本发明公开一种信号压缩采集和数据加密的方法，包括步骤：建立混沌序列的压缩感知测量矩阵；在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；对采样与转发节点进行休眠处理；进行信号重。本发明提高无线传感器网络信号传输的工作效率和安全特性，保证传输过程信号的安全保密性能。
1.一种信号压缩采集和数据加密的方法，其特征在于，包括步骤：
S200，在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；
S300，对采样与转发节点进行休眠处理，包括步骤：
将整个传感网络分为多个子群，建立每一个子群相对应的矩阵；
建立节点休眠矩阵；节点休眠矩阵与每个子群矩阵相对应，利用休眠矩阵的元素值判定节点是否选中，选中则节点休眠，否则节点参与通信；
所述节点休眠矩阵的构造方法：依据混沌序列的初始值敏感性得到每一个节点信号的感知矩阵；根据每一个感知矩阵的对应列构造出节点休眠矩阵，节点休眠矩阵决定了每一个节点每一个时刻的工作状态，节点休眠矩阵决定了节点是否进行采样与传输数据；
在初始值与参数值确定的条件下混沌映射产生混沌序列，利用符号函数对混沌序列变形产生数值为1、-1的序列，采用阈值处理将-1值改为0值，分析序列特性；分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定；
2.根据权利要求1所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S100中，依据混沌序列随机性与确定性相统一的特性，获得压缩感知测量矩阵；所述压缩感知测量矩阵满足的有限等距性质条件的测量矩阵。
3.根据权利要求2所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S100中，构造压缩感知测量矩阵的步骤为：S101，选择式zn+1＝cos(k*cos-1zn)的参数K＝4，其中k表示切比雪夫映射的阶数；给定初始值z0，产生长度为M×N的混沌序列{zn，n＝1，2，…，n}；
S102，将混沌序列{zn}通过式 映射为扩频序列{an}；
S103，将序列{an}按列构造大小为M×N的测量矩阵Φ，其表示为：
4.根据权利要求3所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S200中，通过采样电路采集每个传感节点的信号，运用所述压缩感知测量矩阵，进行采样数据处理与编码，从而获得传感节点降采样率的压缩信号。
5.根据权利要求4所述的一种信号压缩采集和数据加密的方法，其特征在于，将无线传感器网络中的各个采集端通向采样电路；根据无线传感器网络通信协议将采集信号封装成数据帧，发送到数据转发节点，最终汇聚到数据汇聚节点通向采样电路。
6.根据权利要求5所述的一种信号压缩采集和数据加密的方法，其特征在于，针对整个无线传感器网络，每一时刻的节点休眠矩阵为各个节点的感知矩阵相对应的列向量重新组合，得到节点休眠矩阵T＝[T1 T2…TN]；
其中， 指第J个节点感知矩阵的第i列向量，Ti代表第i时刻的每一次测量的各个节点的活跃节点索引。
7.根据权利要求6所述的一种信号压缩采集和数据加密的方法，其特征在于，分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定方法为：若节点被选中，无线传感器网络将采集到数据信息投影到正交基上，通过感知矩阵对节点信号进行编码得到观测数据；节点通过多跳方式将数据信息传到融合节点。
8.根据权利要求7所述的一种信号压缩采集和数据加密的方法，其特征在于，在步骤S400中，基于混沌序列建立分布式压缩感知模型，通过分布式压缩感知模型进行信号重构，将所有融合节点的数据信息通过DCS联合重构算法重构出节点原始信号。
一种信号压缩采集和数据加密的方法
技术领域
[0001] 本发明属于信号处理技术领域，特别是涉及一种信号压缩采集和数据加密的方法。
背景技术
[0002] 压缩感知是一种全新的向量获取和压缩重建方式，在向量是稀疏或可压缩的前提下，对向量进行采样的同时实现其数据量高倍数的压缩，获得用于表征向量的少量观测值，通过线性优化重建算法，从少量的压缩观测值中高概率恢复出原始向量。
[0003] 现有的压缩感知处理方法，需要大量的消耗前端采样节点的运算、处理资源、能源和传输带宽，无法实现分布式多节点网络的高效采样处理；并且无法保证传输过程信号的安全保密性能。
发明内容
