一种基于自适应代表节点选择的WSN数据收集方法

发布时间：2019-11-17 12:47

【摘要】：采用压缩感知的无线传感网络数据收集方法要求每个节点都参与数据收集,会造成很大的能量浪费。本文提出了一种基于自适应代表节点选择的WSN数据收集方法,在保证压缩感知数据重构精度的同时,减少参与数据收集的节点数。首先,采用主成分分析和混合压缩感知相结合的办法设计稀疏基;然后,通过分析稀疏基的框架势FP(Frame Potential)设计压缩感知的稀疏观测矩阵,从而选择代表节点,以减少参与数据收集的节点数目;最后,根据Sink处数据重构精度,自适应调整稀疏观测矩阵以用作下一时刻数据收集,从而保证数据收集的重构精度。仿真结果表明,该方法有效的降低了网络能耗和数据传输量,同时还保证了每个时刻数据重构的精度。
【图文】：

限εmin0．02误差下限εmax0．031M值35%NM最大值MmaxM+2ΔK值8节点数N53调整值Δ5表2NS2仿真参数设置参数名称配置节点个数/个100缓存队列/个100路由协议AODV分组大小/b500MAC802．11节点能量/J100区域范围/m2650×650传输距离/m752．1重构精度仿真对WSN使用CS的前提是传感器所收集的信号是可稀疏的，所以需要对信号的可稀疏性进行验证。如图4所示的WSN中，54个节点均匀的分布在一个实验室里。其中的每一个传感器节点对房间内的温度、湿度和光照水平进行超过一个月的测量。图4IntelBerkeleylabWSN节点分布图由于实验中的数据有一部分发生了丢包，所以应选择具有连续数据的节点进行稀疏性实验，其中53号节点由于收集的数据有一大部分缺少，所以仿真实验中去掉了53号节点的数据。图5为全部53个节点前8个时刻的实际温度采样信号经过离散余弦变换DCT(DiscreteCosineTrans-form)后的稀疏系数均值，从图5中可知，前8个时刻的实际温度采样信号经过DCT后的均值系数大部分都变为0，即信号在DCT下是可稀疏的。同理，其他时刻的温度数据也具有同样的可稀疏性，所以对于AＲNS的前8个时刻的采样信号，可采用Hybrid-CS进行收集并重构后的信号进行代替，且可运用DCT域下的矩阵作为前8个时刻Hybrid-CS的稀疏基。从稀疏性验证可知，可将Hybrid-CS运用于前8个时刻节点的数据收集，则可从第9个时刻开始将AＲNS运用到WSN的数据收集过程中。图6是从第9个时刻开始仍采用Hybrid-CS和采用AＲNS后的数据相对重构误差e对比，其中，重构算法采用CoSaMP。1237

限εmin0．02误差下限εmax0．031M值35%NM最大值MmaxM+2ΔK值8节点数N53调整值Δ5表2NS2仿真参数设置参数名称配置节点个数/个100缓存队列/个100路由协议AODV分组大小/b500MAC802．11节点能量/J100区域范围/m2650×650传输距离/m752．1重构精度仿真对WSN使用CS的前提是传感器所收集的信号是可稀疏的，所以需要对信号的可稀疏性进行验证。如图4所示的WSN中，54个节点均匀的分布在一个实验室里。其中的每一个传感器节点对房间内的温度、湿度和光照水平进行超过一个月的测量。图4IntelBerkeleylabWSN节点分布图由于实验中的数据有一部分发生了丢包，所以应选择具有连续数据的节点进行稀疏性实验，其中53号节点由于收集的数据有一大部分缺少，所以仿真实验中去掉了53号节点的数据。图5为全部53个节点前8个时刻的实际温度采样信号经过离散余弦变换DCT(DiscreteCosineTrans-form)后的稀疏系数均值，从图5中可知，，前8个时刻的实际温度采样信号经过DCT后的均值系数大部分都变为0，即信号在DCT下是可稀疏的。同理，其他时刻的温度数据也具有同样的可稀疏性，所以对于AＲNS的前8个时刻的采样信号，可采用Hybrid-CS进行收集并重构后的信号进行代替，且可运用DCT域下的矩阵作为前8个时刻Hybrid-CS的稀疏基。从稀疏性验证可知，可将Hybrid-CS运用于前8个时刻节点的数据收集，则可从第9个时刻开始将AＲNS运用到WSN的数据收集过程中。图6是从第9个时刻开始仍采用Hybrid-CS和采用AＲNS后的数据相对重构误差e对比，其中，重构算法采用CoSaMP。1237

【相似文献】

相关期刊论文 前10条

1 吴启晖;丁茜;朱冬;;基于可信度的节点选择算法[J];解放军理工大学学报(自然科学版);2008年06期

2 张琰;盛敏;李建东;田野;姚俊良;;一种新型动态协同节点选择策略[J];西安电子科技大学学报;2010年01期

3 杨文东;蔡跃明;曾宏辉;;一种基于模糊综合评判的协同节点选择算法[J];解放军理工大学学报(自然科学版);2009年05期

4 林振华;王营冠;夏凌楠;李凤荣;;错误测量下节点选择策略对跟踪精度的影响[J];华中科技大学学报(自然科学版);2012年08期

5 任倩倩;李建中;王宇;;无线传感器网络具有跟踪质量保证的节点选择算法[J];计算机学报;2012年10期

6 刘雨;望育梅;张琳;;一种无线传感器网络中的信息驱动节点选择机制[J];北京邮电大学学报;2006年06期

7 杨明;张怡婷;罗军舟;;基于随机带宽加权的匿名通信节点选择算法[J];东南大学学报(自然科学版);2010年06期

8 杨威;管东林;逯东辉;彭立宏;窦文华;;面向认知无线电网络能量高效协作感知的在线节点选择算法[J];通信学报;2012年07期

9 林贞;李正权;;一种多源协作网络中轮询节点选择算法[J];中国计量学院学报;2013年03期

10 傅敏;;一种自适应小区CoMP协作节点选择算法[J];信息通信;2014年04期

相关会议论文 前1条

1 颜振亚;郑宝玉;崔景伍;;无线传感器网络中的协作目标跟踪[A];无线传感器网及网络信息处理技术——2006年通信理论与信号处理年会论文集[C];2006年

相关博士学位论文 前2条

1 吴素文;无线协作网络中的节点选择研究[D];中国科学技术大学;2010年

2 郭卫栋;无线协作网络中节点选择和调度机制研究[D];山东大学;2012年

相关硕士学位论文 前10条

1 贾龙渊;P2P-VoD系统中节点选择与数据调度策略的研究[D];辽宁大学;2015年

2 李驰;LTE-Advanced系统CoMP协作节点选择的研究[D];吉林大学;2016年

3 于季弘;机会网络中的节点激励策略研究[D];重庆邮电大学;2013年

4 苏国斌;无线传感器网络中信息驱动的节点选择机制研究[D];北京邮电大学;2006年

5 李晓文;具有QoS保障的协作节点选择算法研究[D];西安电子科技大学;2011年

6 肖钢;组播核心节点选择及其在路由协议中的应用[D];解放军信息工程大学;2007年

7 郭永平;P2P流媒体系统中节点选择方案的研究与实现[D];郑州大学;2011年

8 阿拉比彼特;MESH网络协作节点选择机制研究[D];华中科技大学;2010年

9 郭静东;LTE-Advanced中CoMP技术研究[D];西安电子科技大学;2010年

10 徐仕儒;代理协助P2P-VoD中基于缓存状态的服务节点选择策略研究与仿真[D];中国海洋大学;2009年

本文编号：2562317