一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒?br> 【專利摘要】一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒ǎ婕八晜鞲衅?。提供可解決在分簇結(jié)構(gòu)下水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮傳輸問題的一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒ā４厥资占敬貎?nèi)各傳感器節(jié)點原始數(shù)據(jù)，并與所設(shè)計的測量矩陣運(yùn)算獲得測量值，這些測量值包含了原始數(shù)據(jù)的信息；簇首保留了前一跳簇首傳輸?shù)奖敬厥椎陌衅渌执卦紨?shù)據(jù)信息的測量值，將此測量值和本地產(chǎn)生的測量值進(jìn)行累加運(yùn)算得到更新后的測量值；簇首在路由的指導(dǎo)下將更新后的測量值傳輸?shù)较乱粋€簇首，通過簇首間的傳遞得以將包含有所有分簇原始數(shù)據(jù)信息的測量值傳輸?shù)絽R聚中心；最后為重構(gòu)，匯聚中心采用平滑l0算法（SL0）由測量值恢復(fù)原始數(shù)據(jù)。
【專利說明】一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒?br> 【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及水聲傳感器，尤其是涉及一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒ā?br> 【背景技術(shù)】
[0002]水聲傳感器網(wǎng)絡(luò)傳承于陸地?zé)o線傳感器網(wǎng)絡(luò)，是一種由分布在一定水下區(qū)域內(nèi)的水聲傳感器節(jié)點通過自組織方式構(gòu)成的無線網(wǎng)絡(luò)，其主要任務(wù)是以多跳中繼的方式，將由水聲傳感器節(jié)點采集的溫度、流速和鹽度等現(xiàn)場物理信息傳輸?shù)絽R聚中心。近年來，隨著世界各國海洋開發(fā)步伐的加快，對水聲傳感器網(wǎng)絡(luò)的需求愈來愈迫切，從原來僅有的軍事領(lǐng)域逐漸擴(kuò)展到商業(yè)領(lǐng)域，現(xiàn)在它已經(jīng)廣泛應(yīng)用于海洋數(shù)據(jù)采集、污染檢測、海上探測、災(zāi)難預(yù)警、援助導(dǎo)航和戰(zhàn)略監(jiān)測等方面。
[0003]水聲傳感器網(wǎng)絡(luò)是一種能量受限網(wǎng)絡(luò)，如何有效使用電池能量以延長網(wǎng)絡(luò)生命周期是水聲傳感器網(wǎng)絡(luò)所迫切需要解決的問題。分簇網(wǎng)絡(luò)結(jié)構(gòu)是能夠提高能量有效性的一種網(wǎng)絡(luò)拓?fù)洌W(wǎng)絡(luò)層協(xié)議將地理位置相鄰的若干個節(jié)點組合成一簇，并選舉其中一個節(jié)點作為簇首，負(fù)責(zé)收集簇內(nèi)節(jié)點采集的物理信息，然后傳輸?shù)较乱惶厥祝来沃欣^傳輸，直到匯聚中心，下文稱之為分簇水聲傳感器網(wǎng)絡(luò)。由于水聲信道的傳播損耗較大，節(jié)點數(shù)據(jù)傳輸?shù)墓β蔬h(yuǎn)遠(yuǎn)大于陸地?zé)o線傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)墓β?，因此若依照陸地?zé)o線傳感器網(wǎng)絡(luò)的傳統(tǒng)方法進(jìn)行數(shù)據(jù)采集和傳輸，則簇首之間較大的數(shù)據(jù)傳輸量帶來較大的能量消耗，不利于延長網(wǎng)絡(luò)生命周期。
