农田无线传感器网络参数间动态耦合压缩矩阵构建方法
【技术领域】
[0001] 本发明涉及一种农田无线传感器网络参数间动态耦合压缩矩阵构建方法。
【背景技术】
[0002] 农田无线传感器网络进行农田环境参数信息的采集，具有其自身的特点，首先对 于农田环境中的监测的环境参数如空气温湿度，土壤温湿度，光照等信息，当其跟随自然环 境变化时，这些参数在空间维度上变化较小，即，位置邻近的几个传感器节点采集的同一参 数的数据具有较大的相似性，即数值大小接近且变化率接近，在时间维度上，同一传感器节 点的同一采集参数的采集数据的变化较为缓慢，即同一个传感器节点，其同一参数的邻近 的几个采集时间点上采集的数据具有较大的相似性。而其中的一些参数如土壤湿度，在农 业生产环境中，经常受到人工控制，当这些参数受到人工控制时，受控参数会引起其他相关 参数的变化，如进行人工灌溉时，土壤湿度为受控参数，在短时间内数值差别会较大，其他 参数的变化比较慢，比如灌溉时，土壤湿度就是受控参数，变化很快，但土壤温度和空气湿 度则土壤湿度影响变化较慢，其相邻节点的土壤湿度、土壤温度和空气湿度等也会受到该 土壤湿度的影响，只是变化较慢。
[0003] 针对无线传感器网络数据传输前的处理，现有研究主要集中于数据压缩方面，公 开号为CN 101350827,发明名称为一种用于无线传感器网络的小波渐进数据压缩方法的专 利提出一簇头在接收传感数据的同时进行小波变换，产生小波系数；当小波系数达到一个 数据单元后，簇头对其编码压缩并传送编码压缩结果；簇头继续产生的小波系数生成下一 个数据单元，如此循环，形成渐进的数据压缩传送。对于计算能力和能量有限的无线传感器 而言采用这种方法计算量较大，且这种方法没能充分利用传感器节点采集的各个参数之间 的耦合性、同一参数的空间相关性和时间相关性（耦合性），压缩效率不高。
[0004][0005]
【发明内容】
[0006] 本发明提供一种农田无线传感器网络参数间动态耦合压缩矩阵构建方法，使形成 的压缩矩阵的各参数之间是按照耦合性进行排序的，从而可以提高数据的压缩效率。
[0007] 本发明提供一种农田无线传感器网络参数间动态耦合压缩矩阵构建方法，包括以 下步骤：
[0008] 无线传感器网络中的任意一个传感器节点获取其任一采集参数的时间序列，所述 时间序列为采集参数的一个数据压缩周期的时间序列；
[0009] 从任意一个采集节点的每个时间序列中分别选取一个特征数据，根据所述特征数 据和其历史数据获取用于表示参数变化特性的数据变化率；
[0010] 根据所述数据变化率对所述传感器节点的所有时间序列进行排序形成所述传感 器节点的压缩矩阵。
[0011] 优选的，所述根据所述数据变化率对所述传感器节点的所有时间序列进行排序形 成所述传感器节点的压缩矩阵具体包括：
[0012] 判断所有时间序列中是否存在数据变化率大于第一变化率阈值的时间序列；
[0013] 若存在，按照第一规则对所有时间序列排序形成所述传感器节点的压缩矩阵；
[0014] 若不存在，按照第二规则对所有时间序列排序形成所述传感器节点的压缩矩阵。
[0015] 优选的，所述按照第一规则对所有时间序列排序形成所述传感器节点的压缩矩阵 具体包括：
[0016] 判断数据变化率大于第一变化率阈值的时间序列的数量；
[0017] 当所述数量为一时，将该数据变化率对应的时间序列作为压缩矩阵的首列，其余 时间序列按照数据变化率由大到小的顺序依次排序形成所述传感器节点的压缩矩阵；
[0018] 当所述数量大于等于二时，根据预设周期和所述数据变化率获取第一时间序列集 合中各时间序列的主变量系数；所述第一时间序列为数据变化率大于第一变化率阈值的各 时间序列形成的数据集合；所述预设周期大于采集时间间隔；
[0019] 将主变量系数最大的时间序列作为首列首列、第一时间序列中的其余时间序列按 照数据变化率由大到小的顺序依次排列在首列之后形成压缩矩阵的前半部，第二时间序列 集合中各时间序列随机排序形成压缩矩阵的后半部，所述压缩矩阵前半部和压缩矩阵后半 部共同构成所述传感器节点的压缩矩阵，其中，所述第二时间序列集合为数据变化率小于 等于第一变化率阈值的时间序列形成的数据集合。
[0020] 优选的，所述按照第二规则对所有时间序列排序形成所述传感器节点的压缩矩阵 具体包括：
[0021] 根据各时间序列中的各采集数据和其历史数据获取各时间序列的自然状态数据 变化率；
[0022] 将所有时间序列按照所述自然状态数据变化率由大到小的顺序依次排序形成所 述传感器节点的压缩矩阵。
[0023] 优选的，通过下式获取所述数据变化率
