無(wú)線傳感網(wǎng)中模型驅(qū)動(dòng)的數(shù)據(jù)傳輸方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供無(wú)線傳感器網(wǎng)絡(luò)的在線模型驅(qū)動(dòng)的數(shù)據(jù)傳輸系統(tǒng)和方法，其中當(dāng)傳感器節(jié)點(diǎn)采集到新的傳感數(shù)據(jù)時(shí)，更新該節(jié)點(diǎn)上的實(shí)時(shí)預(yù)測(cè)模型的參數(shù)，并利用該節(jié)點(diǎn)上的同步預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值；以及當(dāng)傳感數(shù)據(jù)預(yù)測(cè)值與采集的傳感數(shù)據(jù)之間的誤差大于設(shè)定的誤差閾值時(shí)，利用實(shí)時(shí)預(yù)測(cè)模型的參數(shù)來(lái)更新同步預(yù)測(cè)模型的參數(shù)，并將更新后的同步模型的參數(shù)與所采集的傳感數(shù)據(jù)發(fā)送給網(wǎng)關(guān)。該系統(tǒng)和方法避免了模型離線訓(xùn)練階段的數(shù)據(jù)傳輸問題，在不降低傳感網(wǎng)采集的數(shù)據(jù)質(zhì)量的前提下，減少了網(wǎng)絡(luò)中的數(shù)據(jù)傳輸量，降低了傳感器節(jié)點(diǎn)的能量消耗，從而延長(zhǎng)傳感器網(wǎng)的使用壽命。
【專利說(shuō)明】無(wú)線傳感網(wǎng)中模型驅(qū)動(dòng)的數(shù)據(jù)傳輸方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于無(wú)線傳感器網(wǎng)絡(luò)【技術(shù)領(lǐng)域】，尤其涉及無(wú)線傳感器網(wǎng)絡(luò)中的模型驅(qū)動(dòng)的 數(shù)據(jù)采集和傳輸?shù)姆椒ā?br>
【背景技術(shù)】
[0002] 近年來(lái)在無(wú)線傳感網(wǎng)【技術(shù)領(lǐng)域】中誕生了大量的應(yīng)用。然而傳感器節(jié)點(diǎn)通常由電池 供電，這使得能量成為無(wú)線傳感器網(wǎng)絡(luò)應(yīng)用的瓶頸。在無(wú)線傳感網(wǎng)絡(luò)應(yīng)用中，傳感器節(jié)點(diǎn)的 能量消耗主要發(fā)生在數(shù)據(jù)傳輸和接收期間的無(wú)線通信上。因此，在數(shù)據(jù)驅(qū)動(dòng)的無(wú)線傳感網(wǎng) 應(yīng)用（如環(huán)境監(jiān)測(cè)）中，為了延長(zhǎng)網(wǎng)絡(luò)的生命周期，需要在保證數(shù)據(jù)質(zhì)量的同時(shí)減少數(shù)據(jù)的 冗余傳輸。
[0003] 相關(guān)研究工作表明，模型驅(qū)動(dòng)的數(shù)據(jù)傳輸機(jī)制能保證在不影響數(shù)據(jù)質(zhì)量的前提下 減少數(shù)據(jù)傳輸開銷。在這種機(jī)制中，傳感器節(jié)點(diǎn)上運(yùn)行一個(gè)數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型，并在每次采 集到新的傳感數(shù)據(jù)時(shí)，將該所采集的真實(shí)數(shù)據(jù)與數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果進(jìn)行比較， 如果二者保持一致則不向網(wǎng)關(guān)發(fā)送傳感數(shù)據(jù)，反之則將所采集的傳感數(shù)據(jù)發(fā)送到網(wǎng)關(guān)。在 網(wǎng)關(guān)節(jié)點(diǎn)上，同時(shí)運(yùn)行一個(gè)與傳感器節(jié)點(diǎn)上相同的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型，在未收到傳感器節(jié) 點(diǎn)發(fā)送的傳感數(shù)據(jù)的情況下，將其預(yù)測(cè)結(jié)果（與傳感器節(jié)點(diǎn)的預(yù)測(cè)結(jié)果相同）作為傳感數(shù) 據(jù)的估計(jì)值發(fā)送給用戶，從而在保證數(shù)據(jù)質(zhì)量的前提下節(jié)省了通信開銷。
[0004] 現(xiàn)有工作主要集中在預(yù)測(cè)模型的設(shè)計(jì)上。有些方法將傳感數(shù)據(jù)看作一個(gè)典型的時(shí) 間序列數(shù)據(jù)，利用時(shí)間序列分析方法（如ARIMA模型）建立傳感數(shù)據(jù)預(yù)測(cè)模型。這類方法 非常復(fù)雜，只能在計(jì)算能力較強(qiáng)的網(wǎng)關(guān)上進(jìn)行模型訓(xùn)練。每個(gè)傳感器節(jié)點(diǎn)對(duì)應(yīng)一個(gè)預(yù)測(cè)模 型，隨著傳感器節(jié)點(diǎn)個(gè)數(shù)的增加，所需的計(jì)算和存儲(chǔ)資源急劇增多，導(dǎo)致可擴(kuò)展性問題。此 夕卜，當(dāng)預(yù)測(cè)值偏離真實(shí)值時(shí)，需要進(jìn)行離線模型更新，在此階段傳感器節(jié)點(diǎn)需要向網(wǎng)關(guān)發(fā)送 大量的數(shù)據(jù)以保證數(shù)據(jù)質(zhì)量，從而導(dǎo)致大量的能量消耗。
