到精度要求。通过联合优化，最终找到一组最优的 稀疏率0和压缩比P的组合，从而产生压缩测量矩阵O。因此在能量优化时结合稀疏率 0，压缩比P，分簇个数，虚拟MIMO天线阵列所包含的传感器节点个数，调制过程中的星座 图大小五个参数进行联合优化，确保满足重构精度同时使得数据收集能耗最小。
[0032] 4.本发明依据稀疏率0和压缩比P产生压缩测量矩阵，测量矩阵的每一列向量 值对应一个传感器节点的测量权值，只有测量权值为非零时传感器节点需要向簇头节点发 送数据，其余测量权值为零时传感器节点因为压缩测量后值为零，不需要向簇头节点发送 数据。因此依据稀疏率0，0 << 1产生的测量矩阵使得传感器节点的大部分测量权值为 零，使得在每一轮的数据收集过程中传感器节点需要向簇头节点发送的数据大大减少，大 大降低了节点的通信能耗。
[0033] 5.本发明所有的传感器节点对优化参数和测量权值进行接收并存储，因为W上采 用的测量矩阵为稀疏矩阵，测量权值大部分元素为零，相比于传统的采用密集测量矩阵进 行压缩的方法，可W大大降低了所需的存储器单元。
[0034] 6.本发明根据联合优化结果，形成分簇和虚拟MIMO传输阵列进行虚拟MIMO传输， 而现有的压缩数据收集方法，一类采用不分簇的多跳路由策略传输数据，一类采用分簇的 多跳路由策略传输数据，但无论采用哪类路由策略，现有方法在传输过程中均使用单天线 的传输技术，一方面需要很多的路由跳数才能到达SINK端，增加丢包率，另一方面单天线 的传输能力有限，在复杂应用环境下受衰落影响，传输性能差且消耗能量大，本发明采用的 虚拟MIMO传输是利用多个传感器节点形成一个虚拟的MIMO传输阵列，利用多天线的增益 降低了传输能耗，提高了传输性能。
[0035] 7.本发明对压缩测量和虚拟MIMO传输进行联合优化，获得压缩参数和传输参数 的一组最优组合（0，P，nt，Mt，b)，相比于现有的数据收集方案没有考虑到两者的整体性， 只针对传输过程进行优化的方式，本发明采用的方法具有更低的能量消耗。
[0036] 8.本发明簇头节点是根据所述测量矩阵的维度对所接收到的压缩数据进行加法 运算处理后再发送给所述虚拟MIMO天线阵列，现有的虚拟MIMO传输技术中簇头节点要 将接收到的来自于各传感器节点的数据进行数据融合去除大量冗余数据后再发送给虚拟 MIMO阵列，融合过程是一个数据处理过程有一定的能量消耗，而本发明中即使采用了虚拟 MMO传输技术，由于结合了压缩感知测量，簇头节点不需要数据融合过程，只要根据测量矩 阵的维度对接收到的数据进行加法运算处理，因此簇头的数据处理简单，运部分的能量消 耗可W忽略，此外由压缩测量矩阵维度决定加法运算维度，因此相比于现有的虚拟MIMO传 输技术，本发明中簇头需要发送的数据量更小。
【附图说明】
[0037] 图1为本发明的数据收集网络模型；
[0038]图2为本发明系的系统结构图；
[0039] 图3为本发明的虚拟MIMO压缩数据收集方案时序分配图；
[0040] 图4为现有技术中虚拟MIMO传输系统结构图；
[0041] 图5为节点部署在网络外部时本发明与现有单天线压缩收集方法的能效比较图；
[0042] 图6为节点部署在网络中屯、时本发明与现有单天线压缩收集方法的能效比较图。
【具体实施方式】
[0043] 本实施例中，一种基于虚拟MIMO(Multiple I吨Ut Multiple 0u1:put)的压缩数据 收集方法，是应用在由N个传感器节点和一个数据汇聚端SINK构成的无线传感网络中；在 数据汇聚端SINK建立能耗模型并进行多参数联合优化获得数据压缩收集的各项优化参数 (0，P，n。，M。b)和压缩测量矩阵O;N个传感器节点分别用于获取监测数据并经过压缩测 量矩阵的压缩测量后获得压缩数据；压缩数据经由其它传感器节点依据所述数据压缩收集 的各项优化参数形成虚拟MIMO阵列采用调制方式发送给所述数据汇聚端SINK ;数据汇聚 端SINK接收所述压缩数据，对压缩数据进行重构队陕复N个传感器节点的监测数据并发送 至远程网络；参照图2所示的数据收集方案的系统结构，本发明所提出的虚拟MIMO压缩数 据收集方案分为=个阶段，各阶段具体的时序分配图参照图3 : W44] - .预备阶段：
