本發(fā)明涉及一種基于無(wú)線(xiàn)傳感網(wǎng)絡(luò)節(jié)點(diǎn)選擇數(shù)據(jù)收集方法，其通過(guò)壓縮感知、主成分分析和框架勢(shì)原理來(lái)選擇代表節(jié)點(diǎn)以減少網(wǎng)絡(luò)中參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)目，并利用路由樹(shù)來(lái)收集代表節(jié)點(diǎn)數(shù)據(jù)，本發(fā)明可以有效減少網(wǎng)絡(luò)數(shù)據(jù)傳輸量。

本發(fā)明包括以下步驟：1)通過(guò)混合壓縮感知技術(shù)收集一段時(shí)間內(nèi)的傳感器數(shù)據(jù)；2)通過(guò)壓縮感知與主成分分析(PCA)和框架勢(shì)(FP)的結(jié)合，設(shè)計(jì)稀疏矩陣和稀疏觀測(cè)矩陣，并確定代表節(jié)點(diǎn)參加數(shù)據(jù)收集；3)利用“由上到下”的順序構(gòu)建融合數(shù)據(jù)傳輸路由樹(shù)；4)數(shù)據(jù)在路由樹(shù)上的傳輸順序被設(shè)置為“從下到上”，以減少融合數(shù)據(jù)傳輸次數(shù)；5)運(yùn)用一種數(shù)據(jù)收集策略，將壓縮感知的M輪數(shù)據(jù)收集變?yōu)?輪數(shù)據(jù)收集。本發(fā)明能有效減少了參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)目，同時(shí)保證匯聚節(jié)點(diǎn)(Sink節(jié)點(diǎn))處數(shù)據(jù)重構(gòu)的精度，并通過(guò)路由樹(shù)上的數(shù)據(jù)融合減少了網(wǎng)絡(luò)數(shù)據(jù)傳輸量。

背景技術(shù)：

利用無(wú)線(xiàn)傳感網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)收集是近年發(fā)展起來(lái)的一種新興的信息采集技術(shù)，其在環(huán)境監(jiān)測(cè)、工業(yè)控制等領(lǐng)域有著廣泛應(yīng)用。它大規(guī)模、多跳的特點(diǎn)會(huì)產(chǎn)生大量數(shù)據(jù)包影響網(wǎng)絡(luò)吞吐量、端到端延時(shí)等性能；并且其多對(duì)一的傳輸特點(diǎn)會(huì)導(dǎo)致網(wǎng)絡(luò)能耗負(fù)載不均衡，越靠近匯聚節(jié)點(diǎn)(Sink節(jié)點(diǎn))的節(jié)點(diǎn)能量消耗越大。因此，研究適合無(wú)線(xiàn)傳感網(wǎng)絡(luò)特點(diǎn)的數(shù)據(jù)傳輸方法具有非常重要的實(shí)際意義和應(yīng)用價(jià)值，其中利用數(shù)據(jù)融合進(jìn)行數(shù)據(jù)傳輸可以有效的減少網(wǎng)絡(luò)的數(shù)據(jù)傳輸量。

壓縮感知技(Compressive Sensing，CS)術(shù)是一種新出現(xiàn)的數(shù)據(jù)融合方法，相比于傳統(tǒng)的數(shù)據(jù)融合方法，它不僅能減少網(wǎng)絡(luò)數(shù)據(jù)量，還能保證傳感器數(shù)據(jù)重構(gòu)的精度，其主要的三個(gè)步驟包括信號(hào)稀疏表示、信號(hào)投影和信號(hào)重構(gòu)。因此，可在壓縮感知的基礎(chǔ)上開(kāi)發(fā)一種新的數(shù)據(jù)融合收集方法，在減少參與數(shù)據(jù)收集的傳感器節(jié)點(diǎn)數(shù)的同時(shí)，設(shè)計(jì)一種數(shù)據(jù)傳輸機(jī)制，將所有M輪(M為觀測(cè)矩陣的行向量個(gè)數(shù))投影值收集融合為一輪數(shù)據(jù)收集，在保證數(shù)據(jù)重構(gòu)精度的同時(shí)，最大限度的減少網(wǎng)絡(luò)數(shù)據(jù)傳輸量。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種無(wú)線(xiàn)傳感網(wǎng)絡(luò)融合數(shù)據(jù)收集方法，目的在于通過(guò)優(yōu)化參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)目和代表節(jié)點(diǎn)數(shù)據(jù)傳輸過(guò)程，降低網(wǎng)絡(luò)的數(shù)據(jù)傳輸量，以降低網(wǎng)絡(luò)數(shù)據(jù)傳輸時(shí)的能量消耗。

