带有隐私保护的分布式压缩感知数据融合方法

摘要

本发明请求保护一种带有隐私保护的分布式压缩感知数据融合方法，涉及无线网络领域。设计了一种分布式场景下，基于数据稀疏位置信息隐藏的隐私保护融合方法，通过数据稀疏支撑集特征学、数据真实稀疏位置隐藏和分布式压缩感知融合观测，避免了传统隐私保护融合方法所带来的额外通信开销，更有利于传感器网络的数据处理。本发明提出的数据隐私保护融合方法对于传感器网络数据隐私保护效果明显，同时利用分布式压缩感知融合的策略能够有效地降低网络能耗，提高算法效率和数据处理性能，利于用户管理，便于网络应用及规模的拓展。

主权项

带有隐私保护的分布式压缩感知数据融合方法，其特征在于，对原始数据进行稀疏变换得到稀疏支撑集，将感知数据集合的稀疏支撑集作为学习样本；将稀疏支撑集作为全局隐私保护集合，并针对各传感节点构造节点隐私配置信息；传感节点在数据的稀疏变换域上进行真实数据和伪装数据的特定位置填充；汇聚节点根据稀疏支撑集，构造网络隐私配置信息，各节点根据网络隐私配置信息，合成隐私保护压缩观测数据；中继节点对压缩观测数据进行加性数据融合；汇聚节点对融合数据进行联合稀疏重构，获得融合结果的稀疏支撑集，进行反稀疏变换，得到原信号表示域下的数据融合值；其中，对原始数据进行稀疏变换得到稀疏支撑集，具体为：同类型传感节点的感知数据均在同一稀疏基Ψ下进行稀疏变换，将每个感知数据表示为公共部分C和独立部分j的和Χ_j＝Ζ_C+Ζ_j,j∈{1,2,...,J}，其中，下标C与j分别表示公共部分以及节点编号，J表示数据集合大小，即同一区域内节点数，公共部分Ζ_C＝ΨΘ_C,||Θ_C||₀＝K_C，独立部分Ζ_j＝ΨΘ_j,||Θ_j||₀＝K_j，Θ_C与Θ_j分别表示节点j感知数据稀疏支撑集Θ_Cj中的公共部分和独立部分，K_C与K_j分别表示公共部分和独立部分的稀疏度,||Θ_C||₀与||Θ_j||₀为节点j感知数据稀疏支撑集Θ_Cj中的公共部分Θ_C和独立部分Θ_j的零范数，即Θ_C和Θ_j中非零值的个数。