[0026] 其中，bps(t)为传感器节点p的采集参数s的数据变化率，ps(t)为传感器节点p 的采集参数s的采集时间点t的采集数据，p' s(t_k)为传感器节点p的采集参数s的采 集时间点t的采集数据在预设周期前的相当值，ps(t-l)和p' s(t-l)分别为传感器节点p 的采集参数s的采集时间点t的采集数据的前一相邻采集数据和相邻采集数据的采集时间 点的相当值，s(t-l_k)为传感器节点p的采集参数s的采集时间点t的采集数据的前 一相邻采集数据的所述预设周期前的相当数据值V s(t_2)为传感器节点p的采集参数s 的采集时间点t的采集数据的前面第二个采集时间点的相当值，k为所述预设周期的采集 点数；
[0027] p' s(x)为传感器节点p的采集参数s的第X采集时间点的相当值，ps (X)为传感 器节点P的采集参数s的时间序列内第X采集时间点的采集数据，ps(X)为传感器节点p的 采集参数S的时间序列中的第X采集时间点的采集数据，P s (X-f)为传感器节点P的采集参 数S的时间序列内Ps(X)之前距离Ps(X)最近的非0采集数据；ε为大于0,小于等于0.05 的实数。
[0028] 优选的，通过下式获取所述主变量系数
[0030] 其中，I为在第一时间序列集合中的第r个时间序列中，对所述第r个时间序列中 每个采集数据分别计算数据变化率时，从当前采集数据向前统计、数据变化率连续大于所 述第一变化率阈值的采集数据的个数；λ、γ均为预设值，m为所述第一时间序列集合中时 间序列的个数，j为所述第一时间序列集合中各时间序列的序号，W为所述第一时间序列集 合中第 r个时间序列的数据变化率，bj为所述第一时间序列集合中的第j个时间序列的数 据变化率。
[0031 ] 优选的，通过下式获取所述自然状态数据变化率
[0034] ?κ.为传感器节点p的采集参数s的自然状态数据变化率，i为传感器节点p的采 集参数s的采集时间点的序数，1为传感器节点P的采集参数s在一个数据压缩周期内的最 大采集时间点数，P' s(_i)为传感器节点P的采集参数s在第i个采集时间点的相当值， s(-i_l)为传感器节点P的采集参数s在第-i-Ι个采集时间点的相当值，ps(-i_2)为 传感器节点P的采集参数s在第-i_2个采集时间点的采集数据；
[0035] p' s(x)为传感器节点P的采集参数s的第X采集时间点的相当值，ps(X)为传感 器节点P的采集参数s的时间序列内第X采集时间点的采集数据，p s(X)为传感器节点p的 采集参数s的时间序列中的第X采集时间点的采集数据，ps (x-f)为传感器节点p的采集参 数s的时间序列内ps(X)之前距离ps( X)最近的非0采集数据；ε为大于0,小于等于0.05 的实数。
[0036] 进一步地，在所述无线传感器网络中的任意一个传感器节点获取其任一采集参数 的时间序列之后，从每个时间序列中分别选取一个特征数据之前，所述方法还包括：
[0037] 根据每个时间序列中任一采集数据和其历史数据获取所述采集参数的时间异常 阈值和时间序列中每个采集数据的第一幅度变化率；
[0038] 当所述采集数据和其邻居采集数据均为第一幅度变化率大于等于所述时间幅度 异常阈值的时间异常数据时，用所述采集数据所属时间序列中距离所述采集数据最近的时 间非异常数据替代所述时间异常数据；其中，所述邻居采集数据为所述采集数据所属传感 器节点的邻居节点中与所述采集数据为同一采集参数的同一采集时间点的采集数据，所述 时间非异常数据为第一幅度变化率小于所述时间异常阈值的采集数据；
[0039] 或，在所述无线传感器网络中的任意一个传感器节点获取其任一采集参数的时间 序列之后，从每个时间序列中分别选取一个特征数据之前，所述方法还包括：
[0040] 根据每个时间序列中任一采集数据和其历史数据获取所述采集参数的时间异常 阈值和时间序列中每个采集数据的第一幅度变化率；
[0041] 当所述采集数据为第一幅度变化率大于等于所述时间幅度异常阈值的时间异常 数据时，若所述采集数据的邻居采集数据为时间非异常数据，根据所述采集数据、所述采集 数据的历史数据、邻居采集数据和邻居采集数据的历史数据获取所述采集参数的空间异常 阈值和所述采集数据的第二幅度变化率；其中，所述邻居采集数据为所述采集数据所属传 感器节点的邻居节点中与所述采集数据为同一采集参数的同一采集时间点的采集数据，所 述时间非异常数据为第一幅度变化率小于所述时间异常阈值的采集数据；
[0042] 当所述第二幅度变化率大于等于所述空间异常阈值时，用所述采集数据所属时间 序列中距离所述采集数据最近的时间非异常数据替代所述时间异常数据。
[0043] 优选的，通过下式获得所述时间异常阈值
[0046] Mw为时间异常阈值，为传感器节点