[发明专利]一种基于压缩感知的无线传感网络数据重构方法

权利要求书

1.基于压缩感知的无线传感网络数据重构方法，具体步骤如下，其特征在于：

步骤1，实时采集所布置传感器的位置信息，并实时上传每个传感器所对应的节点和位置信息；

步骤2，对无线传感器网络覆盖范围进行优化，通过迭代和函数自适应值对未确定性地部署节点的区域，进行覆盖范围优化，来激活传感器节点；

步骤3，设计无线传感网络的压缩感知方法，将传感器所采集的信号进行分解，用稀疏模型来表示信号；

步骤4，网络系统数据终端接收被激活的传感器节点数据，无线传感器通过LoRa协议将传感器数据上传至网络系统数据终端设备，利用最佳投影矩阵对数据进行重构；

步骤5，将压缩感知数据重构算法嵌入STM32控制器和网络系统数据终端中。

2.根据权利要求1所述的基于压缩感知的无线传感网络数据重构方法，其特征在于：步骤1中无线传感器网络采集设备如下：

步骤1中无线传感器网络采集设备由：STM32控制板、AD转换电路、LoRa通信电路和信号调理电路等组成；STM32控制板通过AD转换电路采集传感器信号，并通过压缩感知算法将数据压缩，并将压缩后的数据、传感器ID和位置信息等通过LoRa通信电路上传至网络系统数据终端设备。

3.根据权利要求1所述的基于压缩感知的无线传感网络数据重构方法，其特征在于：步骤2中对无线传感器网络覆盖范围优化如下：

步骤2.1，初始化种群，在搜索空间中初始化传感器节点位置、数量、区域范围、随机初始化每个解的速度和位置，计算适应函数值，适应函数如下所示：

式中，B为传感器在转换空间中的位置，N为传感器节点的邻居数，E为传感器的剩余能量，其中空间位置可表示为：

式中，d为连续空间的位置；再求得粒子的适应函数后，选出适应函数值最大的粒子，并且得到粒子的历史最优位置和群体全局最优位置；

步骤2.2，粒子的速度和位置更新，根据自身的历史最优位置和全局的最优位置，更新每个粒子的速度和位置；

根据下式更新粒子速度与位置

v(t+1)＝ωv′(t)+η₁rand()[P_id-a(t)]+η₂rand()[P_gd-a(t)] (3)

a(t+1)＝a(t)+v(t+1) (4)

其中，v(t)是粒子在t次迭代中的速度，v(t+1)是粒子在t+1次迭代中的速度，a(t)是粒子在t次迭代中的位置，a(t+1)是粒子在t+1次迭代中的位置，ω是惯性权重，η₁、η₂是加速度常数，P_id是个体极值、P_gd是全局极值，rand()是0到1的随机数；

步骤2.3，评估粒子的适应度函数值，更新粒子的历史最优位置和全局最优位置；

步骤2.4，当满足结束条件时，则输出全局最优结果并结束程序，否则转向步骤2.2继续执行；

步骤2.5，通过上述步骤获得所需激活传感器的标签，上位机通过LoRa通信发送命令码激活传感器。

4.根据权利要求1所述的基于压缩感知的无线传感网络数据重构方法，其特征在于：步骤3中无线传感网络的压缩感知方法如下：

步骤3.1，将所采集的信号通过矢量基的线性组合来表示

y＝∑dx (5)

式中，y传感器所采集的信号，d为投影矩阵，x为稀疏系数；

步骤3.2，将信号的稀疏表示转换为寻找最小l₀范数解的过程

式中，ε是误差阈值，||||₀是l₀范数；

步骤3.3，初始化稀疏系数、投影矩阵、残差；

步骤3.4，通过梯度下降法迭代更新，找到残差与最佳投影矩阵的索引。