本发明涉及一种基于时空压缩网络编码的高能效无线传感网数据传输方法，属于无线通信技术领域。
背景技术：
近年来，无线传感器网络(WSN)在诸如军事侦察，环境监测，安全系统和工业自动化等许多应用中得到了极大的研究关注。但目前传感器设备一般都是电池供电，且无线传感网布置的地方一般不便到达，传感设备一旦电池耗尽即意味着该网络节点的死亡，引起传感网络功能的下降甚至丧失。因此能量成为了制约无线传感器网络的瓶颈问题。无线传感网中，传感器节点的能耗主要集中在数据的无线传输，因而，高能效的无线传输方法成为解决能量瓶颈问题的关键。
无线传感器网络中，节点之间感知的范围重叠，且其感知的物理数据大多随时间变化缓慢，使得采集的数据具有高度的时空相关性，因此利用数据压缩技术提高无线传输的能效成为可行的方法，其中压缩感知(CS)技术被广泛的用来减少数据传输的数量进而提高数据传输的能效。除了具有传统的存储转发功能外，无线传感网中的节点还具有计算处理能力，加上网络中无线传输的广播特性和网络链路的动态特性，网络编码技术也被提出用来降低节点能耗和提高网络容量。
为更大限度的减少能耗，联合以上两种技术的方法开始得到关注，例如，X.Yang等人(X.Yang等人，China,IEEE Transactions on Wireless Communications vol.12,no.10,pp.5087-5099,October 2013,"Energy-Efficient Distributed Data Storage for Wireless Sensor Networks Based on Compressed Sensing and Network Coding,")提出的联合压缩感知和网络编码的方法，该方法通过设计接收节点合并编码的条件以及转发概率来减少数据包传输的数量从而降低能耗。然而，由于此方法的传输过程中的中继节点是盲选的，从而不可避免地产生冗余的传输。为此，Y.Zhou等人(Y.Zhou等人,China,Ksii Transaction on Internet & InformationSystem9.1(2017):2488-2511,"Improved Compressed Network Coding Scheme for Energy-Efficient Data Communication in Wireless Sensor Network")提出了一种具有最优中继节点选择的压缩网络编码方法，避免冗余传输产生的能量消耗，进一步降低了能耗。但是，上述两种方法都只考虑了传感器数据间的空间相关性，B.Gong等人(B.Gong等人,China,IEEE Communications Letters,vol.19,no.5,pp.803-806,May 2015,"Spatiotemporal Compressive Network Coding for Energy-Efficient Distributed Data Storage in Wireless Sensor Networks")提出同时利用数据的空间相关性和时间相关性来进一步的提高能效。
然而B.Gong等人提出的方案是基于当时间和空间稀疏字典均为过完备DCT矩阵时，数据具有理想的稀疏度的假设下进行的，但实际上数据在时间和空间稀疏字典均为过完备DCT矩阵时稀疏性较差，CS不能实现可靠的数据恢复。为此，C.Wang等人(C.Wang等人，China,2015IEEE 81st Vehicular Technology Conference(VTC Spring),Glasgow,2015,pp.1-6,"Practical Spatiotemporal Compressive Network Coding for Energy-Efficient Distributed Data Storage in Wireless Sensor Networks")给出了一种设计稀疏字典和测量矩阵的方法，以提高数据恢复的准确性。但是，该方法能效较低，需要进一步的提高。
