[发明专利]一种基于传感器网络的分层式自适应空时压缩方法

权利要求书

1.一种基于传感器网络的分层式自适应空时压缩方法，其特征在于：其中传感网络包括底部感知层、中继层和汇聚层三层结构，底部感知层中包括K个簇，各个簇分别包含1个簇头节点和I个传感器节点；中继层中包含至少一个中继节点，将底部感知层中的K个簇划分为至少一个簇组，簇组的数量与中继节点的个数相等，各个中继节点分别与指定簇组一一对应；汇聚层包含一个汇聚节点，所述分层式自适应空时压缩方法中，底部感知层中的所有传感器节点分别按时间节点采集原始感知数据，并且分层式自适应空时压缩方法包括如下步骤：

步骤001.底部感知层中各个传感器节点分别针对预设时隙周期t内所实时采集原始数据中的各个数值进行排序，获得排序结果数据，并构建原始数据与排序结果数据之间的映射关系然后进入步骤002；其中，k∈{1,…,K}，i∈{1,…,I}，i_k表示第k个簇中的第i个传感器节点；

步骤002.设定压缩率λ，底部感知层中各个传感器节点分别针对对应预设时隙周期t内的排序结果数据依次进行离散余弦变换，以及根据压缩率λ进行自适应时域压缩，获得时域压缩数据并结合簇中节点被丢弃系数位置的集合以及原始数据与排序结果数据之间的映射关系构建节点压缩数据包并上传至所在簇的簇头节点中，然后进入步骤003；

步骤003.底部感知层中各个簇头节点分别获得所在簇中各个传感器节点上传的节点压缩数据包并针对对应各个节点压缩数据包中的时域压缩数据构建矩阵M_k∈R^I×(λ·t)，即底部感知层中各个簇头节点分别构建矩阵M_k，然后进入步骤004；

步骤004.底部感知层中各个簇头节点分别针对矩阵M_k进行处理，获得稀疏变换矩阵并针对稀疏变换矩阵进行降维，令其从二维矩阵降至一维向量然后进入步骤005；

步骤005.底部感知层中各个簇头节点分别针对进行自适应空域压缩，获得时空域压缩数据并结合簇头被丢弃系数位置的集合簇中节点被丢弃系数位置的集合以及原始数据与排序结果数据之间的映射关系构建簇压缩数据包p_k，并上传至中继层中对应的中继节点中，然后进入步骤006；

步骤006.中继层中各个中继节点分别针对预设时隙周期L内所获得对应各个簇中簇头节点上传簇压缩数据包p_k中的时空域压缩数据删除其中小于预设阈值的系数，针对时空域压缩数据实现进一步空域压缩，获得最终时空域压缩数据并结合中继被丢弃系数位置的集合簇头被丢弃系数位置的集合簇中节点被丢弃系数位置的集合以及原始数据与排序结果数据之间的映射关系构建中继压缩数据包q_g，并上传至汇聚层中的汇聚节点中，然后进入步骤007，其中，L大于t，g∈{1,…,G}，G表示中继层中中继节点的个数；

步骤007.汇聚节点接收各个中继节点所上传的中继压缩数据包q_g，并按照步骤001至步骤006执行逆操作，还原获得底部感知层中各个传感器节点所采集的原始数据。

2.根据权利要求1所述一种基于传感器网络的分层式自适应空时压缩方法，其特征在于：所述步骤001中，底部感知层中各个传感器节点分别针对预设时隙周期t内所实时采集原始数据中的各个数值按升序进行排序，获得排序结果数据。

3.根据权利要求1所述一种基于传感器网络的分层式自适应空时压缩方法，其特征在于：所述步骤002中，设定压缩率λ，底部感知层中各个传感器节点分别针对对应预设时隙周期t内的排序结果数据进行离散余弦变换，获得向量接着，根据压缩率λ设定节点压缩阈值，针对由其中最末元素开始向前依次扫描进行自适应时域压缩，获得时域压缩数据

4.根据权利要求1所述一种基于传感器网络的分层式自适应空时压缩方法，其特征在于：所述步骤004中，底部感知层中各个簇头节点分别针对矩阵M_k进行二维离散小波变换，获得稀疏变换矩阵

5.根据权利要求1所述一种基于传感器网络的分层式自适应空时压缩方法，其特征在于：所述步骤004中，底部感知层中各个簇头节点分别针对稀疏变换矩阵中的系数进行列排序实现降维，令其从二维矩阵降至一维向量