一种基于虚拟mimo的压缩数据收集方法
【技术领域】
[0001] 本发明属于无线传输技术领域，具体是一种应用于无线传感网络中的基于虚拟 MIMO的能量有效压缩数据收集方法。
【背景技术】
[0002] 众所周知无线传感器网络中的传感器节点一般采用体积很小的嵌入式设备，单个 节点携带的电池电量有限。而无线传感器网络的应用通常面向一些大规模的监控领域，需 要收集海量的监测数据，因此如何降低节点能耗实现无线传感器网络数据的有效收集是当 前急需解决的关键问题。
[0003] 压缩感知技术恰好提供了一种数据获取的新方法，通过对稀疏信号进行简单的压 缩投影，能够大大降低信号的维数，即能够极大地对数据进行压缩。在接收端利用合适的信 号重建算法可W高概率的重建原始信号。对于一些监测数据本身非稀疏但在某个表示基上 稀疏的情况采用稀疏变换W保障信号的稀疏性。可W看到压缩感知技术对于发端数据的压 缩测量是非常简单和节能的，而将信号处理的复杂度转移到了接收端，运一特点与无线传 感器网络节点能耗受限而数据汇聚端SINK处理能力强的特性相一致。
[0004] 而现有的基于分簇网络的压缩感知数据收集方法，簇内节点通过单跳路由将压缩 测量数据传输给簇头节点，但簇间通信仍然采用基于树的多跳路由方法。运将带来W下问 题：
[0005] 1.路由跳数多会造成数据传输过程中的丢包率增加、网络延迟相应增大；
[0006] 2.无线传感网具有高的环境交互性，无线传感网应用环境的多样性造成传播信道 的复杂性，仅依靠单个节点的传输能力无法克服复杂环境的影响同时做到最大程度的节省 通信开销。
【发明内容】
[0007] 本发明是为了解决现有无线传感网络数据收集过程中传输的能量代价过大，传输 丢包率高易出错的问题，提供一种基于虚拟MIMO的压缩数据收集方法，W期能降低数据收 集过程中的传输能耗和丢包率，从而能提高无线传感网的数据收集效率，延长网络的生存 周期。
[0008] 本发明为解决技术问题采用如下技术方案：
[0009] 本发明一种基于虚拟MIMO的压缩数据收集方法，是应用在由N个传感器节点和一 个数据汇聚端SINK构成的无线传感网络中；所述N个传感器节点分别用于获取监测数据并 经由其它传感器节点采用调制方式发送给所述数据汇聚端SINK;所述数据汇聚端SINK接 收所述N各传感器节点的监测数据并发送至远程网络；其特点是按如下步骤进行：
[0010] 步骤1、根据所述无线传感网络监测区域的覆盖范围，获得所述N个传感器节点到 所述数据汇聚端SINK的平均距离；
[0011] 步骤2、利用式（1)建立不同传输距离下的虚拟MIMO的压缩数据收集能耗模型
[001引式（I)中，Et。^表示所述无线传感网络的总通信能耗，n。为所述无线传感网络的 分簇个数，左/"W表示第i个分簇内的各节点与所述第i个分簇内的簇头节点间的本地通信 能耗之和，巧"g表示所述第i个分簇内的虚拟MIMO天线阵列与所述数据汇聚端SINK的协 作远程通信能耗；
[0014] 步骤3、利用式似对所述压缩数据收集能耗模型Et。^进行优化，获得联合优化结 果（0，P，n"M"b): 阳01 引（0，P，n"M"b) =argminEtotai( 0，P，n"M"b)似
[0016] 式（2)中，0表示所述压缩测量过程中测量矩阵的稀疏率；P表示所述压缩测量 过程中的压缩比；Mt表示所述虚拟MIMO天线阵列所包含的传感器节点个数；b表示所述调 制过程中的星座图大小；
[0017] 步骤4、所述数据汇聚端SINK将存储所述联合优化结果（0，P，n。，M。b)，并根据 所述稀疏率P和压缩比P产生所述压缩测量矩阵，并获得测量权值，所述数据汇聚端SINK 将联合优化的优化参数（Mt，b)和所述压缩测量矩阵的测量权值广播给N个传感器节点；
