專利名稱：基于時間序列預測模型的無線傳感器網(wǎng)絡數(shù)據(jù)采集方法
技術領域：
本發(fā)明是一種用于無線傳感器網(wǎng)絡數(shù)據(jù)管理領域，基于分簇結構網(wǎng)絡通信模型與概率預 測機制的數(shù)據(jù)處理技術，實現(xiàn)對傳感器節(jié)點的動態(tài)調(diào)度，優(yōu)化采樣頻率，降低網(wǎng)絡能耗。本 技術屬于網(wǎng)絡信息分布式計算應用領域。
背景技術：
隨著通信技術、嵌入式計算技術和傳感器技術的飛速發(fā)展和日益成熟，具有感知能力、 計算能力和通信能力的微型傳感器開始在世界范圍內(nèi)出現(xiàn)。由這些微型傳感器構成的無線傳 感器網(wǎng)絡引起了人們的極大關注。對某些特定區(qū)域或目標進行監(jiān)測是無線傳感器網(wǎng)絡的主要 用途。傳感器網(wǎng)絡綜合了傳感器技術、嵌入式計算技術、分布式信息處理技術和通信技術， 能夠協(xié)作地實時監(jiān)測、感知和采集網(wǎng)絡分布區(qū)域內(nèi)的各種環(huán)境或監(jiān)測對象的信息，并對這些 信息進行處理，獲得詳盡而準確的信息，傳送到需要這些信息的用戶。在網(wǎng)絡工作過程中節(jié)' 省能源，最大化網(wǎng)絡的生命周期，是無線傳感器網(wǎng)絡需要解決的重要問題。為了節(jié)省能源,需 要研究如何盡量減少傳感器節(jié)點間的通信量，如何減少傳感器節(jié)點的監(jiān)聽時間，以及如何在 滿足系統(tǒng)監(jiān)測精度的前提下最小化采樣次數(shù)。
在許多實際應用中，被監(jiān)測區(qū)域要布置多個相同類型的傳感器節(jié)點。它們通過合作的方 式來完成同一監(jiān)測任務。傳感器節(jié)點觀測值按固定的時間間隔采樣，并通過多跳方式把數(shù)據(jù) 傳送給用戶。傳感器網(wǎng)絡由于節(jié)點的密集分布，各節(jié)點采集的數(shù)據(jù)值之間存在一定的空時相 關性，在正常工作狀態(tài)下，對各傳感器節(jié)點而言，按時間順序排列的一系列采集的數(shù)據(jù)構成 一個時間序列。
時間序列預測模型是一種先進的統(tǒng)計方法,該模型是利用時間序列中的相關信息建立起來 的，是序列動態(tài)性和發(fā)展變化規(guī)律的描述。通過在無線傳感器網(wǎng)絡節(jié)點上建立時間序列預測 模型可以實現(xiàn)對所采樣時間序列數(shù)據(jù)的未來取值進行預測，進而優(yōu)化傳感器節(jié)點的采樣頻率， 減少傳感器節(jié)點的能量消耗。在滿足用戶的精度要求的前提下,動態(tài)調(diào)整節(jié)點采樣的周期,并 減少數(shù)據(jù)的傳輸數(shù)量,從而減少傳感器節(jié)點的能量消耗。

發(fā)明內(nèi)容
技術問題本發(fā)明的目的是提供一種基于時間序列預測模型的無線傳感器網(wǎng)絡數(shù)據(jù)采集 方法，利用時間序列預測模型來完成對傳感器節(jié)點的動態(tài)調(diào)度，優(yōu)化采樣頻率，解決無線傳 感器網(wǎng)絡能耗最小化的需求問題。與目前已研究出來的數(shù)據(jù)采集相關算法不同，本方法主要 采用分布式時間序列分析方法。通過使用本發(fā)明提出的方法可以在一定程度上針對感知數(shù)據(jù) 本身的特性，提高傳感器網(wǎng)絡整體的數(shù)據(jù)處理性能。
