[发明专利]一种分簇水声传感器网络数据采集和传输的方法

说明书

技术领域

本发明涉及水声传感器，尤其是涉及一种分簇水声传感器网络数据采集和传输的方法。

背景技术

水声传感器网络传承于陆地无线传感器网络，是一种由分布在一定水下区域内的水声传感器节点通过自组织方式构成的无线网络，其主要任务是以多跳中继的方式，将由水声传感器节点采集的温度、流速和盐度等现场物理信息传输到汇聚中心。近年来，随着世界各国海洋开发步伐的加快，对水声传感器网络的需求愈来愈迫切，从原来仅有的军事领域逐渐扩展到商业领域，现在它已经广泛应用于海洋数据采集、污染检测、海上探测、灾难预警、援助导航和战略监测等方面。

水声传感器网络是一种能量受限网络，如何有效使用电池能量以延长网络生命周期是水声传感器网络所迫切需要解决的问题。分簇网络结构是能够提高能量有效性的一种网络拓扑，网络层协议将地理位置相邻的若干个节点组合成一簇，并选举其中一个节点作为簇首，负责收集簇内节点采集的物理信息，然后传输到下一跳簇首，依次中继传输，直到汇聚中心，下文称之为分簇水声传感器网络。由于水声信道的传播损耗较大，节点数据传输的功率远远大于陆地无线传感器网络数据传输的功率，因此若依照陆地无线传感器网络的传统方法进行数据采集和传输，则簇首之间较大的数据传输量带来较大的能量消耗，不利于延长网络生命周期。

压缩感知（CS，Compressed Sampling or Compressed Sensing）是一种新颖的信号采集和处理理论框架，它针对稀疏或可压缩信号，在采样的同时实现对信号数据的压缩处理，信号重建时采用非线性算法实现信号重构。压缩感知应用的三要素为，具有一个有限时间自由度的稀疏信号、一个能有效感知信号的测量矩阵和一个从感知的压缩数据中恢复原始信号的重构算法。应用CS理论，测量是关键，对于测量矩阵和观测过程，必须要满足不破坏原始信号中的信息，保证信号能够精确重构，为此，约束等距性质（RIP，Restricted Isometry Property）给出了存在确定解的充分条件，即要想使信号能够精确重构，必须保证测量矩阵不会把两个不同的稀疏信号映射到同一个采样集合中。目前，最常用的测量矩阵是高斯随机矩阵，该类矩阵高概率满足RIP性质。

CS理论可应用于陆地多跳无线传感器网络的数据采集（Chong Luo,Feng Wu,Jun Sun,and Chang Wen Chen.“Efficient measurement generation and pervasive sparsity for compressive data gathering,”in:IEEE Transactions on Wireless Communications,Vol.9,Nr.12,December2010,p.3728-3738），利用节点传感器数据存在的空间相关性，在采样过程的同时实现信号压缩，相比于传统的数据采集和传输方法，当传递的跳数较大时减少了总数据传输量，因此节省了数据传输的能量消耗。对美国国家航空航天局区域海洋监测系统提供的流速数据进行分析（Fatemeh Fazel,Maryam Fazel,and Milica Stojanovic.“Random access compressed sensing for energy-efficient underwater sensor networks,”In:IEEE Journal on Selected Areas in Communications,Vol.29,Nr.8(2011),p.1660-1670），1000个节点在同一时刻采集的流速在频域内，10个数据点占据了90%的能量，表现出显著的稀疏特性。基于空间相关性，对无线传感器网络中设计了布式压缩感知模型和分布式压缩感知算法（胡海峰,杨震.无线传感器网络中基于空间相关性的分布式压缩感知[J].南京邮电大学学报(自然科学版),2009,06:12-16+22），以能量有效的方式对无线传感器网络的数据进行采集。