無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及物聯(lián)網(wǎng)技術(shù)領(lǐng)域,尤其涉及一種無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建 模與定量分析方法及系統(tǒng)。
【背景技術(shù)】
[0002] 物聯(lián)網(wǎng)用途廣泛,遍及工農(nóng)業(yè)生產(chǎn)、環(huán)境監(jiān)測(cè)、現(xiàn)代物流、安防等多個(gè)領(lǐng)域。據(jù)"中 國(guó)市場(chǎng)情報(bào)中心"預(yù)測(cè),2015年我國(guó)物聯(lián)網(wǎng)產(chǎn)業(yè)規(guī)模將達(dá)10000億元,2020年將超過(guò)5萬(wàn)億 元。物聯(lián)網(wǎng)可對(duì)物理世界與信息世界進(jìn)行良好的融合,從根本上改變現(xiàn)有的IT系統(tǒng)。但是, 物聯(lián)網(wǎng)大規(guī)模產(chǎn)業(yè)化還需解決一些關(guān)鍵問(wèn)題,而物聯(lián)網(wǎng)的主要技術(shù)之一是無(wú)線傳感網(wǎng)絡(luò), 無(wú)線傳感網(wǎng)絡(luò)相關(guān)技術(shù)不夠成熟是制約物聯(lián)網(wǎng)實(shí)用化主要因素之一。
[0003] 利用監(jiān)測(cè)數(shù)據(jù)空間相關(guān)性來(lái)設(shè)計(jì)各種算法來(lái)解決無(wú)線傳感網(wǎng)中相關(guān)問(wèn)題,一直受 到研究者的重視,例如在數(shù)據(jù)聚合和路由算法、數(shù)據(jù)存儲(chǔ)和查詢、數(shù)據(jù)壓縮和編碼、MAC層協(xié) 議設(shè)計(jì)、目標(biāo)監(jiān)測(cè)與定位,以往研究人員只是定性地評(píng)價(jià)這些算法對(duì)數(shù)據(jù)空間相關(guān)性強(qiáng)弱 的敏感程度,由于很少有真正的大規(guī)模無(wú)線傳感網(wǎng)系統(tǒng)已經(jīng)部署,幾乎沒(méi)有可用作測(cè)試算 法的空間范圍較大實(shí)際數(shù)據(jù)集,于是,只好對(duì)數(shù)據(jù)分布特性做出不同的假設(shè)來(lái)定量地進(jìn)行 評(píng)估。例如:有一些假設(shè)空間相關(guān)性是數(shù)據(jù)聯(lián)合熵函數(shù),有一些假設(shè)數(shù)據(jù)在空間服從某種擴(kuò) 散規(guī)律,有一些假設(shè)數(shù)據(jù)在空間上分布是依賴距離的聯(lián)合高斯函數(shù),最后,還有一些研究人 員建議使用環(huán)境監(jiān)測(cè)中獲得的遙感數(shù)據(jù),而這些數(shù)據(jù)集的空間分辨率不能匹配無(wú)線傳感網(wǎng) 監(jiān)測(cè)數(shù)據(jù)的粒度。已有研究員嘗試用數(shù)學(xué)模型來(lái)捕捉無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)空間相關(guān)性,該 模型假設(shè)節(jié)點(diǎn)之間數(shù)據(jù)差服從均值為零,標(biāo)準(zhǔn)差依賴節(jié)點(diǎn)間距離的正態(tài)分布,該模型不依 賴于無(wú)線傳感網(wǎng)節(jié)點(diǎn)部署密度、源事件個(gè)數(shù)、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),但是,該模型從少量原始數(shù)據(jù) 抽取其空間相關(guān)性,與模型合成大尺度空間范圍的測(cè)試數(shù)據(jù)的空間相關(guān)性匹配精度還有待 提高,另外獲取模型參數(shù)的迭代計(jì)算收斂速度太慢。
[0004] 無(wú)線傳感網(wǎng)采集數(shù)據(jù)都具有不同程度空間相關(guān)性,研究者試圖利用這種相關(guān)性設(shè) 計(jì)高效的網(wǎng)絡(luò)協(xié)議和算法,以適應(yīng)由成千上萬(wàn)個(gè)節(jié)點(diǎn)組成網(wǎng)絡(luò)。因此,需要無(wú)線傳感網(wǎng)提供 大規(guī)模的實(shí)際測(cè)量數(shù)據(jù)并抽取其空間相關(guān)性,從而定量地評(píng)價(jià)空間相關(guān)性強(qiáng)弱對(duì)網(wǎng)絡(luò)協(xié)議 和算法性能的影響。