陸興華，袁子越，王瀟齊，黃嘉昊

(廣東工業(yè)大學(xué)華立學(xué)院，廣東 廣州 511325)

0 引 言

采用無線傳感網(wǎng)進(jìn)行物理信息采集，在信息探測和數(shù)據(jù)監(jiān)測中具有重要的應(yīng)用前景。其中，無線傳感器網(wǎng)絡(luò)是指，在無線通信方式下于某一固定監(jiān)測區(qū)域中通過部署傳感器節(jié)點(diǎn)組成的網(wǎng)絡(luò)，該網(wǎng)絡(luò)可起到信息協(xié)調(diào)、采集以及感知等作用[1]。而無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)在進(jìn)行數(shù)據(jù)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(shù)據(jù)傳輸效率；此外，無線傳感網(wǎng)絡(luò)的節(jié)點(diǎn)傳輸方式通常采用多跳傳輸方法將數(shù)據(jù)上傳到sink節(jié)點(diǎn)，但sink節(jié)點(diǎn)是數(shù)據(jù)轉(zhuǎn)發(fā)中心，需轉(zhuǎn)發(fā)大量數(shù)據(jù)，因此無線傳感網(wǎng)絡(luò)在傳輸數(shù)據(jù)時(shí)還存在耗能高的問題[2]。因此，如何延長無線傳感器網(wǎng)絡(luò)的使用壽命，以及如何降低無線傳感網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)哪芎?，已成為無線傳感網(wǎng)絡(luò)研究領(lǐng)域中的重點(diǎn)研究問題。

劉義穎等[3]為實(shí)現(xiàn)低采樣代價(jià)收集傳感數(shù)據(jù)的目的，提出基于聯(lián)合稀疏模型的無線傳感網(wǎng)數(shù)據(jù)重構(gòu)算法。主要采用了聯(lián)合編碼與聯(lián)合解碼方法對(duì)數(shù)據(jù)進(jìn)行壓縮和還原處理，過程中結(jié)合了回溯迭代方式，實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)數(shù)據(jù)的重構(gòu)，該方法具有能耗低的優(yōu)點(diǎn)，但這種能耗低的方法存在重構(gòu)殘差值高的問題。王軍等[4]考慮了無線傳感網(wǎng)節(jié)點(diǎn)及數(shù)據(jù)的特性，提出一種數(shù)據(jù)聯(lián)合稀疏預(yù)處理模型，在簇型傳感網(wǎng)中應(yīng)用了分布式壓縮感知方法，并結(jié)合公共分量異常數(shù)據(jù)稀疏方法構(gòu)建無線傳感網(wǎng)絡(luò)數(shù)據(jù)重構(gòu)模型，通過上述方法降低了節(jié)點(diǎn)通信量，延長了網(wǎng)絡(luò)壽命，但該方法存在重構(gòu)時(shí)間開銷大的問題。

針對(duì)上述問題，該文提出基于動(dòng)態(tài)數(shù)據(jù)壓縮的無線傳感網(wǎng)數(shù)據(jù)重構(gòu)模型。主要貢獻(xiàn)如下：

(1)利用無線傳感網(wǎng)數(shù)據(jù)的動(dòng)態(tài)特性構(gòu)建無線傳感網(wǎng)數(shù)據(jù)的分布式采集和存儲(chǔ)結(jié)構(gòu)模型，并進(jìn)行無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)的自適應(yīng)分配。

(2)應(yīng)用相空間重構(gòu)技術(shù)，提高無線傳感器網(wǎng)絡(luò)數(shù)據(jù)的動(dòng)態(tài)壓縮能力，并經(jīng)仿真實(shí)驗(yàn)，驗(yàn)證提出的動(dòng)態(tài)數(shù)據(jù)壓縮重構(gòu)算法的重構(gòu)性能。

