基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法【專利摘要】本發(fā)明涉及一種基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，屬于無線傳感器通信【
技術(shù)領(lǐng)域：
】。本發(fā)明根據(jù)簇內(nèi)節(jié)點采集的數(shù)據(jù)挖掘簇內(nèi)節(jié)點之間的關(guān)聯(lián)，按照關(guān)聯(lián)性將簇劃分為多個子簇，在子簇內(nèi)選取抽樣節(jié)點感知并上報數(shù)據(jù)，每個簇內(nèi)至少一個子簇選取多于一個抽樣節(jié)點，抽樣節(jié)點動態(tài)隨機選取，簇頭節(jié)點根據(jù)節(jié)點的關(guān)聯(lián)性進行傳感器調(diào)度，并隨著環(huán)境變化動態(tài)調(diào)整簇內(nèi)節(jié)點的關(guān)聯(lián)性。本發(fā)明通過利用頻繁項挖掘簇內(nèi)節(jié)點的關(guān)聯(lián)性，按照關(guān)聯(lián)性將簇劃分為多個互不相交的子簇，使子簇內(nèi)的節(jié)點采集的時間序列相似，從而依據(jù)時間序列控制子簇內(nèi)傳感器節(jié)點的更新次數(shù)，減少數(shù)據(jù)通信量，降低網(wǎng)絡(luò)能耗。【專利說明】基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明涉及一種基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，屬于無線傳感器通信【
技術(shù)領(lǐng)域：
】?！?br>背景技術(shù)：
】[0002]周期性數(shù)據(jù)采集是無線傳感器網(wǎng)絡(luò)重要的應(yīng)用之一，傳感器節(jié)點周期性感知環(huán)境信息，并將感知數(shù)據(jù)傳送基站節(jié)點，傳感器節(jié)點需要傳輸大量數(shù)據(jù)。與傳感器節(jié)點感知和計算操作相比，數(shù)據(jù)傳輸會消耗更多能量。DeborahEstrin指出傳感器節(jié)點傳輸Ibit信息10m距離需要的能量大約相當于執(zhí)行3000條計算指令消耗的能量。傳感器節(jié)點的能量有限。因此，為了延長無線傳感器網(wǎng)絡(luò)的生命周期，研究如何減少節(jié)點間的通信量且保證采集數(shù)據(jù)質(zhì)量的數(shù)據(jù)采集方法具有重要的意義。[0003]目前，減少基于分簇的周期性數(shù)據(jù)采集通信負載，實現(xiàn)能量高效的數(shù)據(jù)采集已經(jīng)取得了一些成果。一類是利用優(yōu)化的分簇算法節(jié)省WSNs的能耗，包括:基于模糊能量感知的不平等簇形成算法，面向節(jié)點節(jié)能的平衡簇形成算法等。還有一類是通過預(yù)測減少網(wǎng)絡(luò)的通信量，延長網(wǎng)絡(luò)生命周期，簇內(nèi)節(jié)點和基站節(jié)點利用構(gòu)建的線性預(yù)測器對采集數(shù)據(jù)進行預(yù)測，簇內(nèi)節(jié)點將預(yù)測值與實際采集的數(shù)據(jù)比較，大于可容忍誤差，則傳送感知數(shù)據(jù)到簇頭，否則，不傳送數(shù)據(jù)，基站節(jié)點使用預(yù)測數(shù)據(jù)值，包括:面向傳感器節(jié)點實測歷史數(shù)據(jù)的回歸分析方法，基于中心化自回歸模型的數(shù)據(jù)預(yù)測方法，基于節(jié)點自身計算能力的感知數(shù)據(jù)逼近方法，面向網(wǎng)絡(luò)能耗的空間關(guān)聯(lián)性方法。然而，這些簇形成算法忽略了節(jié)點采集數(shù)據(jù)之間的時間和空間關(guān)聯(lián)性。【
