无线传感网中模型驱动的数据传输方法及系统的制作方法
【专利摘要】本发明提供无线传感器网络的在线模型驱动的数据传输系统和方法，其中当传感器节点采集到新的传感数据时，更新该节点上的实时预测模型的参数，并利用该节点上的同步预测模型计算该时刻的传感数据预测值；以及当传感数据预测值与采集的传感数据之间的误差大于设定的误差阈值时，利用实时预测模型的参数来更新同步预测模型的参数，并将更新后的同步模型的参数与所采集的传感数据发送给网关。该系统和方法避免了模型离线训练阶段的数据传输问题，在不降低传感网采集的数据质量的前提下，减少了网络中的数据传输量，降低了传感器节点的能量消耗，从而延长传感器网的使用寿命。
【专利说明】无线传感网中模型驱动的数据传输方法及系统
【技术领域】
[0001] 本发明属于无线传感器网络【技术领域】，尤其涉及无线传感器网络中的模型驱动的 数据采集和传输的方法。
【背景技术】
[0002] 近年来在无线传感网【技术领域】中诞生了大量的应用。然而传感器节点通常由电池 供电，这使得能量成为无线传感器网络应用的瓶颈。在无线传感网络应用中，传感器节点的 能量消耗主要发生在数据传输和接收期间的无线通信上。因此，在数据驱动的无线传感网 应用（如环境监测）中，为了延长网络的生命周期，需要在保证数据质量的同时减少数据的 冗余传输。
[0003] 相关研究工作表明，模型驱动的数据传输机制能保证在不影响数据质量的前提下 减少数据传输开销。在这种机制中，传感器节点上运行一个数据趋势预测模型，并在每次采 集到新的传感数据时，将该所采集的真实数据与数据趋势预测模型的预测结果进行比较， 如果二者保持一致则不向网关发送传感数据，反之则将所采集的传感数据发送到网关。在 网关节点上，同时运行一个与传感器节点上相同的数据趋势预测模型，在未收到传感器节 点发送的传感数据的情况下，将其预测结果（与传感器节点的预测结果相同）作为传感数 据的估计值发送给用户，从而在保证数据质量的前提下节省了通信开销。
[0004] 现有工作主要集中在预测模型的设计上。有些方法将传感数据看作一个典型的时 间序列数据，利用时间序列分析方法（如ARIMA模型）建立传感数据预测模型。这类方法 非常复杂，只能在计算能力较强的网关上进行模型训练。每个传感器节点对应一个预测模 型，随着传感器节点个数的增加，所需的计算和存储资源急剧增多，导致可扩展性问题。此 夕卜，当预测值偏离真实值时，需要进行离线模型更新，在此阶段传感器节点需要向网关发送 大量的数据以保证数据质量，从而导致大量的能量消耗。
[0005] 还有些方法利用具有轻量级计算代价的模型（如AR模型和最小均方滤波器模型） 替代ARIMA模型，从而能够在资源受限的传感器节点上进行模型训练，达到分担整个网络 上的模型训练负荷的目的。然而，这些方法仍然需要进行离线的模型更新，在此阶段传感器 节点需要向网关发送大量的数据，从而导致大量的能量消耗。并且在进行模型更新时，依赖 于缓存的历史数据以及复杂的算法（如最小二乘法，Yule-Walker等式，几何格法，最大熵 估计和前向后向方法）来更新模型的系数。考虑到传感器节点受限的硬件资源，采用这些 方法将带来较高的计算和存储代价。
【发明内容】
[0006] 可见，上述方法中主要存在两个问题：一是模型离线训练阶段，传感器节点需要进 行大量的数据传输，导致大量能耗；二是模型更新需要大量的计算和存储资源。
[0007] 为克服上述现有技术的缺陷，本发明提供一种无线传感网中在线模型驱动的数据 传输系统和方法。
[0008] 本发明的目的是通过以下技术方案实现的：
[0009] -方面，本发明提供了一种无线传感网中模型驱动的数据传输方法，所述方法包 括：
