无线传感网监测数据的空间相关性建模与定量分析方法及系统的制作方法
【技术领域】
[0001] 本发明涉及物联网技术领域，尤其涉及一种无线传感网监测数据的空间相关性建 模与定量分析方法及系统。
【背景技术】
[0002] 物联网用途广泛，遍及工农业生产、环境监测、现代物流、安防等多个领域。据"中 国市场情报中心"预测，2015年我国物联网产业规模将达10000亿元，2020年将超过5万亿 元。物联网可对物理世界与信息世界进行良好的融合，从根本上改变现有的IT系统。但是， 物联网大规模产业化还需解决一些关键问题，而物联网的主要技术之一是无线传感网络， 无线传感网络相关技术不够成熟是制约物联网实用化主要因素之一。
[0003] 利用监测数据空间相关性来设计各种算法来解决无线传感网中相关问题，一直受 到研究者的重视，例如在数据聚合和路由算法、数据存储和查询、数据压缩和编码、MAC层协 议设计、目标监测与定位，以往研究人员只是定性地评价这些算法对数据空间相关性强弱 的敏感程度，由于很少有真正的大规模无线传感网系统已经部署，几乎没有可用作测试算 法的空间范围较大实际数据集，于是，只好对数据分布特性做出不同的假设来定量地进行 评估。例如:有一些假设空间相关性是数据联合熵函数，有一些假设数据在空间服从某种扩 散规律，有一些假设数据在空间上分布是依赖距离的联合高斯函数，最后，还有一些研究人 员建议使用环境监测中获得的遥感数据，而这些数据集的空间分辨率不能匹配无线传感网 监测数据的粒度。已有研究员尝试用数学模型来捕捉无线传感网监测数据空间相关性，该 模型假设节点之间数据差服从均值为零，标准差依赖节点间距离的正态分布，该模型不依 赖于无线传感网节点部署密度、源事件个数、网络拓扑结构，但是，该模型从少量原始数据 抽取其空间相关性，与模型合成大尺度空间范围的测试数据的空间相关性匹配精度还有待 提高，另外获取模型参数的迭代计算收敛速度太慢。
[0004] 无线传感网采集数据都具有不同程度空间相关性，研究者试图利用这种相关性设 计高效的网络协议和算法，以适应由成千上万个节点组成网络。因此，需要无线传感网提供 大规模的实际测量数据并抽取其空间相关性，从而定量地评价空间相关性强弱对网络协议 和算法性能的影响。但是，目前的无线传感网不论真实系统，连演示系统都只停留在"百"这 个量级上，如何在一个较宽泛的真实条件下，从一个实际无线传感网系统采集的数据集中 捕捉其空间相关性，通过生成相应的数学模型来人工合成大规模数据集，使得两者的空间 相关性保持一致，从而为无线传感网网络协议和算法提供空间规模较大的测试数据源，是 一个急需解决的问题。随着传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术 的迅速发展，无线传感网部署规模将会越来越大，对这种测试数据源需求也会越迫切。
【发明内容】
[0005] 本发明要解决的技术问题在于针对现有技术中难以获得大规模无线传感网络数 据集的缺陷，提供一种可以人工合成任意空间相关性强弱的大规模数据集的无线传感网监 测数据的空间相关性建模与定量分析方法及系统。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] 本发明提供一种无线传感网监测数据的空间相关性建模与定量分析方法，包括以 下步骤：
[0008] S1、从小规模无线传感网中获取N个节点采集到的实际数据序列W= (XI，X2，…，XN )T，对实际数据序列W进行稀疏变换，得到k个非零系数，并按节点访问的顺利将最远的非零 系数对应的距离确定为参数h，h为整数；
[0009] S2、根据公式γ (i)，得到h个方程，
参数ai，β，的非线性方程组，其中：
[0011] S3、采用最小二乘法计算h个参数h，并代入非线性方程组；
[0012] S4、求解该非线性方程组，得到h+Ι个参数Μ，β;
[0013] S5、将得到的2h+l个参数〇1，0，〇1代入模型X(x，y)中，生成与实际数据序列W的空间 相关性保持一致的大规模数据集W'模型X (X，y)的公式为：
[0015]其中，Χ^Ζ^Υ共同决定了 X(x，y)，其中21(1 = 1，2，~，1〇、￥和父为两两相互独立的 随机变量，21表示相邻节点采集数据值间的差异，Y表示与节点X(x，y)距离超出h倍d后，X (X，y)取值仅与Y有关而与相邻节点Xi无关；
[0016] w.p.表示为中文的意思"关于"，可用"关于"两个字代替；
