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 xN)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,ni為節(jié)點(diǎn)i的類(lèi)型,VC為壓縮節(jié)點(diǎn)集合,VF為轉(zhuǎn)發(fā)節(jié)點(diǎn)集合,Qi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,ai,aj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,πi代表節(jié)點(diǎn)i的父節(jié)點(diǎn),Ci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,si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φe,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φe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Pjs和此路徑的跳數(shù)hj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Pjs和此路徑的跳數(shù)hj;所有hj的最大值hmax;
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jsink=0,三個(gè)集合A,B,CJ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Cj;
輸出:數(shù)據(jù)傳輸順序;
以上步驟中,sumj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