技术实现要素：
本发明所要解决的技术问题是提供一种基于时空压缩网络编码的高能效无线传感网数据传输方法，涉及一种无线传感网数据传输方法和汇聚节点处数据的重构与恢复。该方法在利用压缩网络编码的基础上，通过利用最优中继节点选择方法来进一步的减少数据传输次数，和通过重新设计时间稀疏字典以及测量矩阵来提高数据重构的精度。
本发明为解决上述技术问题采用以下技术方案：
本发明提供一种基于时空压缩网络编码的高能效无线传感网数据传输方法，该方法包括以下步骤：
步骤1：初始化网络中每个节点的数据包，每个节点的数据包由下一节点ID、当前节点的系数、当前节点ID和当前节点的数据四部分组成，其中，节点i的数据包P(i)初始化为：下一节点节点i的系数节点i的IDP(i).mem＝i、节点i的数据i＝1,2,…,N，N为节点总数，随机等概率地从{+1,-1}中选择，Xi为节点i获得的T个时刻的原始数据序列且其维度为T×1，为时间观测矩阵，T1表示Xi经过时间压缩后的维度；
步骤2：从步骤1初始化的节点中选取源节点，若某节点大于预设概率p则确定其为源节点；
步骤3：即将广播的节点i在广播前根据二跳邻居信息选取其下一跳的候选节点k，并将其存入数据包中，P(i).nex＝k；
步骤4：节点j接收到节点i的数据包后，比较P(j)与P(i)中有无来自同一节点的信息，若则将节点i的数据合并到节点j中，且更新节点j的数据包P(j)为：
步骤5：步骤4中所有更新过数据包的节点判断本节点是否被其父节点i选中，若被选中即P(i).nex＝j，则该被选中节点成为待广播节点，重复步骤3，直至没有节点需要广播；
步骤6：整个广播过程结束后，汇聚节点从网络传输的终节点中收集M个数据包，形成一个映射矩阵并采用压缩感知的译码方法重构出原始数据。
作为本发明的进一步技术方案，步骤1中随机等概率地从{+1,-1}中选择。
作为本发明的进一步技术方案，时间观测矩阵的设计方法为：
(1)基于历史数据，建立数据库代表此网络中的N个节点在过去T个时刻的传感数据，初始化时间稀疏字典Ψt和空间稀疏字典Ψs均为过完备DCT矩阵，则X被表示为：
其中，为稀疏矩阵，K为时间稀疏字典的长度；
(2)使用数据库X，利用KSVD思想对时间稀疏字典Ψt进行更新，得到更新后的时间稀疏字典Ψt′；
(3)将时间观测矩阵初始化为随机高斯矩阵Φt0，令At＝Φt0Ψt′，使误差最小的Φt即为所设计的时间观测矩阵。
作为本发明的进一步技术方案，步骤3中下一跳的候选节点k的选择方法包括以下两种情况：
(1)节点i为源节点时：
k＝argmaxk|Ω(k)\Ω(i)|
s.t.k∈Ω(i)
式中，Ω(·)表示邻居节点集合，\表示两个集合的差集，|·|表示集合中元素的个数；
(2)节点i为中间节点时：
k＝argmaxk|Ω(k)\Ω(f)|
s.t.k∈Ω(i)\Ω(f)
式中，节点f表示中间节点i的父节点。
作为本发明的进一步技术方案，步骤6中X代表此网络中的N个节点在过去T个时刻的传感数据，Φs代表空间观测矩阵。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明采用的技术方案为一种应用于无线传感网的基于时空压缩网络编码的数据传输方法，在数据传输过程中利用二跳邻居信息，选取最优的中继节点，避免冗余传输产生的能量消耗；利用KSVD思想，通过训练时间稀疏字典来获得最佳的时间观测矩阵，以使得数据更好的稀疏化，从而提高数据恢复的准确性，具有一定的实用价值。
附图说明
图1为本发明节点分布图。
图2为本发明的流程图。
图3为信号在原始时间稀疏字典下和重新设计的时间稀疏字典下的稀疏变换，其中，(a)原始时间稀疏字典为，(b)为重新设计的时间稀疏字典。
