CN115551011B - 一种基于压缩感知的无线传感器网络节点数据聚合方法 - Google Patents

Abstract

本发明公开了一种基于压缩感知的无线传感器网络节点数据聚合方法，首先使用网格路由协议对无线传感器网络进行分簇，来产生数量、位置均衡的分簇，而后使用均衡子树算法生成负载均衡的网格间树状路由结构，在这两项基础上最后使用压缩感知对传感器传输的数据进行聚合来减小网络能耗，延长网络生存周期。该方法可以保证路由负载的均衡，从而最大程度发挥压缩感知数据聚合完美均衡能耗的效果。

Description

一种基于压缩感知的无线传感器网络节点数据聚合方法

技术领域

本发明属于物联网技术领域，具体涉及一种无线传感器网络节点数据聚合方法。

背景技术

在大多数应用场景中，WSN节点的生存周期受到诸多限制。WSN节点一般部署在人类不可达或无法更换电池的环境下，由于节点成本、尺寸等外在因素的限制，电池能源有限。数据聚合技术可以将来自不同传感器节点的数据进行聚合处理，减少WSN节点传输的数据量从而降低网络整体能量损耗，延长网络生存周期。

此外，在WSN中，常用到基于簇的数据聚合架构，一方面此架构中每个簇的簇头节点可以天然的充当该簇中传感器节点的聚合节点，数据聚合在此节点处实现，另一方面分簇的网络结构能够提高网络能量利用率。其中最经典的算法是LEACH路由算法(周融,任志国,杨尚雷等.LEACH协议的簇首多跳与选择优化[J].湖南大学学报(自然科学版),2015(42):2.)，但该算法每次所得的分簇结果总是具有一定的随机性，即簇的数量、簇头节点的位置、簇的大小都是不均衡的。

发明内容

为了克服现有技术的不足，本发明提供了一种基于压缩感知(CompressedSensing,CS)的无线传感器网络节点数据聚合方法，首先使用网格路由协议对无线传感器网络进行分簇，来产生数量、位置均衡的分簇，而后使用均衡子树算法生成负载均衡的网格间树状路由结构，在这两项基础上最后使用压缩感知对传感器传输的数据进行聚合来减小网络能耗，延长网络生存周期。该方法可以保证路由负载的均衡，从而最大程度发挥压缩感知数据聚合完美均衡能耗的效果。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：GRID路由协议；

将整个监测区域分成大小相等的网格，网格数目选择为四舍五入取整，N为监测区域传感器节点WSN总数；每个网格中选举竞争逆半径最小的节点作为群首节点，剩余节点为普通节点；

竞争逆半径计算公式如下：

式中：

E_re为节点剩余能量大小；

D_to-c为节点距网格中心距离；

α为大于1的常数；

普通节点负责网格内区域的事件监测，并向群首报告，群首负责向普通节点广播消息，收集普通节点的监测数据，并向相邻群首转发数据分组，路由采用逐网格查找方式，无须逐跳查找路由；

步骤2：均衡子树的网状网格间路由算法；

构造一棵以汇聚节点为根的子树均衡的网格间树状路由，实现步骤如下：

步骤2-1：初始化；

初始化汇聚节点下子树列表为T＝[1,1,1,1,1,1,1,1]；

初始化所有群首节点：T_sub＝None,E_re＝E_ini,D_ts＝+∞；

式中：

T_sub为该节点所属子树编号；

D_ts表示该节点到汇聚节点的距离；

对与汇聚节点相邻的八个网格的群首节点，将它们的T_sub分别从1到8进行编号；

步骤2-2：更新；

从汇聚节点开始向周边遍历所有网格群首，为每个网格群首寻找其最优父群首，群首i寻找最优父群首o的过程如下：群首i在相邻群首中，按照相邻群首节点的T[T_sub]、E_re以及D_ts的先后顺序进行比较从而得到最优父群首；先比较T[T_sub]的值，找到最小的作为父群首；如果最小的不止一个，再比较E_re的值，找到E_re最大的作为父群首；如果E_re最大的不止一个，再比较D_ts的值，找到D_ts最小的作为父群首；对群首i及其父群首o，按如下方式更新群首i的参数：

T_isub＝T_osub,E_ire＝E_up-ire,D_its＝D_ots+D_io,T[T_osub]加1；

式中：

T_isub，T_osub,E_ire，D_its，D_ots分别代表群首i和父群首o的相应参数；

E_up-ire为群首i找到父群首o建立联系后所剩余的能量；

D_io表示群首i到父群首o的距离；

步骤3：基于压缩感知的数据聚合；

按如下公式对每个网格中的数据进行聚合：

其中，Φ_i，i＝1,2,…S为M×N_i维矩阵，每个元素独立同分布于均值为0，方差为1/M的高斯分布，N_i为第i个分块矩阵的列数，x_i是将N维向量x分成S段的各分段向量；每段x_i由一个网格中的传感器节点所采集的数据构成，Φ_i为该网格所对应的测量矩阵。

