随着各类海洋监测需求的不断增加,海洋无线传感网中的数据传输量激增,对网络的数据可靠传输和生命期提出了挑战。由于水下传感器节点(Underwater Sensor Node,USN)能量有限且难以补充,传统的基于多跳路由的数据采集方式容易产生“能量空洞”,限制了水下网络的生命期。为了实现持续可靠的海洋数据采集,本文利用自主水下航行器(Autonomous Underwater Vehicle,AUV)的高机动性,重点研究海洋环境中的数据稀疏采集与重建方案,并进行了理论分析和仿真验证。本文在分析海洋数据采集现实需求的基础上,设计了一种AUV辅助的海洋传感网数据采集与重建方案。该方案利用海洋传感网数据的高度时空相关性来降低数据采集量,并在不降低数据质量的情况下延长网络寿命,从而实现高效、持久、可靠的海洋环境监测。该方案需要解决的两个关键问题为:(1)水下子网USN数据节能、高效采集问题;(2)岸基子网USN数据可靠重建问题。针对第一个关键问题,设计了一种基于水下子网分簇的传感网数据稀疏采集方案,以延长水下子网生命期。首先,利用K-means算法进行水下子网分簇。随后,针对每一个簇,综合考虑剩余能量、地理位置和密度因素,提出一种基于稀疏采集的低功耗自适应集簇分层型(Low Energy Adaptive Clustering Hierarchy Based on Sparse Sampling,LEACH-S)算法,进行簇头选举优化和簇内节点调度,实现传感网数据的稀疏采集。仿真结果表明,所提方案有效延长了水下网络生命期,提升了数据采集效率。针对第二个关键问题,设计了一种基于矩阵补全的传感网数据重建方案,以提高数据可靠性。首先,基于智能航标进行了传感网数据低秩性检验,保证数据能在岸基准确重建。接着,针对岸基接收到的数据,考虑复杂海洋环境的影响,提出一种基于矩阵补全的两阶段数据重建算法(Two-phase MC-based Data Recovery,TMDR)。其中,第一阶段利用小波变换对传感网数据进行数据清洗,降低海洋噪声对该数据的影响;第二阶段结合传感网数据的稀疏性和低秩性构建数学模型,使用交替方向乘子法进行求解,补全数据矩阵。仿真结果表明,相较于传统算法,所提TMDR算法有效降低了重建误差,在抗海洋环境干扰和数据恢复性能方面具有一定优越性,能够实现海洋数据的可靠恢复。
暂无评论