基于動態壓縮的無線傳感網數據重構模型研究

陸興華，袁子越，王瀟齊，黃嘉昊

(廣東工業大學華立學院，廣東 廣州 511325)

0 引 言

采用無線傳感網進行物理信息采集，在信息探測和數據監測中具有重要的應用前景。其中，無線傳感器網絡是指，在無線通信方式下于某一固定監測區域中通過部署傳感器節點組成的網絡，該網絡可起到信息協調、采集以及感知等作用[1]。而無線傳感器網絡節點在進行數據傳輸過程中存在無效信息干擾的情況，一定程度上降低了數據傳輸效率；此外，無線傳感網絡的節點傳輸方式通常采用多跳傳輸方法將數據上傳到sink節點，但sink節點是數據轉發中心，需轉發大量數據，因此無線傳感網絡在傳輸數據時還存在耗能高的問題[2]。因此，如何延長無線傳感器網絡的使用壽命，以及如何降低無線傳感網絡數據傳輸的能耗，已成為無線傳感網絡研究領域中的重點研究問題。

劉義穎等[3]為實現低采樣代價收集傳感數據的目的，提出基于聯合稀疏模型的無線傳感網數據重構算法。主要采用了聯合編碼與聯合解碼方法對數據進行壓縮和還原處理，過程中結合了回溯迭代方式，實現無線傳感網絡數據的重構，該方法具有能耗低的優點，但這種能耗低的方法存在重構殘差值高的問題。王軍等[4]考慮了無線傳感網節點及數據的特性，提出一種數據聯合稀疏預處理模型，在簇型傳感網中應用了分布式壓縮感知方法，并結合公共分量異常數據稀疏方法構建無線傳感網絡數據重構模型，通過上述方法降低了節點通信量，延長了網絡壽命，但該方法存在重構時間開銷大的問題。

針對上述問題，該文提出基于動態數據壓縮的無線傳感網數據重構模型。主要貢獻如下：

(1)利用無線傳感網數據的動態特性構建無線傳感網數據的分布式采集和存儲結構模型，并進行無線傳感網數據動態壓縮重構的自適應分配。

(2)應用相空間重構技術，提高無線傳感器網絡數據的動態壓縮能力，并經仿真實驗，驗證提出的動態數據壓縮重構算法的重構性能。

1 無線傳感網數據處理

1.1 數據調度處理

為了實現無線傳感網數據重構，需構建無線傳感網絡數據采樣的節點分布模型，并根據模型分析數據的模糊迭代狀態，利用特征分布屬性輸出到多模狀態重組結果，完成無線傳感網數據調度。為了實現對無線傳感網數據信息的優化提取和動態壓縮重構，采用統計信息處理方法進行無線傳感網數據信息融合處理[5]，構建無線網絡的多維節點組網模型，如圖1所示。

圖1 無線傳感網絡數據采樣的節點分布模型

根據圖1所示的無線傳感網絡數據采樣的節點分布進行數據分布式結構重組，結合空間區域重構方法，進行無線傳感網絡數據統計分析，采用多維相空間重構技術[6-7]進行無線傳感網絡數據的信息融合，得到無線傳感網數據采樣的模糊迭代狀態方程為：

A(x)=AJ(x)a(x)+B(1-b(x))

(1)

其中，a(x)為無線傳感網數據終端信息采集的負載，b(x)為無線傳感網數據分布屬性類別集，J(x)為無線傳感網數據壓縮的維度，采用分布式信息融合方法進行數據結構重組，得到特征分布屬性值為ck，無線傳感網數據的多模狀態重組輸出為：

(2)

其中，zi為i點處采集的無線傳感網絡數據的實測值。根據無線傳感網數據動態壓縮重構的自適應分配結果，采用一個連通的無向圖G=(V，E，W)表示無線傳感網數據的特征分布，其中V為無線傳感網數據的拓撲維數，V={v1,v2,…,vN}。采用多維空間分布式重構方法，得到無線傳感網數據的統計分析模型，采用差異性動態壓縮重構方法進行無線傳感網數據信息流融合，無線傳感網數據調度函數為：

