本發(fā)明屬于云計(jì)算技術(shù)領(lǐng)域，特別是一種基于mapreduce的wsn感知數(shù)據(jù)分布式解碼方法。

背景技術(shù)：

隨著無線傳感網(wǎng)(wirelesssensornetwork，簡稱wsn)技術(shù)的日益成熟，wsn的應(yīng)用領(lǐng)域也越來越廣。但是由于wsn中傳感器節(jié)點(diǎn)設(shè)計(jì)簡單，計(jì)算資源、存儲(chǔ)資源和能量供應(yīng)資源都很有限，使得wsn中節(jié)點(diǎn)通信距離較短，網(wǎng)絡(luò)帶寬低，無線通信鏈路不可靠。使用網(wǎng)絡(luò)編碼技術(shù)可以提高wsn網(wǎng)絡(luò)吞吐量，改善wsn網(wǎng)絡(luò)負(fù)載均，提高wsn網(wǎng)絡(luò)帶寬利用率，降低wsn網(wǎng)絡(luò)能量消耗。隨著網(wǎng)絡(luò)編碼技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)編碼也被應(yīng)用在wsn中。本發(fā)明利用reed-solomon碼(rs碼)構(gòu)造稀疏矩陣對(duì)wsn感知數(shù)據(jù)進(jìn)行編碼，提高wsn可靠性和能量利用率。

由于網(wǎng)絡(luò)編碼的使用造成在信宿解碼而產(chǎn)生時(shí)延，而且在無線傳感網(wǎng)中進(jìn)行數(shù)據(jù)解碼會(huì)極大增加無線傳感網(wǎng)負(fù)擔(dān)，尤其在感知數(shù)據(jù)規(guī)模龐大時(shí)，會(huì)嚴(yán)重影響網(wǎng)絡(luò)性能。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種高效、可靠的基于mapreduce的wsn感知數(shù)據(jù)分布式解碼方法，通過利用rs碼構(gòu)造稀疏矩陣對(duì)感知數(shù)據(jù)進(jìn)行編碼，提高wsn可靠性和能量利用率，將編碼感知數(shù)據(jù)的解碼工作放在hadoop集群中進(jìn)行，以減輕wsn的網(wǎng)絡(luò)計(jì)算負(fù)擔(dān)，提升wsn性能。同時(shí)，由于集群具有強(qiáng)大的計(jì)算能力，可以實(shí)現(xiàn)大規(guī)模感知數(shù)據(jù)的高效解碼。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于mapreduce的wsn感知數(shù)據(jù)分布式解碼方法，包括以下步驟：

步驟1，在wsn中通過reed-solomon碼構(gòu)造稀疏矩陣，對(duì)感知數(shù)據(jù)進(jìn)行編碼，編碼之后的數(shù)據(jù)通過外部網(wǎng)絡(luò)發(fā)送到hadoop集群，包括：

步驟1.1，rs碼的生成矩陣mn×k左乘m的子矩陣nk×k的逆矩陣，得到編碼矩陣d；

步驟1.2，根據(jù)wsn網(wǎng)絡(luò)的組播容量k，獲取k個(gè)原始數(shù)據(jù)包(f1,f2,f3,…,fk)，組成原始數(shù)據(jù)向量f＝[f1,f2,f3,…,fk]^t