[0005] 還有些方法利用具有輕量級(jí)計(jì)算代價(jià)的模型（如AR模型和最小均方濾波器模型） 替代ARIMA模型，從而能夠在資源受限的傳感器節(jié)點(diǎn)上進(jìn)行模型訓(xùn)練，達(dá)到分擔(dān)整個(gè)網(wǎng)絡(luò) 上的模型訓(xùn)練負(fù)荷的目的。然而，這些方法仍然需要進(jìn)行離線的模型更新，在此階段傳感器 節(jié)點(diǎn)需要向網(wǎng)關(guān)發(fā)送大量的數(shù)據(jù)，從而導(dǎo)致大量的能量消耗。并且在進(jìn)行模型更新時(shí)，依賴 于緩存的歷史數(shù)據(jù)以及復(fù)雜的算法（如最小二乘法，Yule-Walker等式，幾何格法，最大熵 估計(jì)和前向后向方法）來(lái)更新模型的系數(shù)?？紤]到傳感器節(jié)點(diǎn)受限的硬件資源，采用這些 方法將帶來(lái)較高的計(jì)算和存儲(chǔ)代價(jià)。


【發(fā)明內(nèi)容】

[0006] 可見，上述方法中主要存在兩個(gè)問題：一是模型離線訓(xùn)練階段，傳感器節(jié)點(diǎn)需要進(jìn) 行大量的數(shù)據(jù)傳輸，導(dǎo)致大量能耗；二是模型更新需要大量的計(jì)算和存儲(chǔ)資源。
[0007] 為克服上述現(xiàn)有技術(shù)的缺陷，本發(fā)明提供一種無(wú)線傳感網(wǎng)中在線模型驅(qū)動(dòng)的數(shù)據(jù) 傳輸系統(tǒng)和方法。
[0008] 本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：
[0009] -方面，本發(fā)明提供了一種無(wú)線傳感網(wǎng)中模型驅(qū)動(dòng)的數(shù)據(jù)傳輸方法，所述方法包 括：
[0010] 傳感器節(jié)點(diǎn)采集新的傳感數(shù)據(jù)，基于所采集的傳感數(shù)據(jù)更新該傳感器節(jié)點(diǎn)上第一 數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)，并利用該傳感器節(jié)點(diǎn)上第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型計(jì)算該時(shí)刻的傳 感數(shù)據(jù)預(yù)測(cè)值；
[0011] 將所采集的傳感數(shù)據(jù)與所述傳感數(shù)據(jù)預(yù)測(cè)值進(jìn)行比較，獲取預(yù)測(cè)誤差；以及
[0012] 當(dāng)所述預(yù)測(cè)誤差大于設(shè)定的誤差閾值時(shí)，利用第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)來(lái)更 新第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)，并將更新后的第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)與所采集的 傳感數(shù)據(jù)發(fā)送給網(wǎng)關(guān)。
[0013] 在上述方法中，還可包括網(wǎng)關(guān)接收來(lái)自傳感器節(jié)點(diǎn)的傳感數(shù)據(jù)并將其報(bào)告給用 戶；以及網(wǎng)關(guān)接收來(lái)自傳感器節(jié)點(diǎn)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型參數(shù)，并根據(jù)所接收的參數(shù)來(lái)更新 與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)。
[0014] 在上述方法中，還可包括網(wǎng)關(guān)在未收到傳感器節(jié)點(diǎn)發(fā)送的傳感數(shù)據(jù)時(shí)，利用與該 傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值并將其報(bào)告給用戶。
[0015] 在上述方法中，傳感器節(jié)點(diǎn)上初始的第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè) 模型以及網(wǎng)關(guān)上與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的初始的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型為相同的模型。
[0016] 在上述方法中，在初始化時(shí)第一和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型以及所述網(wǎng)關(guān)上的數(shù)據(jù) 趨勢(shì)預(yù)測(cè)模型均為線性回歸模型。
[0017] 在上述方法中，當(dāng)傳感器節(jié)點(diǎn)采集到新的傳感數(shù)據(jù)時(shí)，可采用隨機(jī)梯度下降法來(lái) 基于所采集的傳感數(shù)據(jù)更新第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)。
