在降低能耗的同时，能够达到良好的估计性能。

附图说明

图1为本发明实施例中的分布式网络示意图。

图2为本发明方法的流程图。

具体实施方式

以下结合附图并举实施例对本发明作进一步详细说明。

如图1所示的无线传感网络中，在一定区域内随机分布了20个传感器节点(图中标号：1～20)和5个目标节点(图中标号：Ⅰ、Ⅱ、Ⅲ、Ⅳ、V)。传感器节点的最大通信距离为r，对目标节点的最大观测距离为R。网络的估计任务为M×1的向量,本实施例中M＝5，向量的元素为相应目标节点的待估参数。迭代次数最多为K次，本实施例取K＝1000。

如图2所示，本实例具体通过以下步骤实现：

步骤1.节点初始化估计信息和待估参数的相似度。首先，节点设置待估向量中每个参数的初始相似度：Similarity_n,k＝0,n＝{1,2,…,5}，表示节点k的第n个参数的相似度。其次，节点设置本地估计信息ψ_k和最终估计结果w_k的初始值为5×1维的0向量。

步骤2.传感器节点确定邻居节点集，生成权重系数和每次发送待估参数的个数L。网络中每个节点确定邻居节点集，邻居节点集包括节点本身，以及节点通信范围内未失效的所有邻居节点，用N_k表示任意节点k的邻居节点集，如果节点l为节点k的邻居节点，则l∈N_k。节点对邻居节点集的所有节点分配权重系数c_l,k，且满足在本实施例中，节点根据Metropolis权重准则生成权重系数，如下式所示：

式中的N_k表示节点k的邻居节点集，所含节点的数目称为节点k的度。D_k和D_l分别表示节点k和节点l的度。设置节点每次发送估计参数的个数L，且满足0≤L≤M，本实施例中L＝3。

步骤3.观测节点感知目标信息，得到测量数据，具体如下：

网络中每个传感器节点感知目标信息，得到测量数据，观测方程为：

d_k,i＝u_k,iw⁰+v_k,i；

式中的i表示测量时刻；d_k,i为节点k的第i次测量数据；w⁰为待估计的M×1维目标向量；u_k,i表示节点k在时刻i的1×M维的回归矢量；v_k,i为节点k在i时刻的本地测量噪声，假设噪声是均值为0，方差为的高斯白噪声。

步骤4.节点根据测量数据更新本地估计信息。利用最速下降法，节点根据测量数据自适应地更新本地估计信息，具体如下：

式中的ψ_k,i表示节点k在i时刻的本地估计信息，w_k,i-1表示节点k在i-1时刻的最终估计结果。节点在i＝0时，最终估计结果w_k,0的估计参数均为0。当i≥1时，每个观测节点根据本地的测量数据，利用最速下降法，自适应地在当前时刻立即得到新的本地估计信息ψ_k,i。式中的μ_k(0＜μ_k＜＜1)为最速下降法中的步长因子，在本实施例中，所有节点选取相同的步长因子μ＝0.01。

步骤5.节点计算待估参数的相似度，选择部分待估参数广播给邻居节点。节点对得到的本地估计信息进行相似度的计算，将计算结果按照从大到小的顺序排列，选择前3个最不相似的估计参数广播给邻居节点，并接收邻居节点的本地估计信息。具体如下：

5-1.相似度计算阶段：

节点利用当前时刻得到的本地估计信息和上一时刻发送的本地估计信息，对待估的5个参数做相似度计算，计算公式为：式中的ψ_n,k,i表示节点k在i时刻的本地估计信息的第n个参数，ψ_n,k,i-1表示节点k在i-1时刻的本地估计信息的第n个参数。

5-2.广播与接收阶段：

节点k将步骤5-1得到的5个待估参数的相似度结果进行排序，按照从大到小的顺序选择前3个待估参数广播给邻居节点，并接收所有邻居节点的本地估计信息。

步骤6.节点融合邻居节点的中间估计信息得到最终的估计结果。节点根据步骤2生成的权重系数，融合自己和邻居节点的本地估计信息，得到本次迭代的最终估计结果。具体为：式中w_k,i表示节点k在i时刻的最终估计结果；A_l,i为邻居节点l在i时刻生成的5×5维的对角选择矩阵，对角元素为0表示该位置对应的的估计参数没有被发送，对角元素为1表示该位置对应的估计参数被发送到节点k；A_l,iψ_l,i表示邻居节点l在i时刻。根据相似度计算结果，选择发送给节点k的本地估计信息，节点利用本地估计信息补偿邻居节点l未发送的估计参数。

