买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津师范大学

摘要：本发明公开了一种基于NMF和2‑SVD‑QR的无线传感器网络优化方法：其主要包括：（1）收集监测区域内部署的传感器采集的物理信息数据（2）针对传感器网络采集的数据具有自相似性和互相似性的特点，利用混合矩阵分解的方式对数据进行优化选取（3）在汇聚节点对优化选取的数据进行重建。本发明可以大幅度关闭冗余传感器，同时减少在相干时间内对区域内数据的采集，从而降低整个无线传感器网络的数据处理难度和能量损耗，延长传感器网络的使用周期。

主权项：1.一种基于NMF和2-SVD-QR的无线传感器网络优化方法，其特征在于该方法包括以下步骤：1在监测区域部署n个传感器并采集区域内传感器数据，n个传感器具有相同的采样时刻，采集监测区域内的压力，温度，湿度，光照强度物理信息；2定义传感器的数据输出矩阵为X，X＝x1,x2,…,xn其中X∈Rm×n，n代表传感器的部署个数，m代表单个传感器采集的数据维度；3对传感器网络数据输出矩阵X进行NMF分解得到两个非负矩阵W和H，实现对传感器网络数据输出矩阵X的降秩分解：X≈WH＝Wm×kHk×n1其中W矩阵为基矩阵，H矩阵称权重矩阵，4将得到的权重矩阵H进行SVD得到矩阵UhShVh，其奇异对角矩阵Sh中主对角线元素按照σ1σ2σ3…σr排序，r＝rankH＝||Sh||0，SVD分解如下：H＝UhShVhT2 其中Uh由矩阵HHT的特征向量组成，Vh由矩阵HTH的特征向量组成，对角矩阵Σr＝diagσ1,σ2,…σr；5选取前q个奇异值对应的列元素为列主元，作为对H的近似：6利用QR分解主元分析法：计算置换矩阵，公式如下HΠ＝[Hq,Hn-q]4QT[V11TV21T]Π＝[R11R12]5其中Π∈Rn×n是置换矩阵，Hq表示q列主元对应的列组，Hn-q表示剩余奇异值对应的列组；其中Q是一个正交矩阵Q∈Rn×n，R11和R12是上三角矩阵；7通过查看‘1’在置换矩阵中的位置来确定q列主元在H中的位置8将得到的基矩阵W经过转置进行SVD得到矩阵其奇异对角矩阵中主对角线元素按照σ1＞σ2＞σ3…＞σl排序，SVD分解如下： 其中由矩阵WTW的特征向量组成，由矩阵WWT的特征向量组成，对角矩阵Σl＝diagσ1,σ2,…σl；9选取前p个奇异值对应的列元素为列主元，作为对WT的近似：10利用QR分解主元分析法：计算置换矩阵，公式如下WTΠ＝[WTp,WTm-p]8QT[V11TV21T]Π＝[R11R12]9其中Π∈Rm×m是置换矩阵，WTp表示p列主元对应的列组，WTm-p表示剩余奇异值对应的列组；其中Q是一个正交矩阵Q∈Rm×m，R11和R12是上三角矩阵；11通过查看‘1’在置换矩阵中的位置来确定p列主元在WT中的位置；12在WT中的p列主元位置相当于W的p行主元；13将优化选取形成的和h1,h2,…,hq传递至汇聚节点再对X进行恢复。

全文数据：

权利要求：

百度查询： 天津师范大学 一种基于NMF和2-SVD-QR的无线传感器网络优化方法