[0004] 为了解决上述问题，本发明提出了一种信号压缩采集和数据加密的方法，提高无线传感器网络信号传输的工作效率和安全特性，保证传输过程信号的安全保密性能。
[0005] 为达到上述目的，本发明采用的技术方案是：一种信号压缩采集和数据加密的方法，包括步骤：
[0006] S100，建立混沌序列的压缩感知测量矩阵；
[0007] S200，在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；
[0008] S300，对采样与转发节点进行休眠处理；
[0009] S400，进行信号重构。
[0010] 进一步的是，在步骤S100中，依据混沌序列随机性与确定性相统一的特性，获得压缩感知测量矩阵；所述压缩感知测量矩阵满足的有限等距性质条件的测量矩阵。
[0011] 进一步的是，在步骤S100中，构造压缩感知测量矩阵的步骤为：
[0012] S101，选择式zn+1＝cos(k*cos-1zn)的参数K＝4，其中k表示切比雪夫映射的阶数；给定初始值z0，产生长度为M×N的混沌序列{zn,n＝1,2,…,n}；
[0013] S102，将混沌序列{zn}通过式 映射为扩频序列{an}；
[0014] S103，将序列{an}按列构造大小为M×N的测量矩阵Φ，其表示为：
[0015]
[0016] 进一步的是，在步骤S200中，通过采样电路采集每个传感节点的信号，运用所述压缩感知测量矩阵，进行采样数据处理与编码，从而获得传感节点降采样率的压缩信号。压缩感知的感知过程，X表示被感知的信号，那么，感知过程表示为Y＝ΦX；Y即为信号压缩后的数据。
[0017] 进一步的是，将无线传感器网络中的各个采集端通向采样电路；根据无线传感器网络通信协议将采集信号封装成数据帧，发送到数据转发节点，最终汇聚到数据汇聚节点通向采样电路。
[0018] 进一步的是，在步骤S300中，对采样与转发节点进行休眠处理包括步骤：
[0019] 将整个传感网络分为多个子群，建立每一个子群相对应的矩阵；
[0020] 建立节点休眠矩阵；节点休眠矩阵与每个子群矩阵相对应，利用休眠矩阵的元素值判定节点是否选中，选中则节点休眠，否则节点参与通信；
[0021] 循环上述步骤判断每个子群所有节点的休眠情况。
[0022] 进一步的是，所述节点休眠矩阵的构造方法：依据混沌序列的初始值敏感性得到每一个节点信号的感知矩阵；根据每一个感知矩阵的对应列构造出节点休眠矩阵，节点休眠矩阵决定了每一个节点每一个时刻的工作状态，节点休眠矩阵决定了节点是否进行采样与传输数据；
[0023] 在初始值与参数值确定的条件下混沌映射产生混沌序列，利用符号函数对混沌序列变形产生数值为1、-1的序列，采用阈值处理将-1值改为0值，分析序列特性；分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定。
[0024] 进一步的是，针对整个无线传感器网络，每一时刻的节点休眠矩阵为各个节点的感知矩阵相对应的列向量重新组合，得到节点休眠矩阵T＝[T1 T2 … TN]；
[0025]
[0026] 其中， 指第J个节点感知矩阵的第i列向量，Ti代表第i时刻的每一次测量的各个节点的活跃节点索引。
[0027] 进一步的是，分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定方法为：若节点被选中，无线传感器网络将采集到数据信息投影到正交基上，通过感知矩阵对节点信号进行编码得到观测数据；节点通过多跳方式将数据信息传到融合节点。
[0028] 进一步的是，在步骤S400中，基于混沌序列建立分布式压缩感知模型，通过分布式压缩感知模型进行信号重构，将所有融合节点的数据信息通过DCS联合重构算法重构出节点原始信号。
[0029] 采用本技术方案的有益效果：
[0030] 本发明将随机性与确定性相统一的混沌序列引用于传感器网络中，探索出一种作为传感器网络节点传输与通信的安全密钥，为传感网络的安全性提供保障；建立了以混沌矩阵作为控制无线传感器网络节点休眠的路由协议，创建了以混沌压缩感知的安全的低消耗的无线传感器网络系统；大大提高无线传感器网络的工作寿命和安全特性。
[0031] 本发明通过压缩采样大大降低前端采样节点的运算、处理资源、能源和传输带宽的消耗，通过观测矩阵的混沌序列设计和观测矩阵的保密设计实现数据表达、传输、感知数据还原的机密性。