無(wú)線(xiàn)傳感網(wǎng)絡(luò)數(shù)據(jù)傳輸模型

圖1是無(wú)線(xiàn)傳感網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸?shù)幕臼疽鈭D，假設(shè)整個(gè)無(wú)線(xiàn)傳感網(wǎng)絡(luò)由N個(gè)節(jié)點(diǎn)組成，它們隨機(jī)的分布在一個(gè)監(jiān)控區(qū)域內(nèi)，每個(gè)節(jié)點(diǎn)都有相同的通信半徑r，如果兩個(gè)節(jié)點(diǎn)間的距離小于r，那么這兩個(gè)節(jié)點(diǎn)就可以互相通信?？紤]到每個(gè)節(jié)點(diǎn)很難與Sink節(jié)點(diǎn)直接進(jìn)行通信，因此節(jié)點(diǎn)會(huì)采用多跳的方式將他們收集的數(shù)據(jù)傳輸給Sink節(jié)點(diǎn)，如圖1中虛線(xiàn)中路徑所示，即為一條數(shù)據(jù)傳輸路徑。假設(shè)每個(gè)節(jié)點(diǎn)到Sink的平均跳數(shù)為d，如果網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)都要進(jìn)行數(shù)據(jù)收集，則Sink節(jié)點(diǎn)將會(huì)收到N個(gè)數(shù)據(jù)包，則每個(gè)數(shù)據(jù)包的平均傳輸跳數(shù)為O(d)，因此整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)傳輸量為：

T₁＝O(dN)

本發(fā)明的構(gòu)思如下：

若要減少網(wǎng)絡(luò)的數(shù)據(jù)傳輸量，則需減少節(jié)點(diǎn)傳輸數(shù)據(jù)包所需的跳數(shù)或減少Sink節(jié)點(diǎn)收到的數(shù)據(jù)包數(shù)，可將壓縮感知技術(shù)運(yùn)用無(wú)線(xiàn)傳感網(wǎng)絡(luò)的數(shù)據(jù)收集過(guò)程中，這樣通過(guò)數(shù)據(jù)融合的方法，每個(gè)節(jié)點(diǎn)只需向下一跳節(jié)點(diǎn)發(fā)送M個(gè)數(shù)據(jù)包即可，因此M也將收到M個(gè)數(shù)據(jù)包用于數(shù)據(jù)重構(gòu)，因此壓縮感知下的網(wǎng)絡(luò)數(shù)據(jù)傳輸量為：

T₂＝O(NM)

由于M取值一般小于d，因此運(yùn)用壓縮感知可以減少網(wǎng)絡(luò)數(shù)據(jù)傳輸量。然而，采用普通壓縮感知方法的無(wú)線(xiàn)傳感網(wǎng)絡(luò)數(shù)據(jù)收集過(guò)程有很大的局限性。首先，其要求所有節(jié)點(diǎn)都參與數(shù)據(jù)收集，這對(duì)能量受限的傳感器網(wǎng)絡(luò)仍然是很大的開(kāi)銷(xiāo)。其次，由于Sink節(jié)點(diǎn)需要M個(gè)投影值才能夠重構(gòu)傳感器數(shù)據(jù)，所以每個(gè)數(shù)據(jù)重構(gòu)過(guò)程每個(gè)節(jié)點(diǎn)都需要向下游節(jié)點(diǎn)發(fā)送M個(gè)數(shù)據(jù)包，這樣整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)傳輸量依然很大。

