本发明涉及无线通信网络技术领域，尤其涉及一种基于随机游走的压缩数据收集方法及系统。
背景技术：
压缩感知技术可以利用信号的稀疏特性，在远小于奈奎斯特采样率的条件下，用随机矩阵采样获取信号的测量值，然后通过非线性重构算法以极小的误差恢复原始信号。这一研究结果可以应用于信息技术的诸多领域。由于无线传感器网络中的数据天然具有稀疏特性，因此具备了利用压缩感知技术的可能性。
压缩感知技术中有三个概念相当重要：
稀疏度：如果向量x可以表示为x＝ψz(ψ为某个基)，并且z中非零元素不超过k个，那么向量x的稀疏度就是k。
感知矩阵：在线性变换y＝ax中，x是原始信号向量，线性变换矩阵a称为感知矩阵。
测量值向量：在线性变换y＝ax中，向量y称为测量值向量，其中的每个元素称为一个测量值。
随机游走技术在网络数据收集问题上有很多应用，因为其在路径节点选择上的随机特性，可以很好的均衡网络中各节点的负载。
随机游走技术中有三个概念相当重要：
起始节点：起始节点就是随机游走路径上的第一个节点，该节点决定了数据收集是从网络的哪个部分开始的。
转发概率矩阵：转发概率矩阵表示了各个节点被选为随机游走下一跳的概率分别是多少。具体来说，转发概率矩阵中第i行第j列的元素表示在随机游走当前节点为i的前提下，节点j被选为下一跳节点的概率。
随机游走停止条件：随机游走停止条件可以有多种形式，最常见的有两种：第一种是当随机游走经过的节点数量达到事先设定好的阈值时，随机游走停止；第二种是当随机游走到达事先设定的一个或者某些节点时，随机游走停止。
反观之前的大部分工作，主要存在以下两个方面的问题：第一，很多研究都是假设感知矩阵为稠密矩阵(矩阵中每个元素都是非零元素)的情况下展开的研究，而实际上感知矩阵也可以为稀疏矩阵(矩阵中大部分元素为零元素)，基于随机游走的压缩数据收集方法产生的感知矩阵是稀疏随机矩阵，它可以进一步降低数据收集的能量消耗；第二，之前也有一部分工作是基于稀疏随机矩阵的压缩数据收集方法，但是这些稀疏随机矩阵都是均匀的，即随机矩阵中每个元素为零的概率相同。将均匀的稀疏随机矩阵应用到数据收集问题上存在一个很大的问题：非零元素与测量值收集路径上的节点不一定完全对应。因此，为了测量值收集的顺利完成，一些不需要参与测量值收集的节点被迫转发数据从而增加能量的消耗。因此，本发明提供了基于随机游走的压缩数据收集方法可以很好的解决这个问题，基于随机游走生成的稀疏感知矩阵是非均匀的，它会根据网络拓扑结构的变化而变化。
技术实现要素：
本发明的目的是针对现有技术的缺陷，提供了一种基于随机游走的压缩数据收集方法及系统，基于随机游走生成的稀疏感知矩阵是非均匀的，它会根据网络拓扑结构的变化而变化。
为了实现以上目的，本发明采用以下技术方案：
一种基于随机游走的压缩数据收集方法，包括：
s1.基站根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点以及计算每个测量值收集的路径，将每个测量值收集的相关信息发送至网络中的每个节点；
s2.网络中的每个节点根据接收到的信息将测量值发送给基站；
s3.基站将接收到的测量值进行计算，得到网络中每个节点的原始数据。
进一步的，所述步骤s1具体包括：
s11.根据每个节点的剩余能量计算出每个测量值收集路径的起始节点；
s12.根据网络的拓扑结构将整个网络分层；
s13.根据每个节点的剩余能量和分层后的网络，计算每个节点之间数据收发的成本；
s14.根据节点之间的数据收发成本和每个测量值收集路径的起始节点，利用转发概率计算算法计算转发概率矩阵；
s15.通过广播的方式将每个测量值收集的相关信息发送给网络中的每个节点。
进一步的，所述步骤s15具体为当计算出每个节点的起始节点和转发概率矩阵后，依据概率分布产生每个随机游走的起始节点以及每个随机游走中的中继节点，将得到的相关信息通过广播的方式发送给网络中的每个节点。
进一步的，所述步骤s2具体包括：
s21.每个测量值收集路径的起始节点启动测量值收集的过程，根据接收到的路径信息，起始节点将数据发送给路径上的下一跳节点；
s22.每个测量值收集路径上的下一跳节点将接收到的数据和自身的数据相互融合，然后根据接收到的路径信息将结果发送给再下一跳节点；