技術方案本發(fā)明的方法是一種基于感知數(shù)據(jù)概率模型的傳感器網(wǎng)絡的數(shù)據(jù)采樣方法。采用層次化分簇結構，各傳感器節(jié)點上實現(xiàn)P階自回歸模型,通過與簇首之間的通信交互來確 定自己的采樣和通信時機，達到最小化采樣頻率和通信量的目的。
本發(fā)明的基于時間序列預測模型的無線傳感器網(wǎng)絡數(shù)據(jù)采集方法利用時間序列預測模型 來完成對傳感器節(jié)點的動態(tài)調(diào)度，優(yōu)化采樣頻率，解決無線傳感器網(wǎng)絡能耗最小化的需求問 題，具體如下
步驟1).傳感器網(wǎng)絡中各節(jié)點隨機選擇
之間的隨機數(shù)，若該數(shù)小于估計閾值，則該 節(jié)點成為簇首，
步驟2).成為簇首的節(jié)點向周圍廣播信息，其他節(jié)點根據(jù)接收到的廣播信息的強度來選 擇它所要加入的簇，并告知相應的簇首，
步驟3).節(jié)點持續(xù)采集檢測數(shù)據(jù)，并連同節(jié)點剩余能量的相關信息傳送到簇首,
步驟4).簇首計算采樣周期內(nèi)計算獲得的采樣值的均值，并根據(jù)簇內(nèi)成員節(jié)點的鯽余能 量確定其相應的分配采樣個數(shù)與開始釆樣的時間，
步驟5).簇首節(jié)點將上述步驟結果通知簇內(nèi)部成員節(jié)點，各成員節(jié)點根據(jù)簇頭的調(diào)度計 劃，對最初的P階個采樣數(shù)據(jù)進行零均值處理后，將采樣值的和返回給簇首節(jié)點，
步驟6).簇首節(jié)點根據(jù)簇內(nèi)成員節(jié)點返回的結果，采用P階自回歸模型AR(P)實現(xiàn)對未 來采樣數(shù)據(jù)的估計，并將估計值通知給成員節(jié)點，
步驟7).簇內(nèi)成員節(jié)點初始采樣周期，每隔采樣周期時間，節(jié)點被喚醒，
步驟8).若當前時間仍處于采樣時間期間，且實際采樣值與預測值間的精度小于誤差范 圍，則增加采樣周期若實際采樣值與預測值間的精度小于誤差范圍，則縮短采樣周期，并 返回采樣數(shù)據(jù)；否則，傳感器節(jié)點處于休眠狀態(tài)。
有益效果本發(fā)明方法提出了采用分簇結構，利用概率預測方法實現(xiàn)無線傳感器網(wǎng)絡數(shù) 據(jù)采集的頻率控制。通過傳感器所感知數(shù)據(jù)的時間序列分析來來完成對傳感器節(jié)點的動態(tài)調(diào) 度，優(yōu)化采樣頻率，解決無線傳感器網(wǎng)絡能耗最小化的需求問題。
與目前業(yè)界已有的采樣調(diào)度算法不同，本方法主要釆用分布式時間序列分析方法。通過 使用本發(fā)明提出的方法可以在一定程度上針對感知數(shù)據(jù)本身的特性，提高傳感器網(wǎng)絡整體的 數(shù)據(jù)處理性能。


圖1是無線傳感器網(wǎng)絡層次化分簇結構示意圖。圖中包括匯聚節(jié)點Sink，簇首節(jié)點以 及簇內(nèi)成員節(jié)點。
圖2是算法2.1的流程示意圖。表示本發(fā)明傳感器節(jié)點AR(p)模型建立算法的流程示意。 圖3是算法2.2的流程示意圖。表示本發(fā)明傳感器節(jié)點采樣調(diào)度算法的流程示意。
具體實施方式
一、體系結構
