[发明专利]一种基于多媒体传感器的变粒度特征采样方法

摘要

本发明公开了一种基于多媒体传感器的变粒度特征采样方法，属于多媒体传感器能量消耗与储存领域。在多媒体传感器采样过程中，以周期为单位对传感器的剩余能量进行估算，通过隶属阀值函数进行节能模式切换，通过高精度率测量阀值函数进行高精度模式切换，实现变精度采样的采样模式，从而改变周期中，活跃与休眠的时间，从而实现节能以及高精度采样的目标，提升传感器的工作时长和价值。本发明能有效的平衡传感精度和网络生存时间，让两者之间取得一个平衡，同时保证测量的精度和能耗的降低。

主权项

1.一种基于多媒体传感器的变粒度特征采样方法，其特征在于：依托的多媒体传感器网络中的一个节点就是一个传感器，每个节点有高精度高能耗采样和低精度低能耗采样两种采样模式；本多媒体传感器网络中还包括云端服务器；其中，云端服务器用于对数据进行特征的提取和存储；其中，高精度低能耗采样即细粒度采样，低精度低能耗采样即粗粒度采样；其中，粗粒度采样的功率，记为Pc；细粒度采样的功率，记为Pd；其中，粗粒度采样模式只检测有无多媒体事件发生并进行粗精度的采样；细粒度采样模式则对发生的多媒体事件进行细精度的采样；本传感器网络中的多媒体时间相互独立，即在各点发生概率相同；本传感器网络中事件的到达时间间隔服从参数为λ的负指数分布且其持续时间服从均值为μ，方差为σ的正态分布；本传感器网络中的节点有五种工作模式：周期性间隔粗细粒度采样、周期性间粗粒度采样、周期性间隔细粒度采样、全周期粗粒度采样、全周期细粒度采样；用Y作为其当前模式的指示标志，Y的取值为A、B、C、D、E分别与这五种工作模式对应，所以节点的工作模式也可以描述为工作模式A，工作模式B，工作模式C，工作模式D，工作模式E五种；五种工作模式中的周期，记为T；每个周期T内包括活跃与休眠两个阶段，记为ta和ts，分别表示活跃期与休眠期；为了保证降低能耗，休眠期ts应当适当要高于活跃期ta，其与周期T的关系为ta＝T×κT＝ta+ts；其中，κ＝ts/ta为活跃期与休眠期的比值；规定ta＞λ且ts＜μ；所述变粒度特征采样方法，包括如下步骤：步骤1：设定节点的采样周期T以及活跃期与休眠期比值κ的初值κ0，以及周期性调控参数θ的初值θ0,设定λ，μ，σ的值；设置初始的工作模式，设置节点的总能量EB，设置周期计数；其中，μ是事件持续时间的均值；σ是事件持续时间的方差；λ是事件到达时间间隔按负指数分布的指数；周期计数，记为U，为周期的个数；设置初始的工作模式，即开始运行时的工作模式，记为Y0；为周期性间隔粗细粒度采样、周期性间粗粒度采样、周期性间隔细粒度采样、全周期粗粒度采样、全周期细粒度采样中的一种，Y0的取值为A、B、C、D、E的一个；其中，周期性间隔粗细粒度采样，记为工作模式A；周期性间粗粒度采样，记为工作模式B；周期性间隔细粒度采样，记为工作模式C；全周期粗粒度采样，记为工作模式D；全周期细粒度采样，记为工作模式E；步骤2:节点采集数据；步骤3:分别测量节点在粗粒度采样和细粒度采样两种工作状态下的功率；其中，粗粒度采样功率Pd和细粒度采样功率Pc分别由功率表实时测出；步骤4：统计多媒体时间发生的概率，根据时间发生的指数分布和时间持续的正态分布，对发生多媒体事件进行概率计算，具体包括如下四方面内容：4.1在周期T内，多媒体事件发生网络任意第j个节点Mj的感知区域的概率为：Pj＝(πr2/G)S                           (1)其中，Pj为多媒体事件发生在节点Mj的感知区域的概率，G为Mj感知区域的面积,r为时间发生的在感知区域内的半径，S为概率因子由多媒体传感器网络中节点性能参数决定，且与采样准确率有关；4.2在周期T内，网络任意第j个节点Mj没有捕获到多媒体事件的概率为:1‑Pj＝1‑(πr2/G)S                       (2)4.3在周期T内，计算多媒体事件在网络任意第j个节点Mj的传感区域内仅发生的k次的概率φj(k)使用公式(5)：其中，为n个不同元素中取出k个元素的组合数，n是负指数分布泰勒展开的项数，在公式(3)中要满足公式(4)；根据(4)忽略大于n的小概率事件，忽略大于n的小概率事件，将式(3)化简后得到公式(5)：4.4在周期T内，网络任意第j个节点Mj捕获且仅捕获到k次多媒体事件的概率P(Mj)(k)使用公式(6):其中，t是积分变量；步骤5：在周期T内，计算出节点的周期能耗和节点的剩余能量：其中，根据步骤1中设置的初始工作模式不同，节点的周期能耗计算分别如下：5.A处于工作模式A，第m个周期T内节点的周期能耗，记为通过公式(9)计算；即若Y＝A，节点在第m个周期T内活跃与休眠，在活跃期内进行粗细粒度采样；节点进入活跃期后先进行粗粒度采样，一旦捕获到多媒体事件，立刻进行细粒度采样，直到活跃期结束；在周期T内节点的周期能耗可用(7)表示，公式(7)中要求满足公式(8)：根据(8)忽略大于k的小概率事件，k是周期内捕捉多媒体事件的次数可将公式(7)化简为公式(9)：其中，代表第m个周期M_j节点在工作