[0010] 传感器节点采集新的传感数据，基于所采集的传感数据更新该传感器节点上第一 数据趋势预测模型的参数，并利用该传感器节点上第二数据趋势预测模型计算该时刻的传 感数据预测值；
[0011] 将所采集的传感数据与所述传感数据预测值进行比较，获取预测误差；以及
[0012] 当所述预测误差大于设定的误差阈值时，利用第一数据趋势预测模型的参数来更 新第二数据趋势预测模型的参数，并将更新后的第二数据趋势预测模型的参数与所采集的 传感数据发送给网关。
[0013] 在上述方法中，还可包括网关接收来自传感器节点的传感数据并将其报告给用 户；以及网关接收来自传感器节点的数据趋势预测模型参数，并根据所接收的参数来更新 与该传感器节点对应的数据趋势预测模型的参数。
[0014] 在上述方法中，还可包括网关在未收到传感器节点发送的传感数据时，利用与该 传感器节点对应的数据趋势预测模型计算该时刻的传感数据预测值并将其报告给用户。
[0015] 在上述方法中，传感器节点上初始的第一数据趋势预测模型和第二数据趋势预测 模型以及网关上与该传感器节点对应的初始的数据趋势预测模型为相同的模型。
[0016] 在上述方法中，在初始化时第一和第二数据趋势预测模型以及所述网关上的数据 趋势预测模型均为线性回归模型。
[0017] 在上述方法中，当传感器节点采集到新的传感数据时，可采用随机梯度下降法来 基于所采集的传感数据更新第一数据趋势预测模型的参数。
[0018] 在上述方法中，当传感器节点采集到新的传感数据时，可采用下列方法的其中之 一来基于所采集的传感数据更新第一数据趋势预测模型的参数：全局梯度下降法、最小二 乘法、Yule-Walk等式、几何格法、最大熵估计和前向后向方法。
[0019]又一方面，本发明提供了一种无线传感网中模型驱动的数据传输系统，所述系统 包括传感器节点和网关，在传感器节点上运行第一数据趋势预测模型和第二数据趋势预测 模型，在网关上运行与该传感器节点对应的第三数据趋势预测模型，其中所述传感器节点 用于：
[0020] 采集传感数据，
[0021] 基于所采集的新的传感数据更新第一数据趋势预测模型的参数，并利用第二数据 趋势预测模型计算该时刻的传感数据预测值，以及
[0022] 将所采集的传感数据与所述传感数据预测值进行比较，获取预测误差，当所述预 测误差大于设定的误差阈值时，利用第一数据趋势预测模型的参数来更新第二数据趋势预 测模型的参数，并将更新后的第二数据趋势预测模型的参数与所采集的传感数据发送给网 关；
[0023] 所述网关用于：
[0024] 将所接收的来自传感器节点的传感数据并将其报告给用户，
[0025] 根据所接收的来自传感器节点的数据趋势预测模型参数更新与该传感器节点对 应的第三数据趋势预测模型的参数，以及
[0026] 在未收到传感器节点发送的传感数据时，利用与传感器节点对应的第三数据趋势 预测模型计算该时刻的传感数据预测值并将其报告给用户。
[0027] 上述系统中，传感器节点上初始的第一数据趋势预测模型和第二数据趋势预测模 型以及网关上与该传感器节点对应的初始的第三数据趋势预测模型为相同的模型。
[0028] 上述系统中，第一和第二数据趋势预测模型以及第三数据趋势预测模型可以为线 性回归模型。
[0029] 与现有技术相比，本发明的优点在于：
[0030] 在传感器节点上运行实时预测模型和同步预测模型，通过两个模型的协同合作解 决了现有的模型驱动的数据传输系统中存在的模型离线训练阶段的数据传输问题，在不降 低传感网采集的数据质量的前提下，减少了网络中的数据传输量，降低了传感器节点的能 量消耗，从而延长传感器网的使用寿命。而且随着数据的采集实时更新预测模型的参数，计 算复杂度低，不需要缓存，降低了存储和计算复杂度，适合于资源受限的传感器节点。