[0004]壓縮感知(CS,Compressed Sampling or Compressed Sensing)是一種新穎的信號采集和處理理論框架，它針對稀疏或可壓縮信號，在采樣的同時實現(xiàn)對信號數(shù)據(jù)的壓縮處理，信號重建時采用非線性算法實現(xiàn)信號重構(gòu)。壓縮感知應(yīng)用的三要素為，具有一個有限時間自由度的稀疏信號、一個能有效感知信號的測量矩陣和一個從感知的壓縮數(shù)據(jù)中恢復(fù)原始信號的重構(gòu)算法。應(yīng)用CS理論，測量是關(guān)鍵，對于測量矩陣和觀測過程，必須要滿足不破壞原始信號中的信息，保證信號能夠精確重構(gòu)，為此，約束等距性質(zhì)(RIP，RestrictedIsometry Property)給出了存在確定解的充分條件，即要想使信號能夠精確重構(gòu)，必須保證測量矩陣不會把兩個不同的稀疏信號映射到同一個采樣集合中。目前，最常用的測量矩陣是高斯隨機(jī)矩陣，該類矩陣高概率滿足RIP性質(zhì)。
[0005]CS理論可應(yīng)用于陸地多跳無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)采集(Chong Luo, Feng ffu, JunSun, and Chang Wen Chen.“Efficient measurement generation and pervasive sparsityfor compressive data gathering,，，in:1EEE Transactions on Wireless Communications, Vol.9, Nr.12, December2010, p.3728-3738)，利用節(jié)點傳感器數(shù)據(jù)存在的空間相關(guān)性，在采樣過程的同時實現(xiàn)信號壓縮，相比于傳統(tǒng)的數(shù)據(jù)采集和傳輸方法，當(dāng)傳遞的跳數(shù)較大時減少了總數(shù)據(jù)傳輸量，因此節(jié)省了數(shù)據(jù)傳輸?shù)哪芰肯?。對美國國家航空航天局區(qū)域海洋監(jiān)測系統(tǒng)提供的流速數(shù)據(jù)進(jìn)行分析(Fatemeh Fazel, Maryam Fazel, and MilicaStojanovic.“Random access compressed sensing for energy-efficient underwatersensor networks,，，In: IEEE Journal on Selected Areas in Communications, Vol. 29, N r. 8 (2011), p. 1660-1670)，1000個節(jié)點在同一時刻采集的流速在頻域內(nèi)，10個數(shù)據(jù)點占據(jù) 了 90%的能量，表現(xiàn)出顯著的稀疏特性?；诳臻g相關(guān)性，對無線傳感器網(wǎng)絡(luò)中設(shè)計了布式 壓縮感知模型和分布式壓縮感知算法(胡海峰，楊震.無線傳感器網(wǎng)絡(luò)中基于空間相關(guān)性 的分布式壓縮感知[J].南京郵電大學(xué)學(xué)報（自然科學(xué)版），2009，06:12-16+22)，以能量有 效的方式對無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行采集。
[0006]可見，由于水聲傳感器節(jié)點所采集數(shù)據(jù)具有明顯的稀疏特性，應(yīng)用CS理論對水聲 傳感器網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行測量是可行的，并可借鑒陸地?zé)o線傳感器網(wǎng)絡(luò)中的應(yīng)用。但分簇水聲 傳感器網(wǎng)絡(luò)環(huán)境和陸地?zé)o線傳感器網(wǎng)絡(luò)環(huán)境存在較大的差異，水聲傳感器網(wǎng)絡(luò)節(jié)點部署的 密度較小，分簇內(nèi)包含的傳感器節(jié)點個數(shù)有限，在分簇內(nèi)原始數(shù)據(jù)的空間相關(guān)性難以體現(xiàn) 其稀疏性，無法在分簇內(nèi)采用CS理論進(jìn)行獨立測量，可行的方法是傳遞多個分簇的數(shù)據(jù)至 匯聚中心，在匯聚中心處對聯(lián)合監(jiān)測區(qū)域內(nèi)的所有傳感器數(shù)據(jù)進(jìn)行測量和重構(gòu)。此時又帶 來一個問題，簇首間是以非協(xié)作方式工作的，如何使傳輸?shù)絽R聚中心的測量值包含所有傳 感器節(jié)點的原始數(shù)據(jù)信息？
