一种基于压缩感知的无线传感器网络数据收集方法

本发明涉及通信领域，更具体地，涉及一种基于压缩感知的无线传感器网络数据收集方法。

背景技术：

1、无线传感器网络(wsn)因为可以其收集和传输数据的能力，所以在各种场景中发挥着越来越关键的作用，如医疗、环境监测和军事行动等。随着5g和云计算技术的发展，云计算辅助的wsn正逐渐成为一种备受欢迎的框架。传统的wsn因为计算能力有限，难以进行复杂的数据处理和分析的任务。在云计算辅助下，wsn能够克服传统wsn的计算能力限制，拓展应用场景。通过将原始数据传输到云端，wsn可以利用云计算平台提供的丰富算法和模型进行实时处理和分析，如数据挖掘、模式识别和预测分析，从而实现更高层次的信息提取和决策支持。

2、云计算辅助的wsn通常包括大量的传感器和基站，传感器负责感知和传输物理环境的数据，基站负责接收传感器的数据并将其上传到云。这些传感器配备了有限的能量，在很多情况下，wsn被密集地部署在危险的地方，传感器的电池充电或更换几乎是不可能的，所以这种框架的生命周期由传感器的能量决定，如何提升这类框架的生命周期仍然是一个极具挑战的问题。

3、在wsn的实际应用中，每个节点都需要在数据收集和传输过程中尽量减少能量消耗，以延长wsn的寿命。为了优化能源利用、增强网络拓扑稳定性并延长网络寿命，对于能量有限的wsn进行了大量研究，并提出了分簇算法。wsn的分簇算法将传感器节点划分为不同的簇群，每个节点只属于一个簇群，在簇头(ch)的协调下进行数据收集和传输。所有成员节点收集周围数据并将结果传输给ch。然后，ch们收集和处理数据，并将数据传输到基站(bs)。当节点耗尽能量时，每个节点在收集、处理和传输数据时会消耗一定数量的能量，并被定义为死亡状态。因此，在wsn中提出一种有效的分簇算法来平衡各个传感器节点之间的能量消耗非常重要。分簇算法广泛应用于wsn中。已经提出了许多wsn分簇算法，例如leach、pegasis和sep等等。leach被认为是第一个专为wsn设计的分簇算法，它提出了一种路由策略以减少能量消耗。在leach之后，提出了许多改进和修改来改善寿命和吞吐量。许多分簇算法都有自己特定的ch选择方案和簇群形成方案。根据系统的要求，可以采用不同的策略以实现特定目标。

4、此外，减少无线传感器网络中的数据传输量也对降低能源消耗有显著影响。这是因为大部分能源在无线信道上的数据传输过程中被消耗掉。通过以下方案可以实现数据传输的减少。数据聚合是一种有效的方案，用于减少数据传输量。它可以将从多个节点收集到的数据进行聚合，以减少传输的数据量。具体实施方案包括基于链式的聚合和基于树状结构的聚合。压缩传输是一种常见的方案，用于减少数据传输量。

5、在云计算辅助的wsn中，在能量有限的情况下，延长整个网络的生命周期至关重要。

6、现有提高网络生命周期的方法大多都是基于分簇，ch节点负责接收、聚合和传输从其他节点收集到的数据。由于ch节点需要处理更多数据，这导致网络中的数据量增加，进而增加能量消耗，只关注优化分簇阶段，而忽略了ch节点的数据压缩和融合能力。另一方面，基于减少数据量的方法中，虽然它们取得了显著的性能提升，但并没有研究能显著降低能耗的ch选择方式。在现有的研究中，上述两种主流的解决方案在高效整合方面面临挑战。第一种方案侧重于网络结构与拓扑的优化，但在数据传输阶段却未提供明确的数据融合和压缩策略。而第二种方案虽集中于数据量的减少，但在具体的网络结构和拓扑配置上缺乏详细阐述。同时，这两类方案都未明确设定一个具体的网络能耗模型。为了整合这两类方案的优势，需要采用一个合适的网络能耗模型，以确保两方面的策略能够协同工作，从而实现整体优化。

技术实现思路

1、本发明为克服上述现有技术所述现有的网络能耗模型只从分簇和数据压缩其中一方面优化无线传感器网络，不能确保从两方面同时优化无线传感器网络的缺陷，提供一种基于压缩感知的无线传感器网络数据收集方法。