步驟1.3，利用目標(biāo)稀疏矩陣d對(duì)原始數(shù)據(jù)向量f進(jìn)行編碼；

步驟1.4，wsn通過外部網(wǎng)絡(luò)發(fā)送數(shù)據(jù)到hadoop集群；

步驟2，hadoop集群獲取編碼向量構(gòu)成編碼矩陣，獲取被編碼數(shù)據(jù)組成待解碼向量，包括：

步驟2.1，hadoop集群接收被編碼數(shù)據(jù)，并將其構(gòu)成待解碼向量f″；

步驟2.2，hadoop集群獲取被編碼的wsn感知數(shù)據(jù)的編碼向量，并將編碼向量構(gòu)成編碼矩陣d'；

步驟3，hadoop集群利用mapreduce框架對(duì)編碼矩陣進(jìn)行求逆運(yùn)算，獲取譯碼矩陣，包括：

步驟3.1，對(duì)編碼矩陣d'進(jìn)行分塊處理，直到劃分的子矩陣塊可以在單臺(tái)機(jī)器上進(jìn)行快速的lu分解為止；

步驟3.2，對(duì)最小子塊進(jìn)行l(wèi)u分解，返回l的逆矩陣，u的逆矩陣和p；

步驟3.3，對(duì)當(dāng)前子塊的父塊進(jìn)行進(jìn)行l(wèi)u分解，返回l的逆矩陣，u的逆矩陣和p；

步驟3.4，重復(fù)步驟3.3，直到對(duì)編碼矩陣d'完成lu分解，并返回l的逆矩陣，u的逆矩陣和p；

步驟3.5，利用返回的l的逆矩陣，u的逆矩陣和p計(jì)算編碼矩陣的逆矩陣d”，即譯碼矩陣；

步驟4，hadoop集群使用mapreduce框架，使用譯碼矩陣和接收的編碼數(shù)據(jù)，進(jìn)行解碼計(jì)算，獲得原始wsn感知數(shù)據(jù)，包括：

步驟4.1，利用hdfs存儲(chǔ)譯碼矩陣和待解碼矩陣，存儲(chǔ)格式為：矩陣行號(hào)，矩陣列號(hào)，元素值，矩陣中的元素值為0的不予存儲(chǔ)；

步驟4.2，將hdfs中存儲(chǔ)的譯碼矩陣的元素，按要求存入鍵值對(duì)key＝(i,k),k＝1,value＝(′d″′,j,d″i，j)；

步驟4.2，將hdfs中存儲(chǔ)的待解碼矩陣的元素，按要求存入鍵值對(duì)key＝(i,1),i＝1,2,…,k,value＝(′f″′,i,f″i×1)；

步驟4.3，將相同key中，對(duì)應(yīng)的value進(jìn)行相乘之后累加求和，得到原始數(shù)據(jù)fi×1(如果有value對(duì)應(yīng)的value為空，則不計(jì)算)。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)為：(1)通過構(gòu)造稀疏矩陣對(duì)感知數(shù)據(jù)進(jìn)行編碼，可以提高wsn的可靠性和能量利用率；(2)將編碼數(shù)據(jù)的譯碼工作放在hadoop集群中可以減輕wsn網(wǎng)絡(luò)計(jì)算負(fù)擔(dān)；(3)hadoop集群具有強(qiáng)大的計(jì)算能力，可以應(yīng)對(duì)大規(guī)模數(shù)據(jù)集的解碼工作，從而提高解碼效率。

附圖說明

圖1為本發(fā)明整體協(xié)調(diào)框架示意圖。

圖2為本發(fā)明基于mapreduce的wsn感知數(shù)據(jù)分布式解碼方法的流程圖。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

結(jié)合圖2，本發(fā)明基于mapreduce的wsn感知數(shù)據(jù)分布式解碼方法，步驟如下：

步驟1，在wsn中通過reed-solomon碼構(gòu)造稀疏矩陣，對(duì)感知數(shù)據(jù)進(jìn)行編碼，編碼之后的數(shù)據(jù)通過外部網(wǎng)絡(luò)發(fā)送到hadoop集群，包括：

步驟1.1，rs碼的生成矩陣mn×k左乘m的子矩陣nk×k的逆矩陣，得到稀疏矩陣d；

設(shè)m為n×k的rs碼生成矩陣，由于rs碼具有mds屬性，所以該矩陣m同樣具有mds屬性。n是矩陣m的一個(gè)k×k子矩陣，所以可以通過下面的變換得到目標(biāo)稀疏矩陣d：

步驟1.2，根據(jù)wsn網(wǎng)絡(luò)的組播容量k，獲取k個(gè)原始數(shù)據(jù)包(f1,f2,f3,…,fk)，組成原始數(shù)據(jù)向量f＝[f1,f2,f3,…,fk]^t；