s23.重复步骤s22直到基站接收到测量值；
s24.重复步骤s21-s23，直到基站接收到所需的数个测量值。
进一步的，所述步骤s3具体包括：
s31.基站基于转发概率矩阵计算压缩感知技术中的感知矩阵；
s32.基于感知矩阵和接收到的数个测量值，利用非均匀稀疏投影算法计算网络中各个节点的原始数据。
相应的，还提供一种基于随机游走的压缩数据收集系统，包括：
初始化模块，用于根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点以及计算每个测量值收集的路径，将每个测量值收集的相关信息发送至网络中的每个节点；
收集模块，用于根据接收到的信息将测量值发送给基站；
提取模块，用于将接收到的测量值进行计算，得到网络中每个节点的原始数据。
进一步的，所述初始化模块具体包括：
第一计算模块，用于根据每个节点的剩余能量计算出每个测量值收集路径的起始节点；
分层模块，用于根据网络的拓扑结构将整个网络分层；
第二计算模块，用于根据每个节点的剩余能量和分层后的网络，计算每个节点之间数据收发的成本；
第三计算模块，用于根据节点之间的数据收发成本和每个测量值收集路径的起始节点，利用转发概率计算算法计算转发概率矩阵；
发送模块，用于通过广播的方式将每个测量值收集的相关信息发送给网络中的每个节点。
进一步的，所述发送模块具体为当计算出每个节点的起始节点和转发概率矩阵后，依据概率分布产生每个随机游走的起始节点以及每个随机游走中的中继节点，将得到的相关信息通过广播的方式发送给网络中的每个节点。
进一步的，所述收集模块具体包括：
第一发送模块，用于每个测量值收集路径的起始节点启动测量值收集的过程，根据接收到的路径信息，起始节点将数据发送给路径上的下一跳节点；
第二发送模块，用于每个测量值收集路径上的下一跳节点将接收到的数据和自身的数据相互融合，然后根据接收到的路径信息将结果发送给再下一跳节点；
第一接收模块，用于接收测量值；
第二接收模块，用于接收到所需的数个测量值。
进一步的，所述提取模块具体包括：
第四计算模块，用于基于转发概率矩阵计算压缩感知技术中的感知矩阵；
第五计算模块，用于基于感知矩阵和接收到的数个测量值，利用非均匀稀疏投影算法计算网络中各个节点的原始数据。
与现有技术相比，本发明具有如下的有益效果：
(1)能耗低——根据本发明的设计，在利用随机游走来收集测量值的过程中，并不是每一个传感器都需要参与数据的接收和发送，只有随机游走路径上的节点会参与数据的接收和发送，在随机游走路径上的每一个节点都对测量值有贡献。在基于均匀稀疏随机矩阵的压缩数据收集方法中，有一些对测量值没有贡献的节点因为网络连通性的需要而被迫作为中继节点。因此，本发明设计所提出的数据收集方法的能耗比基于稠密随机矩阵和均匀稀疏随机矩阵的压缩数据收集方法的能耗还要低。
(2)负载均衡——在本发明设计中，每个节点的剩余能量都被考虑在内，当某个节点的剩余能量越少时，它被选为某个随机游走路径上的节点的概率越低，因此，最终每个传感器的能量消耗都会大致趋于一致，换句话说，整个网络的负载比较均衡。
附图说明
图1是实施例一提供的一种基于随机游走的压缩数据收集方法流程图；
图2是实施例一提供的转发概率计算算法收敛速度在不同网络大小示意图；
图3是实施例一提供的网络中各个节点剩余能量的分布示意图；
图4是实施例一提供的整个网络能量消耗的变化示意图；
图5是实施例一提供的网络中最小剩余能量节点的变化示意图；
图6是实施例一提供的网络中最小剩余能量节点的变化示意图；
图7是实施例一提供的某个随机游走是如何收集测量值示意图；
图8是实施例二提供的一种基于随机游走的压缩数据收集系统结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
本发明的目的是针对现有技术的缺陷，提供了一种基于随机游走的压缩数据收集方法及系统。
实施例一
本实施例一提供一种基于随机游走的压缩数据收集方法，如图1-7所示，包括：