[0018] 在上述方法中，當(dāng)傳感器節(jié)點(diǎn)采集到新的傳感數(shù)據(jù)時(shí)，可采用下列方法的其中之 一來(lái)基于所采集的傳感數(shù)據(jù)更新第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)：全局梯度下降法、最小二 乘法、Yule-Walk等式、幾何格法、最大熵估計(jì)和前向后向方法。
[0019]又一方面，本發(fā)明提供了一種無(wú)線傳感網(wǎng)中模型驅(qū)動(dòng)的數(shù)據(jù)傳輸系統(tǒng)，所述系統(tǒng) 包括傳感器節(jié)點(diǎn)和網(wǎng)關(guān)，在傳感器節(jié)點(diǎn)上運(yùn)行第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè) 模型，在網(wǎng)關(guān)上運(yùn)行與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的第三數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型，其中所述傳感器節(jié)點(diǎn) 用于：
[0020] 采集傳感數(shù)據(jù)，
[0021] 基于所采集的新的傳感數(shù)據(jù)更新第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)，并利用第二數(shù)據(jù) 趨勢(shì)預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值，以及
[0022] 將所采集的傳感數(shù)據(jù)與所述傳感數(shù)據(jù)預(yù)測(cè)值進(jìn)行比較，獲取預(yù)測(cè)誤差，當(dāng)所述預(yù) 測(cè)誤差大于設(shè)定的誤差閾值時(shí)，利用第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)來(lái)更新第二數(shù)據(jù)趨勢(shì)預(yù) 測(cè)模型的參數(shù)，并將更新后的第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)與所采集的傳感數(shù)據(jù)發(fā)送給網(wǎng) 關(guān)；
[0023] 所述網(wǎng)關(guān)用于：
[0024] 將所接收的來(lái)自傳感器節(jié)點(diǎn)的傳感數(shù)據(jù)并將其報(bào)告給用戶，
[0025] 根據(jù)所接收的來(lái)自傳感器節(jié)點(diǎn)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型參數(shù)更新與該傳感器節(jié)點(diǎn)對(duì) 應(yīng)的第三數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)，以及
[0026] 在未收到傳感器節(jié)點(diǎn)發(fā)送的傳感數(shù)據(jù)時(shí)，利用與傳感器節(jié)點(diǎn)對(duì)應(yīng)的第三數(shù)據(jù)趨勢(shì) 預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值并將其報(bào)告給用戶。
[0027] 上述系統(tǒng)中，傳感器節(jié)點(diǎn)上初始的第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模 型以及網(wǎng)關(guān)上與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的初始的第三數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型為相同的模型。
[0028] 上述系統(tǒng)中，第一和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型以及第三數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型可以為線 性回歸模型。
[0029] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：
[0030] 在傳感器節(jié)點(diǎn)上運(yùn)行實(shí)時(shí)預(yù)測(cè)模型和同步預(yù)測(cè)模型，通過(guò)兩個(gè)模型的協(xié)同合作解 決了現(xiàn)有的模型驅(qū)動(dòng)的數(shù)據(jù)傳輸系統(tǒng)中存在的模型離線訓(xùn)練階段的數(shù)據(jù)傳輸問題，在不降 低傳感網(wǎng)采集的數(shù)據(jù)質(zhì)量的前提下，減少了網(wǎng)絡(luò)中的數(shù)據(jù)傳輸量，降低了傳感器節(jié)點(diǎn)的能 量消耗，從而延長(zhǎng)傳感器網(wǎng)的使用壽命。而且隨著數(shù)據(jù)的采集實(shí)時(shí)更新預(yù)測(cè)模型的參數(shù)，計(jì) 算復(fù)雜度低，不需要緩存，降低了存儲(chǔ)和計(jì)算復(fù)雜度，適合于資源受限的傳感器節(jié)點(diǎn)。