發(fā)明內(nèi)容】[0004]本發(fā)明的目的是提供一種基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，以解決現(xiàn)有分簇方法中由于簇內(nèi)所有節(jié)點感知并上報數(shù)據(jù)產(chǎn)生數(shù)據(jù)冗余導(dǎo)致能耗大的問題。[0005]本發(fā)明為解決上述技術(shù)問題而一種基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，該子簇形成方法包括以下步驟:[0006]I)根據(jù)簇內(nèi)各個節(jié)點的時間序列,將相同采樣周期感知到相同數(shù)據(jù)的傳感器節(jié)點形成一條記錄，根據(jù)M個采樣周期形成的記錄構(gòu)建樹形結(jié)構(gòu)，對所構(gòu)建的樹形結(jié)構(gòu)利用頻繁項挖掘簇內(nèi)各個節(jié)點的關(guān)聯(lián)性；[0007]2)根據(jù)所挖掘的簇內(nèi)各節(jié)點關(guān)聯(lián)性將簇劃分為若干個子簇，在每個子簇內(nèi)選取抽樣節(jié)點進行感知和數(shù)據(jù)上傳；[0008]3)根據(jù)環(huán)境變化動態(tài)調(diào)整子簇的劃分。[0009]所述步驟I)中簇內(nèi)節(jié)點關(guān)聯(lián)性的挖掘過程如下:[0010]A.根據(jù)所構(gòu)建的樹形結(jié)構(gòu)建立樹形結(jié)構(gòu)項頭表globalheadertable,從樹形結(jié)構(gòu)項頭表globalheadertable最后一項開始,構(gòu)造包含此項的條件數(shù)據(jù)庫,每條記錄不包含已經(jīng)挖掘出的項集所包含的項；[0011]B.為各條件數(shù)據(jù)庫構(gòu)建相應(yīng)的條件FP-tree，將單項計數(shù)小于最小支持度計數(shù)的項刪除；[0012]C.挖掘滿足最小支持度計數(shù)的最長頻繁項集，深度優(yōu)先瀏覽條件FP-tree的每一個分枝，節(jié)點計數(shù)小于最小支持度計數(shù)，停止瀏覽該分枝，并記錄已經(jīng)瀏覽的計數(shù)大于最小支持度的節(jié)點序列和該序列的長度，繼續(xù)瀏覽下一分枝，直到條件FP-tree的所有分枝被瀏覽；[0013]D.從獲得的節(jié)點序列中選取最長的序列，以得到頻繁項集，將樹形結(jié)構(gòu)項頭表globalheadertable中此頻繁項集包含的項刪除，形成新的globalheadertable；[0014]E.循環(huán)執(zhí)行以上過程,直到globalheadertable為空結(jié)束。[0015]所述步驟2)傳感器的調(diào)度過程如下:[0016]a.按關(guān)聯(lián)性將簇劃分為N個子簇；[0017]b將子簇的劃分結(jié)果散布給簇頭節(jié)點，簇頭選取每個子簇的抽樣節(jié)點，使簇內(nèi)至少一個子簇多于一個抽樣節(jié)點；[0018]c.通知被選為抽樣節(jié)點的簇內(nèi)節(jié)點感知并上報數(shù)據(jù)；[0019]d.簇頭節(jié)點對同一子簇內(nèi)節(jié)點的時間序列比較，當η個連續(xù)數(shù)據(jù)，存在大于η(Ι-support)個數(shù)據(jù)的差值大于可容忍誤差σ，則認為簇內(nèi)節(jié)點的空間關(guān)聯(lián)性發(fā)生改變，將簇按照新的挖掘結(jié)果劃分子簇。