s1.基站根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点以及计算每个测量值收集的路径，将每个测量值收集的相关信息发送至网络中的每个节点；
s2.网络中的每个节点根据接收到的信息将测量值发送给基站；
s3.基站将接收到的测量值进行计算，得到网络中每个节点的原始数据。
在步骤s1中，基站根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点以及计算每个测量值收集的路径，将每个测量值收集的相关信息发送至网络中的每个节点。
初始化阶段：基站根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点，即每个随机游走路径的起始节点，并根据转发概率计算算法计算出每个测量值收集的路径。然后，将这些信息通过广播的方式发送给网络中的每个节点。
具体包括：
s11.根据每个节点的剩余能量计算出每个测量值收集路径的起始节点；
基站根据每个节点的剩余能量计算出每个测量值收集路径的起始节点。具体的，假设网络中有n个节点，分别标记为1，2，…，n，其中节点n为基站。参数ei(i＝1，2，…，n-1)表示节点i的剩余能量，e0表示每个节点的初始能量。令ri＝ei/e0。节点i被选为随机游走初始节点的概率为
其中，m表示基站需要收集的测量值数量。
s12.根据网络的拓扑结构将整个网络分层；
基站根据网络的拓扑结构将整个网络分层。具体的，假设网络拓扑结构可以表示为g＝(v，e)，其中集合v＝{1，2，…，n}是网络中所有节点的集合，e表示网络中所有边的集合，即能够相互通信的所有节点对的集合。基于节点到基站的距离，将v分成相互不相交的几层，其中第k(k＝1，2，…，t)层用参数lk表示，它包含所有到基站的最短距离为k跳的节点。对于节点i∈lk，定义后代节点集合si＝{j|(i,j)∈e,j∈lk-1}和父代节点集合di＝{j|(i,j)∈e,j∈lk 1}。
s13.根据每个节点的剩余能量和分层后的网络，计算每个节点之间数据收发的成本；
基站根据每个节点的剩余能量和分层后的网络，计算节点之间数据收发的成本。具体地，对于任意一条边(i,j)∈e，数据包由节点i发送给节点j的成本定义为：
其中，wij是成本矩阵第i行第j列的元素。
s14.根据节点之间的数据收发成本和每个测量值收集路径的起始节点，利用转发概率计算算法计算转发概率矩阵；
基站根据节点之间的数据收发成本和每个测量值收集路径的起始节点，利用转发概率计算算法计算转发概率矩阵。具体的转发概率计算算法为：
输出转发概率矩阵q，其中第i行第j列元素qij表示数据从节点i发送给节点j的概率。
初始化迭代标记t＝0，q＝q0，其中q0的第i行第j列元素：
计算f＝(i-q)-1，其中，i表示单位矩阵。
对于每个节点i∈{1,2，…，n-1}，计算
从最高层开始层层计算参数：
对于每个节点j∈{1,2，…，n-1}，计算
对于每个节点
对于每个节点k∈{1,2，…，n-1}，计算
更新转发率矩阵中的所有元素：
其中l∈sk。
更新迭代标记t＝t 1.
endwhile
在算法中，输入参数η用来控制随机游走的随机性，其值越大随机游走的随机性越强。算法第5行参数可以调节算法的运算速度和精度，ε值越大算法运算速度越快，但是精度越低。
s15.通过广播的方式将每个测量值收集的相关信息发送给网络中的每个节点。
基站通过广播的方式将每个测量值收集的路由信息发送给网络中的节点。具体地，基站在计算出每个节点的起始概率和转发概率矩阵后，依据概率分布产生每个随机游走的起始节点以及每个随机游走中的其他中继节点，然后将这些信息通过广播的方式发送给网络中的每个节点。
在步骤s2中，网络中的每个节点根据接收到的信息将测量值发送给基站。
测量值的收集：网络中的节点根据接收到的信息将数据通过多跳的方式发送给基站，直到基站收集到足够多的测量值。
具体包括：
s21.每个测量值收集路径的起始节点启动测量值收集的过程，根据接收到的路径信息，起始节点将数据发送给路径上的下一跳节点；
每个测量值收集路径的起始节点启动测量值收集的过程，根据接收到的路径信息，起始节点将数据发送给路径上的下一跳节点。具体地，假设节点j1被选为某个测量值收集的起始节点，并且节点j1的原始数据为