步骤7.判断传感器节点是否失效。如果节点k在连续的t(本实施例中t＝10)次迭代过程中均未收到邻居节点l的本地估计信息，则认为节点l由于能量耗尽或硬件故障导致节点失效，此时节点k需要重新确定邻居节点集，并生成新的权重系数，因此，重新执行步骤2至步骤6。若网络的所有传感器节点均正常工作，执行步骤8。

步骤8.重复执行步骤3至步骤7，直至网络中所有节点的估计信息收敛或时刻i达到上限K(本实施例中取K＝1000)。

上述实施例所述的内容仅仅是对本发明实现形式的列举，本发明的保护范围不应限于实施例所陈述的具体形式，本发明的保护范围也应包含在本发明基础上所构思的同类发明方法。

Claims (2)

1.一种基于无线传感网络的分布式估计的节能方法，其特征在于该方法包含以下步骤：

步骤(1).广播通知：

该无线传感网络是由N个无线传感器组成，每个传感器视为网络的观测节点；网络的估计目标为M×1维的向量w⁰，w⁰的元素为M个待估参数；观测节点采用协作的方式执行估计任务，节点间的最大通信距离为r，节点对目标的最大观测距离为R；

节点设置待估向量中每个参数的初始相似度：Similarity_n,k表示节点k的第n个参数的相似度，n＝{1,2,…,M}；节点设置本地估计信息ψ_k和最终估计结果w_k的的每个待估参数的初始值为0，即ψ_k和w_k的初始值为M×1维的0向量；

步骤(2).网络中每个节点确定邻居节点集：

邻居节点集包括节点本身，以及节点通信范围内未失效的所有邻居节点,节点l如果是节点k的邻居节点，则l∈N_k，N_k表示任意节点k的邻居节点集；节点对邻居节点集的所有节点分配权重系数c_l,k，且满足设置节点每次发送估计参数的个数L，且满足0≤L≤M；

步骤(3).传感器节点感知目标信息，得到测量数据：

网络中每个传感器节点感知目标信息，得到测量数据，观测方程为d_k,i＝u_k,iw⁰+v_k,i；式中i表示测量时刻，d_k,i为节点k的第i次测量数据，w⁰为待估计的M×1维目标向量，u_k,i表示节点k在时刻i的1×M维的回归矢量，v_k,i为节点k在i时刻的本地测量噪声，假设噪声是均值为0，方差为的高斯白噪声；

步骤(4).传感器节点根据测量数据自适应地更新本地估计信息：

式中ψ_k,i表示节点k在i时刻的本地估计信息；表示回归矢量u_k,i的共轭转置；w_k,i-1表示节点k在i-1时刻的最终估计结果；节点在i＝0时，最终估计结果w_k,0的估计参数均为0；当i≥1时，每个观测节点根据本地的测量数据，利用最速下降法，自适应地在当前时刻立即得到新的本地估计信息ψ_k,i；μ_k为最速下降法中的步长因子；

步骤(5).节点对得到的本地估计信息进行相似度的计算，将计算结果按照从大到小的顺序排列，选择前L个最不相似的估计参数广播给邻居节点，并接收邻居节点的本地估计信息；具体如下：

(5-1).相似度计算：

节点利用当前时刻得到的本地估计信息和上一时刻发送的本地估计信息，计算M个待估参数的相似度：式中的ψ_n,k,i表示节点k在i时刻的本地估计信息的第n个参数,ψ_n,k,i-1表示节点k在i-1时刻的本地估计信息的第n个参数；

(5-2).选择发送：

节点k将步骤(5-1)得到的M个待估参数的相似度结果进行排序，按照从大到小的顺序选择前L个待估参数广播给邻居节点，并接收所有邻居节点的本地估计信息；

步骤(6).根据步骤(2)生成的权重系数c_l,k，融合自己和邻居节点的本地估计信息，得到本次迭代的最终估计结果：式中w_k,i表示节点k在i时刻的最终估计结果；A_l,i为邻居节点l在i时刻生成的M×M维的对角选择矩阵，对角元素为0表示该位置对应的的估计参数没有被发送，对角元素为1表示该位置对应的估计参数被发送到节点k；A_l,iψ_l,i表示步骤(5)邻居节点l在i时刻根据相似度计算结果，选择发送给节点k的本地估计信息，节点利用本地估计信息补偿邻居节点l未发送的估计参数；

步骤(7).如果所有传感器节点均能正常工作，则重复执行步骤(3)～(6)，直至网络中所有节点的估计结果收敛并趋向于一致，或直至无线传感器网络生存周期结束；如果网络中某个传感器节点由于能量耗尽或硬件故障导致节点失效，则重复执行步骤(2)～(6)，直至网络中所有节点的估计结果收敛并趋向于一致，或直至无线传感器网络生存周期结束。

2.如权利要求1所述的一种基于无线传感网络的分布式估计的节能方法，其特征在于：所述的步长因子0＜μ_k＜＜1。