[0020]所述步驟3)子簇劃分的調(diào)整過程如下:[0021]1.探測簇內(nèi)節(jié)點的空間關(guān)聯(lián)性是否發(fā)生改變，若發(fā)生通知簇內(nèi)所有節(jié)點按照采集周期Td感知并上報數(shù)據(jù)；[0022]I1.基站節(jié)點按照步驟I)進行簇內(nèi)節(jié)點空間關(guān)聯(lián)性的挖掘；[0023]II1.重新按照步驟2)劃分子簇。[0024]所述在子簇中選取抽樣節(jié)點，未被選作抽樣節(jié)點的傳感器節(jié)點根據(jù)子簇內(nèi)抽樣節(jié)點采集的數(shù)據(jù)進行恢復(fù)。[0025]所述子簇中抽樣節(jié)點的選取是按照設(shè)定抽樣率對子簇中各抽樣節(jié)點隨機選取得到。[0026]本發(fā)明的有益效果是:本發(fā)明根據(jù)簇內(nèi)節(jié)點采集的數(shù)據(jù)挖掘簇內(nèi)節(jié)點之間的關(guān)聯(lián)，按照關(guān)聯(lián)性將簇劃分為多個子簇，在子簇內(nèi)選取抽樣節(jié)點感知并上報數(shù)據(jù)，每個簇內(nèi)至少一個子簇選取多于一個抽樣節(jié)點，抽樣節(jié)點動態(tài)隨機選取，簇頭節(jié)點根據(jù)節(jié)點的關(guān)聯(lián)性進行傳感器調(diào)度，并隨著環(huán)境變化動態(tài)調(diào)整簇內(nèi)節(jié)點的關(guān)聯(lián)性。本發(fā)明通過利用頻繁項挖掘簇內(nèi)節(jié)點的關(guān)聯(lián)性，按照關(guān)聯(lián)性將簇劃分為多個互不相交的子簇，使子簇內(nèi)的節(jié)點采集的時間序列相似，從而依據(jù)時間序列控制子簇內(nèi)傳感器節(jié)點的更新次數(shù)，減少數(shù)據(jù)通信量，降低網(wǎng)絡(luò)能耗?！緦＠綀D】【附圖說明】[0027]圖1是空間關(guān)聯(lián)性子簇模型示意圖；[0028]圖2是FMSSC算法流程圖；[0029]圖3是挖掘簇內(nèi)關(guān)聯(lián)性的流程圖；[0030]圖4是基于空間關(guān)聯(lián)性的傳感器調(diào)度流程圖；[0031]圖5是子簇動態(tài)調(diào)整的流程圖；[0032]圖6是節(jié)點存活數(shù)量隨時間變化的示意圖；[0033]圖7是節(jié)點總能耗時間變化的示意圖；[0034]圖8是不同抽樣率下節(jié)點總能耗情況示意圖?！揪唧w實施方式】[0035]下面結(jié)合附圖對本發(fā)明的【具體實施方式】作進一步的說明。[0036]基于分簇的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)采集，簇內(nèi)節(jié)點周期性傳輸感知數(shù)據(jù)到簇頭節(jié)點，由簇頭節(jié)點進行數(shù)據(jù)聚合并傳送到基站節(jié)點。無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)用圖G(S，H，B)表示，S代表傳感器節(jié)點，H代表簇頭節(jié)點，B代表基站節(jié)點。無線傳感器網(wǎng)包含N個傳感器節(jié)點組成，每個節(jié)點表示為Si,ie{1，2，...，N}。