但是,目前的無(wú)線傳感網(wǎng)不論真實(shí)系統(tǒng),連演示系統(tǒng)都只停留在"百"這 個(gè)量級(jí)上,如何在一個(gè)較寬泛的真實(shí)條件下,從一個(gè)實(shí)際無(wú)線傳感網(wǎng)系統(tǒng)采集的數(shù)據(jù)集中 捕捉其空間相關(guān)性,通過(guò)生成相應(yīng)的數(shù)學(xué)模型來(lái)人工合成大規(guī)模數(shù)據(jù)集,使得兩者的空間 相關(guān)性保持一致,從而為無(wú)線傳感網(wǎng)網(wǎng)絡(luò)協(xié)議和算法提供空間規(guī)模較大的測(cè)試數(shù)據(jù)源,是 一個(gè)急需解決的問(wèn)題。隨著傳感器技術(shù)、嵌入式計(jì)算技術(shù)、分布式信息處理技術(shù)和通信技術(shù) 的迅速發(fā)展,無(wú)線傳感網(wǎng)部署規(guī)模將會(huì)越來(lái)越大,對(duì)這種測(cè)試數(shù)據(jù)源需求也會(huì)越迫切。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明要解決的技術(shù)問(wèn)題在于針對(duì)現(xiàn)有技術(shù)中難以獲得大規(guī)模無(wú)線傳感網(wǎng)絡(luò)數(shù) 據(jù)集的缺陷,提供一種可以人工合成任意空間相關(guān)性強(qiáng)弱的大規(guī)模數(shù)據(jù)集的無(wú)線傳感網(wǎng)監(jiān) 測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法及系統(tǒng)。
[0006] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是:
[0007] 本發(fā)明提供一種無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法,包括以 下步驟:
[0008] S1、從小規(guī)模無(wú)線傳感網(wǎng)中獲取N個(gè)節(jié)點(diǎn)采集到的實(shí)際數(shù)據(jù)序列W= (XI,X2,…,XN )T,對(duì)實(shí)際數(shù)據(jù)序列W進(jìn)行稀疏變換,得到k個(gè)非零系數(shù),并按節(jié)點(diǎn)訪問(wèn)的順利將最遠(yuǎn)的非零 系數(shù)對(duì)應(yīng)的距離確定為參數(shù)h,h為整數(shù);
[0009] S2、根據(jù)公式γ (i),得到h個(gè)方程,
參數(shù)ai,β,的非線性方程組,其中:
[0011] S3、采用最小二乘法計(jì)算h個(gè)參數(shù)h,并代入非線性方程組;
[0012] S4、求解該非線性方程組,得到h+Ι個(gè)參數(shù)Μ,β;
[0013] S5、將得到的2h+l個(gè)參數(shù)〇1,0,〇1代入模型X(x,y)中,生成與實(shí)際數(shù)據(jù)序列W的空間 相關(guān)性保持一致的大規(guī)模數(shù)據(jù)集W'模型X (X,y)的公式為:
[0015]其中,Χ^Ζ^Υ共同決定了 X(x,y),其中21(1 = 1,2,~,1〇、¥和父為兩兩相互獨(dú)立的 隨機(jī)變量,21表示相鄰節(jié)點(diǎn)采集數(shù)據(jù)值間的差異,Y表示與節(jié)點(diǎn)X(x,y)距離超出h倍d后,X (X,y)取值僅與Y有關(guān)而與相鄰節(jié)點(diǎn)Xi無(wú)關(guān);
[0016] w.p.表示為中文的意思"關(guān)于",可用"關(guān)于"兩個(gè)字代替;
表示隨機(jī)變量X(x, y)取值為的平均概率,β表示隨機(jī)變量X(x,y)取值為Y的概率。
[0017] 進(jìn)一步地,本發(fā)明的步驟S1中稀疏變換的方法具體為:
[0018] 將二維空間數(shù)據(jù)轉(zhuǎn)換為一維向量進(jìn)行稀疏表示,實(shí)際數(shù)據(jù)序列W在某組基Φ上呈現(xiàn) k稀疏性,即有:
[0019] ψ=φθ
[0020] 其中,Φ是維數(shù)為Ν X Ν的稀疏變換矩陣,稀疏系數(shù)向量θ = ( Θ:,Θ 2,…θ Ν)τ,
[0021 ]進(jìn)一步地,本發(fā)明的步驟S5中空間相關(guān)性用半變差函數(shù)來(lái)描述,對(duì)于二維空間的 平穩(wěn)隨機(jī)過(guò)程X(x,y),半變差函數(shù)的公式為:
[0023]其中,E□表示隨機(jī)變量求期望運(yùn)算,(Xd,yd)表示節(jié)點(diǎn)與另一個(gè)節(jié)點(diǎn)(x,y)的距離 為d〇
[0024] 進(jìn)一步地,本發(fā)明的步驟S5中根據(jù)模型參數(shù)21調(diào)整檢測(cè)數(shù)據(jù)X的空間相關(guān)性強(qiáng)弱。
[0025] 本發(fā)明提供一種無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析系統(tǒng),包括:
[0026] 實(shí)際數(shù)據(jù)序列采集單元,用于從小規(guī)模無(wú)線傳感網(wǎng)中獲取N個(gè)節(jié)點(diǎn)采集到的實(shí)際 數(shù)據(jù)序列1=(11,1 2,一,幼)7,對(duì)實(shí)際數(shù)據(jù)序列1進(jìn)行稀疏變換,得到1^個(gè)非零系數(shù),并按節(jié)點(diǎn) 訪問(wèn)的順利將最遠(yuǎn)的非零系數(shù)對(duì)應(yīng)的距離確定為參數(shù)h,h為整數(shù);
[0027] 參數(shù)求解單元,用于根據(jù)公式γ (i),得到h個(gè)方程 立,得到h+1個(gè)關(guān)于參數(shù)〇1,0,〇1的非線性方程組,其中:
[0029] 并采用最小二乘法計(jì)算h個(gè)參數(shù)〇1,并代入非線性方程組;求解該非線性方程組, 得到h+Ι個(gè)參數(shù)aij;
[0030] 大規(guī)模數(shù)據(jù)集生成單元,用于將得到的2h+l個(gè)參數(shù)〇1,0,〇1代入模型X(x,y)中,生 成與實(shí)際數(shù)據(jù)序列W的空間相關(guān)性保持一致的大規(guī)模數(shù)據(jù)集W'模型X(x,y)的公式為:
[0032] 其中,Χ^Ζ^Υ共同決定了 X(x,y),其中21(丨=1,2,.",1〇、¥和父為兩兩相互獨(dú)立的 隨機(jī)變量,21表示相鄰節(jié)點(diǎn)采集數(shù)據(jù)值間的差異,Y表示與節(jié)點(diǎn)X(x,y)距離超出h倍d后,X (X,y)取值僅與Y有關(guān)而與相鄰節(jié)點(diǎn)Xi無(wú)關(guān);
[0033] W.P.表示為中文的意思"關(guān)于",可用"關(guān)于"兩個(gè)字代替;
表示隨機(jī)變量Χ(χ, y)取值為Xi+Z^的平均概率,β表示隨機(jī)變量X(x,y)取值為Y的概率。
[0034] 本發(fā)明產(chǎn)生的有益效果是:本發(fā)明的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定 量分析方法,不僅可以通過(guò)控制模型參數(shù),人工合成具有任意空間相關(guān)性強(qiáng)弱的大規(guī)模數(shù) 據(jù)集,而且還可以快速地從少量的測(cè)量數(shù)據(jù)中抽取其空間相關(guān)性參數(shù),高精度地生空間相 關(guān)性與之匹配的大規(guī)模測(cè)試數(shù)據(jù)集。
【附圖說(shuō)明】
[0035]下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明,附圖中:
[0036] 圖1是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 流程圖;
[0037] 圖2是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 矩形網(wǎng)格中節(jié)點(diǎn)訪問(wèn)順序(1);
[0038] 圖3是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 矩形網(wǎng)格中節(jié)點(diǎn)訪問(wèn)順序(2);
[0039] 圖4是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 空間相關(guān)性實(shí)驗(yàn)對(duì)比(1);
[0040] 圖5是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 空間相關(guān)性實(shí)驗(yàn)對(duì)比(2);
[0041] 圖6是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 溫度數(shù)據(jù)集的參數(shù)分布圖;
[0042] 圖7是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 原始溫度數(shù)據(jù)集的三維分布;
[0043] 圖8是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 合成溫度數(shù)據(jù)集的三維分布;
[0044] 圖9是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法的 X-心的概率密度函數(shù);
[0045] 圖10是本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性建模與定量分析方法 的比較原始與合成溫度數(shù)據(jù)集的密度函數(shù)分布圖;
[0046] 圖11是