1 無線傳感網(wǎng)數(shù)據(jù)處理

1.1 數(shù)據(jù)調(diào)度處理

為了實(shí)現(xiàn)無線傳感網(wǎng)數(shù)據(jù)重構(gòu)，需構(gòu)建無線傳感網(wǎng)絡(luò)數(shù)據(jù)采樣的節(jié)點(diǎn)分布模型，并根據(jù)模型分析數(shù)據(jù)的模糊迭代狀態(tài)，利用特征分布屬性輸出到多模狀態(tài)重組結(jié)果，完成無線傳感網(wǎng)數(shù)據(jù)調(diào)度。為了實(shí)現(xiàn)對(duì)無線傳感網(wǎng)數(shù)據(jù)信息的優(yōu)化提取和動(dòng)態(tài)壓縮重構(gòu)，采用統(tǒng)計(jì)信息處理方法進(jìn)行無線傳感網(wǎng)數(shù)據(jù)信息融合處理[5]，構(gòu)建無線網(wǎng)絡(luò)的多維節(jié)點(diǎn)組網(wǎng)模型，如圖1所示。

圖1 無線傳感網(wǎng)絡(luò)數(shù)據(jù)采樣的節(jié)點(diǎn)分布模型

根據(jù)圖1所示的無線傳感網(wǎng)絡(luò)數(shù)據(jù)采樣的節(jié)點(diǎn)分布進(jìn)行數(shù)據(jù)分布式結(jié)構(gòu)重組，結(jié)合空間區(qū)域重構(gòu)方法，進(jìn)行無線傳感網(wǎng)絡(luò)數(shù)據(jù)統(tǒng)計(jì)分析，采用多維相空間重構(gòu)技術(shù)[6-7]進(jìn)行無線傳感網(wǎng)絡(luò)數(shù)據(jù)的信息融合，得到無線傳感網(wǎng)數(shù)據(jù)采樣的模糊迭代狀態(tài)方程為：

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

(1)

其中，a(x)為無線傳感網(wǎng)數(shù)據(jù)終端信息采集的負(fù)載，b(x)為無線傳感網(wǎng)數(shù)據(jù)分布屬性類別集，J(x)為無線傳感網(wǎng)數(shù)據(jù)壓縮的維度，采用分布式信息融合方法進(jìn)行數(shù)據(jù)結(jié)構(gòu)重組，得到特征分布屬性值為ck，無線傳感網(wǎng)數(shù)據(jù)的多模狀態(tài)重組輸出為：

(2)

其中，zi為i點(diǎn)處采集的無線傳感網(wǎng)絡(luò)數(shù)據(jù)的實(shí)測值。根據(jù)無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)的自適應(yīng)分配結(jié)果，采用一個(gè)連通的無向圖G=(V，E，W)表示無線傳感網(wǎng)數(shù)據(jù)的特征分布，其中V為無線傳感網(wǎng)數(shù)據(jù)的拓?fù)渚S數(shù)，V={v1,v2,…,vN}。采用多維空間分布式重構(gòu)方法，得到無線傳感網(wǎng)數(shù)據(jù)的統(tǒng)計(jì)分析模型，采用差異性動(dòng)態(tài)壓縮重構(gòu)方法進(jìn)行無線傳感網(wǎng)數(shù)據(jù)信息流融合，無線傳感網(wǎng)數(shù)據(jù)調(diào)度函數(shù)為：

(3)

其中，xj(t)表示無線傳感網(wǎng)數(shù)據(jù)的模糊平均集D中的平均信息熵，描述了在第j個(gè)聚類中心的樣本子集，lj(t)表示數(shù)據(jù)挖掘的全局加權(quán)值。根據(jù)上述對(duì)無線傳感網(wǎng)數(shù)據(jù)采樣結(jié)果進(jìn)行信息重組和特征識(shí)別。

1.2 數(shù)據(jù)梯度向量計(jì)算

采用多分布的傳感器陣列進(jìn)行無線傳感網(wǎng)數(shù)據(jù)采樣，對(duì)采集的無線傳感網(wǎng)數(shù)據(jù)進(jìn)行特征重組，在滿足約束條件下得到無線傳感網(wǎng)數(shù)據(jù)的類信息熵滿足：

esupt(D)>θ

(4)

采用模糊C均值聚類方法，構(gòu)建無線傳感網(wǎng)絡(luò)數(shù)據(jù)的特征提取模型，根據(jù)特征提取結(jié)果進(jìn)行數(shù)據(jù)的融合處理，使用一個(gè)四元組結(jié)構(gòu)來描述無線傳感網(wǎng)數(shù)據(jù)的信息關(guān)聯(lián)特征：

(5)

