感知數(shù)據(jù)時間關聯(lián)性(數(shù)據(jù)庫)

時間：2022-12-21 20:30:01 | 來源：信息時代

時間：2022-12-21 20:30:01 來源：信息時代

    感知數(shù)據(jù)時間關聯(lián)性 : 節(jié)點在當前時刻和下一時刻的數(shù)據(jù)值存在著定量的函數(shù)關系。通常,傳感器節(jié)點感知的數(shù)據(jù)的時間關聯(lián)性與其所在感知區(qū)域的物理條件有關,物理條件所具備的時間連續(xù)性使得傳感器節(jié)點在連續(xù)采樣觀測中所感知到的數(shù)據(jù)具有一定的時間關聯(lián)性。例如,由于一天之內(nèi)森林中的溫度變化比較緩慢,那么在間隔較短的時間內(nèi)連續(xù)采樣,則前一時刻的數(shù)據(jù)值和后一時刻的數(shù)據(jù)值很有可能是相同的。
在無線傳感器網(wǎng)絡中,利用感知數(shù)據(jù)時間關聯(lián)性來減小傳輸代價是一種有效而普遍的方法。由于傳感器網(wǎng)絡中感知到的數(shù)據(jù)往往在一定時間內(nèi)具有密切的聯(lián)系或者滿足某種函數(shù)關系,那么匯聚節(jié)點就可以利用這一特性通過部分感知到的數(shù)據(jù)值來估算出其他的感知數(shù)據(jù)值,從而也就節(jié)省了傳輸其他感知數(shù)據(jù)的通信代價。
數(shù)據(jù)壓縮是利用感知數(shù)據(jù)的時間關聯(lián)性的代表性技術,例如,基于壓縮傳感器網(wǎng)絡中歷史信息的節(jié)能方法,主要利用傳感器采集到的數(shù)據(jù)趨勢的關聯(lián)性。該方法不考慮傳感器網(wǎng)絡的拓撲結(jié)構(gòu),只考慮傳感器到匯聚節(jié)點的數(shù)據(jù)發(fā)送。通過觀察相同屬性或相關屬性收集的感知數(shù)據(jù)值,發(fā)現(xiàn)在某段時間內(nèi)同一屬性的數(shù)據(jù)值或不同屬性的數(shù)據(jù)值呈現(xiàn)出相同的模式。例如,在大氣的監(jiān)測應用中,壓強和濕度在某一時間段有著相同或相似的模式。該方法的核心是基信號,基信號由一系列能代表數(shù)據(jù)特征的值組成。對于采集到的一段數(shù)據(jù),在基信號中這段數(shù)據(jù)被分成幾個部分,每個部分都可以用基信號中存儲的一段數(shù)據(jù)近似表示。為了節(jié)省傳感器網(wǎng)絡中的帶寬和能量,傳感器不是連續(xù)地每次處理一個數(shù)據(jù)的更新,而是等待一段時間采集的數(shù)據(jù),每次處理一個數(shù)據(jù)片段,然后發(fā)送信息給匯聚節(jié)點。批處理既可以降低傳感器的廣播頻率,同時還可以減少數(shù)據(jù)的傳送量,延長無線傳感器網(wǎng)絡生命周期。

圖1 基于感知數(shù)據(jù)時間關聯(lián)性的近似數(shù)據(jù)傳輸?shù)氖疽鈭D

圖1給出了基于感知數(shù)據(jù)時間關聯(lián)性的近似數(shù)據(jù)傳輸?shù)氖疽鈭D。左邊代表傳感器端,在傳感器端有一個基信號,基信號存放的是能代表當前一段時間內(nèi)采集到的數(shù)據(jù)序列的數(shù)據(jù)值,采用二維數(shù)據(jù)表示傳感器的感知數(shù)據(jù)。在這個二維數(shù)組中,每一行表示一個時間序列,存放不同數(shù)量的樣本值。數(shù)組一共有N行,M列,M的取值取決于可用內(nèi)存的情況。當傳感器端采集的感知數(shù)據(jù)越多時,數(shù)組中抽樣得到的信息也就越多,直到傳感器的緩存空間變滿。對于緩存中的N×M矩陣,任意一行i,用Bi個數(shù)據(jù)值近似地表示M個數(shù)據(jù)值,且M≥Bi。對于緩存中的N個一維數(shù)組,壓縮后的總數(shù)據(jù)量為