图4为本发明技术与现有方法的总发送次数比较图。
图5为本发明技术与现有方法的总接收次数比较图。
图6为本发明技术与现有方法的MSE比较图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
在无线传感网中如何设计高能效的数据传输方案成为近年来无线传输领域研究的热点。研究发现，压缩感知技术和网络编码技术能够有效地压缩所需传输的数据量，减少通信次数，从而提高数据收集的能效。
本发明的研究场景是基于近年来研究较为热门的大规模密集分布的无线传感网，本发明利用最优化理论，使用二跳邻居信息选取最佳的下一跳候选节点，避免数据的冗余传输，降低能耗，同时利用KSVD思想，通过训练时间稀疏字典来获得最佳的时间观测矩阵，以使得数据更好的稀疏化，从而提高数据恢复的准确性。本发明的创新点在于：(1)联合压缩感知与网络编码技术实现数据的收集；(2)利用二跳邻居信息，设计一种数据通信过程中最优中继节点的选取方法；(3)通过训练时间稀疏字典获得最佳时间观测矩阵。本发明可以有效地提高无线传感网数据收集的能效，具有一定的实际应用价值。
本发明基于时空压缩网络编码的高能效无线传感网数据传输方法是一种线性网络编码与压缩感知联合的方法，在网络传输数据的过程中利用线性网络编码形成用于压缩感知重构的空间观测矩阵Φs，同时基于训练后的时间稀疏字典重新设计用于压缩感知重构的时间观测矩阵Φt，然后利用时间和空间观测矩阵对网络中具有时空相关性的测量数据进行时空压缩，并在汇聚节点处采用压缩感知的译码方法恢复出原始数据。
该方法在利用压缩网络编码的基础上，通过利用最优中继节点选择方法来进一步的减少数据传输次数，和通过重新设计时间稀疏字典以及测量矩阵来提高数据重构的精度。该方法包括以下步骤：
步骤1：初始化网络中每个节点的数据包，每个节点的数据包由下一节点ID、当前节点的系数、当前节点ID和当前节点的数据四部分组成，其中，节点i的数据包P(i)初始化为：下一节点节点i的系数节点i的IDP(i).mem＝i、节点i的数据i＝1,2,…,N，N为节点总数，随机等概率地从{+1,-1}中选择，Xi为节点i获得的T个时刻的原始数据序列且其维度为T×1，为重新设计的时间观测矩阵，T1表示Xi经过时间压缩后的维度，Φt的设计方法为：
(1)基于历史数据，建立数据库代表此网络中的N个节点在过去T个时刻的传感数据，初始化时间稀疏字典Ψt和空间稀疏字典Ψs均为过完备DCT矩阵，则X可被表示为：
其中，为稀疏矩阵；
(2)使用数据库X，利用KSVD思想对时间稀疏字典Ψt进行更新，即
上式中，ψl表示Ψt的第l列，θl表示Θ的第l列，将中的所有非零元素构建一个新的矩阵其中Nl0为中的非零元素的个数，然后对El0Rl0＝UΛVT进行SVD分解，求出最大奇异值对应的左右奇异矢量，并把它分别赋给字典的对应列和稀疏矩阵的对应行，重复上述过程直至将初始时间稀疏字典Ψt每一列都进行更新，然后利用更新后的字典进行迭代，以便得到更好的稀疏矩阵Θ；
(3)将时间观测矩阵初始化为随机高斯矩阵Φt0，令At＝Φt0Ψt′，使误差最小的Φt即为所设计的时间观测矩阵。
步骤2：从步骤1初始化的节点中选取源节点，若某节点大于预设概率p则确定其为源节点。
步骤3：中继节点的选择和广播：任一即将广播的节点i在广播前需根据二跳邻居信息选取其下一跳的候选节点k，并将其存入数据包P(i).nex＝k。
由于节点i的不同，需采用不同的下一跳选择方法，即：
(1)节点i为源节点时，
k＝argmaxk|Ω(k)\Ω(i)|
s.t.k∈Ω(i)
式中，Ω(·)表示邻居节点集合，\表示两个集合的差集，|·|表示集合中元素的个数；
(2)节点i为中间节点时，
k＝argmaxk|Ω(k)\Ω(f)|
s.t.k∈Ω(i)\Ω(f)