本發(fā)明針對(duì)現(xiàn)有壓縮感知數(shù)據(jù)收集方法中存在的不足，提出一種基于節(jié)點(diǎn)選擇的數(shù)據(jù)收集方法，通過(guò)應(yīng)用壓縮感知與主成分分析的結(jié)合來(lái)減少參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)，并通過(guò)框架勢(shì)來(lái)選擇代表節(jié)點(diǎn)以保證數(shù)據(jù)重構(gòu)的精度，最后通過(guò)構(gòu)建路由數(shù)來(lái)收集代表節(jié)點(diǎn)的數(shù)據(jù)。將該方法用于傳感器網(wǎng)絡(luò)的數(shù)據(jù)收集，可以有效減少整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)傳輸量。

本發(fā)明方案的實(shí)施方法包括以下內(nèi)容：

1)通過(guò)混合壓縮感知(Hybrid-CS)來(lái)收集一段時(shí)間內(nèi)的傳感器數(shù)據(jù)，為主成分分析提供分析數(shù)據(jù)；

2)利用主成分分析對(duì)混合壓縮感知收集的數(shù)據(jù)進(jìn)行分析，得到稀疏矩陣；并結(jié)合框架勢(shì)原理對(duì)稀疏矩陣進(jìn)行分析，確定參與數(shù)據(jù)收集的代表節(jié)點(diǎn)和稀疏觀測(cè)矩陣，以減少參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)目；

3)通過(guò)“由上到下”的算法設(shè)計(jì)路由樹(shù)連接Sink和所有代表節(jié)點(diǎn)，將數(shù)據(jù)融合過(guò)程分散到路由樹(shù)上的每個(gè)代表節(jié)點(diǎn)進(jìn)行，并運(yùn)用“由下到上”的算法確定路由樹(shù)上的代表節(jié)點(diǎn)數(shù)據(jù)傳輸順序，以減少節(jié)點(diǎn)傳輸數(shù)據(jù)包的次數(shù)；

4)通過(guò)一種數(shù)據(jù)收集策略，用一輪數(shù)據(jù)傳輸過(guò)程收集所有投影值以形成觀測(cè)值向量，并在Sink處重構(gòu)信號(hào)，將重構(gòu)后的信號(hào)更新到主成分分析所需數(shù)據(jù)的集合中，以用作新一輪的主成分分析；

1)中，壓縮感知包括三個(gè)方面，即將信號(hào)稀疏表示，信號(hào)投影和信號(hào)重構(gòu)，其表達(dá)公式為：

式中，x＝(x₁，x₂，L x_N)^T為網(wǎng)絡(luò)中N個(gè)傳感器的原始數(shù)據(jù)，ψ為N×N維稀疏矩陣；θ為N×1維K階稀疏數(shù)據(jù)，其中只有K個(gè)非零數(shù)，其余N-K個(gè)數(shù)為零或接近于0；φ為維觀M×N測(cè)矩陣，其與x相乘可得到M×1維觀測(cè)值y(k＜M＜N)。而混合壓縮感知是壓縮感知的改進(jìn)，其將網(wǎng)絡(luò)中的節(jié)點(diǎn)分為轉(zhuǎn)發(fā)節(jié)點(diǎn)和壓縮節(jié)點(diǎn)，可進(jìn)一步減少網(wǎng)絡(luò)數(shù)據(jù)發(fā)送量，分類(lèi)方法為：

式中，n_i為節(jié)點(diǎn)i的類(lèi)型，V_C為壓縮節(jié)點(diǎn)集合，V_F為轉(zhuǎn)發(fā)節(jié)點(diǎn)集合，Q_i為第i個(gè)節(jié)點(diǎn)子節(jié)點(diǎn)的數(shù)目，圖2為混合壓縮感知與普通數(shù)據(jù)收集和壓縮感知數(shù)據(jù)收集過(guò)程的對(duì)比。

2)中，利用主成分分析將信號(hào)降維，可得：

其中，為混合壓縮感知收集的前L輪信號(hào)的均值，。U為N×K維的正交矩陣，α為K×1維主成分分析稀疏后的信號(hào)。與壓縮感知原理結(jié)合，即：

矩陣U框架勢(shì)屬性的定義為：

式中，a_i，a_j為矩陣U的第i，j個(gè)行向量，Ω為矩陣所有行序號(hào)的集合。

3)中，“由上到下”的路由樹(shù)構(gòu)建思想即為父節(jié)點(diǎn)向下選擇自己的子節(jié)點(diǎn)，而“由下到上”的思想即從最下層子節(jié)點(diǎn)開(kāi)始向上確定數(shù)據(jù)的傳輸順序。

