[發明專利]一種基于貝葉斯網絡模型的WSN缺失數據重建方法

有效

• 申請號: 201910314948.7
• 申請日: 2019-04-18
• 公開（公告）號: CN110012446B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 余翔;樊霞;廖明霞;段思睿
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04W4/38
• 分類號: H04W4/38;H04W28/04
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

本發明涉及一種基于貝葉斯網絡模型的WSN缺失數據重建方法，屬于無線傳感器網絡數據處理技術領域。該方法首先將每個時間周期劃分成不同時隙，每一個時隙都包括數據收集、節點評估以及缺失數據重建三個時間段；數據收集階段：含有缺失數據的傳感器節點向鄰近節點發送請求數據的信息；節點評估階段：傳感器節點根據最佳信任節點的判定標準挑選出最優的數據候選節點；缺失數據重建階段：含有缺失數據的傳感器節點首先建立貝葉斯網絡模型，然后將最佳候選節點的數據作為輔助變量引入貝葉斯網絡模型中，計算并選擇最大條件概率所對應的數據替代傳感器的缺失數值。本發明降低了數據錯誤率，且能夠滿足節點處于移動環境下實時處理信息的要求。

技術領域

本發明屬于無線傳感器網絡數據處理技術領域，涉及一種移動場景下的無線傳感器節點基于貝葉斯網絡模型的缺失數據重建方法。

背景技術

隨著無線傳感器網絡(Wireless Sensor Network,WSN)在環境感知、工業過程控制、生態監控和應急方案等領域的廣泛應用，其以數據為中心的特點日益凸顯。數據本身是信息的載體，而且真實完備的數據是支撐數據分析和決策的基本前提，WSN對數據完整性、正確性和準時交付都有嚴格的要求。然而，由于感知節點有限的存儲能力、通信能力、計算能力以及外界故障、人為干擾等原因，導致收集的感知數據通常存在不可避免的缺失或異常，因此如何重建這些缺失的感知數據成為能否進行精準科學研究的關鍵，構建合理的缺失感知數據重構模型，保證重建精度高、誤差小，同時符合傳感數據的特點是非常有意義的研究熱點。

近年來不斷有研究者提出一系列方法用于解決WSN的數據重建問題，這些解決方案主要是基于時-空相關性的缺失數據估計、基于插值擬合的缺失數據重建以及基于稀疏理論的缺失數據重構。文獻“Tensor Completion for Estimating Missing Values inVisual Data”研究了WSN中感知數據的低秩特性，并基于矩陣補全理論提出了三種非常經典的缺失數據重建算法，為后面的此類研究奠定了基礎。

公開號CN105743611A公開了一種估計與稀疏字典的無線傳感器缺失數據重構方法，該方法首先根據缺失數據確定需要重構的數據幀的總數，然后構建字典求得相關系數，最后不斷迭代更新字典直至重構出滿足條件的最佳矩陣。公開號CN106250515A公開了一種基于歷史數據的缺失路徑恢復方法，該方法首先利用馬爾可夫決策過程模型進行建模，并根據歷史數據訓練參數，然后計算轉移概率并用最短路徑搜索到概率最高的路徑，最后使用該路徑恢復缺失數據。上述公開的這些方法，主要解決WSN中感知節點處于靜態模式下的缺失數據重建問題，并未對感知節點處于移動模式下感知數據缺失重建這一問題進行探討。傳統的缺失數據重建方法利用了自身感知數據的時空相關性或者屬性相關性重建缺失數據，但處理的數據都是較長采樣時間內收集的感知數據，在重建感知節點處于高速移動環境下短時間內傳遞的信息方面依舊有研究探討的空間。

發明內容

有鑒于此，本發明的目的在于提供一種基于貝葉斯網絡模型的WSN缺失數據重建方法，在移動場景下的WSN中，利用感知數據的時空相關性重建缺失數據，降低數據錯誤率，滿足節點處于移動環境下實時處理信息的要求。

為達到上述目的，本發明提供如下技術方案：

一種基于貝葉斯網絡模型的WSN缺失數據重建方法，首先將每個時間周期劃分成不同時隙，每一個時隙都包括數據收集、節點評估以及缺失數據重建三個時間段；數據收集階段：含有缺失數據的傳感器節點向鄰近節點發送請求數據的信息；節點評估階段：傳感器節點根據最佳信任節點的判定標準挑選出最優的數據候選節點；缺失數據重建階段：含有缺失數據的傳感器節點首先建立貝葉斯網絡模型，然后將最佳候選節點的數據作為輔助變量引入貝葉斯網絡模型中，計算并選擇最大條件概率所對應的數據替代傳感器的缺失數值，以此實現數據重建。

進一步，所述缺失數據重建方法具體包括以下步驟：

S1：將時間周期劃分為單個時隙，每個時隙用時間周期T表示；