s22.每个测量值收集路径上的下一跳节点将接收到的数据和自身的数据相互融合，然后根据接收到的路径信息将结果发送给再下一跳节点；
路径上的下一跳节点将接收到的数据和自身的数据相互融合，然后根据接收到的路径信息将结果发送给再下一跳节点。具体地，节点j2首先等概率地随机选择将自己的数据
s23.重复步骤s22直到基站接收到测量值；
随机游走路径上的每个节点重复步骤s22直到基站接收到测量值。对于每个随机游走，其最终节点都是基站。
s24.重复步骤s21-s23，直到基站接收到所需的数个测量值。
每个随机游走都重复以上过程，直到基站收集到足够多的测量值。
在步骤s3中，基站将接收到的测量值进行计算，得到网络中每个节点的原始数据。
原始数据的提取：基站在收集到足够多的测量值之后，根据数据恢复算法计算出每个节点的原始数据。
具体包括：
s31.基站基于转发概率矩阵计算压缩感知技术中的感知矩阵；
基站基于转发概率矩阵计算压缩感知技术中的感知矩阵。具体地，假设感知矩阵为a,转发概率矩阵为q，那么感知矩阵中第j列元素是从以下分布中独立抽样而来：
其中
s32.基于感知矩阵和接收到的数个测量值，利用非均匀稀疏投影算法计算网络中各个节点的原始数据。
基于感知矩阵a和接收到测量值向量y，利压缩感知技术中非常有名的非均匀稀疏投影(nonuniformsparserandomprojection,nsrp)算法计算网络中各个节点的原始数据，即原始数据信号x。
在本实施例中，压缩感知技术研究如何从少量的测量值中提取出原始数据，因此可以用在无线传感器网络的传感器数据收集中。现有的研究可以大致分为两类：第一类基于稠密的感知矩阵(例如高斯随机矩阵)来收集测量值，感知矩阵中的每个元素都是非零的。基于稠密感知矩阵的压缩数据收集方法往往是构造一颗完全生成树来收集测量值，这颗树以基站为根节点，并且覆盖网络内的每个节点的，节点沿着生成树将数据发送给基站；第二类基于稀疏的感知矩阵来收集测量值，很多研究表明基于稀疏感知矩阵的压缩数据收集方法比基于稠密感知矩阵的压缩数据收集方法的能耗低。而且在恢复原始数据的精度上，基于稀疏感知矩阵的方法和基于稠密矩阵的方法表现一样好。稀疏感知矩阵又分为均匀稀疏感知矩阵和非均匀稀疏感知矩阵，均匀稀疏感知矩阵中的每个元素为零的概率是一致的，然而非均匀稀疏感知矩阵中每个元素为零的概率是不相同的。基于均匀稀疏感知矩阵的数据收集方法在收集测量值的过程中有一个很大的问题：由于网络连通性的需要，很多对测量值没有贡献的节点会被迫作为中继节点来转发数据，这在很大程度上造成了能量的浪费。
本实施例基于一种非均匀的稀疏感知矩阵来收集测量值，每一个测量值的收集过程对应于一个随机游走，所有的随机游走都只要求那些对测量值有贡献的节点参与数据的收发。为了更高效地收集测量值，本实施例将一个任意的连通网络分层层次结构，每一层最多只有一个节点为参与某个测量值的收集过程，这不仅降低的能量的消耗还降低了数据收集的时间。最后，为了均衡网络中节点的负载，我们在收集测量值时考虑了节点的剩余能量，那些剩余能量多的节点被选中参与测量值收集的概率比剩余能量少的节点要大。结果表明，本实施例的数据收集方法不仅能够降低整个网络的能量消耗，同时还能保证整个网络中各个节点的负载均衡。
首先简要介绍本实施例的适用场景。在无线传感器网络中，存在一个基站和一个需要感知的区域，在感知区域内随机放置了大量的传感器节点，每个传感器都和附近的多个传感器能够相互通信，传感器的位置可以是任意的。假设传感器节点i通过感知周围的环境产生原始数据xi。每个传感器接收到基站的广播信息后开始发送数据，每个测量值对应于一个最终节点为基站的随机游走。
为了方便说明本实施例是如何应用随机游走来收集测量值的，我们以图7为例。图7假设随机游走包含节点1,2，...，k，s,其中s表示基站。随机游走开始后，首先位于lk层的起始节点1将自己的数据等概地乘以 1或者-1得到±x1，然后将结果发送给位于lk-1层的下一跳的节点2。节点首先将自己的数据等概地乘以 1或者-1得到±x2，然后将结果与接收到的数据相加得到±x1±x2。接着节点2将结果发送给位于lk-1层的下一跳的节点3。重复以上过程直到为于l1层的节点k将结果发送到基站。最后，基站接收到一个测量值