4)中，所設(shè)計(jì)的數(shù)據(jù)收集機(jī)制即每個(gè)節(jié)點(diǎn)以向量為數(shù)據(jù)傳輸單位，并根據(jù)每個(gè)節(jié)點(diǎn)在所選擇節(jié)點(diǎn)集合中所處的位置來(lái)確定每個(gè)節(jié)點(diǎn)收集信號(hào)在向量中的位置。

與現(xiàn)有基于壓縮感知的數(shù)據(jù)收集機(jī)制相比，本發(fā)明具有以下優(yōu)點(diǎn)。

1)本發(fā)明通過(guò)混合壓縮感知來(lái)收集前一段時(shí)間的數(shù)據(jù)，為主成分分析提供數(shù)據(jù)基礎(chǔ)，這樣既可以保證數(shù)據(jù)的可靠性，又可以進(jìn)一步減少網(wǎng)絡(luò)的數(shù)據(jù)傳輸量。

2)本發(fā)明利用壓縮感知、主成分分析和框架勢(shì)原理的結(jié)合，有效的減少了參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)，而且根據(jù)這種方法所選出的節(jié)點(diǎn)，具有很強(qiáng)的代表性，這樣就使Sink處的數(shù)據(jù)重構(gòu)有很好的重構(gòu)精度。

3)本發(fā)明利用“從上到下”和“從下到上”的思路分別確立數(shù)據(jù)收集的路由樹(shù)和數(shù)據(jù)傳輸?shù)捻樞?，有效的保證了網(wǎng)絡(luò)適應(yīng)拓?fù)浣Y(jié)構(gòu)變化的能力，并將數(shù)據(jù)融合的過(guò)程由在Sink處進(jìn)行分散到了在每個(gè)節(jié)點(diǎn)進(jìn)行。

4)本發(fā)明方法利用所設(shè)計(jì)的數(shù)據(jù)傳輸機(jī)制，使整個(gè)M輪的數(shù)據(jù)傳輸過(guò)程融合為一輪傳輸過(guò)程，減小了每個(gè)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳輸?shù)拇螖?shù)，從而減少了整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)傳輸量。

附圖說(shuō)明

圖1是無(wú)線(xiàn)傳感網(wǎng)絡(luò)數(shù)據(jù)收集過(guò)程示意圖。

圖2是混合壓縮感知與壓縮感知和基本數(shù)據(jù)收集過(guò)程對(duì)比圖。

圖3是本發(fā)明的總體流程圖。

圖4是數(shù)據(jù)收集路由樹(shù)的形成過(guò)程圖。

附圖符號(hào)說(shuō)明

圖2中，傳輸路徑為簡(jiǎn)單的鏈?zhǔn)铰酚?，路徑旁的?shù)字代表節(jié)點(diǎn)發(fā)送的數(shù)據(jù)包數(shù)，帶下劃線(xiàn)的數(shù)據(jù)代表經(jīng)過(guò)數(shù)據(jù)融合后的數(shù)據(jù)包數(shù)。

圖3中，集合x(chóng)^(l)＝{x^(l-L+1)x^(l-L+2)，Lx^(l)}，l＝L,L+1,LL代表WSN從時(shí)刻l-L+1到時(shí)刻l收集的L個(gè)N維重構(gòu)信號(hào)集合，ψ^(l+1)為l+1時(shí)刻的稀疏矩陣，代表l+1時(shí)刻的稀疏觀測(cè)矩陣，T^(l+1)為l+1時(shí)刻的數(shù)據(jù)收集路由樹(shù)。

圖4中，帶有陰影的節(jié)點(diǎn)為代表節(jié)點(diǎn)，圖中箭頭旁的數(shù)字代表父節(jié)點(diǎn)選擇子節(jié)點(diǎn)的順序，π_i代表節(jié)點(diǎn)i的父節(jié)點(diǎn)，C_i代表節(jié)點(diǎn)i的子節(jié)點(diǎn)集合。

