； 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。3. 根据权利要求2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： 判断数据变化率大于第一变化率阔值的时间序列的数量； 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； 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阔值的各时间 序列形成的数据集合；所述预设周期大于采集时间间隔； 将主变量系数最大的时间序列作为首列、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 变化率阔值的时间序列形成的数据集合。4. 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： 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. 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。5. 根据权利要求1-4中任一项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，通过下式获取所述数据变化率其中，bp, (t)为传感器节点P的采集参数S的数据变化率，p,(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'g(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，P, (t-1)和P'S(t-1)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，P'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P'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； 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，Pg(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，Pg(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,(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O采集数据；e为大于0,小于等于0.05的实 数。6. 根据权利要求3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，通过下式获取所述主变量系数其中，kf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 一变化率阔值的采集数据的个数；A、丫均为预设值，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，bf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。7. 根据权利要求4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，通过下式获取所述自然状态数据变化率命,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，！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， P's(-i-l)为传感器节点P的采集参数S在第-i-1个采集时间点的相当值，Pg(-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； 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，Pg(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，Pg(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,(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O采集数据；e为大于0,小于等于0.05的实 数。8. 根据权利要求1-7中任一项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，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： 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阔值 和时间序列中每个采集数据的第一幅度变化率； 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 阔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阔值的采集数据； 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： 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阔值 和时间序列中每个采集数据的第一幅度变化率； 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阔值的时间异常数据 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阔值 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阔值的采集数据； 当所述第二幅度变化率大于等于所述空间异常阔值时，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。9. 根据权利要求8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，通过下式获得所述时间异常阔值其中Mw为时间异常阔值，％，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，Ii为一预设的正整数，P'A-V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-1个采集时间点的相当值，Pg(-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，0为一预设值，取值范围为（0,I); 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，Pg(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，Pg(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,(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；e为大于0,小于等于0.05的实 数。10.根据权利要求8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，通过下式获得所述空间异常阔值其中，Mg为空间异常阔值，Aw:,为传感器节点P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，12为一预设的正整数，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，P's(-i-l)为传感器节点 P的采集参数S在第-i-1个采集时间点的相当值，屯(-1)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，O为一预设值，取值范围为（〇，1)。所述传感器节点q是传感器节点P 的邻居节点； 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，Pg(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，Pg(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,(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；e为大于0,小于等于0.05的实 数。
【专利摘要】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：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。本发明通过分析和对比各参数时间序列变化特性，对采集参数进行排序形成压缩矩阵，增强了压缩矩阵内部相邻数据间的耦合性，从而在用如小波压缩方式进行压缩时可以提高数据的压缩效率。
【IPC分类】H04L29/08, H04W84/18, H04W28/06
【公开号】CN105208120
【申请号】CN201510609483
【发明人】李飞飞, 缪祎晟, 吴华瑞, 朱华吉, 郝鹏
【申请人】北京农业信息技术研究中心
【公开日】2015年12月30日
【申请日】2015年9月22日