一種基于ls-svm的互聯(lián)網(wǎng)實時信號傳輸方法
【專利摘要】本發(fā)明涉及一種基于LS-SVM的互聯(lián)網(wǎng)實時信號傳輸方法，屬于計算機網(wǎng)絡(luò)、信號處理兩個【技術(shù)領(lǐng)域】的交叉。步驟包括：初始化階段，模型信息的交互過程，發(fā)送端模型更新，應(yīng)用端信號重建的過程。優(yōu)點是：在發(fā)送端和應(yīng)用端同時創(chuàng)建的基于LS-SVM的DPS雙預(yù)測模型，采用DPS機制，在期望的誤差范圍內(nèi)，用預(yù)測模型的傳輸來替代采樣數(shù)據(jù)的傳輸，大大減少網(wǎng)絡(luò)傳輸數(shù)據(jù)量，有效的減少了網(wǎng)絡(luò)帶寬的占有率。用LS-SVM在線預(yù)測提高互聯(lián)網(wǎng)中非線性信號的預(yù)測精度，解決傳統(tǒng)DPS方法在非線性信號網(wǎng)絡(luò)傳輸中存在的可靠性問題；大大的減少了模型的訓(xùn)練的時間，只需要計算更新的拉格朗日乘子和偏置值。
【專利說明】—種基于LS-SVM的互聯(lián)網(wǎng)實時信號傳輸方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計算機網(wǎng)絡(luò)、信號處理兩個【技術(shù)領(lǐng)域】的交叉，尤其涉及到基于LS-SVM在線雙預(yù)測機制(DPS，Dual Prediction Scheme)來解決實時信號在網(wǎng)絡(luò)中傳輸?shù)膯栴}，通過預(yù)測的方法來緩解由于網(wǎng)絡(luò)傳輸造成的數(shù)據(jù)丟失、時延對實時信號影響。
【背景技術(shù)】
[0002]隨著傳感器、微電子、嵌入式計算和通信等幾種技術(shù)的融合和匯聚，具有感知信息、數(shù)據(jù)處理、存儲和通信能力的微型傳感器被應(yīng)用于國防軍事、工業(yè)生產(chǎn)、環(huán)境監(jiān)測等多個領(lǐng)域。無線傳感器節(jié)點協(xié)作地感知、采集和處理網(wǎng)絡(luò)覆蓋的地理區(qū)域內(nèi)感知大量的實時信號，并將其通過互聯(lián)網(wǎng)傳輸給用戶。在實際的監(jiān)控應(yīng)用場景中，從傳感器采集的數(shù)據(jù)通常是連續(xù)的，例如溫度、濕度等數(shù)據(jù)都是連續(xù)的，不可能發(fā)生跳躍現(xiàn)象。一般來說，所獲得的信號值在一個給定的時期內(nèi)表現(xiàn)出穩(wěn)定性。由于受傳感器節(jié)點失效、無線通信的不可靠以及能量的限制，傳感數(shù)據(jù)的獲取、處理和傳送過程難免會出錯，所以傳感信號值在一定程度上是不可靠的，存在著一定范圍的誤差。在互聯(lián)網(wǎng)傳輸大量的實時信號，受到網(wǎng)絡(luò)帶寬、時延、數(shù)據(jù)包丟失、網(wǎng)絡(luò)擁塞的制約，無法滿足用戶對信號實時性與可靠性的要求。這使得傳感器信號的處理變得更加的復(fù)雜。
[0003]在傳統(tǒng)的方法中，采用的是以固定的時間間隔向應(yīng)用端發(fā)送采樣數(shù)據(jù)，需要在網(wǎng)絡(luò)中傳輸大量的采樣信號，增加網(wǎng)絡(luò)的引入的不確定性因素的影響更加難以滿足用戶對信號實時性和可靠性的要求。在滿足預(yù)測精度的前提下，選擇有效的預(yù)測模型，能夠有效的減少信號的網(wǎng)絡(luò)傳輸，因而在信號的網(wǎng)絡(luò)傳輸中引入預(yù)測的方法是必要的。實時信號的網(wǎng)絡(luò)傳輸對其影響是動態(tài)的、隨機和難以預(yù)知的，具有較強的非線性特性，傳統(tǒng)的預(yù)測模型Kalman濾波、ARMA模型應(yīng)用受到了很大的限制。雙指數(shù)平滑技術(shù)雖然能夠有效減少預(yù)測過程中波動因素對趨勢的干擾，提高預(yù)測精度，但是由于其計算復(fù)雜度高，不適合在資源受限的傳感器節(jié)點上使用。LS-SVM模型預(yù)測較好地解決了小樣本、非線性、局部極小點等實際問題，具有很強的泛化能力、算法簡單、學(xué)習(xí)速度快的特點。從應(yīng)用端來看，信號采樣是隨著時間序列獲得的或在線采集的，采用LS-SVM在線學(xué)習(xí)算法來處理非線性信號的方法是可行的。它會使信號傳輸過程具有在線自適應(yīng)的能力，能夠隨著時間而進化；具有更高的預(yù)測精度，更好的外推能力，計算效率最高，能夠較理想地適應(yīng)傳感器信號網(wǎng)絡(luò)傳輸?shù)奶匦?。由于其是一種較為成熟的預(yù)測方法，并已經(jīng)成功到模式識別、建模、軟測量、故障診斷、控制等研究領(lǐng)域，取得了良好的效果。特別是在混沌信號序列的預(yù)測方面的成功應(yīng)用，使得其在實時信號網(wǎng)絡(luò)傳輸方面具有強大的優(yōu)勢。