与现有技术相比，本实施例具有如下的有益效果：
(1)能耗低——根据本实施例的设计，在利用随机游走来收集测量值的过程中，并不是每一个传感器都需要参与数据的接收和发送，只有随机游走路径上的节点会参与数据的接收和发送，在随机游走路径上的每一个节点都对测量值有贡献。在基于均匀稀疏随机矩阵的压缩数据收集方法中，有一些对测量值没有贡献的节点因为网络连通性的需要而被迫作为中继节点。因此，本实施例设计所提出的数据收集方法的能耗比基于稠密随机矩阵和均匀稀疏随机矩阵的压缩数据收集方法的能耗还要低。
(2)负载均衡——在本实施例设计中，每个节点的剩余能量都被考虑在内，当某个节点的剩余能量越少时，它被选为某个随机游走路径上的节点的概率越低，因此，最终每个传感器的能量消耗都会大致趋于一致，换句话说，整个网络的负载比较均衡。
实施例二
本实施例提供的一种基于随机游走的压缩数据收集系统，如图8所示，包括：
初始化模块11，用于根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点以及计算每个测量值收集的路径，将每个测量值收集的相关信息发送至网络中的每个节点；
收集模块12，用于根据接收到的信息将测量值发送给基站；
提取模块13，用于将接收到的测量值进行计算，得到网络中每个节点的原始数据。
进一步的，初始化模块11具体包括：
第一计算模块，用于根据每个节点的剩余能量计算出每个测量值收集路径的起始节点；
分层模块，用于根据网络的拓扑结构将整个网络分层；
第二计算模块，用于根据每个节点的剩余能量和分层后的网络，计算每个节点之间数据收发的成本；
第三计算模块，用于根据节点之间的数据收发成本和每个测量值收集路径的起始节点，利用转发概率计算算法计算转发概率矩阵；
发送模块，用于通过广播的方式将每个测量值收集的相关信息发送给网络中的每个节点。
进一步的，发送模块具体为当计算出每个节点的起始节点和转发概率矩阵后，依据概率分布产生每个随机游走的起始节点以及每个随机游走中的中继节点，将得到的相关信息通过广播的方式发送给网络中的每个节点。
进一步的，收集模块12具体包括：
第一发送模块，用于每个测量值收集路径的起始节点启动测量值收集的过程，根据接收到的路径信息，起始节点将数据发送给路径上的下一跳节点；
第二发送模块，用于每个测量值收集路径上的下一跳节点将接收到的数据和自身的数据相互融合，然后根据接收到的路径信息将结果发送给再下一跳节点；
第一接收模块，用于接收测量值；
第二接收模块，用于接收到所需的数个测量值。
进一步的，提取模块13具体包括：
第四计算模块，用于基于转发概率矩阵计算压缩感知技术中的感知矩阵；
第五计算模块，用于基于感知矩阵和接收到的数个测量值，利用非均匀稀疏投影算法计算网络中各个节点的原始数据。
需要说明的是，本实施例提供的一种基于随机游走的压缩数据收集系统与实施例一类似，在此不多做赘述。
与现有技术相比，本实施例具有如下的有益效果：
(1)能耗低——根据本实施例的设计，在利用随机游走来收集测量值的过程中，并不是每一个传感器都需要参与数据的接收和发送，只有随机游走路径上的节点会参与数据的接收和发送，在随机游走路径上的每一个节点都对测量值有贡献。在基于均匀稀疏随机矩阵的压缩数据收集方法中，有一些对测量值没有贡献的节点因为网络连通性的需要而被迫作为中继节点。因此，本实施例设计所提出的数据收集方法的能耗比基于稠密随机矩阵和均匀稀疏随机矩阵的压缩数据收集方法的能耗还要低。
(2)负载均衡——在本实施例设计中，每个节点的剩余能量都被考虑在内，当某个节点的剩余能量越少时，它被选为某个随机游走路径上的节点的概率越低，因此，最终每个传感器的能量消耗都会大致趋于一致，换句话说，整个网络的负载比较均衡。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
1.一种基于随机游走的压缩数据收集方法，其特征在于，包括：