2、本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：

3、本发明提供了一种基于压缩感知的无线传感器网络数据收集方法，包括以下步骤：

4、s1：计算整个无线传感器网络的总能耗，利用所述总能耗计算ch节点的最佳数量；

5、s2：利用改进后的leach分簇算法和计算出的ch节点数量对无线传感器网络中的节点进行分簇；

6、s3：簇内节点将收集到的数据发送到ch节点，ch节点对接收到的簇内节点的数据进行排列然后利用压缩感知技术进行处理并发送到基站；

7、s4：基站通过压缩感知恢复算法对接收到的数据进行重构得到原始数据。

8、进一步地，步骤s1所述计算整个无线传感器网络的总能耗，利用所述总能耗计算ch节点的最佳数量，首先计算ch节点的能耗和普通节点的能耗，然后利用ch节点的能耗和普通节点的能耗计算出无线传感器网络的总能耗，最后对无线传感器网络的总能耗进行求导，计算出ch节点的最佳数量。

9、进一步地，ch节点的能耗ech为：

10、

11、其中，n为所有节点总数，k表示设置k个ch节点，l为数据包的大小，m为通过压缩感知技术处理后要处理的数据包，eelec是接收或者发送数据的能耗，εfs为自由空间模型下每比特的能耗，εadd为数据融合每比特的能耗，dtobs为ch节点到基站节点的距离；

12、普通节点的能耗enon-ch为：

13、

14、整个无线传感器网络的总能耗etotal为：

15、

16、进一步地，所述对无线传感器网络的总能耗进行求导，计算出ch节点的最佳数量，具体过程如下：

17、对etotal关于k进行求导，并令其等于零，如下所示：

18、

19、得到总ch节点数目kopt为：

20、

21、其中，r表示无线传感器网络的边长。

22、进一步地，在步骤s2中，改进后的leach分簇算法，使用以下阈值公式选择ch节点：

23、

24、其中，t(i)表示闸值，davg(r)表示节点与基站之间平均距离，kopt(r)表示当前轮数整个无线传感器网络的最优簇数，p为初始设定簇头数目占全部节点的比例，r为轮数，ei(r)为第i个节点在第r轮的能量，e0为节点的初始能量，g表示所有节点。

25、进一步地，在步骤s2中，无线传感器网络分簇的具体过程如下：

26、传感器节点被选为ch节点的具体过程为：每个节点自身有一个随机值，在ch节点选择的时候，通过比较自身的随机值与t(i)的值，大于阈值t(i)的节点就成为ch节点；

27、当传感器节点被选为ch节点时，ch节点向整个无线传感器网络广播该消息；普通传感器节点根据从ch节点接收到的广播信号强度，传感器节点加入其簇并向ch节点发送确认消息，普通传感器节点加入接收到的广播信号强度最强的ch节点；然后，ch节点广播tdma时间表给成员节点，成员节点在不同时间段传输数据。

28、进一步地，在步骤s3中，当ch节点接收到簇内节点发送的所有数据时，将接收到的数据排列成矩阵xk，如下所示：

29、

30、其中，x′k，j＝[xk，1j xk，2j…xk，nj]t表明ch节点在时间段j接收到由簇内节点在该时间段内收集的所有数据，n表示簇内普通节点的数量，t表示时间段，j是时间段t的中的一个时间段。

31、进一步地，在步骤s3中，根据压缩感知技术，x′k，j表示为x′k，j＝ψθk，j，其中ψ∈rn×n为给定的正交基，θk，j∈rn为列向量；

32、然后用观测矩阵φ∈rm×n对收集到的数据进行压缩：

33、yk＝φ·x′k

34、＝φ·[x′k，1 x′k，2…x′k，t]

35、＝φ·ψ·[θk，1 θk，2…θk，t]

36、＝φ·ψ·θk＝θ·θk

37、＝[yk，1 yk，2…yk，t]

38、其中，φ为独立零均值的高斯矩阵，x′k表示xk的转置矩阵，θ表示感知矩阵；ch节点k将压缩数据yk∈rm×t发送到基站。

39、进一步地，在步骤s4中，原始数据xk能够通过解决以下l0范数优化问题来精确恢复：

40、

41、其中，yk，j表示第k个簇第j个时隙的压缩数据，θk，j∈rn为列向量，表示θk，j近似的值，θ表示感知矩阵。

42、进一步地，在步骤s4中，使用压缩感知恢复算法来解决l0范数优化问题；恢复的原始数据如下：

43、

44、其中，ψ∈rn×n为给定的正交基。

45、与现有技术相比，本发明技术方案的有益效果是：

46、本发明首先计算整个无线传感器网络的总能耗，利用所述总能耗计算ch节点的最佳数量，考虑了压缩感知对能量消耗的影响，重新定义了能量消耗模型，计算出总能耗最少的ch节点数量；其次利用改进后的leach分簇算法和计算出的ch节点数量对无线传感器网络中的节点进行分簇，通过改进leach分簇算法使得ch节点的选择更合理；然后簇内节点将收集到的数据发送到ch节点，ch节点对接收到的簇内节点的数据进行排列然后利用压缩感知技术进行处理并发送到基站，减少了数据传输量；最后基站通过压缩感知恢复算法对接收到的数据进行重构得到原始数据。