模式A下消耗的能量，t_i表示在T内发生且被M_j所捕获到的多媒体事件的持续时间；5.B处于工作模式B，第m个周期T内节点的周期能耗，记为用公式(11)计算；即如果Y＝B：节点在第m个周期T内活跃与休眠，在活跃期内只进行粗细粒度采样；节点进入活跃期后持续进行粗粒度采样，直到活跃期结束；在周期T内节点的周期能耗可用(10)表示：公式(10)中要求满足公式(8)；可将公式(10)化简为公式(11)：其中，代表第m个周期M_j节点在工作模式B的能耗；5.C处于工作模式C，第m个周期T内节点的周期能耗用公式(13)计算就即如果Y＝C：节点在第m个周期T内活跃与休眠，在活跃期内只进行粗细粒度采样；节点进入活跃期后持续进行细粒度采样，直到活跃期结束；在周期T内节点的能耗可用(12)表示：公式(12)中要求满足公式(8)，可将公式(12)化简为公式(13)：其中，代表第m个周期M_j节点在工作模式C的能耗；5.D处于工作模式D，第m个周期T内节点的周期能耗用公式(15)计算，即如果Y＝D：节点在第m个周期T持续活跃，在活跃期内持续进行粗粒度采样，直到活跃期结束；在周期T内节点的周期能耗可用(14)表示：在公式(14)中要求满足公式(8)；即可将公式(14)化简为公式(15)其中，代表第m个周期M_j节点在工作模式D的能耗；5.E处于工作模式E，第m个周期T内节点的周期能耗用公式(17)计算即如果工作模式Y＝E：节点在第m个周期T持续活跃，在活跃期内持续进行细粒度采样，直到活跃期结束；在周期T内节点的能耗可用(16)表示：在公式(16)中要求满足公式(8)，可将公式(16)化简为公式(17)：其中，代表第m个周期M_j节点在工作模式E的能耗；其中，根据5.A到5.E中的工作模式不同，节点的剩余能量ER用公式(18)计算：其中，EB为节点的总电量，Es(Mj)mY是第m个周期Mj节点在相应的工作模式的能耗，上标Y为A到E中的一个；步骤6周期计数加1，即：U＝U+1                                        (19)步骤7根据节能模式切换表，表1，进行工作模式切换；步骤5中计算的ER具有4个能量阀值，还有1个具有最低下限值，分别为E1，E2，E3，E4，Eleast，E4＞E3＞E2＞E1＞Eleast；其中，能量阀值和能量下限值根据电池电量和模式能量的消耗速度根据经验给出；判断当前ER能量是否低于能量下限值Eleast，若能量低于能量下限值Eleast，则传感器关机进行充电，结束本方法；否则，能量大于等于能量下限值Eleast，根据表1改变当前节点的工作模式，即改变Y的值；表1 节能模式切换表步骤8对采集到的多媒体信号进行特征提取，并根据特征提取成功与否对标志指示参数L赋值以及决定跳至步骤9还是步骤10，具体为：8.1若特征提取成功，则将L赋值为1,将特征提取的数据存储到云端服务器，根据表2切换工作模式，改变当前节点的工作模式，同时改变Y的值，再跳至步骤9；8.2若步骤8的特征提取没有成功，即数据没有特征则继续采样进行工作模式判断，将L赋值为0，即L＝0，则跳至步骤10；表2 根据精度模式切换表改变工作模式切换前的工作模式切换后的工作模式条件1条件2模式B模式CE₁≥E_RE_R＞E_least模式C模式AE₂≥E_R＞E₁E₁≥E_R模式A模式DE₃≥E_R＞E₂E₂≥E_R＞E₁模式D模式EE₄≥E_R＞E₃E₃≥E_R＞E₂模式E模式EE_R＞E₄E_R＞E₄步骤9：根据当前工作模式进行传感时间调整，调整完毕后跳至步骤11，具体包含如下子步骤：步骤9.1判断当前工作模式指示标志参数Y的值是否等于A或B或C，如果是则w＝w+1，N＝w/e，e作为函数影响因子出现e＞100；θ的值与log‑sigmoid函数相关，通过公式(20)计算:否则，Y等于D或E，w＝w‑1，θ＝θ0；其中，w是特征提取成功前提下进行模式判断的次数，N为w与e的比值；步骤9.2跳过步骤10进入步骤11；步骤10:根据当前工作模式进行传感时间调整，具体为：判断当前工作模式指示标志参数Y的值是否等于A或B或C，若当前工作模式为A、B或C，则z＝z+1，M＝z/e,e作为函数影响因子出现e＞100；θ的值与log‑sigmoid函数相关，通过如下(21)计算：否则，若当前工作模式为D或者E，z＝z‑1，θ＝θ0；其中，z是特征提取成功前提下进行模式判断的次数，M为z与e的比值；步骤11:将得出的周期性调控参数代入修正公式(22)，对活跃期与休眠期比值κ通过(22)、(23)和(24)进行修正：κ＝κ0(1+θ)                                           (22)ta＝T×κ                                            (23)T＝ta+ts                                            (24)修正活跃期和休眠期后，跳回步骤2，进入下一个周期T，并重复从步骤2开始的过程，直到达成本方法的结束条件。