申请/专利权人：浙江大学

申请日：2020-06-02

公开（公告）日：2020-09-15

公开（公告）号：CN111666533A

主分类号：G06F17/16(20060101)

分类号：G06F17/16(20060101);G06F17/14(20060101);G06K9/62(20060101);H04W84/18(20090101)

优先权：

专利状态码：有效-授权

法律状态：2022.04.22#授权;2020.10.13#实质审查的生效;2020.09.15#公开

摘要：本发明公开了一种低能耗分布式图信号采样重建方法。现有的方法收敛速率慢，交换信息多。本发明发法在递归最小二乘图信号重建算法基础上，通过在网络中设置少量桥节点约束所有节点估计值的一致性，减小网络中总的通信链路数，进而减小通信开销，降低网络能耗。本发明分为初始化部分和重建部分，初始化部分中网络需要完成估计图信号带宽、确定采样节点集合与桥节点集合、初始化重建中使用到的参数等任务，重建部分中主要是利用引入的新息，经过桥节点和普通节点间相互通信，完成桥节点估计量、普通节点估计量以及对偶变量的更新。本发明发法适用于无线传感器网络应用中，相邻节点观测值相近的场景，可以有效降低网络能耗，延长网络使用寿命。

主权项：1.一种低能耗分布式图信号采样重建方法，其特征在于，该方法具体是：步骤1.计算图拉普拉斯矩阵的特征信息；在固定无线传感器网络图拓扑下，首先确定网络的加权邻接矩阵W； Wi,j表示i节点与j节点的连接系数，N为网络中传感器节点数量，i＝1,2,…,N，j＝1,2,…,N，表示网络中所有节点集合；如果i节点与j节点相邻，则否则Wij＝0；dij表示i节点与j节点间的距离；然后利用加权邻接矩阵W计算固定无线传感器网络图的拉普拉斯矩阵L＝D-W，其中D表示加权度矩阵；对拉普拉斯矩阵进行特征分解L＝UΛUT；Λ为以特征值{λ1,λ2,…,λM}为对角线元素的对角矩阵，M为拉普拉斯矩阵特征值数量，λk表示第k个拉普拉斯矩阵特征值；U是由特征向量{u1,u2,…,uM}组成的矩阵，uk表示第k个拉普拉斯矩阵特征值对应的特征向量；k＝1,2,…,M，M＝N；T表示转置；网络中每个节点均保存特征矩阵U；步骤2.确定网络中采样节点集合；网络中所有节点观测一次信号，得到图信号x＝[x1,x2,…,xN]T，xi表示i节点的观测值，对x进行图傅里叶变换得到图信号的频率分量s＝UTx，s＝[s1,s2,…,sM]T，sk表示图信号第k个频率分量；设阈值τ∈[0,1]，求最小带宽使得前个频率分量的能量占所有频率分量的能量的百分比大于阈值τ，即设置网络中采样节点个数利用贪婪算法求解采样节点集合,每次寻找网络中使得值最大的节点加入采样节点集合直至集合中采样节点个数达到设置的N′；表示广义行列式值，表示对应频率集合的特征向量集合，表示复数集，表示将i节点加入采样节点集合后的节点集合，对角矩阵如则对角元素dq＝1，否则dq＝0，q＝1,2,…,N；步骤3.确定网络中桥节点集合，桥节点集合中的选取满足两个条件：a.网络中任意一个节点的邻居节点集合中至少存在一个桥节点；b.网络中任意两个桥节点之间存在一条只包含桥节点的路径；步骤4.初始化图信号重建算法的参数；初始化图信号重建算法迭代过程中用到的变量，即令网络中所有桥节点b设置桥节点估计量sb0为0，网络中所有节点i设置辅助新息量Φi0、普通节点估计量si0、对偶变量都为0,辅助矩阵ψi0＝ΠN,其中正则矩阵Π＝δI，0＜δ＜＜1，I是N×N的单位矩阵，正则系数ρ＞0，指数遗忘因子0＜＜β≤1；设置迭代次数K；步骤5.所有节点根据新观测的数据更新辅助变量；测量得到t时刻i节点的观测值yit，如则yit＝0，利用观测值yit更新辅助矩阵ψit和辅助新息量Φit： Φit＝βΦit-1+dityitui；如则dit＝1，如则dit＝0；步骤6.网络中桥节点b向其邻居i′节点发送t-1时刻桥节点估计量sbt-1,表示桥节点的邻居节点集合；步骤7.所有节点根据收到的邻居桥节点估计量更新本地估计量sit；步骤8.网络中i节点向邻居桥节点b′,发送当前估计量sit；步骤9.桥节点根据收到的邻居节点估计量更新本地估计量sbt；步骤10.所有节点更新本地对偶变量；网络中i节点根据接收的邻居桥节点估计量sb′t和本地估计量sit更新对偶变量λib′t：网络中桥节点b根据接收的邻居节点估计量si′t和本地估计量sbt更新对偶变量λbi′t：步骤11.频率分量估计值经过图反傅里叶变换恢复图信号xt；步骤12.当t达到设定时刻K时，结束迭代，完成重建；否则，等待节点新的观测信号到达后，转至步骤5，用新时刻t′继续迭代，t′＝t+1。

全文数据：

权利要求：

百度查询： 浙江大学 一种低能耗分布式图信号采样重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD