CN113375788B - 一种基于矩阵填充的水声传感器网络环境数据采集方法 - Google Patents

Abstract

本发明属于水声传感器网络技术领域，具体涉及一种基于矩阵填充的水声传感器网络环境数据采集方法。本发明利用基于矩阵填充的数据重建机制，减少了网络中需要采集数据量，节省了数据传输消耗的能量，针对实际网络部署情况，设计了采样时隙固定分配策略，保证采样时隙的随机性，平衡节点间的能耗。与基于压缩感知的水声传感器网络采集机制相比，本发明提出的基于矩阵补全的采集机制更加适用于数据空间相关性较弱的海洋观测场景。本发明提出的节点采样策略网络数据传输量低，可以保证采样点的随机性，同时又可以保证节点间的能耗均衡，且满足重建精度。

Description

一种基于矩阵填充的水声传感器网络环境数据采集方法

技术领域

本发明属于水声传感器网络技术领域，具体涉及一种基于矩阵填充的水声传感器网络环境数据采集方法。

背景技术

水声传感器网络被广泛应用于收集海洋环境信息，通过分布在水下的多个小型传感器节点定期采集温度、盐度和洋流等环境数据，然后将数据发送到海面基站(Sink)，Sink节点通过卫星网络将数据发往陆上处理中心。从海洋环境中收集到的数据通常可以用一个N×T矩阵来表示，即N个传感器节点在T个时隙内收集的数据信息。在传统的数据采集方法中，传感器节点通常将每个时隙收集到的信息全部发送到基站，导致传感器节点消耗大量能量。传感器节点一般部署在恶劣的海洋环境下，导致传感器节点更换电池存在一定的困难。因此，设计简单且节能的数据收集方法以减少传感器节点的能量消耗、延长节点生命周期成为水声传感器网络重要的研究方向。

随着压缩感知(CS,Compressive Sensing)理论的提出，Fatemeh等人利用海洋环境数据的空间相关性，提出了一种基于CS的海洋数据采集方法(Random AccessCompressed Sensing forEnergy-Efficient Underwater Sensor Networks,RACS)，该算法是在每个时隙利用压缩感知进行数据的重建。CS利用信号的稀疏特性，将原始数据压缩为较少的测量值，在稀疏性条件的约束下恢复原始数据。基于CS的数据收集方法能够有效地减少数据传输能耗，进而减少了网络整体能耗，延长网络寿命。此外，CS具有数据重构过程复杂但压缩过程简单的特点，适合低信息处理能力和能源受限的水声传感器节点。

虽然RACS方法可以节省能量和降低数据收集成本，但是仅适用于数据空间相关性较强的网络。网络环境数据的空间相关性减弱时，采样矩阵稀疏值变大，导致相同采用率下的重建误差增大。由于海洋环境数据具有较强的时间相关性，所以环境数据矩阵具有天然的低秩性。矩阵填充理论是近几年新兴的一种技术，可以看作是压缩感知理论的推广，即将一维稀疏向量重构问题推广至低秩矩阵的补全问题，目前已被广泛应用于机器学习、计算机视觉、推荐系统和信号处理等领域。矩阵填充的基本思想是基于重建矩阵的低秩特性，依据矩阵中已知的部分元素恢复矩阵中所有的未知元素。

基于矩阵填充理论的采集方法要求采样矩阵需满足一定的随机性。时间均匀随机采样法被证明可以达到良好的采样随机性。若采样率为p，时间均匀采样法是在每个时隙内随机采集pN个点。虽然网络生命周期与网络中传输的数据量有关，但同时也与节点间能耗的均衡程度有关。Xu等人提出一种基于LEACH分簇概率模型的采样算法(Low-Energy DataCollection in Wireless Sensor Networks Based on Matrix Completion，RRAS)，该机制可以保证网络节点的能量均衡，但是无法保证采样点数量的稳定，其重构误差稳定性较差。所以，在设计采样时隙分配策略时需考虑如何兼顾节点间的能量均衡和采样点选择的随机性。

发明内容

本发明的目的在于提供网络数据传输量低、节点间能耗均衡且满足重建精度的一种基于矩阵填充的水声传感器网络环境数据采集方法。

本发明的目的通过如下技术方案来实现：包括以下步骤：

步骤1：根据观测网络的历史数据，获取采样率p、网络传感器节点数量N、总时隙T、重建窗口时隙数M，传感器节点编号k范围从1至N，将全部传感器节点的集合记为R；初始化j＝0、k＝1；其中，p≤0.5；

步骤2：Sink节点设置采样时隙分配矩阵W、采样数据矩阵Y和重建数据矩阵U，W、Y和U的维度均为N×T，然后执行步骤3至9；

步骤3：设置规划时隙为i＝1；设置每个轮次的时隙数量为

ceil(·)表示向上取整；

步骤4：计算当前规划时隙i所处能量均衡周期轮次t；

步骤5：若

则执行步骤6；若

则执行步骤7；

步骤6：若当前规划时隙i处于本轮次t的第1至c-1个时隙内，则随机从传感器节点集合A＝{k∈R|G_k＝0}中随机选择pN个传感器节点作为采样点；若当前规划时隙i处于本轮次t的第c个时隙，则首先在传感器节点集合B＝{k∈R|S_k＝t,G_k＝1}中随机选择pNc-N个传感器节点作为采样点，然后在选择集合A中全部的传感器节点作为采样点；结束后执行步骤8；

其中，S_k表示传感器节点k在当前规划能量均衡周期内被采集的次数，在每个能耗均衡周期开始时所有传感器节点的S_k值设置为0；G_k表示传感器节点k是否已在本时隙内采样，在每个轮次t开始时，所有传感器节点的G_k值设置为0，若在当前规划时隙i内传感器节点k进行采样则设置G_k＝1，S_k＝S_k+1；

步骤7：若当前规划时隙i处于本轮次t的前c-1时隙内，则从传感器节点集合C＝{k∈R|S_k＝t+1,G_k＝0}中随机选择

个传感器节点作为采样点,在传感器节点集合D＝{k∈R|S_k＝t}中随机选择

个传感器节点作为采样点；若集合D中传感器节点数量不足，则从集合E＝{k∈R|S_k＝t+1,G_k＝1}中选择剩余数量的点；若当前时隙i处于本轮次t的第c个时隙，则将集合F＝{k∈R|S_k＝t+1}中的点全部作为采样点；结束后执行步骤8；其中，floor(·)表示向下取整；

步骤8：若传感器节点v在被本规划时隙被选中，则将矩阵W(v,i)设置为1；若未选中，则将将矩阵W(v,i)设置为0；

步骤9：更新规划时隙值i＝i+1；若i≤T，则返回步骤4；否则，将采样时隙分配矩阵W广播全网的传感器节点；

步骤10：更新网络时隙值j＝j+1；

步骤11：编号为k传感器节点判断W(k,j)的值是否为1，若是则采集环境数据并将数据发送到海面；海面基站收到传感器节点k的采样数据后，则将数据填充在矩阵元素Y(k,j)处；若在本时隙j未接收到传感器节点k的数据，则将矩阵元素Y(k,j)设置为0；

步骤12：更新采样点k＝k+1；若k≤N，则返回步骤11；否则执行步骤13；

步骤13：若网络时隙j≥M，则截取矩阵Y第j-M+1到第j列的数据组合成矩阵X；通过矩阵填充重建算法SVT获得重建后的矩阵

将矩阵

赋值到矩阵U的第j-M+1至第j列；

min||X||_*

其中，||X||_*表示核范数，是矩阵的奇异值之和；Ω代表矩阵中观测到的数据所在位置索引的集合；

步骤14：更新网络时隙值j＝j+1；若j≤T，则更新k＝1，执行步骤11至13；若j＞T，则输出矩阵U，得到N个传感器节点在T个时隙的海洋环境数据。

本发明的有益效果在于：

与基于压缩感知的水声传感器网络采集机制相比，本发明提出的基于矩阵补全的采集机制更加适用于数据空间相关性较弱的海洋观测场景。本发明提出的节点采样策略网络数据传输量低，可以保证采样点的随机性，同时又可以保证节点间的能耗均衡，且满足重建精度。

附图说明

图1为本发明的流程图。

图2为本发明中节点采样策略中所使用的能耗均衡周期划分示意图。

图3为本发明的实施例中不同采样率下采样方法的重建误差的性能对比图。

图4为本发明的实施例中不同时隙下的网络节点剩余能量方差的性能对比图。

图5为本发明的实施例中固定分配采样策略的网络节点剩余能量方差的性能对比图。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明涉及水声传感器网络技术领域，目的是提供网络数据传输量低、节点间能耗均衡且满足重建精度的一种基于矩阵填充的水声传感器网络环境数据采集方法。

一种基于矩阵填充的水声传感器网络环境数据采集方法，包括以下步骤：

步骤1：根据观测网络的历史数据，获取采样率p、网络传感器节点数量N、总时隙T、重建窗口时隙数M，传感器节点编号k范围从1至N，将全部传感器节点的集合记为R；初始化j＝0、k＝1；其中，p≤0.5；

步骤2：Sink节点设置采样时隙分配矩阵W、采样数据矩阵Y和重建数据矩阵U，W、Y和U的维度均为N×T，然后执行步骤3至9；

步骤3：设置规划时隙为i＝1；设置每个轮次的时隙数量为

ceil(·)表示向上取整；

步骤4：计算当前规划时隙i所处能量均衡周期轮次t；

步骤5：若

则执行步骤6；若

则执行步骤7；

步骤6：若当前规划时隙i处于本轮次t的第1至c-1个时隙内，则随机从传感器节点集合A＝{k∈R|G_k＝0}中随机选择pN个传感器节点作为采样点；若当前规划时隙i处于本轮次t的第c个时隙，则首先在传感器节点集合B＝{k∈R|S_k＝t,G_k＝1}中随机选择pNc-N个传感器节点作为采样点，然后在选择集合A中全部的传感器节点作为采样点；结束后执行步骤8；

其中，S_k表示传感器节点k在当前规划能量均衡周期内被采集的次数，在每个能耗均衡周期开始时所有传感器节点的S_k值设置为0；G_k表示传感器节点k是否已在本时隙内采样，在每个轮次t开始时，所有传感器节点的G_k值设置为0，若在当前规划时隙i内传感器节点k进行采样则设置G_k＝1，S_k＝S_k+1；

步骤7：若当前规划时隙i处于本轮次t的前c-1时隙内，则从传感器节点集合C＝{k∈R|S_k＝t+1,G_k＝0}中随机选择

个传感器节点作为采样点,在传感器节点集合D＝{k∈R|S_k＝t}中随机选择

个传感器节点作为采样点；若集合D中传感器节点数量不足，则从集合E＝{k∈R|S_k＝t+1,G_k＝1}中选择剩余数量的点；若当前时隙i处于本轮次t的第c个时隙，则将集合F＝{k∈R|S_k＝t+1}中的点全部作为采样点；结束后执行步骤8；其中，floor(·)表示向下取整；

步骤8：若传感器节点v在被本规划时隙被选中，则将矩阵W(v,i)设置为1；若未选中，则将将矩阵W(v,i)设置为0；

步骤9：更新规划时隙值i＝i+1；若i≤T，则返回步骤4；否则，将采样时隙分配矩阵W广播全网的传感器节点；

步骤10：更新网络时隙值j＝j+1；

步骤11：编号为k传感器节点判断W(k,j)的值是否为1，若是则采集环境数据并将数据发送到海面；海面基站收到传感器节点k的采样数据后，则将数据填充在矩阵元素Y(k,j)处；若在本时隙j未接收到传感器节点k的数据，则将矩阵元素Y(k,j)设置为0；

步骤12：更新采样点k＝k+1；若k≤N，则返回步骤11；否则执行步骤13；

步骤13：若网络时隙j≥M，则截取矩阵Y第j-M+1到第j列的数据组合成矩阵X；通过矩阵填充重建算法SVT获得重建后的矩阵

将矩阵

赋值到矩阵U的第j-M+1至第j列；

min||X||_*

其中，||X||_*表示核范数，是矩阵的奇异值之和；Ω代表矩阵中观测到的数据所在位置索引的集合；

步骤14：更新网络时隙值j＝j+1；若j≤T，则更新k＝1，执行步骤11至13；若j＞T，则输出矩阵U，得到N个传感器节点在T个时隙的海洋环境数据。

本发明利用基于矩阵填充的数据重建机制，减少了网络中需要采集数据量，节省了数据传输消耗的能量，针对实际网络部署情况，设计了采样时隙固定分配策略，保证采样时隙的随机性，平衡节点间的能耗。

本发明面向需要周期性采集海洋环境数据并进行实时上报的海洋观测网络，主要功能包括传感器节点采样策略和数据的收集重建方法。

1.传感器节点的采样策略

本发明提出了一种采样时隙固定分配策略。假设根据观测网络的历史数据可以得到满足重建误差要求下的采样率p，网络节点数量为N，总时隙为T，全部传感器节点的集合记为R。

根据采样率可以得到每个时隙需要采样的点数为pN，若要保证能耗均衡，需在每个时隙选择此前尚未被采样的点。但在第ceil(1/p)个时隙时未被采样点的个数小于需要采用的点数(ceil(a)表示对a进行向上取整)，记c＝ceil)1/p)。

本发明设计思路是在优先考虑采样点随机性的基础上保证节点间的能耗均衡。设每c个时隙为1个轮次，在第1轮次的第1到c-1时隙时，从本轮次尚未选中的点中选择采样点。在第1轮次的第c-1个时隙结束时，本轮次尚未被选中的点数量为N-pN(c-1)，记为N_v＝N-pN(c-1)。第1轮次的第c个时隙，首先在已选中的点中选择pNc-N个点进行采样，设N_H＝pNc-N，然后将本轮次尚未被选中的N_v个点全部选作采样点。在第2轮次的第1到c-1时隙时，从本轮次尚未选中的点中选择采样点。在第2轮次的第c-1个时隙结束时，此时被选中总次数为3的节点数量若为γ，则未被选中且总次数为2的节点数量为N_H-γ。已被选中且总次数为2的节点数量为pN(c-1)-γ，未被选中且总次数为1的节点数量为N-N_H-pN(c-1)+γ。在第2轮次第c时隙时，首先在本轮次已选中且选中总次数为2的节点中选择N_H个点进行采样，然后将全部本轮次尚未选中的点作为采样点。在第2轮次第c时隙结束时，被选中总次数为3的节点数量为2N_H，选中总次数为2的节点数量为N-2N_H。以此类推，在第t个轮次结束后，被选中总次数为t+1的节点数量为tN_H，选中总次数为t的节点数量为N-tN_H。当N-tN_H趋近于0时，即在

轮次结束后选中总次数为t的节点数量最少。在下一个轮次即第

轮次开始时，被选中总次数为

的节点数量为

记为集合H，选中总次数为

的节点数量为

记为集合V。若在

轮次内将集合H中节点选中1次、集合V中的节点选中2次，则在

轮次结束时全部节点被选中的总次数为

达到能耗均衡。

基于以上设计思路，本发明中节点采样策略的技术方案如下：

将网络时间划分为若干个能量均衡周期，每个周期包括

个轮次，每个轮次的时隙数量为c。每个传感器节点设置S和G属性值，S_k表示节点k在当前能量均衡周期内被采集的次数，G_k表示节点k是否已在本时隙内采样。在每个能耗均衡周期开始时传感器节点的S值设置为0，在每个轮次开始时，每个节点的G值设置为0。若在当前时隙节点进行采样则设置G_k＝1，S_k＝S_k+1。

Sink节点按照以下步骤在N个传感器节点中选择T时隙内的采样点：

步骤1：若当前时隙值为i，计算时隙i所处能量均衡周期轮次值t。

步骤2：当

时，若本时隙i处于本轮次t的第1至c-1个时隙内，则Sink节点随机从节点集合A＝{k∈R|G_k＝0}中随机选择pN个节点作为采样点。在本时隙i是本轮次t的第c个时隙时，首先在节点集合B＝{k∈R|S_k＝t,G_k＝1}中随机选择pNc-N个节点作为采样点，然后在选择集合A中全部的节点作为采样点。

步骤3：当

时,在本轮次前c-1时隙内，从节点集合C＝{k∈R|S_k＝t+1,G_k＝0}中随机选择

个节点作为采样点(floor(a)表示对a进行向下取整),在节点集合D＝{k∈R|S_k＝t}中随机选择

个节点作为采样点,若集合D数量不足，则从集合E＝{k∈R|S_k＝t+1,G_k＝1}中选择剩余数量的点。在第c个时隙，将集合F＝{k∈R|S_k＝t+1}中的点全部作为采样点。

步骤4：更新时隙值i＝i+1，判断i是否小于等于T，若满足条件，则重复步骤1至3。

步骤5：Sink节点将采样时隙分配矩阵广播全网的传感器节点。

以上采样策略方案适用于采样率p小于等于0.5的场景，而当采样率p大于0.5时，可以将以上2种方案中的采样率设置为1-p，将最后算法得到的非选中点设置为采样点，选中点作为非采样点即可。

