基於時間序列預測模型的無線傳感器網絡數據採集方法
2023-09-22 22:51:15 1
專利名稱：基於時間序列預測模型的無線傳感器網絡數據採集方法
技術領域：
本發明是一種用於無線傳感器網絡數據管理領域，基於分簇結構網絡通信模型與概率預 測機制的數據處理技術，實現對傳感器節點的動態調度，優化採樣頻率，降低網絡能耗。本 技術屬於網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範圍內出現。由這些微型傳感器構成的無線傳 感器網絡引起了人們的極大關注。對某些特定區域或目標進行監測是無線傳感器網絡的主要 用途。傳感器網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， 能夠協作地實時監測、感知和採集網絡分布區域內的各種環境或監測對象的信息，並對這些 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。在網絡工作過程中節' 省能源，最大化網絡的生命周期，是無線傳感器網絡需要解決的重要問題。為了節省能源,需 要研究如何儘量減少傳感器節點間的通信量，如何減少傳感器節點的監聽時間，以及如何在 滿足系統監測精度的前提下最小化採樣次數。
在許多實際應用中，被監測區域要布置多個相同類型的傳感器節點。它們通過合作的方 式來完成同一監測任務。傳感器節點觀測值按固定的時間間隔採樣，並通過多跳方式把數據 傳送給用戶。傳感器網絡由於節點的密集分布，各節點採集的數據值之間存在一定的空時相 關性，在正常工作狀態下，對各傳感器節點而言，按時間順序排列的一系列採集的數據構成 一個時間序列。
時間序列預測模型是一種先進的統計方法,該模型是利用時間序列中的相關信息建立起來 的，是序列動態性和發展變化規律的描述。通過在無線傳感器網絡節點上建立時間序列預測 模型可以實現對所採樣時間序列數據的未來取值進行預測，進而優化傳感器節點的採樣頻率， 減少傳感器節點的能量消耗。在滿足用戶的精度要求的前提下,動態調整節點採樣的周期,並 減少數據的傳輸數量,從而減少傳感器節點的能量消耗。
發明內容
技術問題本發明的目的是提供一種基於時間序列預測模型的無線傳感器網絡數據採集 方法，利用時間序列預測模型來完成對傳感器節點的動態調度，優化採樣頻率，解決無線傳 感器網絡能耗最小化的需求問題。與目前已研究出來的數據採集相關算法不同，本方法主要 採用分布式時間序列分析方法。通過使用本發明提出的方法可以在一定程度上針對感知數據 本身的特性，提高傳感器網絡整體的數據處理性能。
技術方案本發明的方法是一種基於感知數據概率模型的傳感器網絡的數據採樣方法。採用層次化分簇結構，各傳感器節點上實現P階自回歸模型,通過與簇首之間的通信交互來確 定自己的採樣和通信時機，達到最小化採樣頻率和通信量的目的。
本發明的基於時間序列預測模型的無線傳感器網絡數據採集方法利用時間序列預測模型 來完成對傳感器節點的動態調度，優化採樣頻率，解決無線傳感器網絡能耗最小化的需求問 題，具體如下
步驟1).傳感器網絡中各節點隨機選擇
之間的隨機數，若該數小於估計閾值，則該 節點成為簇首，
步驟2).成為簇首的節點向周圍廣播信息，其他節點根據接收到的廣播信息的強度來選 擇它所要加入的簇，並告知相應的簇首，
步驟3).節點持續採集檢測數據，並連同節點剩餘能量的相關信息傳送到簇首,
步驟4).簇首計算採樣周期內計算獲得的採樣值的均值，並根據簇內成員節點的鯽餘能 量確定其相應的分配採樣個數與開始釆樣的時間，
步驟5).簇首節點將上述步驟結果通知簇內部成員節點，各成員節點根據簇頭的調度計 劃，對最初的P階個採樣數據進行零均值處理後，將採樣值的和返回給簇首節點，
步驟6).簇首節點根據簇內成員節點返回的結果，採用P階自回歸模型AR(P)實現對未 來採樣數據的估計，並將估計值通知給成員節點，
步驟7).簇內成員節點初始採樣周期，每隔採樣周期時間，節點被喚醒，
步驟8).若當前時間仍處於採樣時間期間，且實際採樣值與預測值間的精度小於誤差範 圍，則增加採樣周期若實際採樣值與預測值間的精度小於誤差範圍，則縮短採樣周期，並 返回採樣數據；否則，傳感器節點處於休眠狀態。
有益效果本發明方法提出了採用分簇結構，利用概率預測方法實現無線傳感器網絡數 據採集的頻率控制。通過傳感器所感知數據的時間序列分析來來完成對傳感器節點的動態調 度，優化採樣頻率，解決無線傳感器網絡能耗最小化的需求問題。