分簇路由協(xié)議將無線傳感器網(wǎng)絡(luò)劃分為互不相交的簇，網(wǎng)絡(luò)中每一個節(jié)點都屬于一個簇，每個簇都一個簇頭節(jié)點，被選為簇頭的節(jié)點表示為hi;簇頭節(jié)點集合用H表示,H=(SiIhi=SiKIii=Si表示節(jié)點Si是簇頭節(jié)點，Si作為簇頭節(jié)點形成的簇表示為Ci,Ci=(SjIhj=Sj,給定節(jié)點Sj,若Si作為其簇頭節(jié)點(hj=Si)，則5」在(；中(S」eCj)，因為距離較近的傳感器節(jié)點感知的數(shù)據(jù)存在空間關(guān)聯(lián)性的可能性較大，所以簇內(nèi)所有節(jié)點感知并上報數(shù)據(jù)可能會產(chǎn)生冗余數(shù)據(jù)，消耗大量不必要的能耗。[0037]基于存在的問題提出空間關(guān)聯(lián)性子簇網(wǎng)絡(luò)結(jié)構(gòu)，本發(fā)明將簇進一步劃分為子簇，Ci中的子簇集表示為Gi,Ci中子簇的數(shù)量由Ki表示，Ki=IGiI,Gi中的子簇表示為Gi(j),je{1,2,-,KJ,子簇內(nèi)節(jié)點采集的時間序列相似，選取子簇的部分節(jié)點感知、上報數(shù)據(jù)，這些節(jié)點被稱作抽樣節(jié)點，剩余節(jié)點的數(shù)據(jù)值根據(jù)抽樣節(jié)點的數(shù)據(jù)值進行恢復(fù)，無線傳感器網(wǎng)絡(luò)關(guān)聯(lián)性子簇模型如圖1所示。[0038]本發(fā)明采用基于頻繁項挖掘的空間關(guān)聯(lián)性子簇形成算法FIMSSC(frequentitemsetmining-basedspatialsubclusteringalgorithm),其核心思想是根據(jù)節(jié)點感知的數(shù)據(jù)使用頻繁項挖掘算法獲取節(jié)點的關(guān)聯(lián)性，由三部分組成，如圖2所示，一是基站節(jié)點挖掘簇內(nèi)節(jié)點的關(guān)聯(lián)性；二是簇頭節(jié)點根據(jù)節(jié)點的關(guān)聯(lián)性進行傳感器調(diào)度；三是隨著環(huán)境變化動態(tài)調(diào)整簇內(nèi)節(jié)點的關(guān)聯(lián)性。距離較近的節(jié)點采集的數(shù)據(jù)可能存在空間關(guān)聯(lián)性，所以根據(jù)簇內(nèi)節(jié)點采集的數(shù)據(jù)，挖掘簇內(nèi)節(jié)點的關(guān)聯(lián)性，按關(guān)聯(lián)性將簇劃分為多個互不相交的子簇，子簇內(nèi)的節(jié)點采集的時間序列相似。基站節(jié)點接收和存儲簇內(nèi)節(jié)點的時間序列，基站節(jié)點擁有較強的存儲和處理能力，并且能量不受限制，所以在基站節(jié)點挖掘簇內(nèi)節(jié)點的關(guān)聯(lián)性。根據(jù)基站節(jié)點的性能，設(shè)定挖掘的時間范圍η，選取簇內(nèi)所有節(jié)點在此區(qū)間內(nèi)采集到的數(shù)據(jù)序列，設(shè)置可容忍的誤差值σ，兩個數(shù)據(jù)的差值小于σ，認為這兩個數(shù)據(jù)相等，定義傳感器節(jié)點的字典序(S1S2S3...SN}。該方法的具體實施過程如下:[0039]1.挖掘簇內(nèi)節(jié)點關(guān)聯(lián)性[0040]根據(jù)簇內(nèi)每個節(jié)點的時間序列，將相同采樣周期感知到相同數(shù)據(jù)(數(shù)據(jù)差值在可容忍誤差范圍內(nèi))的傳感器節(jié)點按字典序形成一條記錄，隨后，根據(jù)η個采樣周期形成的記錄構(gòu)建樹形結(jié)構(gòu)，最后，對構(gòu)建的樹利用頻繁項進行挖掘。