結合無線傳感器網(wǎng)絡數(shù)據(jù)的分布式特點，本發(fā)明提出的基于時間序列預測分析的網(wǎng)內(nèi)數(shù) 據(jù)收集方法，其網(wǎng)絡通信模型采用層次化分簇結構，如圖1所示。在分層結構中，無線傳感 器網(wǎng)絡被劃分成多個簇，每個簇由一個簇首和多個成員節(jié)點構成。簇首節(jié)點不僅負責所管轄 內(nèi)信息的收集和融合處理，還負責簇之間數(shù)據(jù)的轉(zhuǎn)發(fā)。由于傳感器節(jié)點的資源有限，因此采用P階自回歸模型AR(p)來表示傳感器節(jié)點的采樣數(shù) 據(jù)。如下給出AR(p)模型的形式定義
~=<^,-1+ >2~-2p+f'(Q。，f廣AW(0A2) (1)
其中.x,是在時刻t采集得到的數(shù)據(jù)，^是回歸系數(shù)，&是白噪聲序列且和前一時刻序 列^ (t")不相關，服從標準正態(tài)分布。p階模型用前p個采樣數(shù)據(jù)的一個線性組合加上 一個隨機白噪聲來預測時刻t的數(shù)據(jù)。
二、 方法流程
無線傳感器網(wǎng)絡的數(shù)據(jù)收集以輪為單位，各傳感器節(jié)點獲得感知區(qū)域數(shù)據(jù)信息，完成簇 頭選擇的聚類過程。每個傳感器節(jié)點通過與所屬簇的簇首之間的通信交互，根據(jù)感知數(shù)據(jù)的 概率模型來確定自己的采樣和通信時機，最小化采樣頻率和通信量。
主要工作流程如圖2所示
(l)簇首形成隨機選擇節(jié)點為簇首，成為簇首的節(jié)點向周圍廣播信息，其他節(jié)點根據(jù)接 受到廣播信息的強度來選擇它所要加入的簇，并告知相應的簇首。在此階段內(nèi)不發(fā)送實際傳 感的數(shù)據(jù)。
傳感器節(jié)點從0到1之間中任意選擇一個隨機數(shù)來決定是否成為簇頭，若當前輪中這個 數(shù)值小于設定的閥值T(n)，則該節(jié)點成為簇頭節(jié)點，T(n)的計算如下
l-p*(fmodl/p) if weG
0 其他
其中，P為期望的簇頭節(jié)點在所有傳感節(jié)點中的百分比，對于不同的網(wǎng)絡，P的最佳取值 也不同。r是當前輪數(shù)，G是在最近的l/P輪中未成為簇首節(jié)點的節(jié)點集。
(2)傳感器網(wǎng)內(nèi)數(shù)據(jù)建模每個簇對所監(jiān)測目標的采樣數(shù)據(jù)建立P階自回歸模型AR(p)， 傳感器節(jié)點AR(p)模型建立算法2.1,流程如圖3所示，具體說明如下
算法2.1傳感器節(jié)點AR(p)模型建立算法
r 、
步驟l:簇首節(jié)點計算在時間段Tm內(nèi)采樣值的均值A- 2" 步驟2:簇首節(jié)點根據(jù)節(jié)點i的剩余能量Ej確定分配給節(jié)點i采樣的個數(shù)
W, =M c(W*￡,)S，其中M表示一個簇內(nèi)部參加計算的節(jié)點數(shù)目，N表示采樣總數(shù)，
P表示AR(P)模型的階數(shù)。
', -1
步驟3:簇首節(jié)點計算每個節(jié)點開始采樣的時間、=
s
u=1
步驟4:簇首節(jié)點將上述步驟結果通知簇內(nèi)部成員節(jié)點，各成員節(jié)點根據(jù)簇首節(jié)點的調(diào)度 計劃，對最初的P個采樣數(shù)據(jù)進行零均值處理后，將采樣值的和返回給簇首節(jié)點。 步驟5:簇首節(jié)點根據(jù)簇內(nèi)成員節(jié)點返回的結果，執(zhí)行下列計算 基于分簇的數(shù)據(jù)收集結構，設定簇內(nèi)的節(jié)點采樣序列值義=(&",.4 ^ ,
r = (jcp-up-2廣'^)71通過最小二乘估計，求出a,a,',。<formula>formula see original document page 6</formula>
