[发明专利]一种无线传感器网络数据聚合方法

摘要

本发明公开了一种无线传感器网络数据聚合方法。由于微型电池供能的无线传感器网络能量有限，因此一旦网络中某一传感器节点能量耗尽，该节点将失去作用，将会影响到整个网络的通信状况。本发明采用基于空间自相关模型的无线传感器网络数据聚合方案，将节点调度、数据预测和数据聚合算法相结合，调度剩余能量较低的普通节点进行休眠，同时基于无线传感器网络相邻节点之间的数据相关性，利用Delaunay三角剖分算法和空间自相关模型，对休眠节点的缺失数据进行预测，最后由簇头节点进行聚合操作。本专利方法在保证数据精度的同时，减少簇内冗余数据的传输，节约传感器节点的能耗，有效延长网络寿命。

主权项

1.一种无线传感器网络数据聚合方法，其特征在于包含以下步骤：步骤1：进行初始化，网络正常工作若干轮，普通节点收集信息，发送给簇头节点；步骤2：几轮工作结束后，簇头节点根据簇内普通节点的剩余能量，选择簇内剩余能量较低的节点进行休眠，记录下休眠节点的编号V_i；步骤3：被选中的节点进行休眠，其他节点正常工作，持续发送数据给各自的簇头节点；步骤4：利用Delaunay三角剖分算法，找到簇内节点的空间邻接矩阵W，即找到簇内节点之间的空间邻接关系；步骤5：利用空间自相关模型，估算休眠节点的缺失数据，所述估算休眠节点缺失数据的方法如下；步骤5‑1：构建基于多元线性回归模型的空间自相关模型：y＝ρWy+xβ+ε；步骤5‑2：上述模型在具有n+1个可观测的非空间属性，其中1个因变量，n个自变量时转换为y＝(I‑ρW)^‑1(β₀+β₁x₁+β₂x₂+...+β_nx_n+ε)，其中，y为因变量，I为为单位矩阵，x＝{x₁,x₂,...,x_n}为自变量矩阵，β₀,β₁,...,β_n和ρ为未知参数，ε为误差向量，服从标准正态分布，m为对象数量；步骤5‑3：收集簇内所有节点时刻t‑m+1～t‑1的数据形成矩阵X，作为空间自相关模型中参数ρ和β的历史数据；步骤5‑4：利用极大似然估计和贝叶斯统计方法得到参数的估计；步骤5‑5：利用空间自相关模型y＝(I‑ρW)^‑1(xβ+ε)、三角剖分算法得到的W矩阵、计算出的参数ρ和以及未休眠节点在t时刻的数据，对休眠节点V_i的第t轮数据进行预测，最后求出的y＝{y₁,y₂,...,y_m}分别对应休眠节点V_i的t时刻预测数据，其中i为数字1,2....,m；步骤6：簇头节点接收到簇内所有节点的数据后进行聚合处理，并将处理后的数据转发给sink节点；步骤7：簇头节点唤醒休眠节点，让其继续发送数据，并取消标记，转至步骤2，直至簇内第一个节点死亡，确定该节点失去作用。