WSN中基于压缩感知的分簇数据收集算法

doi:10.3969/j.issn.1006-2475.2020.09.001

计算机与现代化 ›› 2020, Vol. 0 ›› Issue (09): 1-5.doi: 10.3969/j.issn.1006-2475.2020.09.001

• 数据库与数据挖掘 • 下一篇

WSN中基于压缩感知的分簇数据收集算法

(扬州大学广陵学院机械电子工程系,江苏扬州225000)

收稿日期:2020-02-07 出版日期:2020-09-24 发布日期:2020-09-24
作者简介:张蕾(1991—),女,江苏扬州人,讲师,硕士,研究方向:机器学习,数据挖掘，E-mail: zhangleiyzu@163.com; 崔娟娟(1989—),女,讲师,硕士,研究方向:模式识别,E-mail: 873950185@qq.com; 李晶晶(1992—),女,助教,硕士,研究方向:密码学,E-mail: 1355563583@qq.com。
基金资助:
扬州大学广陵学院自然科学研究项目(ZKZD19001)

A Clustering Data Collection Algorithm in WSN Based on Compressed Sensing

(Department of Mechanical and Electronic Engineering, Guangling Gollege, Yangzhou University, Yangzhou 225000, China)

Received:2020-02-07 Online:2020-09-24 Published:2020-09-24

摘要/Abstract

摘要： 为减少无线传感器网络的数据通信量和能量消耗，基于WSN节点数据时空相关性的特性，提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后，各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后，Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。

关键词: 无线传感器网络, K-means均衡分簇, 压缩感知

Abstract: In order to reduce the wireless sensor network transmissions and its energy consumption, a data collection method combining K-means balanced clustering and Compressed Sensing (CS) theory is proposed based on the characteristics of spatio-temporal correlation of WSN node data. Firstly, K-means clustering algorithm is used to divide the network into clusters. Then, each cluster head node transfers the collected data to the Sink node of the base station based on the spatial-temporal CS. Finally, Sink node uses OMP algorithm to accurately reconstruct the collection data. The simulation results show that this algorithm effectively reduces the data traffic of wireless sensor network and measurement required in the reconstruction of compressed sensing algorithm.

Key words: wireless sensor network, K-means clustering algorithm, compressed sensing

中图分类号:

TP391

张蕾, 崔娟娟, 李晶晶. WSN中基于压缩感知的分簇数据收集算法[J]. 计算机与现代化, 2020, 0(09): 1-5.

ZHANG Lei, CUI Juan-juan, LI Jing-jing. A Clustering Data Collection Algorithm in WSN Based on Compressed Sensing[J]. Computer and Modernization, 2020, 0(09): 1-5.

参考文献

［1］肖波. 一种结合信息熵的改进LEACH协议［D］. 南昌:江西师范大学, 2019.
［2］ SZEWCZYK R， MAINWARING A, POLASTRE J, et al. An analysis of a large scale habitat monitoring application［C］// Proceedings of the 2nd ACM International Conference on Embedded Networked Sensor Systems. 2004:214-226.
［3］ HEINZELMAN W. Application-Specific Protocol Architectures for Wireless Networks［D］. Boston: Massachusetts Institute of Technology, 2000.
［4］杨晓琴. 基于改进布谷鸟搜索算法的LEACH协议［J］. 计算机与现代化, 2018(12):7-10.
［5］ DONOHO D. Compressed sensing［J］. IEEE Transactions on Information Theory, 2006,52(4):1289-1306.
［6］ YOUNIS O, FAHMY S. HEED: A hybrid, energy-efficient, distributed clustering approach for Ad Hoc sensor networks［J］. IEEE Transactions on Mobile Computing, 2004,3(4):366-379.
［7］卿利,朱清新,王明文. 异构传感器网络的分布式能量有效成簇算法［J］. 软件学报, 2006,17(3):481-489.
［8］康琼. 无线传感器网络中分簇算法的研究［D］. 长春:吉林大学, 2013.
［9］尹安,汪秉文,戴志诚,等. 无线传感器网络HEED分簇协议的研究与改进［J］. 小型微型计算机系统, 2010,31(10):2002-2006.
［10］李道全,张玉霞,魏艳婷. 基于聚类分析的能耗均衡无线传感器网络分簇算法［J］. 计算机工程, 2019,45(10):116-121.
［11］蒋青云. 基于K-means的无线传感器网络分簇算法研究［J］. 计算机与现代化, 2012(10):38-40.
［12］张雅琼. 基于K-means的无线传感网均匀分簇路由算法研究［J］. 控制工程, 2015,22(6):1181-1185.
［13］余扬,李艳彩,陈君华. 基于K-means+〖KG-*3〗+的无线传感网能量高效分簇协议［J］. 云南民族大学学报(自然科学版), 2019,28(02):165-171.
［14］余秀雅,刘东平,杨军. 基于K-means+〖KG-*3〗+的无线传感网分簇算法研究［J］. 计算机应用研究, 2017,34(1):181-185.
［15］李玉龙,刘任任,赵津峰,等. 分簇感知网络中基于压缩感知的数据收集方法［J］. 计算机工程, 2018,44(10):130-135.
［16］HAUPT J, BAJWA W U, RABBAT M, et al. Compressed sensing for networked data［J］. IEEE Signal Processing Magazine, 2008,25(2):92-101.
［17］李树涛,魏丹. 压缩传感综述［J］. 自动化学报, 2009,35(11):1369-1377.
［18］HEINZELAM W R, CHANDRAKASAN A, BALAKRISHNAN H. Energy-efficient communication protocol for wireless microsensor networks［C］// Proceedings of the 33rd Annual Hawaii International Conference on System Sciences. 2000:3005-3014.
［19］SLIJEPCEVIC S, POTKONJAK M. Power efficient organization of wireless sensor networks［C］// IEEE International Conference on Communications. 2001:472-476.
［20］池涛,严浩伟,陈明. 无线传感器网络LEACH算法的研究与改进［J］. 小型微型计算机系统, 2018,39(10):2222-2225.
［21］乔建华,张雪英. 基于均衡分簇的无线传感器网络压缩数据收集［J］. 计算机应用, 2018,38(6):1692-1697.
［22］王红亮,王帅,刘文怡. 压缩感知实现方法及应用综述［J］. 探测与控制学报, 2014,36(4):54-60.
［23］李珅,马彩文,李艳,等. 压缩感知重构算法综述［J］. 红外与激光工程, 2013,42(S1):226-232.
［24］谢昕,汪加楠,姜楠,等. WSN中改进的基于压缩感知的分簇数据采集算法［J］. 华东交通大学学报, 2018,35(2):114-119.
［25］傅东浩,王平,邢建春,等. 基于PCA的无线传感器网络压缩感知算法［J］. 计算机测量与控制, 2012,20(9):2593-2596.
［26］HOELTER J W. The analysis of covariance structures goodness-of-fit indices［J］. Sociological Methods Research February, 1983,11:325-334.
［27］张策. 基于压缩感知的无线传感网数据收集技术研究［D］. 郑州:战略支援部队信息工程大学, 2016.
［28］刘洋希. 基于压缩感知的无线传感器网络数据收集算法研究［D］. 西安:西安电子科技大学, 2019.
［29］李安超. 基于压缩感知的无线传感器网络路由算法研究［D］. 长春:长春理工大学, 2019.