公式(l)表示為y-^^ + C,系數(shù)矩陣□通過最小二乘法計算取得e-(AAT)"AY
步驟6:簇首節(jié)點將參數(shù)6通知給成員節(jié)點，接收從成員節(jié)點返回的誤差值62和剩余能
<formula>formula see original document page 6</formula>
量Ei，計算AR(P)模型中白噪聲序列4 =
(3)傳感器節(jié)點采樣調(diào)度利用上述AR(P)模型的預測功能，根據(jù)歷史數(shù)據(jù)來預測將來 的數(shù)據(jù)。同時,根據(jù)用戶的精度要求，采用無線傳感器網(wǎng)絡采樣調(diào)度算法2.2，動態(tài)調(diào)整采樣 時間間隔。若預測的值滿足精度要求，則傳感器節(jié)點處于休眠，不進行實際采樣和數(shù)據(jù)傳送。 算法2.2傳感器節(jié)點采樣調(diào)度算法
步驟1:傳感器網(wǎng)絡各節(jié)點初始采樣周期7^r,每隔采樣周期時間，節(jié)點被喚醒，執(zhí)行 下列步驟；
步驟2:若當前時間仍處于采樣時間期間，且實際采樣值與預測值間的精度小于誤差范圍 ;c,卜em^6mmrf，則增加采樣周期r， =7i+7V2 ,若->抓0/"—，則縮短采樣周期
7", -max^.Tj-r/a,并返回采樣數(shù)據(jù)；否則，傳感器節(jié)點處于休眠狀態(tài)。 為了方便描述，我們假定有如下應用實例
—、傳感器網(wǎng)絡節(jié)點聚合雌
傳感器網(wǎng)絡節(jié)點聚合成簇規(guī)劃流程如下
1. 布設M=100個傳感器節(jié)點處于某監(jiān)測區(qū)域，根據(jù)區(qū)域規(guī)模初始化期望的簇首節(jié)點在 所有節(jié)點中的百分比產(chǎn)10%,當前輪數(shù)Fl，計算初始閥值T(n)。
2. 每個傳感器節(jié)點隨機選擇
之間的隨機數(shù)，若該數(shù)小于T(n),則該節(jié)點成為簇首， 且把T(n)設置為0。
3. 節(jié)點當選為簇首后，發(fā)布通告消息告知其他節(jié)點，非簇首節(jié)點根據(jù)自己與簇首之間 的距離來選擇加入哪個簇，并告知該簇首。
4. 當簇首接收到所有的加入信息后，就產(chǎn)生一個TDMA定時消息，并且通知該簇中的 所有節(jié)點。
5. 簇首決定本簇中所有節(jié)點所用的CDMA編碼，該編碼連同TDMA定時一起發(fā)送。 當簇內(nèi)成員節(jié)點收到這個消息后，就會在各自的時間槽內(nèi)發(fā)送數(shù)據(jù)(包括采樣數(shù)據(jù)及剩 余能量值)。
二、 傳g節(jié)點建立時間序列分析模型
1. 簇首時間計算在時間段Tm=l秒內(nèi)計算獲得的采樣值的均值，并根據(jù)簇內(nèi)成員節(jié)點 的剩余能量確定其相應的分配采樣個數(shù)與開始采樣的時間。
2. 簇首節(jié)點將上述步驟結果通知簇內(nèi)部成員節(jié)點，各成員節(jié)點根據(jù)簇頭的調(diào)度計劃， 對最初的P=5個采樣數(shù)據(jù)進行零均值處理后，將采樣值的和返回給簇首節(jié)點。
3. 簇首節(jié)點根據(jù)簇內(nèi)成員節(jié)點返回的結果，采用AR(P)序列模型實現(xiàn)對未來采樣數(shù)據(jù) 的估計，并將估計值通知給成員節(jié)點。