步驟1.3，利用目標(biāo)稀疏矩陣d對(duì)原始數(shù)據(jù)向量f進(jìn)行編碼；

步驟2，hadoop集群獲取編碼向量構(gòu)成編碼矩陣，獲取被編碼數(shù)據(jù)組成待解碼向量，包括：

步驟2.1，hadoop集群接收被編碼數(shù)據(jù)，并將其構(gòu)成待解碼向量，設(shè)為f″，則f”如下表示：

f″＝[f1f2…fk-2c1c2]^t；

步驟2.2，hadoop集群獲取被編碼的wsn感知數(shù)據(jù)的編碼向量，并將編碼向量構(gòu)成編碼矩陣，設(shè)為d'，假設(shè)d'如下所示：

步驟3，hadoop集群利用mapreduce框架對(duì)編碼矩陣進(jìn)行求逆運(yùn)算，獲取譯碼矩陣，包括：

步驟3.1，對(duì)編碼矩陣d'進(jìn)行分塊處理，直到劃分的子矩陣塊可以在單臺(tái)機(jī)器上進(jìn)行快速的lu分解為止，設(shè)分到d1,1為止，用s1,s2來表示子塊；

步驟3.2，對(duì)最小子塊進(jìn)行l(wèi)u分解，返回l的逆矩陣，u的逆矩陣和p，此處為對(duì)s2進(jìn)行l(wèi)u分解；

步驟3.3，對(duì)當(dāng)前子塊的父塊進(jìn)行進(jìn)行l(wèi)u分解，返回l的逆矩陣，u的逆矩陣和p，此處為對(duì)s1進(jìn)行l(wèi)u分解；

步驟3.4，重復(fù)步驟3.3，直到對(duì)編碼矩陣d'完成lu分解，并返回l的逆矩陣，u的逆矩陣和p；

步驟3.5，利用返回的l的逆矩陣，u的逆矩陣和p計(jì)算編碼矩陣的逆矩陣d″，即譯碼矩陣；

步驟4，hadoop集群使用mapreduce框架，使用譯碼矩陣和接收的編碼數(shù)據(jù)，進(jìn)行解碼計(jì)算，獲得原始wsn感知數(shù)據(jù)，包括：

步驟4.1，利用hdfs存儲(chǔ)譯碼矩陣和待解碼矩陣，存儲(chǔ)格式為：矩陣行號(hào)，矩陣列號(hào)，元素值，矩陣中的元素值為0的不予存儲(chǔ)；

步驟4.2，將hdfs中存儲(chǔ)的譯碼矩陣的元素，按要求存入鍵值對(duì)key＝(i,k),k＝1,value＝('矩陣名',j,對(duì)應(yīng)元素值)，如譯碼矩陣d”，則鍵值對(duì)可以表示為key＝(i,k),k＝1,value＝(′d″′,j,d″i,j)；

步驟4.2，將hdfs中存儲(chǔ)的待解碼矩陣的元素，按要求存入鍵值對(duì)key＝(i,1),i＝1,2,…,k,value＝(′矩陣名′,i,對(duì)應(yīng)元素值)，如待解碼矩陣為f″，則鍵值對(duì)可以表示為key＝(i,1),i＝1,2,…,k,value＝(′f″′,i,f″i×1)；

步驟4.3，將相同key中，對(duì)應(yīng)的value進(jìn)行相乘之后累加求和，得到原始數(shù)據(jù)fi×1(如果有value對(duì)應(yīng)的value為空，則不計(jì)算)。

綜上所述，本發(fā)明基于mapreduce的編碼數(shù)據(jù)分布式解碼方法，將數(shù)據(jù)解碼工作放在hadoop集群中進(jìn)行，以降低無線傳感網(wǎng)網(wǎng)絡(luò)負(fù)擔(dān)。利用mapreduce實(shí)現(xiàn)感知數(shù)據(jù)解碼算法的并行化，以改進(jìn)感知數(shù)據(jù)解碼造成的信宿時(shí)延問題。通過網(wǎng)絡(luò)編碼技術(shù)提高了wsn的網(wǎng)絡(luò)可靠性和能量利用率，充分利用了hadoop集群的資源優(yōu)勢(shì)，為實(shí)現(xiàn)編碼數(shù)據(jù)的高效、快速解碼提供了技術(shù)支持。