具體實(shí)施方式

如圖3所示，為本發(fā)明的總體流程圖，整個(gè)流程圖分為5大步驟，現(xiàn)結(jié)合圖3對(duì)本發(fā)明的具體實(shí)施方式作詳細(xì)說(shuō)明。

步驟1，利用混合壓縮感知收集主成分分析所需的數(shù)據(jù)集合。

混合壓縮感知將整個(gè)網(wǎng)絡(luò)的節(jié)點(diǎn)分為兩個(gè)部分，分別為轉(zhuǎn)發(fā)節(jié)點(diǎn)和融合節(jié)點(diǎn)，其分類(lèi)方法根據(jù)式(1)確定，根據(jù)式(1)可知融合節(jié)點(diǎn)和轉(zhuǎn)發(fā)節(jié)點(diǎn)的數(shù)量與M值的大下有很大關(guān)系，為了減少整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)發(fā)送量，同時(shí)保證混合壓縮感知的數(shù)據(jù)重構(gòu)精度，一般設(shè)M＝35％N，M值確定后即可根據(jù)式(1)確定節(jié)點(diǎn)類(lèi)型。開(kāi)始混合壓縮感知數(shù)據(jù)收集后，節(jié)點(diǎn)i需要向下游節(jié)點(diǎn)發(fā)送的數(shù)據(jù)包數(shù)為：

式中，s_i為第i個(gè)節(jié)點(diǎn)發(fā)送的包數(shù)量，圖2為鏈?zhǔn)铰酚上碌幕旌蠅嚎s感知數(shù)據(jù)收集過(guò)程、普通數(shù)據(jù)收集過(guò)程和壓縮感知數(shù)據(jù)收集過(guò)程的對(duì)比，箭頭旁的數(shù)據(jù)代表節(jié)點(diǎn)發(fā)送的數(shù)據(jù)包數(shù)，帶下劃線(xiàn)的數(shù)據(jù)代表融合后的數(shù)據(jù)包數(shù)。

步驟2，運(yùn)用主成分分析來(lái)減少參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)目，并利用框架勢(shì)原理來(lái)選擇代表節(jié)點(diǎn)。

步驟2.1，運(yùn)用主成分分析減少參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)。

設(shè)有集合x(chóng)^(l)＝{x^(l-L+1)x^(l-L+2)，L x^(l)}，l＝L，L+1，LL代表WSN利用混合壓縮感知從時(shí)刻l-L+1到時(shí)刻l收集的L個(gè)N維信號(hào)集合，則此L個(gè)信號(hào)的均值和協(xié)方差矩陣為：

取協(xié)方差矩陣的K個(gè)最大的特征值對(duì)應(yīng)的單位特征向量，并按對(duì)應(yīng)特征值大小降序排列后，形成N×K維的U作為壓縮感知的稀疏矩陣ψ，利用PCA原理形成的稀疏矩陣ψ可以很好的稀疏原始信號(hào)；同時(shí)，為了減少參與數(shù)據(jù)收集的節(jié)點(diǎn)數(shù)目，還需要設(shè)計(jì)一種合適的稀疏觀測(cè)矩陣φ_e，其須滿(mǎn)足：

(1)每行只有一個(gè)非0元素，且非0元素的值為1。

(2)每列至多只有一個(gè)值為1的非零元素，且0向量的數(shù)目為N-M個(gè)。

在此稀疏觀測(cè)矩陣下的數(shù)據(jù)收集過(guò)程，每輪只有一個(gè)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)收集，只需要從N個(gè)節(jié)點(diǎn)中選擇M個(gè)代表節(jié)點(diǎn)進(jìn)行數(shù)據(jù)收集即可形成觀測(cè)值y。

步驟2.2，運(yùn)用稀疏矩陣的框架勢(shì)性質(zhì)選擇代表節(jié)點(diǎn)。

由于稀疏觀測(cè)矩陣φ_e的內(nèi)容每時(shí)刻并不固定，且稀疏觀測(cè)矩陣每行的非零值對(duì)應(yīng)每一輪參與數(shù)據(jù)收集的節(jié)點(diǎn)，同時(shí)為了使Sink處的重構(gòu)數(shù)據(jù)精度滿(mǎn)足要求，則應(yīng)該使被選擇出的代表節(jié)點(diǎn)盡可能的能代表所有N個(gè)節(jié)點(diǎn)的信息。因此，可運(yùn)用框架勢(shì)原理來(lái)選擇每個(gè)數(shù)據(jù)采集時(shí)刻的稀疏觀測(cè)矩陣，矩陣的框架勢(shì)定義如式(5)，矩陣的框架勢(shì)值越大，其代表性越差，所以從N個(gè)節(jié)點(diǎn)中選擇M個(gè)節(jié)點(diǎn)，就相當(dāng)于從稀疏矩陣U中選擇M個(gè)能讓稀疏矩陣U的FP最小的行。

根據(jù)稀疏矩陣的框架勢(shì)選出代表節(jié)點(diǎn)的序號(hào)后，只需要在N×N維單位矩陣中保留對(duì)應(yīng)于1^(l+1)中序號(hào)的行即可形成l+1時(shí)刻的稀疏觀測(cè)矩陣

步驟3：利用“由上到下”的思路構(gòu)造路由樹(shù)，使數(shù)據(jù)融合過(guò)程由Sink分散到每個(gè)節(jié)點(diǎn)進(jìn)行，并讓路由樹(shù)的構(gòu)造能夠很好的適應(yīng)傳感器拓?fù)浣Y(jié)構(gòu)的變化。

構(gòu)造路由樹(shù)前，每個(gè)節(jié)點(diǎn)j∈1^(l+1)到Sink的最短路徑P_js和此路徑的跳數(shù)h_j需要被提前知道，這可以通過(guò)Sink發(fā)布一個(gè)廣播消息實(shí)現(xiàn)，設(shè)廣播消息數(shù)據(jù)包為m^(l+1)，則其需要包含的內(nèi)容包括：

每個(gè)收到此廣播數(shù)據(jù)包的節(jié)點(diǎn)會(huì)繼續(xù)將其發(fā)送給它的鄰居節(jié)點(diǎn)，而之前已經(jīng)收到過(guò)此廣播包的節(jié)點(diǎn)則會(huì)丟棄重復(fù)收到的廣播數(shù)據(jù)包。通過(guò)此廣播過(guò)程，每個(gè)節(jié)點(diǎn)可以知道其到Sink節(jié)點(diǎn)的最短跳數(shù)和路徑，并且每個(gè)節(jié)點(diǎn)可根據(jù)m^(l+1)來(lái)判斷其自身是否為代表節(jié)點(diǎn)。

廣播過(guò)程后，即可“由上到下”構(gòu)建路由樹(shù)，即由父節(jié)點(diǎn)選擇子節(jié)點(diǎn)，整個(gè)構(gòu)造過(guò)程的步驟如下：

輸入：j∈1^(l+1)到Sink的最短路徑P_js和此路徑的跳數(shù)h_j；所有h_j的最大值h_max；

輸出：路由樹(shù)T^(l+1)；

以上步驟中，Sink節(jié)點(diǎn)的序號(hào)被設(shè)置為j_sink＝0，三個(gè)集合A，B，C_J分別代表需要選擇子節(jié)點(diǎn)的節(jié)點(diǎn)集合、已有子節(jié)點(diǎn)的節(jié)點(diǎn)集合以及節(jié)點(diǎn)i的子節(jié)點(diǎn)集合。通過(guò)以上步驟構(gòu)造出的路由樹(shù)，每個(gè)父節(jié)點(diǎn)可以有多個(gè)子節(jié)點(diǎn)，而一個(gè)子節(jié)點(diǎn)只能有一個(gè)父節(jié)點(diǎn)，一旦父節(jié)點(diǎn)到子節(jié)點(diǎn)的連接建立，那么在此輪數(shù)據(jù)收集過(guò)程中，此連接將不會(huì)改變。

圖4是“由上到下”構(gòu)建路由樹(shù)的兩個(gè)過(guò)程，圖4(a)是從鄰居節(jié)點(diǎn)中選擇子節(jié)點(diǎn)后的路由，圖4(b)為開(kāi)始發(fā)送發(fā)現(xiàn)消息后形成的路由。

步驟4：運(yùn)用“由下到上”的方法來(lái)決定代表節(jié)點(diǎn)傳輸數(shù)據(jù)的順序，以減少節(jié)點(diǎn)數(shù)據(jù)傳輸?shù)拇螖?shù)。

構(gòu)建路由樹(shù)后，各傳感器融合后的數(shù)據(jù)將延路由樹(shù)進(jìn)行傳播，因此如果沒(méi)有一個(gè)合適的數(shù)據(jù)傳輸順序，父節(jié)點(diǎn)將需要多次傳輸子節(jié)點(diǎn)發(fā)來(lái)的數(shù)據(jù)，因此需要一個(gè)正確的傳輸順序，等父節(jié)點(diǎn)收到所有子節(jié)點(diǎn)發(fā)來(lái)的數(shù)據(jù)包后，父節(jié)點(diǎn)將這些數(shù)據(jù)與自己的數(shù)據(jù)進(jìn)行融合，再將融合后的數(shù)據(jù)包發(fā)送給其父節(jié)點(diǎn)，此時(shí)將有效的減少節(jié)點(diǎn)的數(shù)據(jù)傳輸次數(shù)。決定節(jié)點(diǎn)傳輸數(shù)據(jù)包順序的步驟如下：

輸入：T^(l+1)，1^(l+1)，每個(gè)節(jié)點(diǎn)的C_j；

輸出：數(shù)據(jù)傳輸順序；

以上步驟中，sum_j為節(jié)點(diǎn)j將所有子節(jié)點(diǎn)數(shù)據(jù)與自己的數(shù)據(jù)相融合后的數(shù)據(jù)。整個(gè)步驟首先從的節(jié)點(diǎn)開(kāi)始傳輸數(shù)據(jù)，一旦父節(jié)點(diǎn)收到子節(jié)點(diǎn)的數(shù)據(jù)包，就將其與自己的數(shù)據(jù)相融合，而當(dāng)父節(jié)點(diǎn)收到所有子節(jié)點(diǎn)的數(shù)據(jù)包后，就會(huì)將融合后的數(shù)據(jù)包發(fā)送給它的父節(jié)點(diǎn)，重復(fù)整個(gè)過(guò)程直到所有節(jié)點(diǎn)傳輸完數(shù)據(jù)。

步驟5：在決定數(shù)據(jù)傳輸順序后，利用所設(shè)計(jì)的數(shù)據(jù)傳輸機(jī)制，將所有M輪數(shù)據(jù)傳輸過(guò)程融合為一輪數(shù)據(jù)傳輸過(guò)程，Sink利用此過(guò)程收集的投影值進(jìn)行數(shù)據(jù)重構(gòu)，并利用重構(gòu)后的數(shù)據(jù)更新x^(l)至x^(l+1)，以用作下一時(shí)刻的PCA分析。

由于不能將節(jié)點(diǎn)收集的數(shù)據(jù)進(jìn)行直接相加得到觀測(cè)值y，因此需要設(shè)計(jì)一種數(shù)據(jù)傳輸策略將不同節(jié)點(diǎn)收集的數(shù)據(jù)融合到一個(gè)觀測(cè)值中，在這個(gè)策略中，每個(gè)代表節(jié)點(diǎn)用M×1維的投影向量來(lái)表示自己收集到的數(shù)據(jù)，這個(gè)向量中只有一個(gè)非零值，其他M-1個(gè)數(shù)據(jù)全部為零，非零值的位置對(duì)應(yīng)于節(jié)點(diǎn)在集合1^(l+1)中的位置，這樣不同節(jié)點(diǎn)收集的數(shù)據(jù)就可以通過(guò)此投影向量直接進(jìn)行相加，最后Sink節(jié)點(diǎn)將會(huì)受到觀測(cè)值y。

Sink節(jié)點(diǎn)收到此觀測(cè)值y后，將對(duì)其進(jìn)行數(shù)據(jù)重構(gòu)，重構(gòu)后的數(shù)據(jù)為用其更新x^(l)，并刪除x^(l-L+1)，將可得到l+1時(shí)刻的