[0004]在互聯(lián)網(wǎng)傳輸實時信號的應(yīng)用場合中，用戶關(guān)心的是在預(yù)先指定的，與應(yīng)用相關(guān)的精確度下觀測物理現(xiàn)象。這樣，所收集到的傳感器信號數(shù)據(jù)若位于已知的誤差閾值范圍[-ε，+ ε ]，ε e R+內(nèi)時將會被接受。傳感器節(jié)點按照固定的時間間隔收集本地信號值，利用這些信號建立預(yù)測模型，并將模型信息傳輸?shù)綉?yīng)用端，應(yīng)用端通過模型計算估計出當前或者未來時刻的傳感器讀數(shù)。由于傳感器節(jié)點同樣可以預(yù)測出讀數(shù)的估計值，并且僅當在預(yù)測值與測量值的誤差超過土 ε時，才將模型的最新信息發(fā)送到應(yīng)用端，這樣就避免了不必要的通信。如果未接收到更新的模型，應(yīng)用端將直接認為其使用相同預(yù)測模型獲得的估計值符合要求的誤差范圍。這種不發(fā)送采樣數(shù)據(jù)，而發(fā)送預(yù)測模型的機制被稱為雙預(yù)測機制(DPS)。本發(fā)明選用DPS的主要目是降低傳感器節(jié)點與應(yīng)用間信息更新的次數(shù)，節(jié)省節(jié)點能耗。在傳感器和應(yīng)用兩端運行同一預(yù)測模型h，并使用其生成未來傳感器讀數(shù)的估計值，給出今后的信號預(yù)測值。如果預(yù)測值與傳感器實際測量值的誤差值超過所給誤差閾值ε，更新的模型信息發(fā)送到應(yīng)用端。與傳統(tǒng)方案相比，DPS在確保收集到的數(shù)據(jù)滿足用戶需求的精確性的前提下，顯著地降低了傳感器與應(yīng)用間的通信負載。然而由DPS所降低的通信負載取決于由傳感器捕獲到的時間序列的特性與所用預(yù)測模型間的恰當性。
[0005]在采用DPS來處理非線性信號在互聯(lián)網(wǎng)中傳輸?shù)膯栴}時，互聯(lián)網(wǎng)的引入已經(jīng)讓原有的線性時間序列的分析方法難以應(yīng)付經(jīng)由網(wǎng)絡(luò)傳輸?shù)膫鞲衅餍盘栴A(yù)測恢復(fù)問題，因此使用非線性模型分析處理網(wǎng)絡(luò)傳輸?shù)膫鞲衅餍盘柺潜匾?。到目前為止的采用DPS方式的有AMIAR模型、Kalman濾波等，但是都無法滿足其非線性的要求?；诖?，本發(fā)明采用了基于LS-SVM在線預(yù)測的DPS，而此種方法尚未見到報道。
[0006]回歸型的LS-SVM描述如下:觀測到的傳感器時間序列是窗式滑動。設(shè)在t時刻的滑動窗口中的觀測樣本為{
【權(quán)利要求】
1.一種基于LS-SVM的互聯(lián)網(wǎng)實時信號傳輸方法，其特征在于包括下列步驟: (一)、初始化階段 (1)、首先，選擇N個均勻的采樣數(shù)據(jù)，使用粒子群算法PSO，對核函數(shù)參數(shù)δ和常數(shù)Y進行優(yōu)化，建立LS-SVM模型，即算出核函數(shù)、^和比由于采用的是均勻的采樣，N值的大小也是固定的，由RBF核函數(shù)的計算公式可知核函數(shù)在整個預(yù)測過程中不受時間因素影響，是時不變的，在發(fā)送端存儲已經(jīng)算好的核函數(shù)和核函數(shù)的逆矩陣，能夠有效的減少數(shù)據(jù)的計算量，其中核函數(shù)被用來預(yù)測數(shù)據(jù)，核函數(shù)的逆矩陣被用來計算預(yù)測模型參數(shù)a i和b的，依據(jù)建立的LS-SVM模型對采樣數(shù)據(jù)進行預(yù)測，如果預(yù)測值和真實的采樣數(shù)據(jù)值得誤差超出用戶期望誤差ε時，計算發(fā)送數(shù)據(jù)的壓縮率，由于在模型的信息交互過程中，選擇三次的“握手”機制，在時鐘同步的過程，和傳輸模型的更新信息，共需要發(fā)送6個數(shù)據(jù)幀，故:
【文檔編號】H04L12/24GK103595568SQ201310571721
【公開日】2014年2月19日 申請日期:2013年11月17日 優(yōu)先權(quán)日:2013年11月17日
【發(fā)明者】董勁男, 秦貴和, 陳虹, 孫丹, 鄭嘯天, 任鵬飛, 張超杰, 王雪, 秦俊, 陸帥冰, 孫麗娜, 郭悅 申請人:吉林大學(xué)