[0018] 步骤5、根据所述分簇个数n。对所述无线传感网络进行分簇，产生n。个簇头节点 并由簇头节点分别广播告知其它传感器节点；
[0019] 步骤6、所述N个传感器节点分别接收簇头位置信息、联合优化的优化参数（M。b) W及测量权值并进行存储；
[0020] 步骤7、所述无线传感网络中的N-n。个传感器节点分别根据自身到n。个簇头节点 的距离，选择最近的簇头节点后分别加入所选择的簇头节点中，并将自身的位置信息和剩 余能量告知给所加入的簇头节点，从而形成n。个分簇；
[0021] 步骤8、所述第i个分簇内的簇头节点对所述第i个分簇内的其它传感器节点的剩 余能量进行排序，选择剩余能量最高的前Mt个传感器节点形成第i个分簇的虚拟MIMO天 线阵列；
[0022] 步骤9、所述第i个分簇内的所有传感器节点将所收集到的监测数据进行压缩测 量后按时序分别发送给各自的簇头节点；
[0023] 步骤10、所述n。个簇头节点将所述接收到的压缩后的监测数据执行加法运算后通 过各自的虚拟MIMO天线阵列发给所述数据汇聚端SINK;
[0024] 步骤11、所述数据汇聚端SINK对所接收到所述压缩后的测量数据后进行数据重 构，W恢复出所有传感器节点的监测数据，从而完成数据的收集；
[00巧]步骤12、所述数据汇聚端SINK收集完所有传感器节点的数据后发送至远程网络。 [00%] 本发明所述的基于虚拟MIMO的压缩数据收集方法的特点也在于：
[0027] 所述步骤10中的n。个簇头节点是根据所述测量矩阵的维度对所接收到的压缩后 的测量数据进行加法运算处理后再发送给所述虚拟MIMO天线阵列。
[0028] 本发明结合了压缩感知和MIMO传输技术，依据能量最优原则对网络的分簇数目、 压缩测量矩阵的稀疏率和压缩比、参与协作传输的节点数目W及远程传输时调制的星座图 大小进行联合优化，从而能够W低能耗实现压缩数据收集。与现有技术相比，本发明的有益 技术效果体现在：
[0029] 1.本发明的数据收集方案采用了压缩测量和虚拟MIMO的传输技术，建立压缩数 据收集的能耗模型，并在具有较强信息处理能力的数据汇聚端SINK对能耗进行联合优化， 依据优化结果产生压缩测量的测量矩阵、形成分簇和每个分簇内的虚拟MIMO传输阵列。相 比于现有的基于压缩感知的数据收集方案，本发明的数据压缩测量和传输是一个联合整 体，W联合优化的方式使得所有传感器节点的压缩测量和传输都能够W低的能量代价进 行，同时采用虚拟MIMO天线阵列传输压缩数据，能够利用多天线的分集增益克服了复杂环 境的影响提高传输性能，减少了路由跳数，实现了无线传感网中高效的压缩数据收集，提高 了无线传感网的网络生存周期。
[0030] 2.本发明所采用的压缩数据收集的能耗模型，综合考虑了五个通信过程；能耗模 型中忽略了压缩测量过程中的乘法运算、簇头节点接收数据之后的加法运算的能耗和分簇 形成过程中的能耗，而数据汇聚端SINK因为体积不受限，能量也不受限，不需要对运部分 能耗进行优化。因此本发明建立的能耗模型忽略了一些能够忽略的能量计算环节，简化了 能耗表达式。
[0031] 3.本发明通过对能耗模型进行联合优化，和现有的基于虚拟MIMO传输技术的能 耗优化模型相比，本发明在进行能量优化时，考虑了压缩测量矩阵的稀疏率0和压缩比P 的影响。设定低的稀疏率6,传感器节点获得的压缩数据中非零元素变少，需要发送给簇 头节点的数据量也就变小，相应的通信能耗也会降低，但根据压缩感知理论测量矩阵的稀 疏率0设置过低，会造成压缩后有效值太少，使得数据汇聚端SINK在进行重构时达不到精 度要求。压缩比P越小，压缩率越高，压缩测量矩阵的规模变小，传感器节点获得的压缩数 据总量会变小，相应的通信能耗也会变小，但同样根据压缩感知理论，设置过小的压缩比会 造成对原始数据的测量不充分，重构达不