與目前業界已有的採樣調度算法不同，本方法主要釆用分布式時間序列分析方法。通過 使用本發明提出的方法可以在一定程度上針對感知數據本身的特性，提高傳感器網絡整體的 數據處理性能。
圖1是無線傳感器網絡層次化分簇結構示意圖。圖中包括匯聚節點Sink，簇首節點以 及簇內成員節點。
圖2是算法2.1的流程示意圖。表示本發明傳感器節點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。表示本發明傳感器節點採樣調度算法的流程示意。
具體實施方式
一、體系結構
結合無線傳感器網絡數據的分布式特點，本發明提出的基於時間序列預測分析的網內數 據收集方法，其網絡通信模型採用層次化分簇結構，如圖1所示。在分層結構中，無線傳感 器網絡被劃分成多個簇，每個簇由一個簇首和多個成員節點構成。簇首節點不僅負責所管轄 內信息的收集和融合處理，還負責簇之間數據的轉發。由於傳感器節點的資源有限，因此採用P階自回歸模型AR(p)來表示傳感器節點的採樣數 據。如下給出AR(p)模型的形式定義
~=2~-2p+f'(Q。，f廣AW(0A2) (1)
其中.x,是在時刻t採集得到的數據，^是回歸係數，&是白噪聲序列且和前一時刻序 列^ (t")不相關，服從標準正態分布。p階模型用前p個採樣數據的一個線性組合加上 一個隨機白噪聲來預測時刻t的數據。
二、 方法流程
無線傳感器網絡的數據收集以輪為單位，各傳感器節點獲得感知區域數據信息，完成簇 頭選擇的聚類過程。每個傳感器節點通過與所屬簇的簇首之間的通信交互，根據感知數據的 概率模型來確定自己的採樣和通信時機，最小化採樣頻率和通信量。
主要工作流程如圖2所示
(l)簇首形成隨機選擇節點為簇首，成為簇首的節點向周圍廣播信息，其他節點根據接 受到廣播信息的強度來選擇它所要加入的簇，並告知相應的簇首。在此階段內不發送實際傳 感的數據。
傳感器節點從0到1之間中任意選擇一個隨機數來決定是否成為簇頭，若當前輪中這個 數值小於設定的閥值T(n)，則該節點成為簇頭節點，T(n)的計算如下
l-p*(fmodl/p) if weG
0 其他
其中，P為期望的簇頭節點在所有傳感節點中的百分比，對於不同的網絡，P的最佳取值 也不同。r是當前輪數，G是在最近的l/P輪中未成為簇首節點的節點集。
(2)傳感器網內數據建模每個簇對所監測目標的採樣數據建立P階自回歸模型AR(p)， 傳感器節點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傳感器節點AR(p)模型建立算法
r 、
步驟l:簇首節點計算在時間段Tm內採樣值的均值A- 2" 步驟2:簇首節點根據節點i的剩餘能量Ej確定分配給節點i採樣的個數
W, =M c(W*￡,)S，其中M表示一個簇內部參加計算的節點數目，N表示採樣總數，
P表示AR(P)模型的階數。
', -1
步驟3:簇首節點計算每個節點開始採樣的時間、=
s
u=1
步驟4:簇首節點將上述步驟結果通知簇內部成員節點，各成員節點根據簇首節點的調度 計劃，對最初的P個採樣數據進行零均值處理後，將採樣值的和返回給簇首節點。 步驟5:簇首節點根據簇內成員節點返回的結果，執行下列計算 基於分簇的數據收集結構，設定簇內的節點採樣序列值義=(&",.4 ^ ,
r = (jcp-up-2廣'^)71通過最小二乘估計，求出a,a,',。formula see original document page 6
公式(l)表示為y-^^ + C,係數矩陣□通過最小二乘法計算取得e-(AAT)"AY
步驟6:簇首節點將參數6通知給成員節點，接收從成員節點返回的誤差值62和剩餘能
formula see original document page 6
量Ei，計算AR(P)模型中白噪聲序列4 =
(3)傳感器節點採樣調度利用上述AR(P)模型的預測功能，根據歷史數據來預測將來 的數據。同時,根據用戶的精度要求，採用無線傳感器網絡採樣調度算法2.2，動態調整採樣 時間間隔。若預測的值滿足精度要求，則傳感器節點處於休眠，不進行實際採樣和數據傳送。 算法2.2傳感器節點採樣調度算法
步驟1:傳感器網絡各節點初始採樣周期7^r,每隔採樣周期時間，節點被喚醒，執行 下列步驟；
