拓扑感知的无线传感网络数据聚合方法①

熊 英,李 芸

1(江门开放大学 信息技术部,江门 529234)

2(东华理工大学 水资源与环境工程学院,南昌 330013)

随着无线通信技术的不断发展,对传输数据速率和频谱效率的要求不断提高[1,2],在这些技术中,无线传感器网络(Wireless Sensor Networks,WSN)作为数据监测和数据获取的主要应用方式[1],通过多跳路由从传感器发送到一个或多个数据接收器.同时,随着移动技术的进步,提出了在数据聚合过程中应用无人机的思想[2,3],由于传感器节点通常具有有限的计算能力和功率储备,在数据聚合过程中利用无人机的主要目标是以所需的精度收集数据,同时降低传感器的消耗[4,5].压缩感知技术(Compressive Sensing,CS)[6]对于有限资源的传感节点,可以实现采集和压缩的功能,这是资源有限的传感器节点的理想特性[7],文献[8]在CS 数据采集方案中,将WSN的N个传感器节点生成的原始数据向量表示为x={x1,x2,···,xN}T,聚合过程建模为:

式(1)中,每个原始数据xj由权重向量φj编码,该权重向量也是测量矩阵Φ的第j列向量,测量矩阵Φ通常为M×N随机矩阵,M为权重向量数,N为网络传感器节点数,以下均为此表述.因此,聚合向量y小于未知数据的数目,当x满足k-稀疏时且矩阵ΦM×N满足限定等矩性[7](Restricted Isometry Property,RIP)条件时,Sink 移动节点可以从y={y1,y2,···,yN}T中恢复原始数据向量x的精度.文献[8]采用局部混合CS 方法构建簇的大小与传输次数之间的关系的模型,以找到最优簇的大小,以此来提高数据聚合的效率,但由于无线传感网络拓扑结构具有动态性,当新增传感器时,局部CS 方法较难快速构造出可……