表示随机变量X(x， y)取值为的平均概率，β表示随机变量X(x，y)取值为Y的概率。
[0017] 进一步地，本发明的步骤S1中稀疏变换的方法具体为：
[0018] 将二维空间数据转换为一维向量进行稀疏表示，实际数据序列W在某组基Φ上呈现 k稀疏性，即有：
[0019] ψ=φθ
[0020] 其中，Φ是维数为Ν X Ν的稀疏变换矩阵，稀疏系数向量θ = ( Θ:，Θ 2，…θ Ν)τ，
[0021 ]进一步地，本发明的步骤S5中空间相关性用半变差函数来描述，对于二维空间的 平稳随机过程X(x，y)，半变差函数的公式为：
[0023]其中，E□表示随机变量求期望运算，（Xd,yd)表示节点与另一个节点(x，y)的距离 为d〇
[0024] 进一步地，本发明的步骤S5中根据模型参数21调整检测数据X的空间相关性强弱。
[0025] 本发明提供一种无线传感网监测数据的空间相关性建模与定量分析系统，包括：
[0026] 实际数据序列采集单元，用于从小规模无线传感网中获取N个节点采集到的实际 数据序列1=(11，1 2，一，幼)7，对实际数据序列1进行稀疏变换，得到1^个非零系数，并按节点 访问的顺利将最远的非零系数对应的距离确定为参数h，h为整数；
[0027] 参数求解单元，用于根据公式γ (i)，得到h个方程 立，得到h+1个关于参数〇1，0，〇1的非线性方程组，其中：
[0029] 并采用最小二乘法计算h个参数〇1，并代入非线性方程组;求解该非线性方程组， 得到h+Ι个参数aij;
[0030] 大规模数据集生成单元，用于将得到的2h+l个参数〇1，0，〇1代入模型X(x，y)中，生 成与实际数据序列W的空间相关性保持一致的大规模数据集W'模型X(x，y)的公式为：
[0032] 其中，Χ^Ζ^Υ共同决定了 X(x，y)，其中21(丨=1，2，."，1〇、￥和父为两两相互独立的 随机变量，21表示相邻节点采集数据值间的差异，Y表示与节点X(x，y)距离超出h倍d后，X (X，y)取值仅与Y有关而与相邻节点Xi无关；
[0033] W.P.表示为中文的意思"关于"，可用"关于"两个字代替；
表示随机变量Χ(χ， y)取值为Xi+Z^的平均概率，β表示随机变量X(x，y)取值为Y的概率。
[0034] 本发明产生的有益效果是:本发明的无线传感网监测数据的空间相关性建模与定 量分析方法，不仅可以通过控制模型参数，人工合成具有任意空间相关性强弱的大规模数 据集，而且还可以快速地从少量的测量数据中抽取其空间相关性参数，高精度地生空间相 关性与之匹配的大规模测试数据集。
【附图说明】
[0035]下面将结合附图及实施例对本发明作进一步说明，附图中：
[0036] 图1是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 流程图；
[0037] 图2是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 矩形网格中节点访问顺序(1);
[0038] 图3是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 矩形网格中节点访问顺序(2);
[0039] 图4是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 空间相关性实验对比（1);
[0040] 图5是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 空间相关性实验对比（2);
[0041] 图6是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 温度数据集的参数分布图；
[0042] 图7是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 原始温度数据集的三维分布；
[0043] 图8是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 合成温度数据集的三维分布；
[0044] 图9是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法的 X-心的概率密度函数；
[0045] 图10是本发明实施例的无线传感网监测数据的空间相关性建模与定量分析方法 的比较原始与合成温度数据集的密度函数分布图；
[0046] 图11是