[發明專利]高效節能的星載無線傳感器網絡數據壓縮模型的構建方法

有效

• 申請號: 202010848653.0
• 申請日: 2020-08-21
• 公開（公告）號: CN112153659B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 蔣偉;陳分雄;許祎晗;廖森輝;韓榮;王杰;熊鵬濤;葉佳慧
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W52/02;H04W84/18
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 孔燦

1.一種高效節能的星載無線傳感器網絡數據壓縮模型的構建方法，其特征在于，包括以下步驟：

步驟一：對集成多種不同類型傳感器的無線傳感器網絡節點采集的包括溫度、濕度和光照多屬性數據進行預處理，獲得訓練數據集；

步驟二：使用多個D-CRBM層與最大池化層、全連接層組合構建CBN-VAE網絡的編碼器和解碼器；

在步驟二中，將傳統卷積結構與RBM結合構建D-CRBM，D-CRBM使用標準卷積網絡的卷積計算，組合輸出特征映射的方式與RBM相同，同時使用最大池化對輸出特征進行下采樣，池化大小為2×1；

在D-CRBM中，卷積步幅與卷積核的寬度相同，以減少由卷積內核重復計算相同數據引起的冗余；

將多個D-CRBM層與最大池化層以及全連接層組合構建CBN-VAE的編碼器部分，將編碼器輸出的兩組數據作為高斯分布的均值和方差，通過變分采樣生成解碼器的輸入，CBN-VAE的解碼器部分由編碼器翻轉得到，解碼器的參數與編碼器相同；

步驟三：利用步驟二中CBN-VAE網絡的編碼器和解碼器構建完整的數據壓縮模型CBN-VAE；

步驟四：使用步驟一中預處理完成的訓練數據集對步驟三構建的CBN-VAE模型進行迭代訓練以更新模型的網絡權重參數，得到EOWM-CBN-VAE模型；

步驟四中迭代訓練采用基于彈性正交權重修正算法EOWM的連續學習方式進行。

2.根據權利要求1所述的一種高效節能的星載無線傳感器網絡數據壓縮模型的構建方法，其特征在于，在步驟一中，訓練數據集來源于加州大學的英特爾無線傳感器網絡實驗室，該實驗室部署了54個傳感器節點，每一個節點集成有包括溫度、濕度和光照的傳感器來采集環境信息，通過預處理獲得EOWM-CBN-VAE模型的訓練數據集。

3.根據權利要求1所述的一種高效節能的星載無線傳感器網絡數據壓縮模型的構建方法，其特征在于，在步驟一中，預處理包括：首先通過三倍標準差法排除噪點清洗數據，然后進行最大最小歸一化將所有訓練數據映射到[0,1]區間。