該挖掘流程如圖3所示，具體包括以下步驟:[0041]I)從globalheadertable最后一項開始，構(gòu)造包含此項的條件數(shù)據(jù)庫，如:TDBIS7={<S5S6S7:8>,<S1S6S7:1>,<S3S4S6S7:1>}每條記錄不包含已經(jīng)挖掘出的項集所包含的項,globalheadertable是為了方便樹的建立創(chuàng)建的一個項頭表，項頭表包含樹中的所有節(jié)點，每項通過一個節(jié)點鏈指向它在樹中的位置；[0042]2)為此條件數(shù)據(jù)庫構(gòu)建相應(yīng)的條件FP-tree，將單項計數(shù)小于最小支持度計數(shù)的項刪除，F(xiàn)P-tree指的是構(gòu)建的樹形結(jié)構(gòu)；[0043]3)挖掘滿足最小支持度計數(shù)的最長頻繁項集，深度優(yōu)先瀏覽條件FP-tree的每一個分枝，節(jié)點計數(shù)小于最小支持度計數(shù)，停止瀏覽該分枝，并記錄已經(jīng)瀏覽的計數(shù)大于最小支持度的節(jié)點序列和該序列的長度，繼續(xù)瀏覽下一分枝，直到條件FP-tree的所有分枝被瀏覽；[0044]4)從獲得的節(jié)點序列中選取最長的序列，此過程得到頻繁項集〈S7S5S6〉。將globalheadertable中此頻繁項集包含的項刪除,形成新的globalheadertable；[0045]5)循環(huán)執(zhí)行以上過程,直到globalheadertable為空結(jié)束。[0046]2.基于空間關(guān)聯(lián)性的傳感器調(diào)度[0047]基站節(jié)點根據(jù)簇內(nèi)節(jié)點采集的數(shù)據(jù)挖掘節(jié)點之間的關(guān)聯(lián)性，如圖4所示，按關(guān)聯(lián)性將簇劃分為多個子簇，在子簇內(nèi)選取抽樣節(jié)點感知并上報數(shù)據(jù)，簇內(nèi)至少一個子簇選取多于一個抽樣節(jié)點，抽樣節(jié)點動態(tài)隨機選取，且抽樣節(jié)點更新周期Ts，子簇內(nèi)選取多個節(jié)點上報數(shù)據(jù)，需要基站節(jié)點根據(jù)最新采集的數(shù)據(jù)重新進行空間關(guān)聯(lián)性的挖掘，將簇按照新的挖掘結(jié)果劃分子簇。[0048]A.根據(jù)簇內(nèi)節(jié)點采集的數(shù)據(jù)挖掘節(jié)點之間的關(guān)聯(lián)性；[0049]B.按關(guān)聯(lián)性將簇劃分為多個子簇，在子簇內(nèi)選取抽樣節(jié)點感知并上報數(shù)據(jù)，子簇內(nèi)選取多個節(jié)點上報數(shù)據(jù)，子簇中抽樣節(jié)點的選取是按照設(shè)定抽樣率對子簇中各抽樣節(jié)點隨機選取得到；[0050]C.基站節(jié)點將子簇的劃分結(jié)果散布給簇頭節(jié)點，簇頭選取子簇的抽樣節(jié)點，使簇內(nèi)至少一個子簇多于一個抽樣節(jié)點；[0051]D.通知被選為抽樣節(jié)點的簇內(nèi)節(jié)點感知并上報數(shù)據(jù)；[0052]E.簇頭節(jié)點對同一子簇內(nèi)節(jié)點的時間序列比較，當η個連續(xù)數(shù)據(jù)，存在大于η(Ι-support)個數(shù)據(jù)的差值大于可容忍誤差S，則認為簇內(nèi)節(jié)點的空間關(guān)聯(lián)性發(fā)生改變，將簇按照新的挖掘結(jié)果劃分子簇。[0053]3.子簇動態(tài)調(diào)整[0054]該調(diào)整過程如圖5所示，當簇頭節(jié)點探測到簇內(nèi)節(jié)點的空間關(guān)聯(lián)性發(fā)生改變，則通知簇內(nèi)所有節(jié)點按照采集周期Td感知并上報數(shù)據(jù)，由基站節(jié)點按照步驟I進行簇內(nèi)節(jié)點空間關(guān)聯(lián)性的挖掘，根據(jù)步驟2重新劃分子簇。