(3)

其中，xj(t)表示無線傳感網數據的模糊平均集D中的平均信息熵，描述了在第j個聚類中心的樣本子集，lj(t)表示數據挖掘的全局加權值。根據上述對無線傳感網數據采樣結果進行信息重組和特征識別。

1.2 數據梯度向量計算

采用多分布的傳感器陣列進行無線傳感網數據采樣，對采集的無線傳感網數據進行特征重組，在滿足約束條件下得到無線傳感網數據的類信息熵滿足：

esupt(D)>θ

(4)

采用模糊C均值聚類方法，構建無線傳感網絡數據的特征提取模型，根據特征提取結果進行數據的融合處理，使用一個四元組結構來描述無線傳感網數據的信息關聯特征：

(5)

其中，Xij為無線傳感網數據特征信息流在Tij時刻的關聯維數，Pij為互信息量，通過空間區域信息融合方法，得到無線傳感網數據分布的最優概率，(supk1(D),…,supkf(D))為無線傳感網數據的模糊度特征集[8]。通過譜分析方法，得到數據多維重構輸出為：

(6)

根據無線傳感網數據的關聯規則集，對于supt(D)的計算，提取無線傳感網數據的相似度特征[9-10]，結合語義信息聚類方法，得到無線傳感網數據的高分辨特征重構輸出為：

(7)

(8)

其中，m,n表示無線傳感網數據的幾何特征相似度。根據上述分析，進行動態數據壓縮處理，根據無線傳感網數據特征分布式檢測結果進行數據重構。

2 無線傳感網絡數據重構

2.1 動態數據壓縮處理

通過上述過程完成了數據調度處理和數據梯度向量計算，在此基礎上，進行數據動態壓縮，提出基于動態數據壓縮的無線傳感網數據重構模型，特征壓縮輸出數據包為：

(9)

(10)

其中，pdrop為無線傳感網數據的關聯規則分布函數。設輸出的功率損耗為Hi(i∈C1)，提取無線傳感網數據的信息差異度特征分量[13-14]，實現無線傳感網數據的優化動態壓縮重構，輸出為：

(11)

根據以上方法，提取無線傳感網數據的動態結構特征值，通過動態數據壓縮和信息感知進行數據結構重組。

2.2 無線傳感網數據重構輸出

采用多模狀態重組的方法進行無線傳感網數據動態壓縮重構的自適應分配，得到數據模糊聚類分布模型為：

(12)

根據無線傳感網數據的相互耦合關系，引入高維相空間重構，對采集的無線傳感網數據進行特征重組，提取無線傳感網數據的多分辨特征量，得到無線傳感網數據動態壓縮重構輸出的統計信息為：

(13)

設無線傳感網數據動態壓縮重構的核函數為k(xi,xj)，采用最小二乘規劃算法[15-16]，得到數據重構的優化規劃函數為：

(14)

通過模糊隸屬度分析，得到無線傳感網數據的動態壓縮重構的輸出檢測概率為：

(15)

其中，yk表示無線傳感網數據的多元信息特征分布集[17-18]。則無線傳感網數據動態壓縮重構的簡化數學模型可以用下述公式進行描述：

Gn=bn1a1+bn2a2+…+bnnan

(16)

其中，bnn和an都具有較強的關聯性，表示無線傳感網數據的振蕩值和干擾項[19-20]。綜上算法設計，實現對無線傳感網數據重構模型優化設計。

3 仿真實驗與結果分析

為了驗證該方法在實現無線傳感網絡數據重構中的應用性能，進行了仿真測試分析，建立無線傳感網數據重構的相空間模型，采用Matlab[21]進行數據分析。假設對無線傳感網數據采樣的長度為1 024，數據的規模大小為200，測試集規模為120，無線傳感網絡數據的屬性類別數為65，對數據的初始頻率f1=1.52 Hz，終止采樣頻率f2=2.43 Hz。根據上述參數設定，進行無線傳感網數據重構，得到的無線傳感網數據測試集如圖2所示。

