一种基于跨层安全压缩的节能传感器数据收集方法

摘要

本发明公开了一种基于跨层安全压缩的节能传感器数据收集方法，利用CS跨层安全压缩方法实现高能效和安全性。该方法包括两个部分：基于CS的安全压缩方法以及跨层联合优化方法。基于CS的安全压缩法将加密及完整性检查与压缩感知相结合，确保数据的安全性和低冗余度；跨层联合优化涉及到物理层和MAC层的信源编码速率、传输功率和TDMA时隙分配几方面，利用一种非线性凸优化算法实现能量最小化。使用本发明所公开的数据收集方法可以具备较高的数据安全性、优化的能量效率化、较小的传输信息量、较小的系统复杂性。

主权项

一种基于跨层安全压缩的节能传感器数据收集方法，其特征在于：包括跨层联合优化和安全压缩两个步骤；一、所述跨层联合优化步骤具体为：通过建立一个跨层联合优化模型，结合非线性凸优化算法，将信源编码的编码速率、功率分配参数、节点的时隙分配参数三个参数联合优化，实现能量最小化，所述跨层联合优化模型为：$\underset{R_i,w_{ij},t}{\min }\underset{(i,j)\in L}{\Sigma }[W·N_0·d_{ij}^m(2^{w_{ij}/(t·W)}-1)·t+P_{tx}+P_{rx}]=\min \underset{(i,j)\in L}{\Sigma }E(w_{ij},t);$模型的约束条件包括：(1)流约束：$\underset{j}{\Sigma }(w_{ij}-w_{ji})=R_i·n,\forall i;$(2)Stepian‑Wolf速率约束：$\begin{array}{cc}s.t.& \underset{i\in S}{\Sigma }{R}_i\ge H\left(X_S\right|X_{S^c}),\forall S\subseteq \{1,2,\mathrm{...},N\}\end{array},X_S=\{X_i,i\in S\};$(3)TDMA约束：t≤T；(4)最大传输功率约束：$W·N_0·d_{ij}^m(2^{w_{ij}/(t·W)}-1)·t-P_{max}·t\le 0,(i,j)\in L;$(5)最大节点能耗约束：$\underset{j}{\Sigma }[W·N_0·d_{ij}^m(2^{w_{ij}/(t·W)}-1)+P_{tx}]·t+\underset{j}{\Sigma }{P}_{rx}·t\le E_i,\forall i,w_{ij}\ge 0,t>0,(i,j)\in L;$其中，i、j表示节点，R_i表示节点i的信源编码速率，w_ij和w_ji分别表示在分配的时隙周期t内由节点i和节点j构成的链路(i,j)上传输的比特数和从其他节点接收到的比特数，L代表连接i、j的链路，n表示信源符号的个数，E为能量的表示符号，W表示带宽，N₀表示两倍的加性白噪声的双边噪声功率谱密度，d_ij表示节点i和j之间的距离，m表示路径丢失系数，P_tx和P_rx分别表示发送电路和接收电路的功率；表示在下的条件熵，S表示范围从1到N的节点集，是集合X_s的补集，N为自然数，X_i表示一个传感器测量值，T表示一个TDMA帧的时间长度，P_max表示最大传输功率，E_i表示最大节点能耗；发送功率P_ij为：$P_{ij}=W·d_{ij}^m·(2^{w_{ij}/(t·W)}-1)·N_0;$最小化问题在(w_ij,t)为凸点，E(w_ij,t)的Hessian矩阵的非零特征根为非负特性，特征根如下：$\frac{[2^{w_{ij}/(t·W)}·N_0·d_{ij}^m·{\left(ln2\right)}^2]·(t^2+w_{ij}^2)}{t^3·W};$二、所述安全压缩步骤包括数据的压缩感知步骤和安全加密步骤，其中，在数据的压缩感知步骤中，使用线性反馈移位寄存器产生随机矩阵将输入向量和随机矩阵相乘，其能耗依赖于随机矩阵大小，采用压缩比r体现压缩容量，计算公式为：数据的压缩感知步骤具体包括：步骤1、初始化簇首节点，采集数据并接收从其他节点发来的数据；步骤2、对簇首进行跨层联合优化；步骤3、对簇首进行安全压缩；步骤4、簇首传输数据至下一个中继节点；步骤5、各簇首重复执行步骤1至步骤4，直至到达汇聚节点，汇聚节点进行数据的汇聚和重建恢复；安全加密步骤为：步骤(1)：接收压缩感知步骤处理输出的数据；步骤(2)：由线性反馈移位寄存器生成码钥，在初始状态下生成不同的状态；步骤(3)：将步骤(2)产生的每一个状态都作为一个码钥传给各个数据分块；步骤(4)：对每个数据分块，用不同的码钥进行加密；步骤(5)：在码钥基础上按照不同的顺序重新变换随机矩阵；步骤(6)：使用加密hash算法进行加密。