s1.基站根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点以及计算每个测量值收集的路径，将每个测量值收集的相关信息发送至网络中的每个节点；
s2.网络中的每个节点根据接收到的信息将测量值发送给基站；
s3.基站将接收到的测量值进行计算，得到网络中每个节点的原始数据。
2.根据权利要求1所述的一种基于随机游走的压缩数据收集方法，其特征在于，所述步骤s1具体包括：
s11.根据每个节点的剩余能量计算出每个测量值收集路径的起始节点；
s12.根据网络的拓扑结构将整个网络分层；
s13.根据每个节点的剩余能量和分层后的网络，计算每个节点之间数据收发的成本；
s14.根据节点之间的数据收发成本和每个测量值收集路径的起始节点，利用转发概率计算算法计算转发概率矩阵；
s15.通过广播的方式将每个测量值收集的相关信息发送给网络中的每个节点。
3.根据权利要求2所述的一种基于随机游走的压缩数据收集方法，其特征在于，所述步骤s15具体为当计算出每个节点的起始节点和转发概率矩阵后，依据概率分布产生每个随机游走的起始节点以及每个随机游走中的中继节点，将得到的相关信息通过广播的方式发送给网络中的每个节点。
4.根据权利要求1所述的一种基于随机游走的压缩数据收集方法，其特征在于，所述步骤s2具体包括：
s21.每个测量值收集路径的起始节点启动测量值收集的过程，根据接收到的路径信息，起始节点将数据发送给路径上的下一跳节点；
s22.每个测量值收集路径上的下一跳节点将接收到的数据和自身的数据相互融合，然后根据接收到的路径信息将结果发送给再下一跳节点；
s23.重复步骤s22直到基站接收到测量值；
s24.重复步骤s21-s23，直到基站接收到所需的数个测量值。
5.根据权利要求4所述的一种基于随机游走的压缩数据收集方法，其特征在于，所述步骤s3具体包括：
s31.基站基于转发概率矩阵计算压缩感知技术中的感知矩阵；
s32.基于感知矩阵和接收到的数个测量值，利用非均匀稀疏投影算法计算网络中各个节点的原始数据。
6.一种基于随机游走的压缩数据收集系统，其特征在于，包括：
初始化模块，用于根据网络中每个节点的剩余能量计算每个测量值收集路径的起始节点以及计算每个测量值收集的路径，将每个测量值收集的相关信息发送至网络中的每个节点；
收集模块，用于根据接收到的信息将测量值发送给基站；
提取模块，用于将接收到的测量值进行计算，得到网络中每个节点的原始数据。
7.根据权利要求6所述的一种基于随机游走的压缩数据收集系统，其特征在于，所述初始化模块具体包括：
第一计算模块，用于根据每个节点的剩余能量计算出每个测量值收集路径的起始节点；
分层模块，用于根据网络的拓扑结构将整个网络分层；
第二计算模块，用于根据每个节点的剩余能量和分层后的网络，计算每个节点之间数据收发的成本；
第三计算模块，用于根据节点之间的数据收发成本和每个测量值收集路径的起始节点，利用转发概率计算算法计算转发概率矩阵；
发送模块，用于通过广播的方式将每个测量值收集的相关信息发送给网络中的每个节点。
8.根据权利要求7所述的一种基于随机游走的压缩数据收集系统，其特征在于，所述发送模块具体为当计算出每个节点的起始节点和转发概率矩阵后，依据概率分布产生每个随机游走的起始节点以及每个随机游走中的中继节点，将得到的相关信息通过广播的方式发送给网络中的每个节点。
9.根据权利要求6所述的一种基于随机游走的压缩数据收集系统，其特征在于，所述收集模块具体包括：
第一发送模块，用于每个测量值收集路径的起始节点启动测量值收集的过程，根据接收到的路径信息，起始节点将数据发送给路径上的下一跳节点；
第二发送模块，用于每个测量值收集路径上的下一跳节点将接收到的数据和自身的数据相互融合，然后根据接收到的路径信息将结果发送给再下一跳节点；
第一接收模块，用于接收测量值；
第二接收模块，用于接收到所需的数个测量值。
10.根据权利要求9所述的一种基于随机游走的压缩数据收集系统，其特征在于，所述提取模块具体包括：
第四计算模块，用于基于转发概率矩阵计算压缩感知技术中的感知矩阵；
第五计算模块，用于基于感知矩阵和接收到的数个测量值，利用非均匀稀疏投影算法计算网络中各个节点的原始数据。
技术总结