式中，节点f表示中间节点i的父节点。
步骤4：接收节点判断是否合并数据包：任一节点j接收到节点i的数据包，比较P(j)与P(i)中有无来自同一节点的信息，若则将节点i的数据合并到节点j中，且更新节点j的数据包P(j)为：
步骤5：步骤4中所有更新过数据包的节点判断本节点是否被其父节点i选中，若被选中，即P(i).nex＝j，则该节点成为待广播节点，重复步骤3，直至没有节点需要广播。
步骤6：整个广播过程结束后，汇聚节点从网络传输的终节点中收集M个数据包，形成一个映射矩阵并采用压缩感知的译码方法重构出原始数据。
考虑一个单位面积的无线传感网络，其中包含N个随机均匀分布的传感器节点，如图1所示，随机观测时隙为T，网络通信距离为rt，首先利用网络中N个节点在过去T个时刻的数据对初始化为过完备DCT矩阵的时间稀疏字典Ψt进行训练，使用训练后的字典得到相应的时间观测矩阵T1表示节点获取的T个时刻的原始数据序列经过时间压缩后的维度。
进行数据传输时，各节点广播一个“hello”信号，任一节点i获知其邻居节点Ω(i)。各节点再一次广播一个附带其邻居列表的“hello”信号，每个节点获知二跳邻居节点信息，即邻居节点的邻居节点。
得到数据收集命令后，利用本发明方法进行数据传输，数据传输流程如图2所示。记编号为i的节点感知到T个时刻的数据为Xi，则原始数据向量为X＝[X1,X2,…,XN]。传输过程结束后，汇聚节点获得M个数据包，设为{P'(1),…,P'(M)}，则可得到观测数据向量Y＝[P'(1).dat,…,P'(M).dat]，同时利用数据包内容生成空间观测矩阵具体为，P'(m)为获得的M个数据包中的第m个数据包，用其P'(m).mem和P'(m).coe中的元素生成稀疏的空间观测矩阵Φs的第m行其中P'(m).mem中元素对应稀疏向量中非0值的位置，P'(m).coe中元素则对应非0值的取值。最后通过压缩感知译码方法重构出原始数据向量x。
仿真结果
下面结合仿真分析本发明的性能。在仿真中考虑一个单位面积的无线传感网S＝1×1，其中传感器节点的数目N＝300，观测时隙T＝30。通信距离rt取值范围为[0.05，0.085]，选取源节点的预设概率p＝0.18。
图3为数据在原始时间稀疏字典下的变换和重新设计的时间稀疏字典下的变换，其中，(a)原始时间稀疏字典为，(b)为重新设计的时间稀疏字典。可以看出数据在重新设计的时间稀疏字典变换下稀疏性更好，这将使重构的数据更加准确。
图4为本发明技术与现有方法的总发送次数性能图，图5为本发明技术与现有方法的总接收次数性能图。其中，方法1为B.Gong等人所提出的方法，方法2为Y.Zhou等人所提出的方法，方法3为C.Wang等人提出的方法。由图4和图5可以看出，本发明技术与方法1，2相比时，能够分别减少约65％，70％的通信次数，显著的降低了能耗。
图6为本发明技术与现有方法在rt＝0.05情况下的MSE性能图。由图可以看出，随着重构的数据包M的增加，本发明技术的MSE始终优于其他三种方法。这主要是由于数据在重新设计的时间稀疏字典下具有更好的稀疏性。也就是说，本发明在大幅减少数据传输过程中能量消耗的同时，也提高了数据重构的精度。
本发明公开一种基于时空压缩网络编码的高能效无线传感网数据传输方法，主要解决无线传感网中数据收集的高能耗问题，并提高数据恢复的准确性。该方法是在网络编码与压缩感知联合的基础上，利用二跳邻居信息选取最佳的下一跳候选节点，避免数据的冗余传输，降低能耗；同时利用KSVD思想，通过训练时间稀疏字典来获得最佳的时间观测矩阵，以使得数据更好的稀疏化，从而提高数据恢复的准确性。本发明能显著地减少数据传输量，降低能耗，和提高汇聚节点处数据重构的精度，适用于大规模密集分布的无线传感网。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。