[0007]綜上所述，為了節(jié)省分簇水聲傳感器網(wǎng)絡(luò)消耗的數(shù)據(jù)傳輸能量，延長網(wǎng)絡(luò)生命周 期，迫切需要設(shè)計一種采集和傳輸?shù)姆椒?，在減少傳輸數(shù)據(jù)量的前提下仍然保留原始數(shù)據(jù) 信息，使得匯聚中心能夠精確恢復(fù)原始數(shù)據(jù)。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的是提供可解決在分簇結(jié)構(gòu)下水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮傳輸問題的 一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒ā?br> [0009]本發(fā)明包括以下步驟：
[0010]1)建立一分簇水聲傳感器網(wǎng)絡(luò)，分簇水聲傳感器網(wǎng)絡(luò)內(nèi)分布有k個分簇，則同時 有k個簇首，并冠以序號1、2、3，……，k，同時定義分簇ID為每個分簇區(qū)別于其他分簇的 唯一標(biāo)識號，該ID為簇首所擁有；又設(shè)分簇內(nèi)傳感器節(jié)點個數(shù)為n，同一時刻采集的原始數(shù) 據(jù)個數(shù)為n，分簇水聲傳感器網(wǎng)絡(luò)內(nèi)同一時刻采集的原始數(shù)據(jù)個數(shù)定義為N，N=kXn，每簇 獲得m個測量值，則匯聚中心獲得M個測量值，M=kXm,此時有M〈〈N ；
[0011]2)各簇首首先從分簇內(nèi)的傳感器節(jié)點中獲得原始數(shù)據(jù)，采集的原始數(shù)據(jù)以一長度 為n的向量Xi表示，下標(biāo)i表示所在分簇的序號，且1 < i < k ;
[0012]3)簇首以分簇ID為隨機(jī)種子，產(chǎn)生維度為MXn的高斯矩陣，以符號叫表示；并 對Oi進(jìn)行稀疏化處理得到矩陣O’i，對應(yīng)不同的測量過程設(shè)計分塊高斯、分塊對角高斯和 分塊上三角高斯三種測量矩陣結(jié)構(gòu)，不同測量矩陣結(jié)構(gòu)對應(yīng)了不同的稀疏化過程；最后將 測量矩陣O’ i與原始數(shù)據(jù)\相乘獲得本地測量值并以符號Yi表示，即Yi=Oi ? \，Y,的長 度為M，下標(biāo)i表示所在分簇的序號，且1 < i < k ;
[0013]4)定義長度M的向量Y/為第i個簇首向第i+1個簇首傳輸?shù)臏y量值，1≤i≤k， 第k+1個簇首實際為匯聚中心；第1個簇首待傳輸?shù)臏y量值與計算的本地測量值相同，即 Y/ = t，第2個簇首待傳輸?shù)臏y量值為本地計算的測量值與第1個簇首傳輸而來的測量值 之和，即y2’ = Y2+Yi’，稱此過程為更新測量值過程；依次類推，第k個簇首待傳輸?shù)臏y量值 為 Y' k = Yk+Y' k_1;[0014]5)盡管矩陣Y/長度為M，但隨著測量矩陣結(jié)構(gòu)的不同，Y/包含了數(shù)目不一的規(guī)范排列的零值，這些零值不需要傳輸?shù)较乱淮厥祝Q之為去零傳輸；因此各簇傳輸?shù)臄?shù)據(jù)量不大于M，當(dāng)M〈〈N時，傳輸消耗的能量要遠(yuǎn)遠(yuǎn)小于傳統(tǒng)方法傳輸所消耗的能量；
[0015]6)匯聚中心接收的測量值為Yk’，并通過路由獲得這些測量值所經(jīng)過簇首的ID，用這些ID作為隨機(jī)種子，生成重構(gòu)所需要的測量矩陣，定義為符號O，此時的測量矩陣具有分塊高斯、分塊對角高斯和分塊上三角高斯的結(jié)構(gòu)形式，以Yk’和O作為輸入?yún)?shù)，采用平滑Itl算法(SLO)恢復(fù)原始數(shù)據(jù)。
[0016]在步驟3)中，所述稀疏化處理的具體步驟可為:
[0017]3-1)在第i個簇首產(chǎn)生的測量矩陣叫為一隨機(jī)高斯矩陣；若以符號4>uv(l≤u≤M, I≤V≤n)表示矩陣Oi的元素,則Oi可以表示為下式:
[
【權(quán)利要求】
1.一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒ǎ涮卣髟谟诎ㄒ韵虏襟E: 1)建立一分簇水聲傳感器網(wǎng)絡(luò)，分簇水聲傳感器網(wǎng)絡(luò)內(nèi)分布有k個分簇，則同時有k個簇首，并冠以序號1、2、3，……，k，同時定義分簇ID為每個分簇區(qū)別于其他分簇的唯一標(biāo)識號，該ID為簇首所擁有；又設(shè)分簇內(nèi)傳感器節(jié)點個數(shù)為n，同一時刻采集的原始數(shù)據(jù)個數(shù)為n，分簇水聲傳感器網(wǎng)絡(luò)內(nèi)同一時刻采集的原始數(shù)據(jù)個數(shù)定義為N，N=kXn，每簇獲得m個測量值，則匯聚中心獲得M個測量值，M=kXm，此時有M〈〈N ； 2)各簇首首先從分簇內(nèi)的傳感器節(jié)點中獲得原始數(shù)據(jù)，采集的原始數(shù)據(jù)以一長度為n的向量Xi表示,下標(biāo)i表示所在分簇的序號,且ISiSk; 3)簇首以分簇ID為隨機(jī)種子，產(chǎn)生維度為MXn的高斯矩陣，以符號Oi表示；并對Oi進(jìn)行稀疏化處理得到矩陣O’ i，對應(yīng)不同的測量過程設(shè)計分塊高斯、分塊對角高斯和分塊上三角高斯三種測量矩陣結(jié)構(gòu)，不同測量矩陣結(jié)構(gòu)對應(yīng)了不同的稀疏化過程；最后將測量矩陣i與原始數(shù)據(jù)Xi相乘獲得本地測量值并以符號Yi表示，即Yi=Oi ? Xi, Yi的長度為M,下標(biāo)i表示所在分簇的序號,且ISiSk; 4)定義長度M的向量Y/為第i個簇首向第i+1個簇首傳輸?shù)臏y量值，I≤i≤k，第k+1個簇首實際為匯聚中心；第I個簇首待傳輸?shù)臏y量值與計算的本地測量值相同，即Y/=Y1，第2個簇首待傳輸?shù)臏y量值為本地計算的測量值與第I個簇首傳輸而來的測量值之和，即y2’ = Y2+Yi’，稱此過程為更新測量值過程；依次類推，第k個簇首待傳輸?shù)臏y量值為Y' k = VY^ k_1; 5)盡管矩陣Y/長度為M，但隨著測量矩陣結(jié)構(gòu)的不同，Y/包含了數(shù)目不一的規(guī)范排列的零值，這些零值不需要傳輸?shù)较乱淮厥?，稱之為去零傳輸；因此各簇傳輸?shù)臄?shù)據(jù)量不大于M，當(dāng)M〈〈N時，傳輸消耗的能量要遠(yuǎn)遠(yuǎn)小于傳統(tǒng)方法傳輸所消耗的能量； 6)匯聚中心接收的測量值為Yk’，并通過路由獲得這些測量值所經(jīng)過簇首的ID，用這些ID作為隨機(jī)種子，生成重構(gòu)所需要的測量矩陣，定義為符號O，此時的測量矩陣具有分塊高斯、分塊對角高斯和分塊上三角高斯的結(jié)構(gòu)形式，以Yk’和O作為輸入?yún)?shù)，采用平滑Itl算法(SLO)恢復(fù)原始數(shù)據(jù)。
2.如權(quán)利要求1所述一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒?，其特征在于在步驟3)中，所述稀疏化處理的具體步驟為: 3-1)在第i個簇首產(chǎn)生的測量矩陣叫為一隨機(jī)高斯矩陣；若以符號4>uv(l≤u≤M, I≤V≤n)表示矩陣Oi的元素,則Oi可以表示為下式:
3.如權(quán)利要求1所述一種分簇水聲傳感器網(wǎng)絡(luò)數(shù)據(jù)采集和傳輸?shù)姆椒ǎ涮卣髟谟谠诓襟E6)中，所述測量矩陣具有分塊高斯、分塊對角高斯和分塊上三角高斯的結(jié)構(gòu)形式為：6-1)若為分塊高斯結(jié)構(gòu)，則測量矩陣如下式所示結(jié)構(gòu)形式：

【文檔編號】G08C17/02GK103533674SQ201310507000
【公開日】2014年1月22日 申請日期:2013年10月24日 優(yōu)先權(quán)日:2013年10月24日
【發(fā)明者】王德清, 許茹, 胡曉毅, 許芳, 蘇為, 解永軍, 陳華賓 申請人:廈門大學(xué)