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；
[0094] 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。
[0095] 无论是自然状态还是受控状态，采集数据的变化都是一个平滑过渡的过程，而异 常数据的分布往往具有随机性，且异常数据的存在会影响后续的数据处理、浪费有限的能 量，对异常数据的忽视首先会导致在压缩过程中对其他数据的影响，如小波变换的压缩方 式中，异常数据的存在直接影响小波分析的影响压缩和重构的效果，所以，进一步地，在所 述S1、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，S2、 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：
[0096] S4、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；
[0097] S5、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；
[0098] 或者，在所述S1、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，S2、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：
[0099] S6、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；
[0100] S7、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；
[0101] S8、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。
[0102] 优选的，通过下式获得所述时间异常阈值
[0105] Mw为时间异常阈值，aps为传感器节点p的采集参数s的采集数据的第一幅度变化 率，i为传感器节点P的采集参数s的采集时间点的序数，I 1为一预设的正整数，SH) 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，p' 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，Θ为一预设值，取值范围为（〇，1);
[0106] 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。
[0107] Θ为一预设值，取值范围为（〇, 1)。其中^的大小与数据采集时间间隔和各采集 数据的平均变化率有关，平均变化率越快，I1的值应选取的越小，反之，1的值应选取的越 大，平均变化率快时，选取的数据数量越少，得到的结果越精确，而平均变化率慢时，选取的 数据数量越多，得到的结果越精确，Θ的大小与时间距离有关：距离待判断的数据采集时 间点的时间越长，Θ越小。之所以采用上述公式的就计算结果作为时间异常阈值是因为增 加与待判断的数据采集时间点距离更近的采集点的权值。
[0108] 优选的，通过下式获得所述空间异常阈值
[0112] 为空间异常阈值，sM5为传感器节点ρ的采集参数s的时间异常数据的第二 幅度变化率，i为传感器节点P的采集参数s的采集时间点的序数，I2为一预设的正整数， 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，p' 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，qs(_i)为传感器节点q的采集 参数s在第-i个采集时间点的采集数据，qs(-i-l)为传感器节点q的采集参数s在第-i-1 个采集时间点的采集数据，σ为一预设值，取值范围为（0，1)。所述传感器节点q是传感器 节点P的邻居节点；
[0113] 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。
[0114] σ为一预设值，取值范围为（0，1)。其中，I2的大小与数据采集时间间隔和数据 的平均变化率有关，平均变化率越快，I 2的值应选取的越小，反之，I2的值应选取的越大， 平均变化率快时，选取的数据数量越少，得到的结果越精确，而平均变化率慢时，选取的数 据数量越多，得到的结果越精确，σ的大小与两传感器节点之间的距离相关，取值范围是 (〇，1)。两传感器节点之间的距离越大，σ应越大。
[0115] 上述方法可以去除采集数据中的异常数据，去除异常点能够降低异常数据在数据 压缩和重构过程中对其它非异常数据的影响，不会导致信号重建时正常数据的偏差，从而 可以提供准确的监测结果。而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可以保证压缩矩阵的完整性，从而保证传输的数据的 完整性和真实性。
[0116] 通过下面例子说明本发明的方法。
[0117] 某个传感器节点i在采集时间点t采集的M个参数在完成的排序为：
[0118] I(t) = [ii(t) i2(t) i3(t) ··· iM(t)]
[0119] 则传感器节点i存储的采集时间点t-T到时刻t的MX (T+l)阶压缩矩阵记为
[0121] 其中，u+1为一个数据压缩周期内的最大采集时间点数。
[0122] 通过本发明方法形成的压缩矩阵I (t-u，t)的每一行、每一列的数据（每一列为一 个采集参数的时间序列）之间存在耦合性，并且每一行中的各采集数据之间按照参数间耦 合性强弱依次排列，此处设排在越前面的采集参数之间的耦合性越强。
[0123] 接下来对压缩矩阵I (t_u，t)进行二维离散小波变换，得到一组小波系数w(1) (I (t-u，t))。这组系数包括4个频率子带：低频子带，参数间高频子带，时间序列高频子带， 对角高频子带。
[0125] 由于原始矩阵I (t_u，t)在列方向具有相关性以及在行方向的由强到弱的相关 性，经过小波变换后获得的小波系数具有相关性特性，这一特性有利于小波系数的进一步 分解和压缩，即有利于提高数据的压缩效果。
[0126] 当环境参数间的耦合关系发生变化，矩阵I (t-u，t)中各参数的排列顺序发生变 化，即压缩矩阵结构发生变化。
[0127] 本文中所有公式中的_i中的_i表示的就是第i个采集时间点。
[0128] 本文中的历史采集数据指的是某一采集数据对应的采集参数的时间序列中该采 集数据的采集时间点之前的采集数据。
[0129] 本领域普通技术人员可以理解：以上各实施例仅用以说明本发明的技术方案，而 非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员 应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者 全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发 明权利要求所限定的范围。
【主权项】
1. 一种农田无线传感器网络参数间动态禪合压缩矩阵构建方法，其特征在于，包括W 下步骤： 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； 从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； 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。2. 根据权利要求1所述的农田无线传感器网络参数间动态禪合压缩矩阵构建方法，其 特征在于，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： 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阔值的时间序列； 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