三、 傳感器節(jié)點采樣調(diào)度1. 簇內(nèi)成員節(jié)點初始采樣周期T產(chǎn)T-1秒，每隔采樣周期時間，節(jié)點被喚醒。
2. 若當前時間仍處于采樣時間期間，且實際采樣值與預測值間的精度小于誤差范圍
(error_bound=0.001),則增加采樣周期石=r1+772:若實際采樣值與預測值間的 精度小于誤差范圍，則縮短采樣MI期^ -max^^-TV2),并返回采樣數(shù)據(jù)；否則， 傳感器節(jié)點處于休眠狀態(tài)。
權利要求
1. 一種基于時間序列預測模型的無線傳感器網(wǎng)絡數(shù)據(jù)采集方法，其特征在于利用時間序列預測模型來完成對傳感器節(jié)點的動態(tài)調(diào)度，優(yōu)化采樣頻率，解決無線傳感器網(wǎng)絡能耗最小化的需求問題，具體如下步驟1). 傳感器網(wǎng)絡中各節(jié)點隨機選擇
之間的隨機數(shù)，若該數(shù)小于估計閥值，則該節(jié)點成為簇首，步驟2). 成為簇首的節(jié)點向周圍廣播信息，其他節(jié)點根據(jù)接收到的廣播信息的強度來選擇它所要加入的簇，并告知相應的簇首，步驟3). 節(jié)點持續(xù)采集檢測數(shù)據(jù)，并連同節(jié)點剩余能量的相關信息傳送到簇首，步驟4). 簇首計算在采樣周期內(nèi)計算獲得的采樣值的均值，并根據(jù)簇內(nèi)成員節(jié)點的剩余能量確定其相應的分配采樣個數(shù)與開始采樣的時間，步驟5). 簇首節(jié)點將上述步驟結果通知簇內(nèi)部成員節(jié)點，各成員節(jié)點根據(jù)簇頭的調(diào)度計劃，對最初的P階個采樣數(shù)據(jù)進行零均值處理后，將采樣值的和返回給簇首節(jié)點，步驟6). 簇首節(jié)點根據(jù)簇內(nèi)成員節(jié)點返回的結果，采用P階自回歸模型AR(P)實現(xiàn)對未來采樣數(shù)據(jù)的估計，并將估計值通知給成員節(jié)點，步驟7). 簇內(nèi)成員節(jié)點初始采樣周期，每隔采樣周期時間，節(jié)點被喚醒，步驟8). 若當前時間仍處于采樣時間期間，且實際采樣值與預測值間的精度小于誤差范圍，則增加采樣周期；若實際采樣值與預測值間的精度小于誤差范圍，則縮短采樣周期，并返回采樣數(shù)據(jù)；否則，傳感器節(jié)點處于休眠狀態(tài)。
全文摘要
基于時間序列預測模型的無線傳感器網(wǎng)絡數(shù)據(jù)采集方法，利用時間序列預測模型來完成對傳感器節(jié)點的動態(tài)調(diào)度，優(yōu)化采樣頻率，解決無線傳感器網(wǎng)絡能耗最小化的需求問題。與目前已研究出來的數(shù)據(jù)采集相關算法不同，本方法主要采用分布式時間序列分析方法。通過使用本發(fā)明提出的方法可以在一定程度上針對感知數(shù)據(jù)本身的特性，提高傳感器網(wǎng)絡整體的數(shù)據(jù)處理性能，該方法是一種基于感知數(shù)據(jù)概率模型的傳感器網(wǎng)絡的數(shù)據(jù)采樣方法。采用層次化分簇結構，各傳感器節(jié)點上實現(xiàn)P階自回歸模型，通過與簇首之間的通信交互來確定自己的采樣和通信時機，達到最小化采樣頻率和通信量的目的。
文檔編號H04W24/00GK101511099SQ20091002610
公開日2009年8月19日 申請日期2009年4月1日 優(yōu)先權日2009年4月1日
發(fā)明者凡高娟, 寧 葉, 孫力娟, 超 沙, 王汝傳, 王玉斐, 志 陳, 馬守明, 黃海平 申請人:南京郵電大學