[0045] 步骤1、根据所述无线传感网络监测区域的覆盖范围，获得N个传感器节点到所述 数据汇聚端SINK的平均距离，如图1所示的网络模型图画出了其中一种位置关系，即数据 汇聚端SINK在无线传感网络的外部，在具体实现时也可W采用另一种位置关系，即数据汇 聚端SINK在无线传感网络的中屯、；
[0046] 步骤2、利用式（1)建立不同传输距离下的虚拟MIMO的压缩数据收集能耗模型 Etotal :
W48] 式（I)中，Et。,。康示无线传感网络的总通信能耗，n。为无线传感网络的分簇个数， 怎/"W表示第i个分簇内的各节点与第i个分簇内的簇头节点间的本地通信能耗之和， 表示第i个分簇内的虚拟MIMO天线阵列与数据汇聚端SINK的协作远程通信能耗；
[0049] 在预备阶段，本发明提出了一种"基于压缩感知和虚拟MIMO传输的联合能量优化 模型"，
[0050] 式（1)的能耗模型，综合考虑了W下五个过程的能量消耗：
[0051] 过程一：所有传感器节点将测量数据发送给各自的簇头节点； 阳〇巧过程二：簇头节点接收簇内传感器节点的数据；
[0053] 过程=:各个分簇内簇头节点发送数据给虚拟MIMO传输阵列；
[0054] 过程四：各个分簇内组成虚拟MIMO天线阵列的Mt个传感器节点接收来自于簇头 节点的数据； 阳化5] 过程五：各分簇内虚拟MIMO传输阵列发送数据到数据汇聚端SINK;
[0056] 过程一到过程四需要的总能耗称为本地通信能耗之和，过程五需要的能耗称为协 作远程通信能耗。能耗模型中忽略了压缩测量过程中的乘法运算、簇头节点接收数据之后 的加法运算的能耗和分簇形成过程中的能耗，是因为运=部分的能耗值相比于发送和接收 数据过程消耗的能耗非常小，可W忽略。而数据汇聚端SINK因为体积不受限，能量也不受 限，不需要对运部分能耗进行优化。
[0057] 对于式（1)中各部分的求解如下：
[0058] 式（1)中第i个分簇内本地通信能耗之和￡/"'"包含发送机前端功率放大器的发送 能量消耗和接收、发送机的其它电路模块的能量消耗，发送机前端功率放大器的发送能量 消耗我们简称之为传输能耗，用上标tran加W区分，表示为￡^-"'"";接收、发送机的其它电 路模块的能量消耗，我们简称之为电路能耗，用上标elc加W区分，表示为与。对于协作 远程通信采用相同的表示方法，因此本地通信能耗之和巧…"和协作远程通信能耗马均可W表示为传输能耗和电路能耗的和：
[0061] 因为本地通信包含了四个过程，过程一和过程=是发送数据的过程，存在传输能 耗和发送机的电路能耗，我们分别计算。首先计算本地通信传输能耗，本地通信传输能耗 与W"""为过程一的传输能耗片Mjray和过程S的传输能耗与M 之和，
[0062] 孩化^雌=怎1〇"1'姐_,+￡>心_邮一。 (4)
[0063] 节点发送天线上前端功率放大器的能耗定义为传输能耗。根据本地通信的特点， 节点距离短、信道为一平方衰落的加性白高斯噪声信道，通信方式采用传统的单天线传输 和接收方式，调制方式采用二进制相移键控BPSK。 W64] 过程一的传输能耗与W-胃-S为传感器节点需要的发送功率PikE-tfan-S和传输数据所 需要的平均时间…的乘积，那么第i个簇内的过程一的传输能耗与可计算为：
[0066]式巧）中Ni为第i个簇内的传感器节点数目，本数据收集方案采用的是随机的