其中，Xij為無線傳感網(wǎng)數(shù)據(jù)特征信息流在Tij時(shí)刻的關(guān)聯(lián)維數(shù)，Pij為互信息量，通過空間區(qū)域信息融合方法，得到無線傳感網(wǎng)數(shù)據(jù)分布的最優(yōu)概率，(supk1(D),…,supkf(D))為無線傳感網(wǎng)數(shù)據(jù)的模糊度特征集[8]。通過譜分析方法，得到數(shù)據(jù)多維重構(gòu)輸出為：

(6)

根據(jù)無線傳感網(wǎng)數(shù)據(jù)的關(guān)聯(lián)規(guī)則集，對(duì)于supt(D)的計(jì)算，提取無線傳感網(wǎng)數(shù)據(jù)的相似度特征[9-10]，結(jié)合語義信息聚類方法，得到無線傳感網(wǎng)數(shù)據(jù)的高分辨特征重構(gòu)輸出為：

(7)

(8)

其中，m,n表示無線傳感網(wǎng)數(shù)據(jù)的幾何特征相似度。根據(jù)上述分析，進(jìn)行動(dòng)態(tài)數(shù)據(jù)壓縮處理，根據(jù)無線傳感網(wǎng)數(shù)據(jù)特征分布式檢測結(jié)果進(jìn)行數(shù)據(jù)重構(gòu)。

2 無線傳感網(wǎng)絡(luò)數(shù)據(jù)重構(gòu)

2.1 動(dòng)態(tài)數(shù)據(jù)壓縮處理

通過上述過程完成了數(shù)據(jù)調(diào)度處理和數(shù)據(jù)梯度向量計(jì)算，在此基礎(chǔ)上，進(jìn)行數(shù)據(jù)動(dòng)態(tài)壓縮，提出基于動(dòng)態(tài)數(shù)據(jù)壓縮的無線傳感網(wǎng)數(shù)據(jù)重構(gòu)模型，特征壓縮輸出數(shù)據(jù)包為：

(9)

(10)

其中，pdrop為無線傳感網(wǎng)數(shù)據(jù)的關(guān)聯(lián)規(guī)則分布函數(shù)。設(shè)輸出的功率損耗為Hi(i∈C1)，提取無線傳感網(wǎng)數(shù)據(jù)的信息差異度特征分量[13-14]，實(shí)現(xiàn)無線傳感網(wǎng)數(shù)據(jù)的優(yōu)化動(dòng)態(tài)壓縮重構(gòu)，輸出為：

(11)

根據(jù)以上方法，提取無線傳感網(wǎng)數(shù)據(jù)的動(dòng)態(tài)結(jié)構(gòu)特征值，通過動(dòng)態(tài)數(shù)據(jù)壓縮和信息感知進(jìn)行數(shù)據(jù)結(jié)構(gòu)重組。

2.2 無線傳感網(wǎng)數(shù)據(jù)重構(gòu)輸出

采用多模狀態(tài)重組的方法進(jìn)行無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)的自適應(yīng)分配，得到數(shù)據(jù)模糊聚類分布模型為：

(12)

根據(jù)無線傳感網(wǎng)數(shù)據(jù)的相互耦合關(guān)系，引入高維相空間重構(gòu)，對(duì)采集的無線傳感網(wǎng)數(shù)據(jù)進(jìn)行特征重組，提取無線傳感網(wǎng)數(shù)據(jù)的多分辨特征量，得到無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)輸出的統(tǒng)計(jì)信息為：

(13)

設(shè)無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)的核函數(shù)為k(xi,xj)，采用最小二乘規(guī)劃算法[15-16]，得到數(shù)據(jù)重構(gòu)的優(yōu)化規(guī)劃函數(shù)為：

(14)

通過模糊隸屬度分析，得到無線傳感網(wǎng)數(shù)據(jù)的動(dòng)態(tài)壓縮重構(gòu)的輸出檢測概率為：

(15)

其中，yk表示無線傳感網(wǎng)數(shù)據(jù)的多元信息特征分布集[17-18]。則無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)的簡化數(shù)學(xué)模型可以用下述公式進(jìn)行描述：

Gn=bn1a1+bn2a2+…+bnnan

(16)

其中，bnn和an都具有較強(qiáng)的關(guān)聯(lián)性，表示無線傳感網(wǎng)數(shù)據(jù)的振蕩值和干擾項(xiàng)[19-20]。綜上算法設(shè)計(jì)，實(shí)現(xiàn)對(duì)無線傳感網(wǎng)數(shù)據(jù)重構(gòu)模型優(yōu)化設(shè)計(jì)。