傳感器只需傳輸B個數(shù)據(jù)值給匯聚節(jié)點,而不必傳輸所有N×M個數(shù)據(jù)值,于是大大減少了傳輸?shù)臄?shù)據(jù)量。匯聚節(jié)點接收到這些數(shù)據(jù)后,把它們作為最近更新的數(shù)據(jù)存放在日志文件中。對于每個傳感器節(jié)點,在匯聚節(jié)點處都分別對應著一個日志文件,用來存放各個傳感器的更新數(shù)據(jù)。
每個傳感器都分配有一塊小的內(nèi)存用于保存基信號,大小為M_Base。匯聚節(jié)點中的信息是從傳感器記錄的數(shù)據(jù)信息中抽取具有代表性的數(shù)據(jù),這些數(shù)據(jù)作為代表信息傳送到匯聚節(jié)點。基信號是用來描述每個傳感器數(shù)據(jù)值的特征值。基信號中存放的數(shù)據(jù)信息量越大,那么近似的效果就越好,跟真實的數(shù)據(jù)值就越接近。基信號具有如下特性: ①傳感器的內(nèi)存與壓縮算法相關。②為了能重新構(gòu)建傳送到匯聚節(jié)點的數(shù)據(jù)值,對于一個有限的帶寬(能傳輸?shù)臄?shù)據(jù)總量),完成基信號的插入、刪除操作越多,那么可用來存放近似數(shù)據(jù)的帶寬就越少。
另外,利用感知數(shù)據(jù)時間關聯(lián)性可以進行數(shù)據(jù)的預測,例如,利用卡爾曼過濾技術對感知數(shù)據(jù)進行預測?？柭^濾器是一個隨機的,迭代的數(shù)據(jù)過濾算法。它具有預測和修正兩大功能,預測是用來衍生系統(tǒng)的內(nèi)部狀態(tài)。在第k個狀態(tài)時刻,過濾器預測下一狀態(tài)k+1時刻的內(nèi)部狀態(tài)向量的值。修正功能主要負責在外部觀測影響下的預測的微調(diào),在第k+1時刻,當預測值與實際值之間的誤差超過一定范圍時,過濾器在預測誤差的基礎上修正預測值,即縮小誤差協(xié)方差?；诳柭^濾的自適應技術根據(jù)歷史的感知數(shù)據(jù)集,對監(jiān)測的數(shù)據(jù)源的感知數(shù)據(jù)流上數(shù)據(jù)分布進行分析,得出預測方程,根據(jù)上一狀態(tài)的值來預測下一狀態(tài)的值。如果預測值與真實值的偏離在用戶給出的精度范圍內(nèi)就不傳送該數(shù)據(jù)?？柭鼮V波不需要全部歷史感知數(shù)據(jù),只是根據(jù)前一個估計值和最近一個觀察數(shù)據(jù)來估計信號的當前值。它是用狀態(tài)方程和遞推方法進行估計的,而它的解是以估計值(常常是狀態(tài)變量的估計值)的形式給出的。從信號模型的建立來看,卡爾曼濾波的信號模型則是從狀態(tài)方程和量測方程得到?？柭鼮V波是根據(jù)系統(tǒng)的量測數(shù)據(jù)(或稱觀察數(shù)據(jù)),對系統(tǒng)的運動進行估計。所以除了狀態(tài)方程以外,還需要量測方程。量測系統(tǒng)可以是時不變系統(tǒng),也可以是時變系統(tǒng)。