[0055]下面以(10mX100m)的平面區(qū)域隨機部署100個傳感器節(jié)點為例來說明本發(fā)明的效果，基站坐標為(50，75)，實驗中，設(shè)每個節(jié)點的初始能量2Ι，ηαι=5，εm=0.0013PJ/(bit*m4),Eelec=50nJ/bit,Eda=5nJ/(bit?singaF1),帶寬為1Mbps,消息長度500Bytes,發(fā)送和接收時延25μs，簇的更新時間間隔20s，仿真時間為600s。[0056]優(yōu)化方法與LEACH協(xié)議相比，存活節(jié)點數(shù)量如圖6所示。優(yōu)化方法將網(wǎng)絡(luò)生命周期提升大約100s，而且優(yōu)化策略節(jié)點死亡的速來低于LEACH協(xié)議，因此，簇內(nèi)節(jié)點的關(guān)聯(lián)度增大，或空間關(guān)聯(lián)性不頻繁改變，都將延長網(wǎng)絡(luò)的生命周期。[0057]節(jié)點的能量消耗如圖7所示，LEACH協(xié)議在500s內(nèi)，能量消耗為200J，在380s之后，網(wǎng)絡(luò)能量消耗的增長率明顯降低。而優(yōu)化方案在500s內(nèi)沒有出現(xiàn)死亡節(jié)點，并且能耗為160J，相比較LEACH協(xié)議，降低了網(wǎng)絡(luò)能耗。[0058]每一輪中，簇的形成和穩(wěn)定所占的時間比例不變，改變抽樣率，選取14%，28%，42%，56%節(jié)點作為抽樣節(jié)點，不同抽樣率下網(wǎng)絡(luò)的能耗如圖8所示，網(wǎng)絡(luò)能耗隨著抽樣率增大而增加，在500s內(nèi)，14%的抽樣率網(wǎng)絡(luò)能耗122J，28%的抽樣率網(wǎng)絡(luò)能耗131J，42%的抽樣率網(wǎng)絡(luò)能耗146J，56%的抽樣率網(wǎng)絡(luò)能耗164J。[0059]由此可見，本發(fā)明通過使用頻繁項挖掘方法獲取簇內(nèi)節(jié)點之間的空間關(guān)聯(lián)性，將簇內(nèi)節(jié)點按關(guān)聯(lián)性劃分子簇，在子簇中選取抽樣節(jié)點，通過抽樣節(jié)點感知并上報數(shù)據(jù)，從而減少了網(wǎng)絡(luò)能耗，延長了網(wǎng)絡(luò)生命周期?！緳?quán)利要求】1.一種基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，其特征在于，該子簇形成方法包括以下步驟:1)根據(jù)簇內(nèi)各個節(jié)點的時間序列，將相同采樣周期感知到相同數(shù)據(jù)的傳感器節(jié)點形成一條記錄，根據(jù)M個采樣周期形成的記錄構(gòu)建樹形結(jié)構(gòu)，對所構(gòu)建的樹形結(jié)構(gòu)利用頻繁項挖掘簇內(nèi)各個節(jié)點的關(guān)聯(lián)性；2)根據(jù)所挖掘的簇內(nèi)各節(jié)點關(guān)聯(lián)性將簇劃分為若干個子簇，在每個子簇內(nèi)選取抽樣節(jié)點進行感知和數(shù)據(jù)上傳；3)根據(jù)環(huán)境變化動態(tài)調(diào)整子簇的劃分。2.根據(jù)權(quán)利要求1所述的基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，其特征在于，所述步驟I)中簇內(nèi)節(jié)點關(guān)聯(lián)性的挖掘過程如下:A.根據(jù)所構(gòu)建的樹形結(jié)構(gòu)建立樹形結(jié)構(gòu)項頭表globalheadertable,從樹形結(jié)構(gòu)項頭表globalheadertable最后一項開始,構(gòu)造包含此項的條件數(shù)據(jù)庫,每條記錄不包含已經(jīng)挖掘出的項集所包含的項；B.為各條件數(shù)據(jù)庫構(gòu)建相應(yīng)的條件FP-tree，將單項計數(shù)小于最小支持度計數(shù)的項刪除；C.挖掘滿足最小支持度計數(shù)的最長頻繁項集，深度優(yōu)先瀏覽條件FP-tree的每一個分枝，節(jié)點計數(shù)小于最小支持度計數(shù)，停止瀏覽該分枝，并記錄已經(jīng)瀏覽的計數(shù)大于最小支持度的節(jié)點序列和該序列的長度，繼續(xù)瀏覽下一分枝，直到條件FP-tree的所有分枝被瀏覽；D.從獲得的節(jié)點序列中選取最長的序列，以得到頻繁項集，將樹形結(jié)構(gòu)項頭表globalheadertable中此頻繁項集包含的項刪除,形成新的globalheadertable；E.循環(huán)執(zhí)行以上過程,直到globalheadertable為空結(jié)束。3.根據(jù)權(quán)利要求2所述的基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，其特征在于，所述步驟2)傳感器的調(diào)度過程如下:a.按關(guān)聯(lián)性將簇劃分為N個子簇；b將子簇的劃分結(jié)果散布給簇頭節(jié)點，簇頭選取每個子簇的抽樣節(jié)點，使簇內(nèi)至少一個子簇多于一個抽樣節(jié)點；c.通知被選為抽樣節(jié)點的簇內(nèi)節(jié)點感知并上報數(shù)據(jù)；d.簇頭節(jié)點對同一子簇內(nèi)節(jié)點的時間序列比較，當η個連續(xù)數(shù)據(jù)，存在大于η(Ι-support)個數(shù)據(jù)的差值大于可容忍誤差σ，則認為簇內(nèi)節(jié)點的空間關(guān)聯(lián)性發(fā)生改變，將簇按照新的挖掘結(jié)果劃分子簇。4.根據(jù)權(quán)利要求3所述的基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，其特征在于，所述步驟3)子簇劃分的調(diào)整過程如下:1.探測簇內(nèi)節(jié)點的空間關(guān)聯(lián)性是否發(fā)生改變，若發(fā)生通知簇內(nèi)所有節(jié)點按照采集周期Td感知并上報數(shù)據(jù)；I1.基站節(jié)點按照步驟I)進行簇內(nèi)節(jié)點空間關(guān)聯(lián)性的挖掘；II1.重新按照步驟2)劃分子簇。5.根據(jù)權(quán)利要求4所述的基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，其特征在于，所述在子簇中選取抽樣節(jié)點，未被選作抽樣節(jié)點的傳感器節(jié)點根據(jù)子簇內(nèi)抽樣節(jié)點采集的數(shù)據(jù)進行恢復(fù)。6.根據(jù)權(quán)利要求4所述的基于頻繁項的無線傳感器網(wǎng)絡(luò)空間關(guān)聯(lián)性子簇形成方法，其特征在于，所述子簇中抽樣節(jié)點的選取是按照設(shè)定抽樣率對子簇中各抽樣節(jié)點隨機選取得到。【文檔編號】H04W24/04GK104394550SQ201410720459【公開日】2015年3月4日申請日期:2014年12月1日優(yōu)先權(quán)日:2014年12月1日【發(fā)明者】申京,郝洋,肖玉杰,李永杰,王正,吳晨光申請人:國家電網(wǎng)公司,國網(wǎng)河南省電力公司信息通信公司