基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

无线传感器网络中一种能量有效的数据存储方法

如何有效地对传感器在过去历史时间段内采集的大量感知数据进行存储,以备将来的信息查询和数据分析已经成为无线传感器网络应用面临的一个难题.介绍了一种基于树型路由的分布式数据存储方法,通过采用动态规划方法选择存储节点,使存储节点能量均衡和所有节点能耗之和最小,从而达到整个无线传感器网络能量有效.仿真实验结果表明,这种数据存储方法能够获得较好的能量均衡和总能耗较小,从而有效地延长整个无线传感器网络的生命周期.     

基于数据预处理的无线气象传感网数据重构模型

针对无线气象传感网内由于节点数量大、感知数据冗余度高而导致节点通信耗能过高的问题,提出了数据联合稀疏预处理模型,利用监测区域气象要素预报值和各簇头要素值计算出一个全网公共分量并对网内数据进行预处理。将分布式压缩感知应用于簇型传感网中,对各节点感知数据进行压缩观测,在汇聚节点进行数据重构,从根本上降低节点通信量,均衡负载;同时设计了一个基于公共分量异常数据稀疏方法。仿真实验中,相对于单独使用压缩感知,数据联合稀疏预处理模型能够有效利用数据时空相关性提高数据稀疏度,压缩性能提高了25%,重构性能提高46%;同时,异常数据处理方案能够以96%的高概率恢复异常数据。因此,该数据预处理模型能够提高数据重构效率,有效降低网内数据通信量,延长网络寿命。     

WSN中基于压缩感知的数据收集方案

提出一种基于压缩感知的数据收集方案.依据感知数据的空间相关性分析,计算出事件发生的区域范围.基于剩余能量的成簇算法对区域范围内的节点进行分簇.各个节点将感知到的原始数据,基于压缩感知理论,进行数据的稀疏表示并采用随机高斯矩阵进行观测,将其观测值发送和存储在簇头节点上,当有移动收集者进入簇头的通信范围后,进行数据收集.理论分析和仿真实验结果表明,该方案能有效延长网络生命周期.     

面向数据收集的转发树构建与链路调度算法

多数基于压缩感知的数据收集方法假设网络无干扰或能够采取有效的冲突避免措施,当网络存在干扰或噪声时,难以同时兼顾效率和可靠性。为此,以压缩感知理论为基础,研究物理干扰模型下的数据收集问题,将其建模为转发树构建和链路调度联合问题,并设计可构建转发树的分布式求解算法,确定一组转发树并在调度后于最短调度周期内将测量数据发往汇点,实现传输延时和采集能效间的平衡。仿真结果表明,该算法能有效降低数据传输延时,提高数据采集能效。     

基于压缩感知的传感器网络中概率负载均衡的数据路由协议

基于混合压缩感知(CS)理论,提出一种负载有效的路由协议.考虑分簇网络结构,簇内节点传输原始数据到簇头,簇头对数据进行压缩再通过最小生成树发送到sink.为防止簇头节点负载不均衡造成网络不能正常通信,提出负载度的概念并设计基于CS的负载均衡策略;然后,研究概率负载均衡策略以均衡所有节点的负载流量;最后,提出分布式补偿算法构建分簇网络并实现数据汇聚功能.仿真结果表明,所提出方法在提高网络生存时间及能耗均衡方面均优于传统方法.     

基于网络编码的异构无线传感器网络数据广播协议

本文提出一种适应异构无线传感器网络的能量感知的网络编码数据广播协议(ENCBP)。传感器节点根据邻居能量信息列表实时地计算节点剩余能量的线性映射值。在此基础上,采用能量感知的网络编码转发概率机制,使具有较高剩余能量的节点比低能量节点拥有更高的数据转发优先级,以实现能量均衡的数据传输。另外,采用伪广播机制对协议进行优化,以提高数据包投递率。仿真结果表明,ENCBP不仅可以有效实现网络的能耗均衡,以延长网络的生命周期,还能在一定程度上降低数据包传输时延,从而提高数据通信性能。     

WSN中一种基于过采样的数据可靠收集方案

数据收集问题是无线传感网中的一个研究热点。针对现有的数据收集方法没有考虑在BEC中数据传输的丢失现象,导致数据收集精度低下的问题,利用压缩感知理论,提出一种基于过采样的数据可靠收集方案。首先基于伪随机采样策略构造得到初始的感知矩阵Φ,然后BEC被建模为丢失概率为p的贝努利分布,最后基于信道丢失概率自适应地增加感知矩阵Φ的行数,即采用过采样来实现对节点数据的投影操作,从而保证即使投影值的传输出现丢失也能在sink处精确地恢复出原始数据。理论分析和仿真实验结果表明,该方法在BEC中是有效的,在数据重构精度以及网络生命周期等方面要优于传统的方法。     

基于分布式压缩感知和散列函数的数据融合隐私保护算法

针对群智感知网络数据融合传输过程中隐私泄露、信息不完整、数据窜改等安全问题,提出了一种基于分布式压缩感知和散列函数的数据融合隐私保护算法。首先,采用分布式压缩感知方法对感知数据进行稀疏观测,去除冗余数据;其次,利用单向散列函数求取感知数据观测值的散列值,将其和不受限的伪装数据一起填充到感知数据观测值中,达到隐藏真实感知数据的目的;最后,在汇聚节点提取伪装数据之后,再次获取感知数据的散列值并验证数据的完整性。仿真结果表明,该算法兼顾了数据的机密性和完整性保护,同时大大降低了通信开销,在实际应用中具有很强的适用性和可扩展性。     

基于分布式压缩感知的无线传感器网络异常数据处理

无线传感器网络的海量数据采集、传输和处理,对传感器节点的处理能力和功耗提出了严峻挑战,而且现实环境中传感器故障或者环境因素的突变会导致部分采集数据异常,而传统的数据处理方法无法对包含异常的数据进行有效的处理。针对上述问题,文中提出了两类无线传感器网络的异常数据模型,以及相应的基于分布式压缩感知的异常数据处理方法。通过协同的多个传感器进行数据压缩采样,当多个传感器采集的数据包含异常成分时,分布式压缩感知技术对数据中相同的正常分量进行一次统一重构,仅对不同的异常分量进行单独重构,从而避免了对相同数据分量的重复处理,提高了对包含异常成分数据处理的效率。另外,分布式压缩感知技术充分利用数据间的相关性,可有效减少传感器网络的数据采集量,加强其对抗异常数据的鲁棒性。对两类异常数据模型的数值仿真结果表明:相比于传统的基于单组测量值的压缩感知技术,基于分布式压缩感知技术的数据处理方法在提高异常数据重构准确率的同时,将采样数据量减少了约33%,证明了该方法的有效性。