[1]	杜鑫昌, 高瑜翔, 曹远杰, 张皓, 刘海波. 改进混沌方程及压缩感知理论图像加密算法[J]. 计算机与现代化, 2022, 0(04): 115-120.
[2]	张连娜, 张慧萍, 李荣鹏, 宋学力. 基于二次筛选的回溯广义正交匹配追踪算法的稀疏信号重构[J]. 计算机与现代化, 2022, 0(03): 111-115.
[3]	陈勋豪, 杨莹, 黄俊茹, 孙玉宝. 基于多尺度融合网络的视频快照压缩感知重建[J]. 计算机与现代化, 2021, 0(12): 58-64.
[4]	赵继业. 基于云安全模型的簇状树形无线传感器网络路由协议 [J]. 计算机与现代化, 2021, 0(08): 6-10.
[5]	张彦虎, 鄢丽娟, 孔淑梅. 一种适用于凹陷型山地地形的无线传感器网络路由算法[J]. 计算机与现代化, 2021, 0(06): 86-90.
[6]	张彦虎, 鄢丽娟. 一种通过剩余能量过滤进行簇头选举的低能耗无线路由算法[J]. 计算机与现代化, 2021, 0(05): 83-87.
[7]	马媛, 杜秀娟 . 基于NS3的水下LEER协议优化与分析[J]. 计算机与现代化, 2021, 0(03): 35-40.
[8]	金安安, 丁双双, 熊卿智, 许婷婷, 习淑萍, 马继忠. 基于SWOMP算法的EPMA影像优化重构[J]. 计算机与现代化, 2020, 0(12): 104-111.
[9]	蔡文鹏, 鞠时光. 三维曲面多移动节点的传感器网络部署算法[J]. 计算机与现代化, 2020, 0(11): 70-76.
[10]	鄢丽娟, 张彦虎. 一种基于平均剩余能量的无线传感器网络分簇路由算法[J]. 计算机与现代化, 2020, 0(07): 16-20.
[11]	余红星1,2,申国伟1,2，郭春1，2. 一种基于自动特征工程与压缩感知的网络隧道检测方法[J]. 计算机与现代化, 2019, 0(06): 1-.
[12]	张欢1,2,雷宏1. 干扰恢复问题中惩罚优化方法相变现象分析[J]. 计算机与现代化, 2019, 0(06): 76-.
[13]	吴佳1，赵云2，张丽娟3，宋文2. 基于空时压缩感知算法的蜂窝流量预测[J]. 计算机与现代化, 2018, 0(12): 11-.
[14]	孙宗星，蔡丽萍，李世宝. 基于蚁群优化的无线传感器网络最适路由算法[J]. 计算机与现代化, 2017, 0(8): 13-.
[15]	陈芳，赵阳. 基于云计算的移动医疗监控系统[J]. 计算机与现代化, 2017, 0(7): 68-71+90.

WSN中基于压缩感知的分簇数据收集算法

A Clustering Data Collection Algorithm in WSN Based on Compressed Sensing

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价