本发明涉及监测选址，尤其是涉及一种海洋观测系统传感器稀疏选址方法、装置及存储介质。
背景技术：
1、对于一般的监测系统来说，能否对目标状态进行有效监测是十分重要的。特别是海洋观测领域，监测物理环境所用的传感器的位置选择将直接影响海洋观测系统部署的成本以及监测物理状态的有效性和精度等。由于海洋的范围十分广阔，在全球范围内进行海洋物理量的全状态监测并不符合实际的需求和条件，原因在于大量的全球性的传感器部署的成本十分高昂。特别是，海洋中监测环境的传感器往往部署在浮标、潜标或工程船等设备上，其部署及采集数据的成本均较高。
2、因此，有必要通过选址优化来确定海洋观测系统中的最佳观测位置，以便使得海洋观测系统可以通过在有限个位置处部署传感器，并通过该有限个位置的海洋物理量数据进行最佳的全状态数据的重构，这种情况一般涉及到数据降维及重构技术。
3、然而，现有的通过低维数据进行高维数据映射的方法进行传感器选址的方法主要包括本征正交分解(proper orthogonal decomposition-pod)、qr分解等方式。但是这些方法进行数据降维及重构时，未充分考虑原始数据中噪声的影响。此外，这些方法中进行重构的基一般采用符合标准正太分布的随机矩阵，存在一定的随机性。
技术实现思路
1、本发明的目的是克服上述现有技术存在的缺陷而提供一种在考虑原始数据存在噪声的条件下，通过降维及重构的方式实现传感器选址，进而提高传感器选址方法相对于噪声的鲁棒性，且不影响其重构精度的传感器稀疏选址方法。
2、本发明的目的可以通过以下技术方案来实现：
3、作为本发明的第一方面，提供一种稀疏选址方法，步骤包括：
4、将历史数据以及选址个数输入稀疏选址模型；
5、所述的稀疏选址模型设置为包括选址矩阵、重构矩阵以及用于表征噪声的噪声权重的重构误差函数，所述稀疏选址模型以选址矩阵的稀疏性以及噪声的影响力大小作为正则项，并加入噪声权重对应的熵项；
6、逐步迭代更新所述稀疏选址模型的选址矩阵、重构矩阵及噪声矩阵进而估计数据；
7、迭代至满足预设终止条件后，得到最终的选址位置集合即为稀疏选址结果。
8、作为优选技术方案，所述的稀疏选址模型表示为：
9、
10、
11、
12、其中，a为重构矩阵；c为选址矩阵；w为表征较小噪声的第一噪声权重，wij∈w；为表征较大噪声第二噪声权重，α、β、γ为预设系数；x为历史数据，包括m个样本及n个待选位置。
13、作为优选技术方案，所述稀疏选址模型模型简化为若干个子问题，采用块坐标更新进行模型迭代求解，在每个迭代的过程中分别更新选址矩阵c，重构矩阵a及噪声权重w，更新其中一个矩阵时，固定其余变量，所述的稀疏选址优化模型分解子函数如下：
14、
15、gα(c)＝α||c||2，1
16、
17、在第k次迭代时，分别更新各个变量：
18、
19、
20、
21、其中，为相对于选址矩阵c的lipschitz常数；为第k次迭代的估计选址矩阵；
22、
23、其中，ωk∈[0,1]为预设权重。
24、作为优选技术方案，所述的预设权重ωk的取值为：
25、
26、
27、其中，δω＜1为预设值；且
28、作为优选技术方案，所述的选址矩阵c对应的子函数采用块近端梯度法对选址矩阵c进行求解：
29、将选址矩阵c子问题变形为：
30、
31、其中，为系数；
32、变形后的矩阵按位置数量的维度拆解为n个变量对应的子问题：
33、
34、其中，s表示矩阵s的第i行，对应第i个位置；
35、按照下式更新选址矩阵c的每一行c，得到新的选址矩阵：
36、
37、其中，ω表示s的正值部分元素的索引集，||sω||2＞0。
38、作为优选技术方案，所述的稀疏选址模型中，迭代求解重构矩阵a的子问题时，按照下式更新重构矩阵a：
39、
40、其中，为伪逆。
41、作为优选技术方案，所述的第一噪声权重w及第二噪声权重对应的子函数，通过下面两式完成第一噪声权重w及第二噪声权重的更新：
42、
43、
44、作为优选技术方案，所述稀疏选址模型逐步迭代更新的过程如下：
45、输入历史数据x以及选址个数p；
46、判断第k次是否达到收敛条件；
47、计算lipschitz常数，根据更新选址矩阵c、重构矩阵a以及噪声权重矩阵；
48、判断本次更新后的目标函数值是否大于上一次的值；
49、如是则令：如否，则计算预设权重ωk并更新
50、令k←k+1；
51、重复迭代上述步骤直至满足预设收敛条件后结束迭代过程；
52、将得到的选址矩阵c按列进行归一化，并将归一化的选址矩阵c按列计算2范数，2范数值最大的p个列的索引存入选址位置集合；
53、输出迭代得到的选址矩阵c、重构矩阵a及选址位置集合。
54、作为本发明的第二方面，提供一种稀疏选址装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上所述的稀疏选址方法。
55、作为本发明的第三方面，提供一种存储介质，其上存储有程序，所述程序被执行时实现如上所述的稀疏选址方法。
56、与现有技术相比，本发明具有以下有益效果：
57、1)本发明所构建传感器稀疏选址的优化模型，在优化模型中加入噪声权重进行噪声的指示，实现降低噪声影响的效果。
58、2)本发明通过迭代法更新选址矩阵、重构矩阵及噪声矩阵，实现传感器的稀疏选址，选址效果较好，获得的估计数据精度远高于相关方法；
59、3)本发明将较大噪声正则项及全部噪声权重的熵加入优化模型，实现即使在较严重的噪声条件下，也能获得更好的估计数据；
60、4)本发明将稀疏正则项加入优化模型，实现稀疏选址，并保证估计数据的重构精度，进而降低部署成本。
1.一种稀疏选址方法，其特征在于，步骤包括：
2.根据权利要求1所述的一种稀疏选址方法，其特征在于，所述的稀疏选址模型表示为：
3.根据权利要求2所述的一种稀疏选址方法，其特征在于，所述稀疏选址模型模型简化为若干个子问题，采用块坐标更新进行模型迭代求解，在每个迭代的过程中分别更新选址矩阵c，重构矩阵a及噪声权重w，更新其中一个矩阵时，固定其余变量，所述的稀疏选址优化模型分解子函数如下：
4.根据权利要求3所述的一种稀疏选址方法，其特征在于，所述的预设权重ωk的取值为：
5.根据权利要求3所述的一种稀疏选址方法，其特征在于，所述的选址矩阵c对应的子函数采用块近端梯度法对选址矩阵c进行求解：
6.根据权利要求3所述的一种稀疏选址方法，其特征在于，所述的稀疏选址模型中，迭代求解重构矩阵a的子问题时，按照下式更新重构矩阵a：
7.根据权利要求3所述的一种稀疏选址方法，其特征在于，所述的第一噪声权重w及第二噪声权重w对应的子函数，通过下面两式完成第一噪声权重w及第二噪声权重w的更新：
8.根据权利要求3-7任一所述的一种稀疏选址方法，其特征在于，所述稀疏选址模型逐步迭代更新的过程如下：
9.一种稀疏选址装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的稀疏选址方法。
10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的稀疏选址方法。