2.环境数据采集流程

本发明中环境数据采集方案流程如下：

在每个时隙开始时网络节点根据当前规划的采样时隙或计算采样概率决定是否需要采集数据，节点完成采集操作后将数据发送到海面基站。

海面基站收到传感器节点采样的数据后，将数据存入N×T矩阵Y中，若接收到的节点编号为i，当前时隙为j，则将数据填充在矩阵元素Y(i,j)处；若本时隙未接收到节点i的数据，则将矩阵元素Y(i,j)设置为0。

假设重建时隙窗口为M个时隙，海面基站在第j时隙结束时，截取矩阵Y第j-M+1到第j列的数据组合成矩阵X。

基于公式(2)，通过矩阵填充重建算法SVT获得重建后的矩阵

其中第M列为本时隙全部节点位置的环境数据。

min||X||_*

其中，||X||_*表示核范数，是矩阵的奇异值之和。Ω代表矩阵中观测到的数据所在位置索引的集合。

与现有技术相比，本发明的有益效果是：

与基于压缩感知的水声传感器网络采集机制相比，本发明提出的基于矩阵补全的采集机制更加适用于数据空间相关性较弱的海洋观测场景。本发明提出的节点采样策略可以保证采样点的随机性，同时又可以保证节点间的能耗均衡。

实施例1：

本实施例使用美国加利福尼亚州沿海的RACMS系统所产生的海洋温度数据验证本方法的数据重建精度与节点间的能耗均衡程度。数据收集的起始时间为2017年1月1日上午9时，每6个小时观测一次数据。在深度为30m～300m、水平面积为1000m×1000m的立体海域内随机选择100个节点作为观测点。假设传感器节点的初始能量为100J，传感器节点向海面基站发送一次数据所消耗的能量为1J。因为本算法主要所解决问题主要与发送能耗有关，所以本实例忽略传感器节点接收和处理数据所消耗的能量。

采集总时隙数为100，重建窗口时隙数为50，采样率为0.3。根据采样率，将采集总时长划分为5个能量均衡周期，每个周期的时隙数为20，其中每个周期包括5个轮次，每个轮次时隙数为4。每个节点设置S和G属性值：在每个能量均衡周期开始时，每个节点的S值设置为0；在每个轮次开始时，每个节点的G值设置为0。

(1)基于固定时隙分配算法的海洋收集机制具体实施步骤如下：

假设当前时隙i在某个能量均衡周期的第t个轮次内。

当t≤4时，若本时隙i处于本轮次t的第1至3个时隙内，则Sink节点随机从节点集合A＝{k∈R|G_k＝0}中随机选择30个节点作为采样点。若i是本轮次t的第4个时隙时，首先选择集合A中全部的节点作为采样点，然后在节点集合B＝{k∈R|S_k＝t,G_k＝1}中随机选择20个节点作为采样点。

当t＝5时,Sink节点从节点集合在本轮次前3个时隙内，从节点集合C＝{k∈R|S_k＝6,G_k＝0}中随机选择20个节点作为采样点(floor(a)表示对a进行向下取整),在节点集合D＝{k∈R|S_k＝5}中随机选择10个节点作为采样点,若集合D数量不足，则从集合E＝{k∈R|S_k＝6,G_k＝1}中选择剩余数量的点。在第4个时隙，将集合F＝{k∈R|S_k＝6}中的点全部作为采样点。

海面基站收到传感器节点采样的数据，假设当前时隙为第58个时隙，若接收到的节点编号为5，则将数据填充在矩阵元素Y(5,58)处；若本时隙未接收到节点5的数据，则将矩阵元素Y)(5,58)设置为0。海面基站在第58时隙结束时，截取矩阵Y第9到第58列的数据组合成矩阵X。基于公式(2)，通过矩阵填充重建算法SVT获得重建后的矩阵

矩阵

第50列为本时隙全部节点的环境数据。

图3所示在不同采样率下的重建误差，从中可以看出，时间均匀采样和本发明提出的固定时隙分配采样策略(EERS-固定分配)的重建误差较小，而且随采样率的增加，重建误差平稳减小。在采样率为0.3和0.4时，RRSS的误差较大，这是因为到采样率为0.3和0.4时，该算法最后一个时隙所采的数量不足导致的。

图4所示，在采样率为0.3时不同时隙下的网络节点剩余能量的方差变化，当方差为0时，可以认为能量消耗达到均衡状态。由于时间均匀采样，未考虑能耗均衡问题，其剩余能量方差随时隙增加而增大。由于RRSS使用LEACH分簇模型公式，可以保证节点周期性达到均衡状态。本发明提出的固定时隙分配采样策略剩余能量方差远小于均匀采样的方差，与RRSS的剩余能量方差近似。所以从图3和图4中可以得出，本发明提出的采样策略既可以保证节点间能量消耗的均衡性，又能保证重建误差的精度。