[0032] 本发明针对无线传感器网络的节点传输安全性地的问题，提出了双混沌矩阵作为节点传输和通信的密钥；首先节点参与传输与通信对外界来说是随机的，但对于有密钥的一方是已知的，同时对于选择出的节点进行压缩采样，此过程同样采用混沌测量矩阵，对于不知道初始值和参数的外界仍然不能够精确重构感知信号，而对于设计的一方确是已知的，这样就起到了双重密钥的保护作用。
附图说明
[0033] 图1为本发明的一种信号压缩采集和数据加密的方法流程示意图；
[0034] 图2为本发明实施例中实验结果的曲线图。
具体实施方式
[0035] 为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
[0036] 在本实施例中，参见图1所示，本发明提出了一种信号压缩采集和数据加密的方法，包括步骤：
[0037] S100，建立混沌序列的压缩感知测量矩阵；
[0038] S200，在每个传感节点的信号传感和采样中运用混沌压缩感知测量矩阵，进行传感节点降采样率的压缩信号；
[0039] S300，对采样与转发节点进行休眠处理；
[0040] S400，进行信号重构。
[0041] 作为上述实施例的优化方案，在步骤S100中，依据混沌序列随机性与确定性相统一的特性，获得压缩感知测量矩阵；所述压缩感知测量矩阵满足的有限等距性质条件的测量矩阵。
[0042] 构造压缩感知测量矩阵的步骤为：
[0043] S101，选择式zn+1＝cos(k*cos-1zn)的参数K＝4，其中k表示切比雪夫映射的阶数；给定初始值z0，产生长度为M×N的混沌序列{zn,n＝1,2,…,n}；
[0044] S102，将混沌序列{zn}通过式 映射为扩频序列{an}；
[0045] S103，将序列{an}按列构造大小为M×N的测量矩阵Φ，其表示为：
[0046]
[0047] 作为上述实施例的优化方案，在步骤S200中，通过采样电路采集每个传感节点的信号，运用所述压缩感知测量矩阵，进行采样数据处理与编码，从而获得传感节点降采样率的压缩信号。压缩感知的感知过程，X表示被感知的信号，那么，感知过程表示为Y＝ΦX；Y即为信号压缩后的数据。
[0048] 将无线传感器网络中的各个采集端通向采样电路；根据无线传感器网络通信协议将采集信号封装成数据帧，发送到数据转发节点，最终汇聚到数据汇聚节点通向采样电路。
[0049] 作为上述实施例的优化方案，在步骤S300中，对采样与转发节点进行休眠处理包括步骤：
[0050] 将整个传感网络分为多个子群，建立每一个子群相对应的矩阵；
[0051] 建立节点休眠矩阵；节点休眠矩阵与每个子群矩阵相对应，利用休眠矩阵的元素值判定节点是否选中，选中则节点休眠，否则节点参与通信；
[0052] 循环上述步骤判断每个子群所有节点的休眠情况。
[0053] 所述节点休眠矩阵的构造方法：依据混沌序列的初始值敏感性得到每一个节点信号的感知矩阵；根据每一个感知矩阵的对应列构造出节点休眠矩阵，节点休眠矩阵决定了每一个节点每一个时刻的工作状态，节点休眠矩阵决定了节点是否进行采样与传输数据；
[0054] 在初始值与参数值确定的条件下混沌映射产生混沌序列，利用符号函数对混沌序列变形产生数值为1、-1的序列，采用阈值处理将-1值改为0值，分析序列特性；分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定。
[0055] 针对整个无线传感器网络，每一时刻的节点休眠矩阵为各个节点的感知矩阵相对应的列向量重新组合，得到节点休眠矩阵T＝[T1 T2 … TN]；
[0056]
[0057] 其中， 指第J个节点感知矩阵的第i列向量，Ti代表第i时刻的每一次测量的各个节点的活跃节点索引。
[0058] 分析观测矩阵与节点在各个时刻的对应关系，以达到判断节点休眠与否的判定方法为：若节点被选中，无线传感器网络将采集到数据信息投影到正交基上，通过感知矩阵对节点信号进行编码得到观测数据；节点通过多跳方式将数据信息传到融合节点。
[0059] 作为上述实施例的优化方案，在步骤S400中，基于混沌序列建立分布式压缩感知模型，通过分布式压缩感知模型进行信号重构，将所有融合节点的数据信息通过DCS联合重构算法重构出节点原始信号。
[0060] 如图2所示，描述了节点感知矩阵(NSM)与本发明所提出的节点休眠矩阵在不同测量值下的PSNR峰值信噪比值比较；曲线的走势表示这两种矩阵情况下的重构性能相差不大，测量值增加重构性能越接近；都能达到很高的峰值信噪比，因此休眠测量矩阵不影响重构性能；而在休眠节点矩阵情况下节点耗能大大降低。
[0061] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
