[发明专利]应用于应急处置的高可靠性数据传输方法

权利要求书

1.一种应用于应急处置的高可靠性数据传输方法，其特征在于，包含以下步骤：

步骤一：收集原始数据；

正常状态下，应急处置环境中没有应急事件发生，环境中不含有噪声，采用数据采样与压缩同时进行的方式，整合采样环节和最优解确认环节，获取原始数据；

步骤二，收集含有异常值的压缩数据；

步骤三，重构含有异常值的压缩数据；

经过前述步骤一及步骤二，得到了含有异常值的压缩数据，然后通过最小化参数来求解获得原始数据；

在应急通信环境下，有N个无线数据传输节点，1个汇聚节点，无线数据传输节点采用电池供电，自己含有的能量极其有限，汇聚节点能量供应较为充足，负责接收N个无线数据传输节点发送的数据，实施原始数据收集，含有异常值的压缩数据收集，重构含有异常值的压缩数据的步骤；

所述步骤一中，令x∈R^N为N维原始数据，R^N表示N维实数向量，令y∈R^M表示测量值，R^M表示M维实数向量；

该步骤一包括：

步骤1.1：数据收集，N个无线数据传输节点按照一定的时间间隔采集数据，则第k次采样的数据可以表示为x_k∈R^N；

步骤1.2：确定信号的稀疏基矩阵，假设采样数据x_k在某正交稀疏基D∈R^N×N下是稀疏的，则可表示为

x_k＝Dθ (1)

其中，稀疏系数向量θ∈R^N是d维稀疏的，即||θ||₀＝d,d＜＜N，其中||·||₀是向量的l₀范数，d是一个远小于N的正整数；

步骤1.3：采样数据x_k经过测量矩阵Φ压缩采样后得到M(M＜＜N)个测量值，

y＝Φx_k (2)

其中，Φ∈R^M×N测量矩阵为随机贝努利矩阵，R^M×N表示M×N维矩阵，向量y∈R^M中含有采样数据x_k压缩后的有效信息，Φ中的元素分布独立服从贝努利分布，即

其中，Φ_i,j表示测量矩阵Φ的第i行、第j列的元素值，p表示生成元素的概率；结合式(1)和式(2)，可以得到下面的表达式

y＝ΦDθ＝γθ (4)

其中，Υ＝ΦD∈R^M×N表示感知矩阵，求解以下最优化问题得到稀疏系数向量θ的值，

其中，||·||₁表示向量的l₁范数，||·||₂表示向量的欧几里得范数，σ为自定义的误差的上界；

步骤1.4：若上述步骤1.3中的最优化问题存在最优解，则可得出选取的正交稀疏基D是可行的，否则需要重复上述步骤，直到步骤1.3中的最优化问题存在最优解；

所述步骤二包括：

步骤2.1：将测量矩阵转化为高斯随机矩阵，生成M×N维的高斯随机矩阵Φ∈R^M×N，M＜＜N，其中即为矩阵Φ各元素服从均值为0，方差为的分布规律；

步骤2.2：含有异常值的压缩数据收集，由步骤一得到采样数据x_k在正交稀疏基D∈R^N×N下是稀疏的，则含有异常值的压缩数据收集过程可以表示为

y＝Φ(Dθ+o_s)+o_m (6)

其中，o_s∈R^N表示收集数据时数据本身含有的异常值，o_m∈R^M表示压缩过程引入的异常值；

步骤2.3：令则公式(6)可以表示为

其中，I_N∈R^N×N表示N×N维单位矩阵，I_M∈R^M×M表示M×M维单位矩阵；

经过前述步骤一及步骤二，得到了含有异常值的压缩数据，然后所述步骤三通过最小化参数和o_m来求解原始数据x，即为求解以下优化问题：

其中，f0是一个常数，可根据具体需要来调节和o_m的稀疏度，使用最优化算法求解问题(8)可以得到参数θ，则原始数据可以通过以下公式得到：

x＝Dθ (9)。