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證該方法在實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)數(shù)據(jù)重構(gòu)中的應(yīng)用性能，進(jìn)行了仿真測試分析，建立無線傳感網(wǎng)數(shù)據(jù)重構(gòu)的相空間模型，采用Matlab[21]進(jìn)行數(shù)據(jù)分析。假設(shè)對(duì)無線傳感網(wǎng)數(shù)據(jù)采樣的長度為1 024，數(shù)據(jù)的規(guī)模大小為200，測試集規(guī)模為120，無線傳感網(wǎng)絡(luò)數(shù)據(jù)的屬性類別數(shù)為65，對(duì)數(shù)據(jù)的初始頻率f1=1.52 Hz，終止采樣頻率f2=2.43 Hz。根據(jù)上述參數(shù)設(shè)定，進(jìn)行無線傳感網(wǎng)數(shù)據(jù)重構(gòu)，得到的無線傳感網(wǎng)數(shù)據(jù)測試集如圖2所示。

圖2 無線傳感網(wǎng)數(shù)據(jù)測試集

以圖2的數(shù)據(jù)為研究對(duì)象，進(jìn)行無線傳感網(wǎng)數(shù)據(jù)重構(gòu)，采用多模狀態(tài)重組的方法進(jìn)行無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)的自適應(yīng)分配。

3.1 數(shù)據(jù)重構(gòu)殘差分析

將傳感數(shù)據(jù)的采集周期T設(shè)定為250，采樣率設(shè)為0.5，在大小為100×100的網(wǎng)格區(qū)域內(nèi)隨機(jī)分布250個(gè)傳感器節(jié)點(diǎn)，用原始數(shù)據(jù)與重構(gòu)數(shù)據(jù)的殘差來表示文中算法的重構(gòu)性。當(dāng)殘差小于2×10-14時(shí)，算法表現(xiàn)出了較高的數(shù)據(jù)重構(gòu)性。

(a)原始數(shù)據(jù)

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(gòu)性。這是由于文中在進(jìn)行數(shù)據(jù)重構(gòu)時(shí)考慮了數(shù)據(jù)特征，先對(duì)數(shù)據(jù)特征進(jìn)行重構(gòu)，得到數(shù)據(jù)梯度向量，通過對(duì)梯度向量的應(yīng)用及分析，有效降低了無線傳感節(jié)點(diǎn)的通信量，從而降低了數(shù)據(jù)重構(gòu)殘差，提升了數(shù)據(jù)重構(gòu)效果。

3.2 節(jié)點(diǎn)位置關(guān)系獲取精度測試

在數(shù)據(jù)重構(gòu)過程中，分析節(jié)點(diǎn)間位置關(guān)系為關(guān)鍵性步驟，節(jié)點(diǎn)位置高精度的獲取可以得到更為理想的數(shù)據(jù)多模狀態(tài)重組結(jié)果。以此為基礎(chǔ)，利用三種方法對(duì)節(jié)點(diǎn)位置信息獲取精度進(jìn)行測試，如圖4所示。

根據(jù)圖4實(shí)驗(yàn)結(jié)果可以明顯看出，在數(shù)據(jù)規(guī)模的不斷擴(kuò)大下，兩種傳統(tǒng)方法的節(jié)點(diǎn)位置獲取精度均出現(xiàn)了不同幅度的下降，相比之下，文中方法在整個(gè)實(shí)驗(yàn)過程中節(jié)點(diǎn)位置信息獲取精度平穩(wěn)，且精度能夠保持在90%以上，受數(shù)據(jù)規(guī)模影響不大，說明該方法的應(yīng)用穩(wěn)定性更強(qiáng)。

