[发明专利]网络拓扑结构动态自适应的压缩感知数据收集方法

说明书

本发明公开了一种网络拓扑结构动态自适应的压缩感知数据收集方法，包括以下步骤：(1)节点部署与初始化；(2)通过同层随机游走和跨层随机游走的组合，实现双重随机游走；(3)基于双重随机游走，完成压缩感知测量和测量结果同步上传过程；(4)SINK节点进行压缩感知数据恢复。本发明摆脱了对全局性位置坐标的依赖；通过双重随机游走同时实现了有向随机游走和路由节点空间分布非均匀性补偿；随机游走路径节点空间分布均匀性好，可以避免汇聚效应导致的瓶颈问题，同时数据恢复精度更高；实现了压缩感知测量和测量结果传的统一，摆脱了对静态传输路径的依赖，网络拓扑动态自适应性能好。

技术领域

本发明涉及无线传感器网络领域，涉及利用压缩感知技术和动态路由技术结合来实现数据收集的方法。

背景技术

典型的无线传感器网络(WSN)通常包括一个SINK节点和大量的无线传感器节点。传感器节点通常由电池供电，能量储备有限，提高能量利用效率是重要研究内容。压缩感知已广泛应用于无线传感器网络中，以实现高效的数据采集。它将数据采集和数据压缩相结合，通过挖掘传感器数据中的稀疏结构，超越了传统的奈奎斯特-香农边界。

无线传感器网络的拓扑结构通常具有一定的动态特性。WSN通常部署在无人值守的环境中，甚至是在恶劣的环境中。无线网络信号环境通常并不稳定，容易出现信道失效等问题。传感器节点通常成本较低，并且使用容量有限的电池供电，容易由于各种原因而导致节点失效。这些因素使得，无线传感器网络的拓扑结构呈现动态变化的特征。因此，有必要设计具有网络拓扑结构动态自适应能力的方案。随机游走是一种典型的动态路由机制。在随机游走的每一跳中，当前节点随机选择一个相邻节点作为其下一跳的目标节点。它比传统的静态路由机制具有更好的网络动态适应性。随机游走方案中单个节点或者信道的失效对整体性能影响较小。如果没有这些故障节点或者信道，仍然可以通过其他节点或者信道完成随机游走过程。随机游走机制，也有利于实现局部负载平衡，减轻网络瓶颈的形成，延长网络寿命。在基于随机游走的压缩感知数据采集方案中，压缩感知测量结果通常是传感器数据沿随机游走路径的累积。它本质上是一种基于稀疏采样的压缩感知方案，充分挖掘了传感器数据的时空相关性，大大降低了数据冗余度。

尽管，将压缩感知与随机游走相结合，提供了同时实现效率和动态适应性的可能性。然而，如何将这两种技术有效合理地集成起来仍然存在挑战。压缩感知技术要求所有的压缩感知测量结果传送到SINK节点进行恢复。传统的随机游走是无方向的，可以路由到网络中的任何节点。因此，沿传统的随机游走路径进行的压缩感知测量并不能保证测量结果直接到达SINK节点。

针对这一挑战，有两种具有代表性的解决方案。

一种解决方案，是通过引入额外的上传过程来解决这一挑战。代表性方案有MinhT.Nguyen等人2017年在《Ad Hoc Networks》中提出的M-CSR方案。该方案如图1所示，他们的方案由两个步骤组成。第一步是沿着随机游走路径进行压缩感知测量。第二步是沿静态路由树的压缩感知测量结果上传过程。该方案存在一些不足之处。首先，虽然压缩测量过程是沿着动态路由路径进行的，但是测量结果是沿着静态路由路径上传的，这意味着它实质上仍然还是一个静态方案，因此仍然存在网络动态适应性不强的问题。第二，每个压缩感知测量的总路径长度由这两个步骤的长度组成。多跳路径的过长会增加总的传输开销。第三，压缩感知测量过程是以累积的方式进行的，对应的压缩感知结果是对原始数据的偏估计。它将以相当大的概率增加测量误差。