步驟2:若當前時間仍處於採樣時間期間，且實際採樣值與預測值間的精度小於誤差範圍 ;c,卜em^6mmrf，則增加採樣周期r， =7i+7V2 ,若->抓0/"—，則縮短採樣周期
7", -max^.Tj-r/a,並返回採樣數據；否則，傳感器節點處於休眠狀態。 為了方便描述，我們假定有如下應用實例
—、傳感器網絡節點聚合雌
傳感器網絡節點聚合成簇規劃流程如下
1. 布設M=100個傳感器節點處於某監測區域，根據區域規模初始化期望的簇首節點在 所有節點中的百分比產10%,當前輪數Fl，計算初始閥值T(n)。
2. 每個傳感器節點隨機選擇
之間的隨機數，若該數小於T(n),則該節點成為簇首， 且把T(n)設置為0。
3. 節點當選為簇首後，發布通告消息告知其他節點，非簇首節點根據自己與簇首之間 的距離來選擇加入哪個簇，並告知該簇首。
4. 當簇首接收到所有的加入信息後，就產生一個TDMA定時消息，並且通知該簇中的 所有節點。
5. 簇首決定本簇中所有節點所用的CDMA編碼，該編碼連同TDMA定時一起發送。 當簇內成員節點收到這個消息後，就會在各自的時間槽內發送數據(包括採樣數據及剩 餘能量值)。
二、 傳g節點建立時間序列分析模型
1. 簇首時間計算在時間段Tm=l秒內計算獲得的採樣值的均值，並根據簇內成員節點 的剩餘能量確定其相應的分配採樣個數與開始採樣的時間。
2. 簇首節點將上述步驟結果通知簇內部成員節點，各成員節點根據簇頭的調度計劃， 對最初的P=5個採樣數據進行零均值處理後，將採樣值的和返回給簇首節點。
3. 簇首節點根據簇內成員節點返回的結果，採用AR(P)序列模型實現對未來採樣數據 的估計，並將估計值通知給成員節點。
三、 傳感器節點採樣調度1. 簇內成員節點初始採樣周期T產T-1秒，每隔採樣周期時間，節點被喚醒。
2. 若當前時間仍處於採樣時間期間，且實際採樣值與預測值間的精度小於誤差範圍
(error_bound=0.001),則增加採樣周期石=r1+772:若實際採樣值與預測值間的 精度小於誤差範圍，則縮短採樣MI期^ -max^^-TV2),並返回採樣數據；否則， 傳感器節點處於休眠狀態。
權利要求
1. 一種基於時間序列預測模型的無線傳感器網絡數據採集方法，其特徵在於利用時間序列預測模型來完成對傳感器節點的動態調度，優化採樣頻率，解決無線傳感器網絡能耗最小化的需求問題，具體如下步驟1). 傳感器網絡中各節點隨機選擇
之間的隨機數，若該數小於估計閥值，則該節點成為簇首，步驟2). 成為簇首的節點向周圍廣播信息，其他節點根據接收到的廣播信息的強度來選擇它所要加入的簇，並告知相應的簇首，步驟3). 節點持續採集檢測數據，並連同節點剩餘能量的相關信息傳送到簇首，步驟4). 簇首計算在採樣周期內計算獲得的採樣值的均值，並根據簇內成員節點的剩餘能量確定其相應的分配採樣個數與開始採樣的時間，步驟5). 簇首節點將上述步驟結果通知簇內部成員節點，各成員節點根據簇頭的調度計劃，對最初的P階個採樣數據進行零均值處理後，將採樣值的和返回給簇首節點，步驟6). 簇首節點根據簇內成員節點返回的結果，採用P階自回歸模型AR(P)實現對未來採樣數據的估計，並將估計值通知給成員節點，步驟7). 簇內成員節點初始採樣周期，每隔採樣周期時間，節點被喚醒，步驟8). 若當前時間仍處於採樣時間期間，且實際採樣值與預測值間的精度小於誤差範圍，則增加採樣周期；若實際採樣值與預測值間的精度小於誤差範圍，則縮短採樣周期，並返回採樣數據；否則，傳感器節點處於休眠狀態。
全文摘要
基於時間序列預測模型的無線傳感器網絡數據採集方法，利用時間序列預測模型來完成對傳感器節點的動態調度，優化採樣頻率，解決無線傳感器網絡能耗最小化的需求問題。與目前已研究出來的數據採集相關算法不同，本方法主要採用分布式時間序列分析方法。通過使用本發明提出的方法可以在一定程度上針對感知數據本身的特性，提高傳感器網絡整體的數據處理性能，該方法是一種基於感知數據概率模型的傳感器網絡的數據採樣方法。採用層次化分簇結構，各傳感器節點上實現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採樣和通信時機，達到最小化採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 優先權日2009年4月1日
發明者凡高娟, 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