本发明的有益效果如下：

本发明给出的数据聚合算法中给出了基于压缩感知的数据聚合以及网格路由协议和网格间路由的一整套新方法，使用这种方法可以保证路由负载的均衡，从而最大程度发挥压缩感知数据聚合完美均衡能耗的效果。该种方法能够有效延长网络生存周期。

附图说明

图1本发明方法实施流程图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

无线传感器网络面临的一个重要问题是节点能量耗尽导致节点死亡。为了延长网络生存周期，本发明公开了一种基于网格路由和均衡子树，使用压缩感知技术的数据聚合算法。该方法首先使用网格路由协议对无线传感器网络进行分簇，来产生数量、位置均衡的分簇，而后使用均衡子树算法生成负载均衡的网格间树状路由结构，在这两项基础上最后使用压缩感知对传感器传输的数据进行聚合来减小网络能耗，延长网络生存周期。

步骤1：GRID路由协议

将整个监测区域分成大小相等的网格，网格数目选择为(若不为整数，则四舍五入就近取整)，N为传感器数目。每个网格中选举竞争逆半径最小的节点作为群首节点，剩余节点为普通节点。竞争逆半径计算公式如下：

式中：

E_re为节点剩余能量大小；

D_to-c为节点距网格中心距离；

α为大于1的常数。

普通节点负责网格内区域的事件监测，并向群首报告，群首负责向普通节点广播消息，收集普通节点的监测数据，并向相邻群首转发数据分组，路由采用逐网格查找方式，无须逐跳查找路由。

步骤2：均衡子树的网状网格间路由算法

为确保负载均衡以发挥压缩感知技术完美均衡的问题，本发明提出了均衡子树的树状路由算法。该算法主要思想是：对使用CS进行数据聚合的WSN来说，构造一棵以汇聚节点为根的子树均衡的网格间树状路由，从而使得节点能耗均衡，延长网络寿命。算法实现步骤如下：

步骤3：基于压缩感知的数据聚合

按如下公式对每个网格中的数据进行聚合。

其中，Φ_i(i＝1,2,…S)为M×N_i维矩阵，每个元素独立同分布于均值为0，方差为1/M的高斯分布，N_i为第i个分块矩阵的列数，x_i是将N维向量x分成S段的各分段向量。每段x_i由一个网格中的传感器节点所采集的数据构成，Φ_i为该网格所对应的测量矩阵。

Claims (1)

1.一种基于压缩感知的无线传感器网络节点数据聚合方法，其特征在于，包括如下步骤：

步骤1：GRID路由协议；

将整个监测区域分成大小相等的网格，网格数目选择为四舍五入取整，N为监测区域传感器节点WSN总数；每个网格中选举竞争逆半径最小的节点作为群首节点，剩余节点为普通节点；

竞争逆半径计算公式如下：

式中：

E_re为节点剩余能量大小；

D_to-c为节点距网格中心距离；

α为大于1的常数；

普通节点负责网格内区域的事件监测，并向群首报告，群首负责向普通节点广播消息，收集普通节点的监测数据，并向相邻群首转发数据分组，路由采用逐网格查找方式，无须逐跳查找路由；

步骤2：均衡子树的网状网格间路由算法；

构造一棵以汇聚节点为根的子树均衡的网格间树状路由，实现步骤如下：

步骤2-1：初始化；

初始化汇聚节点下子树列表为T＝[1,1,1,1,1,1,1,1]；

初始化所有群首节点：T_sub＝None,E_re＝E_ini,D_ts＝+∞；

式中：

T_sub为该节点所属子树编号；

D_ts表示该节点到汇聚节点的距离；

对与汇聚节点相邻的八个网格的群首节点，将它们的T_sub分别从1到8进行编号；

步骤2-2：更新；

从汇聚节点开始向周边遍历所有网格群首，为每个网格群首寻找其最优父群首，群首i寻找最优父群首o的过程如下：群首i在相邻群首中，按照相邻群首节点的T[T_sub]、E_re以及D_ts的先后顺序进行比较从而得到最优父群首；先比较T[T_sub]的值，找到最小的作为父群首；如果最小的不止一个，再比较E_re的值，找到E_re最大的作为父群首；如果E_re最大的不止一个，再比较D_ts的值，找到D_ts最小的作为父群首；对群首i及其父群首o，按如下方式更新群首i的参数：

T_isub＝T_osub,E_ire＝E_up-ire,D_its＝D_ots+D_io,T[T_osub]加1；

式中：

T_isub，T_osub,E_ire，D_its，D_ots分别代表群首i和父群首o的相应参数；

E_up-ire为群首i找到父群首o建立联系后所剩余的能量；

D_io表示群首i到父群首o的距离；

步骤3：基于压缩感知的数据聚合；

按如下公式对每个网格中的数据进行聚合：

其中，Φ_i，i＝1,2,…S为M×N_i维矩阵，每个元素独立同分布于均值为0，方差为1/M的高斯分布，N_i为第i个分块矩阵的列数，x_i是将N维向量x分成S段的各分段向量；每段x_i由一个网格中的传感器节点所采集的数据构成，Φ_i为该网格所对应的测量矩阵。