图5所示，当采样率为0.3时，本发明提出的固定时隙分配采样策略在不同时隙下的剩余能量方差。可以看出网络节点的剩余能量方差分别在第20个和第40个时隙时为0，即网络节点间达到能耗均衡状态。所以本发明提出的固定时隙分配采样策略具有采样数量稳定和能量消耗均衡的优势。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于矩阵填充的水声传感器网络环境数据采集方法，其特征在于，包括以下步骤：

步骤1：根据观测网络的历史数据，获取采样率p、网络传感器节点数量N、总时隙T、重建窗口时隙数M，传感器节点编号k范围从1至N，将全部传感器节点的集合记为R；初始化j＝0、k＝1；其中，p≤0.5；

步骤2：Sink节点设置采样时隙分配矩阵W、采样数据矩阵Y和重建数据矩阵U，W、Y和U的维度均为N×T，然后执行步骤3至9；

步骤3：设置规划时隙为i＝1；设置每个轮次的时隙数量为

ceil(·)表示向上取整；

步骤4：计算当前规划时隙i所处能量均衡周期轮次t；

步骤5：若

则执行步骤6；若

则执行步骤7；

步骤6：若当前规划时隙i处于本轮次t的第1至c-1个时隙内，则随机从传感器节点集合A＝{k∈R|G_k＝0}中随机选择pN个传感器节点作为采样点；若当前规划时隙i处于本轮次t的第c个时隙，则首先在传感器节点集合B＝{k∈R|S_k＝t,G_k＝1}中随机选择pNc-N个传感器节点作为采样点，然后在选择集合A中全部的传感器节点作为采样点；结束后执行步骤8；

其中，S_k表示传感器节点k在当前规划能量均衡周期内被采集的次数，在每个能耗均衡周期开始时所有传感器节点的S_k值设置为0；G_k表示传感器节点k是否已在本时隙内采样，在每个轮次t开始时，所有传感器节点的G_k值设置为0，若在当前规划时隙i内传感器节点k进行采样则设置G_k＝1，S_k＝S_k+1；

步骤7：若当前规划时隙i处于本轮次t的前c-1时隙内，则从传感器节点集合C＝{k∈R|S_k＝t+1,G_k＝0}中随机选择

个传感器节点作为采样点,在传感器节点集合D＝{k∈R|S_k＝t}中随机选择

个传感器节点作为采样点；若集合D中传感器节点数量不足，则从集合E＝{k∈R|S_k＝t+1,G_k＝1}中选择剩余数量的点；若当前时隙i处于本轮次t的第c个时隙，则将集合F＝{k∈R|S_k＝t+1}中的点全部作为采样点；结束后执行步骤8；其中，floor(·)表示向下取整；

步骤8：若传感器节点v在被本规划时隙被选中，则将矩阵W(v,i)设置为1；若未选中，则将将矩阵W(v,i)设置为0；

步骤9：更新规划时隙值i＝i+1；若i≤T，则返回步骤4；否则，将采样时隙分配矩阵W广播全网的传感器节点；

步骤10：更新网络时隙值j＝j+1；

步骤11：编号为k传感器节点判断W(k,j)的值是否为1，若是则采集环境数据并将数据发送到海面；海面基站收到传感器节点k的采样数据后，则将数据填充在矩阵元素Y(k,j)处；若在本时隙j未接收到传感器节点k的数据，则将矩阵元素Y(k,j)设置为0；

步骤12：更新采样点k＝k+1；若k≤N，则返回步骤11；否则执行步骤13；

步骤13：若网络时隙j≥M，则截取矩阵Y第j-M+1到第j列的数据组合成矩阵X；通过矩阵填充重建算法SVT获得重建后的矩阵

将矩阵

赋值到矩阵U的第j-M+1至第j列；

min||X||_*

其中，||X||_*表示核范数，是矩阵的奇异值之和；Ω代表矩阵中观测到的数据所在位置索引的集合；

步骤14：更新网络时隙值j＝j+1；若j≤T，则更新k＝1，执行步骤11至13；若j＞T，则输出矩阵U，得到N个传感器节点在T个时隙的海洋环境数据。

Images