【专利附图】
【附图说明】
[0031] 以下参照附图对本发明实施例作进一步说明，其中：
[0032] 图1给出了根据本发明实施例的模型驱动的数据传输系统中数据发送量与预测 模型的回归阶数之间关系的示意图；
[0033] 图2为根据本发明实施例的无线传感网中模型驱动的数据传输方法的流程示意 图；
[0034] 图3示出了在根据本发明实施例的方法的预测值的相对预测误差分布情况示意 图；
[0035] 图4示出在根据本发明实施例的方法的传感器节点采集的数据量与累计数据传 输量的对比示意图；
[0036] 图5示出在根据本发明实施例的方法中传感器节点发送的数据与误差阈值之间 的关系的不意图；
[0037] 图6示出在根据本发明实施例的方法中均方根误差与误差阈值之间关系的示意 图。
【具体实施方式】
[0038] 为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实 施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并 不用于限定本发明。
[0039] 在本发明的一个实施例中，提供了一种无线传感网中在线模型驱动的数据传输系 统。该系统包括多个传感器节点和网关。在传感器节点上同时运行两个数据趋势预测模 型，下文分别称为实时预测模型和同步预测模型。同时，在网关上也设置有与各个传感器节 点对应的数据趋势预测模型。位于网关上且与每个传感器节点对应的数据趋势预测模型与 该传感器节点上的同步预测模型完全相同，以保证网关上的数据趋势预测模型与传感器节 点上的同步预测模型得到相同的预测值。在系统初始化时，传感器节点上的两个数据趋势 预测模型以及网关上与该传感器节点对应的数据趋势预测模式设置为完全相同的模型。其 中，每当传感器节点采集到新的传感数据时，基于所采集的传感数据训练或更新该传感器 节点上实时预测模型的参数，同时利用该传感器节点上同步预测模型计算该时刻的传感数 据预测值。然后，将所采集的传感数据与所述传感数据预测值进行比较，获取预测误差；当 所述预测误差大于设定的误差阈值时，利用传感器节点上的实时预测模型的参数来更新同 步预测模型的参数，并将更新后的同步预测模型的参数与所采集的传感数据发送给网关。 网关将所接收的来自传感器节点的传感数据报告给用户，并且根据所接收的来自传感器节 点的同步预测模型参数，更新与该传感器节点对应的数据趋势预测模型的参数。网关在未 收到传感器节点发送的传感数据时，利用与该传感器节点对应的数据趋势预测模型计算该 时刻的传感数据预测值并将其报告给用户。
[0040] 与现有模型驱动的数据传输机制相比，该系统可以随着数据的采集实时地训练模 型的参数，并在预测值偏离真实值时能及时地更新用于计算预测值的模型的参数，从而有 效地避免了模型离线训练阶段从传感器到网关的大量的数据传输，降低了传感器节点的能 量消耗，其原因已经在上文讨论了，传感器节点的能量消耗主要就是数据传输开销。
[0041] 在一个实施例中，传感器节点上的实时预测模型和同步预测模型以及网关上的数 据趋势预测模型为诸如AR模型、最小均方差滤波器模型等的数据趋势预测模型。当传感器 节点采集到新的传感数据时，基于所采集的传感数据，采用最小二乘法、Yule-Walk等式、几 何格法、最大熵估计和前向后向方法的其中之一来更新模型的系数。但利用这些方法训练 模型系数时需要缓存较多的历史数据并且算法复杂。