【專利附圖】

【附圖說(shuō)明】
[0031] 以下參照附圖對(duì)本發(fā)明實(shí)施例作進(jìn)一步說(shuō)明，其中：
[0032] 圖1給出了根據(jù)本發(fā)明實(shí)施例的模型驅(qū)動(dòng)的數(shù)據(jù)傳輸系統(tǒng)中數(shù)據(jù)發(fā)送量與預(yù)測(cè) 模型的回歸階數(shù)之間關(guān)系的示意圖；
[0033] 圖2為根據(jù)本發(fā)明實(shí)施例的無(wú)線傳感網(wǎng)中模型驅(qū)動(dòng)的數(shù)據(jù)傳輸方法的流程示意 圖；
[0034] 圖3示出了在根據(jù)本發(fā)明實(shí)施例的方法的預(yù)測(cè)值的相對(duì)預(yù)測(cè)誤差分布情況示意 圖；
[0035] 圖4示出在根據(jù)本發(fā)明實(shí)施例的方法的傳感器節(jié)點(diǎn)采集的數(shù)據(jù)量與累計(jì)數(shù)據(jù)傳 輸量的對(duì)比示意圖；
[0036] 圖5示出在根據(jù)本發(fā)明實(shí)施例的方法中傳感器節(jié)點(diǎn)發(fā)送的數(shù)據(jù)與誤差閾值之間 的關(guān)系的不意圖；
[0037] 圖6示出在根據(jù)本發(fā)明實(shí)施例的方法中均方根誤差與誤差閾值之間關(guān)系的示意 圖。

【具體實(shí)施方式】
[0038] 為了使本發(fā)明的目的，技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖通過(guò)具體實(shí) 施例對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0039] 在本發(fā)明的一個(gè)實(shí)施例中，提供了一種無(wú)線傳感網(wǎng)中在線模型驅(qū)動(dòng)的數(shù)據(jù)傳輸系 統(tǒng)。該系統(tǒng)包括多個(gè)傳感器節(jié)點(diǎn)和網(wǎng)關(guān)。在傳感器節(jié)點(diǎn)上同時(shí)運(yùn)行兩個(gè)數(shù)據(jù)趨勢(shì)預(yù)測(cè)模 型，下文分別稱為實(shí)時(shí)預(yù)測(cè)模型和同步預(yù)測(cè)模型。同時(shí)，在網(wǎng)關(guān)上也設(shè)置有與各個(gè)傳感器節(jié) 點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型。位于網(wǎng)關(guān)上且與每個(gè)傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型與 該傳感器節(jié)點(diǎn)上的同步預(yù)測(cè)模型完全相同，以保證網(wǎng)關(guān)上的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型與傳感器節(jié) 點(diǎn)上的同步預(yù)測(cè)模型得到相同的預(yù)測(cè)值。在系統(tǒng)初始化時(shí)，傳感器節(jié)點(diǎn)上的兩個(gè)數(shù)據(jù)趨勢(shì) 預(yù)測(cè)模型以及網(wǎng)關(guān)上與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模式設(shè)置為完全相同的模型。其 中，每當(dāng)傳感器節(jié)點(diǎn)采集到新的傳感數(shù)據(jù)時(shí)，基于所采集的傳感數(shù)據(jù)訓(xùn)練或更新該傳感器 節(jié)點(diǎn)上實(shí)時(shí)預(yù)測(cè)模型的參數(shù)，同時(shí)利用該傳感器節(jié)點(diǎn)上同步預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù) 據(jù)預(yù)測(cè)值。然后，將所采集的傳感數(shù)據(jù)與所述傳感數(shù)據(jù)預(yù)測(cè)值進(jìn)行比較，獲取預(yù)測(cè)誤差；當(dāng) 所述預(yù)測(cè)誤差大于設(shè)定的誤差閾值時(shí)，利用傳感器節(jié)點(diǎn)上的實(shí)時(shí)預(yù)測(cè)模型的參數(shù)來(lái)更新同 步預(yù)測(cè)模型的參數(shù)，并將更新后的同步預(yù)測(cè)模型的參數(shù)與所采集的傳感數(shù)據(jù)發(fā)送給網(wǎng)關(guān)。 網(wǎng)關(guān)將所接收的來(lái)自傳感器節(jié)點(diǎn)的傳感數(shù)據(jù)報(bào)告給用戶，并且根據(jù)所接收的來(lái)自傳感器節(jié) 點(diǎn)的同步預(yù)測(cè)模型參數(shù)，更新與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)。網(wǎng)關(guān)在未 收到傳感器節(jié)點(diǎn)發(fā)送的傳感數(shù)據(jù)時(shí)，利用與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型計(jì)算該 時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值并將其報(bào)告給用戶。