圖2 無線傳感網數據測試集

以圖2的數據為研究對象，進行無線傳感網數據重構，采用多模狀態重組的方法進行無線傳感網數據動態壓縮重構的自適應分配。

3.1 數據重構殘差分析

將傳感數據的采集周期T設定為250，采樣率設為0.5，在大小為100×100的網格區域內隨機分布250個傳感器節點，用原始數據與重構數據的殘差來表示文中算法的重構性。當殘差小于2×10-14時，算法表現出了較高的數據重構性。

(a)原始數據

由圖3可知，文中方法的殘差值低于2×10-14，表明該方法具有較好的重構性。這是由于文中在進行數據重構時考慮了數據特征，先對數據特征進行重構，得到數據梯度向量，通過對梯度向量的應用及分析，有效降低了無線傳感節點的通信量，從而降低了數據重構殘差，提升了數據重構效果。

3.2 節點位置關系獲取精度測試

在數據重構過程中，分析節點間位置關系為關鍵性步驟，節點位置高精度的獲取可以得到更為理想的數據多模狀態重組結果。以此為基礎，利用三種方法對節點位置信息獲取精度進行測試，如圖4所示。

根據圖4實驗結果可以明顯看出，在數據規模的不斷擴大下，兩種傳統方法的節點位置獲取精度均出現了不同幅度的下降，相比之下，文中方法在整個實驗過程中節點位置信息獲取精度平穩，且精度能夠保持在90%以上，受數據規模影響不大，說明該方法的應用穩定性更強。

圖4 不同方法的節點位置獲取精度

3.3 數據離群結果測試

當數據量較大時，數據集會出現離群點，離群數據無法完成相應的數據處理，會嚴重影響數據重構效果。本節實驗對此進行測試。對比方法與上節實驗相同，以文獻[3]方法和文獻[4]方法作為實驗對照組，與所提方法的數據離群結果進行比較。為了增強實驗結果的可讀性，將實驗數據分布規定在一定范圍內。在不同方法下數據分布的均勻度以及離群數據情況測試結果如圖5所示。

(a)文獻[3]方法

圖5中的正方形數據表示范圍內正常待處理數據，而分布為范圍圈外側的五角星數據為離群數據。分析圖5的實驗結果得知，文獻[3]方法以及文獻[4]方法下數據分布不均勻，且離群數據較多。采用文中方法進行數據重構時，集離群點更少，且數據分布更為均勻。這是因為文中方法利用重組結果融合并調度無線傳感數據，增強了數據可利用性。

3.4 數據重構時間開銷分析

以時間開銷為指標進行性能測試，測試時間開銷，得到的對比結果見表1。

表1 時間開銷對比 ms

分析表1得知，隨著數據規模的增大，數據重構所需開銷也隨之增加，經對比可知，文中方法進行無線傳感網數據重構的時間開銷較短。這是由于采用了動態數據壓縮處理，通過分析動態數據壓縮輸出的信息分量，得到無線傳感網數據的信息差異度，利用信息差異度進行數據態壓縮重構，可有效提升重構效率，減少時間開銷。

4 結束語

進行無線傳感網的數據檢測優化設計，結合對無線傳感網數據的壓縮處理技術，進行無線傳感網的信息重構，提高無線傳感網數據的挖掘能力，提出基于動態數據壓縮的無線傳感網數據重構模型。結合空間區域重構方法，進行無線傳感網絡數據統計分析，采用多維相空間重構技術進行無線傳感網絡數據的信息融合，采用模糊C均值聚類方法，構建無線傳感網絡數據的特征提取模型，引入高維相空間重構，對采集的無線傳感網數據進行特征重組，提取無線傳感網數據的多分辨特征量，進行無線傳感網數據動態壓縮重構的自適應分配和重構。分析得知，該方法提高了數據的重構能力，且能夠高精度地獲取節點位置信息，降低處理時間的開銷。