基于可控稀疏矩阵的无线传感器网络能耗优化

Wireless Sensor Networks (WSNs) is an important technique in the area of Internet of Things (IoT). A popular research area is how to properly apply WSNs techniques to the area of IoT such the efficiency of the network is increased and the energy consumption of the network is decreased. One attractive topic is to apply the Compressive Sensing (CS) technique in the process of data collection. CS based methods are able to decrease the energy consumption of the network、 balance the loads of the whole network and extend the network lifetime. However, the existing works only consider the case where every node is required to participate in the collection of measurements. This limits the performance of CS-based data collection methods. This project proposes to apply a type of sparse sensing matrices in which the sparsity is controllable. Based on the proposed sensing matrices, we intend to propose a data collection method which is suitable for many kinds of applications in the area of IoT. The proposed method only requires a part of the network nodes to participate in the collection of measurements. Furthermore, it almost has no requirement about the network topology. After proposing the method of data collection, we will analyze its performance through theoretical proofs and experiments.

无线传感器网络被认为是支撑物联网的主要技术之一，如何使无线传感器网络在物联网应用中更加协调，提高无线传感器网络的运行效率，降低网络能耗，已经成为当下物联网研究的热点领域。其中，研究如何把压缩感知技术应用到无线传感器网络的数据收集过程中就是热点之一。和传统的方法相比，基于压缩感知技术的方法可以降低能耗，平衡网络负载，延长网络使用寿命。但是，已经存在的方法都要求网络内的所有节点都参与测量值的收集，这就限制了对网络能耗的优化。本申请创新性地提出应用一类稀疏度可控的随机矩阵作为感知矩阵，并在此基础上，致力于设计一种适用于物联网背景下各种应用的数据收集方法。该方法只要求部分节点参与测量值的收集，并且该方法对网络的拓扑结构没有过多要求，适用于一般的应用。在提出方法后，我们将对其进行理论上的分析和论证，并通过仿真等实验手段来验证其性能和可行性。

万物互联的时代正在到来，随着数以亿计的异构设备接入物联网，如何高效地收集数据将变得非常棘手。作为物联网的底层支撑技术之一，无线传感器网络已经有很长的发展历史，但是要将之应用于物联网还需要解决诸如数据收集效率低下等问题。本项目研究面向物联网的无线传感器网络数据收集过程中的效率优化问题。基于压缩感知技术的压缩数据收集方法是解决无线传感器网络数据收集效率问题的有效手段之一，本项目重点研究适用于压缩数据收集方法的稀疏随机矩阵，以及基于这些随机矩阵的数据收集方法。具体地，项目提出了两类适用于压缩数据收集的稀疏随机矩阵构建方法：均匀稀疏随机矩阵和非均匀稀疏随机矩阵。在此基础上，项目还根据不同的应用场景，提出了四种基于压缩感知技术的数据收集方法：近似最大最小剩余能量斯坦纳树方法AMREST，混合压缩数据收集方法，一种基于随机游走的压缩数据收集方法，基于El Gamal加密算法的数据收集方法。前两个方法适用于感知矩阵为均匀稀疏随机矩阵的场景，第三种方法适用于感知矩阵为非均匀稀疏随机矩阵的情场景，最后一种方法适用于对数据收集有保密需求的场景。无论在理论分析方面和实验仿真验证方面，项目提出的四种数据收集方法的良好性能都得到了验证。由于物联网的应用场景非常多，其面临的环境以及对数据的收集要求各不相同，本项目的研究成果为物联网在不同场景下的数据收集问题提供了多个解决方案。除此之外，本项目研究成果的转化还得到了上市公司三维通信股份有限公司的支持。