圖4 不同方法的節(jié)點(diǎn)位置獲取精度

3.3 數(shù)據(jù)離群結(jié)果測試

當(dāng)數(shù)據(jù)量較大時(shí)，數(shù)據(jù)集會(huì)出現(xiàn)離群點(diǎn)，離群數(shù)據(jù)無法完成相應(yīng)的數(shù)據(jù)處理，會(huì)嚴(yán)重影響數(shù)據(jù)重構(gòu)效果。本節(jié)實(shí)驗(yàn)對(duì)此進(jìn)行測試。對(duì)比方法與上節(jié)實(shí)驗(yàn)相同，以文獻(xiàn)[3]方法和文獻(xiàn)[4]方法作為實(shí)驗(yàn)對(duì)照組，與所提方法的數(shù)據(jù)離群結(jié)果進(jìn)行比較。為了增強(qiáng)實(shí)驗(yàn)結(jié)果的可讀性，將實(shí)驗(yàn)數(shù)據(jù)分布規(guī)定在一定范圍內(nèi)。在不同方法下數(shù)據(jù)分布的均勻度以及離群數(shù)據(jù)情況測試結(jié)果如圖5所示。

(a)文獻(xiàn)[3]方法

圖5中的正方形數(shù)據(jù)表示范圍內(nèi)正常待處理數(shù)據(jù)，而分布為范圍圈外側(cè)的五角星數(shù)據(jù)為離群數(shù)據(jù)。分析圖5的實(shí)驗(yàn)結(jié)果得知，文獻(xiàn)[3]方法以及文獻(xiàn)[4]方法下數(shù)據(jù)分布不均勻，且離群數(shù)據(jù)較多。采用文中方法進(jìn)行數(shù)據(jù)重構(gòu)時(shí)，集離群點(diǎn)更少，且數(shù)據(jù)分布更為均勻。這是因?yàn)槲闹蟹椒ɡ弥亟M結(jié)果融合并調(diào)度無線傳感數(shù)據(jù)，增強(qiáng)了數(shù)據(jù)可利用性。

3.4 數(shù)據(jù)重構(gòu)時(shí)間開銷分析

以時(shí)間開銷為指標(biāo)進(jìn)行性能測試，測試時(shí)間開銷，得到的對(duì)比結(jié)果見表1。

表1 時(shí)間開銷對(duì)比 ms

分析表1得知，隨著數(shù)據(jù)規(guī)模的增大，數(shù)據(jù)重構(gòu)所需開銷也隨之增加，經(jīng)對(duì)比可知，文中方法進(jìn)行無線傳感網(wǎng)數(shù)據(jù)重構(gòu)的時(shí)間開銷較短。這是由于采用了動(dòng)態(tài)數(shù)據(jù)壓縮處理，通過分析動(dòng)態(tài)數(shù)據(jù)壓縮輸出的信息分量，得到無線傳感網(wǎng)數(shù)據(jù)的信息差異度，利用信息差異度進(jìn)行數(shù)據(jù)態(tài)壓縮重構(gòu)，可有效提升重構(gòu)效率，減少時(shí)間開銷。

4 結(jié)束語

進(jìn)行無線傳感網(wǎng)的數(shù)據(jù)檢測優(yōu)化設(shè)計(jì)，結(jié)合對(duì)無線傳感網(wǎng)數(shù)據(jù)的壓縮處理技術(shù)，進(jìn)行無線傳感網(wǎng)的信息重構(gòu)，提高無線傳感網(wǎng)數(shù)據(jù)的挖掘能力，提出基于動(dòng)態(tài)數(shù)據(jù)壓縮的無線傳感網(wǎng)數(shù)據(jù)重構(gòu)模型。結(jié)合空間區(qū)域重構(gòu)方法，進(jìn)行無線傳感網(wǎng)絡(luò)數(shù)據(jù)統(tǒng)計(jì)分析，采用多維相空間重構(gòu)技術(shù)進(jìn)行無線傳感網(wǎng)絡(luò)數(shù)據(jù)的信息融合，采用模糊C均值聚類方法，構(gòu)建無線傳感網(wǎng)絡(luò)數(shù)據(jù)的特征提取模型，引入高維相空間重構(gòu)，對(duì)采集的無線傳感網(wǎng)數(shù)據(jù)進(jìn)行特征重組，提取無線傳感網(wǎng)數(shù)據(jù)的多分辨特征量，進(jìn)行無線傳感網(wǎng)數(shù)據(jù)動(dòng)態(tài)壓縮重構(gòu)的自適應(yīng)分配和重構(gòu)。分析得知，該方法提高了數(shù)據(jù)的重構(gòu)能力，且能夠高精度地獲取節(jié)點(diǎn)位置信息，降低處理時(shí)間的開銷。