[0042]考虑到传感器节点受限的硬件资源，在一个优选的实施例中，传感器节点上的 两个数据趋势预测模型以及网关上的数据趋势预测模型均采用线性回归模型，在该线 性回归模型中，当前时刻的传感器预测值依赖于该时刻之前采集的P个传感数据，即
【权利要求】
1. 一种无线传感器网络中模型驱动的数据传输方法，所述方法包括： 传感器节点采集新的传感数据，基于所采集的传感数据更新该传感器节点上第一数据 趋势预测模型的参数，并利用该传感器节点上第二数据趋势预测模型计算该时刻的传感数 据预测值； 将所采集的传感数据与所述传感数据预测值进行比较，获取预测误差；以及 当所述预测误差大于设定的误差阈值时，利用第一数据趋势预测模型的参数来更新第 二数据趋势预测模型的参数，并将更新后的第二数据趋势预测模型的参数与所采集的传感 数据发送给网关。
2. 根据权利要求1所述的方法，还包括： 网关接收来自传感器节点的传感数据并将其报告给用户；以及 网关接收来自传感器节点的数据趋势预测模型参数，并根据所接收的参数来更新与该 传感器节点对应的数据趋势预测模型的参数。
3. 根据权利要求1所述的方法，还包括网关在未收到传感器节点发送的传感数据时， 利用与该传感器节点对应的数据趋势预测模型计算该时刻的传感数据预测值并将其报告 给用户。
4. 根据权利要求1、2或3所述的方法，其中，传感器节点上初始的第一数据趋势预测模 型和第二数据趋势预测模型以及网关上与该传感器节点对应的初始的数据趋势预测模型 为相同的模型。
5. 根据权利要求4所述的方法，其中第一和第二数据趋势预测模型以及所述网关上的 数据趋势预测模型均为线性回归模型。
6. 根据权利要求5所述的方法，其中当传感器节点采集到新的传感数据时，采用随机 梯度下降法来基于所采集的传感数据更新第一数据趋势预测模型的参数。
7. 根据权利要求5所述的方法，其中当传感器节点采集到新的传感数据时，采用下列 方法的其中之一来基于所采集的传感数据更新第一数据趋势预测模型的参数：全局梯度下 降法、最小二乘法、Yule-Walk等式、几何格法、最大熵估计和前向后向方法。
8. -种无线传感器网络中模型驱动的数据传输系统，所述系统包括传感器节点和网 关，在传感器节点上运行第一数据趋势预测模型和第二数据趋势预测模型，在网关上运行 与该传感器节点对应的第三数据趋势预测模型，其中所述传感器节点用于： 采集传感数据， 基于所采集的新的传感数据更新第一数据趋势预测模型的参数，并利用第二数据趋势 预测模型计算该时刻的传感数据预测值，以及 将所采集的传感数据与所述传感数据预测值进行比较，获取预测误差，当所述预测误 差大于设定的误差阈值时，利用第一数据趋势预测模型的参数来更新第二数据趋势预测模 型的参数，并将更新后的第二数据趋势预测模型的参数与所采集的传感数据发送给网关； 所述网关用于： 将所接收的来自传感器节点的传感数据并将其报告给用户， 根据所接收的来自传感器节点的数据趋势预测模型参数更新与该传感器节点对应的 第三数据趋势预测模型的参数，以及 在未收到传感器节点发送的传感数据时，利用与传感器节点对应的第三数据趋势预测 模型计算该时刻的传感数据预测值并将其报告给用户。
9. 根据权利要求8所述的系统，其中传感器节点上初始的第一数据趋势预测模型和第 二数据趋势预测模型以及网关上与该传感器节点对应的初始的第三数据趋势预测模型为 相同的模型。
10. 根据权利要求9所述的系统，其中第一和第二数据趋势预测模型以及第三数据趋 势预测模型均为线性回归模型。
【文档编号】H04W52/02GK104507096SQ201410758996
【公开日】2015年4月8日 申请日期:2014年12月10日 优先权日:2014年12月10日
【发明者】陈艳, 王子健, 赵泽, 李栋, 崔莉 申请人:中国科学院计算技术研究所