[0040] 與現(xiàn)有模型驅(qū)動(dòng)的數(shù)據(jù)傳輸機(jī)制相比，該系統(tǒng)可以隨著數(shù)據(jù)的采集實(shí)時(shí)地訓(xùn)練模 型的參數(shù)，并在預(yù)測(cè)值偏離真實(shí)值時(shí)能及時(shí)地更新用于計(jì)算預(yù)測(cè)值的模型的參數(shù)，從而有 效地避免了模型離線訓(xùn)練階段從傳感器到網(wǎng)關(guān)的大量的數(shù)據(jù)傳輸，降低了傳感器節(jié)點(diǎn)的能 量消耗，其原因已經(jīng)在上文討論了，傳感器節(jié)點(diǎn)的能量消耗主要就是數(shù)據(jù)傳輸開銷。
[0041] 在一個(gè)實(shí)施例中，傳感器節(jié)點(diǎn)上的實(shí)時(shí)預(yù)測(cè)模型和同步預(yù)測(cè)模型以及網(wǎng)關(guān)上的數(shù) 據(jù)趨勢(shì)預(yù)測(cè)模型為諸如AR模型、最小均方差濾波器模型等的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型。當(dāng)傳感器 節(jié)點(diǎn)采集到新的傳感數(shù)據(jù)時(shí)，基于所采集的傳感數(shù)據(jù)，采用最小二乘法、Yule-Walk等式、幾 何格法、最大熵估計(jì)和前向后向方法的其中之一來(lái)更新模型的系數(shù)。但利用這些方法訓(xùn)練 模型系數(shù)時(shí)需要緩存較多的歷史數(shù)據(jù)并且算法復(fù)雜。
[0042]考慮到傳感器節(jié)點(diǎn)受限的硬件資源，在一個(gè)優(yōu)選的實(shí)施例中，傳感器節(jié)點(diǎn)上的 兩個(gè)數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型以及網(wǎng)關(guān)上的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型均采用線性回歸模型，在該線 性回歸模型中，當(dāng)前時(shí)刻的傳感器預(yù)測(cè)值依賴于該時(shí)刻之前采集的P個(gè)傳感數(shù)據(jù)，即

【權(quán)利要求】
1. 一種無(wú)線傳感器網(wǎng)絡(luò)中模型驅(qū)動(dòng)的數(shù)據(jù)傳輸方法，所述方法包括： 傳感器節(jié)點(diǎn)采集新的傳感數(shù)據(jù)，基于所采集的傳感數(shù)據(jù)更新該傳感器節(jié)點(diǎn)上第一數(shù)據(jù) 趨勢(shì)預(yù)測(cè)模型的參數(shù)，并利用該傳感器節(jié)點(diǎn)上第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù) 據(jù)預(yù)測(cè)值； 將所采集的傳感數(shù)據(jù)與所述傳感數(shù)據(jù)預(yù)測(cè)值進(jìn)行比較，獲取預(yù)測(cè)誤差；以及 當(dāng)所述預(yù)測(cè)誤差大于設(shè)定的誤差閾值時(shí)，利用第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)來(lái)更新第 二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)，并將更新后的第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)與所采集的傳感 數(shù)據(jù)發(fā)送給網(wǎng)關(guān)。
2. 根據(jù)權(quán)利要求1所述的方法，還包括： 網(wǎng)關(guān)接收來(lái)自傳感器節(jié)點(diǎn)的傳感數(shù)據(jù)并將其報(bào)告給用戶；以及 網(wǎng)關(guān)接收來(lái)自傳感器節(jié)點(diǎn)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型參數(shù)，并根據(jù)所接收的參數(shù)來(lái)更新與該 傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)。
3. 根據(jù)權(quán)利要求1所述的方法，還包括網(wǎng)關(guān)在未收到傳感器節(jié)點(diǎn)發(fā)送的傳感數(shù)據(jù)時(shí)， 利用與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值并將其報(bào)告 給用戶。
4. 根據(jù)權(quán)利要求1、2或3所述的方法，其中，傳感器節(jié)點(diǎn)上初始的第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模 型和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型以及網(wǎng)關(guān)上與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的初始的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型 為相同的模型。
5. 根據(jù)權(quán)利要求4所述的方法，其中第一和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型以及所述網(wǎng)關(guān)上的 數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型均為線性回歸模型。
6. 根據(jù)權(quán)利要求5所述的方法，其中當(dāng)傳感器節(jié)點(diǎn)采集到新的傳感數(shù)據(jù)時(shí)，采用隨機(jī) 梯度下降法來(lái)基于所采集的傳感數(shù)據(jù)更新第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)。
7. 根據(jù)權(quán)利要求5所述的方法，其中當(dāng)傳感器節(jié)點(diǎn)采集到新的傳感數(shù)據(jù)時(shí)，采用下列 方法的其中之一來(lái)基于所采集的傳感數(shù)據(jù)更新第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)：全局梯度下 降法、最小二乘法、Yule-Walk等式、幾何格法、最大熵估計(jì)和前向后向方法。
8. -種無(wú)線傳感器網(wǎng)絡(luò)中模型驅(qū)動(dòng)的數(shù)據(jù)傳輸系統(tǒng)，所述系統(tǒng)包括傳感器節(jié)點(diǎn)和網(wǎng) 關(guān)，在傳感器節(jié)點(diǎn)上運(yùn)行第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型，在網(wǎng)關(guān)上運(yùn)行 與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的第三數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型，其中所述傳感器節(jié)點(diǎn)用于： 采集傳感數(shù)據(jù)， 基于所采集的新的傳感數(shù)據(jù)更新第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)，并利用第二數(shù)據(jù)趨勢(shì) 預(yù)測(cè)模型計(jì)算該時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值，以及 將所采集的傳感數(shù)據(jù)與所述傳感數(shù)據(jù)預(yù)測(cè)值進(jìn)行比較，獲取預(yù)測(cè)誤差，當(dāng)所述預(yù)測(cè)誤 差大于設(shè)定的誤差閾值時(shí)，利用第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)來(lái)更新第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模 型的參數(shù)，并將更新后的第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)與所采集的傳感數(shù)據(jù)發(fā)送給網(wǎng)關(guān)； 所述網(wǎng)關(guān)用于： 將所接收的來(lái)自傳感器節(jié)點(diǎn)的傳感數(shù)據(jù)并將其報(bào)告給用戶， 根據(jù)所接收的來(lái)自傳感器節(jié)點(diǎn)的數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型參數(shù)更新與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的 第三數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型的參數(shù)，以及 在未收到傳感器節(jié)點(diǎn)發(fā)送的傳感數(shù)據(jù)時(shí)，利用與傳感器節(jié)點(diǎn)對(duì)應(yīng)的第三數(shù)據(jù)趨勢(shì)預(yù)測(cè) 模型計(jì)算該時(shí)刻的傳感數(shù)據(jù)預(yù)測(cè)值并將其報(bào)告給用戶。
9. 根據(jù)權(quán)利要求8所述的系統(tǒng)，其中傳感器節(jié)點(diǎn)上初始的第一數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型和第 二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型以及網(wǎng)關(guān)上與該傳感器節(jié)點(diǎn)對(duì)應(yīng)的初始的第三數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型為 相同的模型。
10. 根據(jù)權(quán)利要求9所述的系統(tǒng)，其中第一和第二數(shù)據(jù)趨勢(shì)預(yù)測(cè)模型以及第三數(shù)據(jù)趨 勢(shì)預(yù)測(cè)模型均為線性回歸模型。
【文檔編號(hào)】H04W52/02GK104507096SQ201410758996
【公開日】2015年4月8日 申請(qǐng)日期:2014年12月10日 優(yōu)先權(quán)日:2014年12月10日
【發(fā)明者】陳艷, 王子健, 趙澤, 李棟, 崔莉 申請(qǐng)人:中國(guó)科學(xué)院計(jì)算技術(shù)研究所