本发明属于物联网数据采集的，更具体地，涉及一种工业环境下面向通信受限物联网节点的数据汇集方法及装置。
背景技术：
1、传感器节点作为物联网的重要组成部分，大量地部署于监测区域，形成无线传感器网络，以实时监测场景中的环境变化。然而，在一些特殊工业环境的监测任务中，由于建筑等地理因素或雨雪、冰雹等气象因素影响，可能会导致数据采集场景的某一部分区域中传感器之间通信条件较差，影响传感器之间数据的传输效率。
2、另外，随着节点规模的不断扩大，传感器节点之间使用多跳通信传输数据至基站的方式增加了遇到通信链路异常的概率，进一步影响了传感器之间数据的传输效率，并且节点之间多跳通信次数的增多会减少其使用寿命。因此，采用传感器节点多跳通信的方式无法有效应对逐渐增加的数据采集任务和随环境变化的通信条件。
3、聚类是一种无监督学习方法，不需要预先标记的训练数据，适用于许多实际场景。其目标是将数据集中的样本分成相似的组别，使得同一组别内的样本相似度较高，而不同组别之间的相似度较低。k-medoids聚类算法，首先为每个簇随意选择一个代表对象；剩余的对象根据其与代表对象的距离分配给最近的一个簇，然后反复地用非代表对象来替代代表对象，以改进聚类的质量，聚类结果的质量用一个代价函数来估算，该函数用于评估对象与其参照对象之间的平均相异度。使用该算法对无线传感器网络中节点合理划分，组成多个簇，簇内节点将数据发送给簇头节点，实现同一簇内节点的数据收集，再利用其他方式采集簇头节点的数据，如使用无人机采集等，是解决上述问题的有效途径，具有重要的研究价值和实际应用意义。
4、现有技术中，中国专利文献cn108684066a公开一种基于k-medoids的无线传感器网络分簇方法，根据无线传感器网络结构，得到无线传感器网络中心位置坐标并确定初始聚类点坐标；将传感器节点划分给距离最近的初始聚类点形成簇，并计算绝对误差e；选择一个普通节点替换一个聚类点重新分簇并计算绝对误差，并与前一轮绝对误差相比，若绝对误差减小，则保留此次分簇结果，否则，不接受此次替换，继续寻找普通节点；根据分好的簇计算新聚类点坐标，直到所有节点都替换过一遍，得到分簇结果。该方法减少了各传感器的能耗，延长无线传感器网络整体的生存时间。
5、以及，中国专利文献cn111263324a公开一种基于k-medoids分簇的无线传感网压缩感知处理方法，利用k-medoids聚类方法对无线传感网的传感器节点进行分簇处理；其次利用压缩感知技术对簇内节点的感知数据进行压缩采样，此过程中先对节点采集的原始数据进行稀疏处理，给每个簇内节点分配一个id标识，以id标识为seed生成伪随机数构成采样矩阵，簇头节点对压缩采样的测量数据进行传输，最后在基站利用重构算法对原始数据进行重构。该方法能够更合理地对无线传感网进行分簇，从而减少簇内数据传输能耗，压缩感知技术能够在较小采样率的情况下，以较高精度恢复出原始信号，提升信息传输效率和保密性。
6、然而，尽管采用聚类算法有望增强数据传输的效率，却不能确保在数据传输过程中节点之间建立有效的通信链路。因此，在复杂的工业物联网环境中，尚缺乏一种有效的解决方案，能够降低环境因素对节点数据采集造成的信息丢失。
技术实现思路
1、本发明旨在克服上述现有技术的至少一种缺陷，提供一种工业环境下面向通信受限物联网节点的数据汇集方法，用于提高传感器节点的数据采集率，并延长节点使用寿命。
2、本发明还公开一种加载有工业环境下面向通信受限物联网节点的数据汇集方法的装置。
3、本发明详细的技术方案如下：
4、一种工业环境下面向通信受限物联网节点的数据汇集方法，所述方法包括：
5、步骤s1、给定节点数据集和预设参数，其中，所述节点数据集中包含监测区域内所有传感器节点，所述预设参数包括节点覆盖半径r、节点覆盖率c以及初始簇头个数k；
6、步骤s2、基于给定的所述节点数据集和预设参数，使用k-medoids聚类算法将所述节点数据集中的所有传感器节点划分为k个簇，其中，所得到的每个簇中均包含一个目标簇头节点和若干成员节点；
7、步骤s3、基于所述k个簇中所覆盖的所有传感器节点的数量，计算所述k个簇的总节点覆盖率c′，并比较所述k个簇的总节点覆盖率c′与给定的节点覆盖率c：若所述k个簇的总节点覆盖率c′大于给定的节点覆盖率c，则执行步骤s4，若所述k个簇的总节点覆盖率c′小于或等于给定的节点覆盖率c，则将给定的初始簇头个数k加一，并重复执行步骤s2；
8、步骤s4、判断待发送数据的成员节点与其对应的目标簇头节点之间是否存在中间成员节点，若存在：计算所述待发送数据的成员节点到达其对应目标簇头节点的路径上的所有相邻传感器节点之间的信噪比，以筛选所述待发送数据的成员节点与其对应的目标簇头节点之间的最优通信链路，并控制所述待发送数据的成员节点通过所述最优通信链路将其数据传输至对应的目标簇头节点；
9、若不存在：控制所述待发送数据的成员节点直接将其数据传输至对应的目标簇头节点。
10、根据本发明优选的，所述步骤s2具体包括：
11、s21、输入数据：将给定的初始簇头个数k以及所述节点数据集输入至k-medoi ds聚类算法；
12、s22、分配节点：对于每个传感器节点，利用欧几里得距离算法将其分配到距离最近的初始簇头节点所在的簇，得到k个初始的簇，其中，所述初始簇头节点通过随机选择得到；
13、s23、更新簇头：对于每个簇，计算簇内每个传感器节点的平均相异度，并选择平均相异度最小的传感器节点作为新的簇头节点；
14、s24、迭代簇的分配：重复所述步骤s22～s23，直至更新后的簇头节点无变化或达到预定的迭代次数为止；
15、s25、输出结果：输出划分好的k个簇以及对应的k个目标簇头节点。
16、根据本发明优选的，所述步骤s2具体还包括：
17、s26、确定节点类别：基于所述节点覆盖半径r确定每个目标簇头节点的覆盖范围，若：
18、相邻目标簇头节点的覆盖范围无交叉，则将相应的簇中的所有成员节点确定为单覆盖成员节点；若：
19、相邻目标簇头节点的覆盖范围有交叉，则将相应的簇中位于交叉范围之外的所有成员节点确定为单覆盖成员节点，将相应的簇中位于交叉范围之内的所有成员节点确定为多覆盖成员节点；
20、其中，所述单覆盖成员节点对应有一个目标簇头节点，所述多覆盖成员节点对应有多个目标簇头节点。
21、根据本发明优选的，所述步骤s23中，所述计算簇内每个传感器节点的平均相异度，具体包括：计算每个簇内所有传感器节点到该簇内其他各传感器节点的相异度，并求取所有相异度的平均值，即得到每个簇内各传感器节点的平均相异度为：
22、
23、式(1)中：p(ci，pj)表示簇ci内节点pj的平均相异度；m表示簇ci中的节点数量；d(pj，pk)表示节点pj和节点pk之间的距离度量，即欧几里得距离。
24、根据本发明优选的，所述步骤s23中，选择平均相异度最小的传感器节点作为新的簇头节点，具体为：
25、
26、式(2)中：pm表示新的簇头节点。
27、根据本发明优选的，所述步骤s3中，基于所述k个簇中所覆盖的所有传感器节点的数量，计算所述k个簇的总节点覆盖率c′，具体为：
28、
29、式(3)中：q表示k个簇中所覆盖的所有传感器节点的数量；q表示节点数据集中所有传感器节点的数量。
30、根据本发明优选的，所述步骤s4中，计算所述待发送数据的成员节点到达其对应目标簇头节点的路径上的所有相邻传感器节点之间的信噪比，具体包括：
31、s41、使用对数距离路径损失模型描述相邻传感器节点之间无直射路径情况下的信号传播，并计算所述对数距离路径损失模型的路径损失，即：
32、
33、式(4)中：pl(d)表示信号传播距离d处的路径损失；plo表示参考距离d0处的路径损失，参考距离d0通常取为1米；n表示路径损失指数，通常取决于环境条件；xf表示环境衰减因子；
34、s42、计算每个传感器节点的天线增益，即：
35、
36、式(5)中：gh表示传感器节点的天线增益；ae表示天线的等效孔径面积，以平方米为单位；
37、s43、基于所述对数距离路径损失模型的路径损失以及每个传感器节点的天线增益，计算相邻传感器节点之间的信噪比，即：
38、snr(db)＝pl(d)+gh-n (6)；
39、式(6)中：snr(db)表示相邻两个传感器节点之间的信噪比；n表示噪声水平。
40、根据本发明优选的，所述步骤s4中，对于所述单覆盖成员节点，采用直接通信或通过所述最优通信链路通信的方式将其数据传输至对应的目标簇头节点。
41、根据本发明优选的，所述步骤s4中，对于所述多覆盖成员节点，根据所述最优通信链路确定最优目标簇头节点，并采用直接通信或通过所述最优通信链路通信的方式将其数据传输至所选的最优目标簇头节点。
42、在本发明的另一个方面当中，提供了一种实现工业环境下面向通信受限物联网节点的数据汇集方法的装置，所述装置包括：
43、输入模块，用于输入给定的节点数据集和预设参数，其中，所述节点数据集中包含监测区域内所有传感器节点，所述预设参数包括节点覆盖半径r、节点覆盖率c以及初始簇头个数k；
44、聚类模块，用于基于给定的所述节点数据集和预设参数，使用k-medoids聚类算法将所述节点数据集中的所有传感器节点划分为k个簇，其中，所得到的每个簇中均包含一个目标簇头节点和若干成员节点；
45、验证模块，用于基于所述k个簇中所覆盖的所有传感器节点的数量，计算所述k个簇的总节点覆盖率c′，并比较所述k个簇的总节点覆盖率c′与给定的节点覆盖率c：若所述k个簇的总节点覆盖率c′大于给定的节点覆盖率c，则执行步骤s4，若所述k个簇的总节点覆盖率c′小于或等于给定的节点覆盖率c，则将给定的初始簇头个数k加一，并重复执行步骤s2；
46、执行模块，用于判断待发送数据的成员节点与其对应的目标簇头节点之间是否存在中间成员节点，若存在：计算所述待发送数据的成员节点到达其对应目标簇头节点的路径上的所有相邻传感器节点之间的信噪比，以筛选所述待发送数据的成员节点与其对应的目标簇头节点之间的最优通信链路，并控制所述待发送数据的成员节点通过所述最优通信链路将其数据传输至对应的目标簇头节点；若不存在：控制所述待发送数据的成员节点直接将其数据传输至对应的目标簇头节点。
47、与现有技术相比，本发明的有益效果为：
48、(1)本发明提供的一种工业环境下面向通信受限物联网节点的数据汇集方法，利用k-medoids聚类算法对监测区域内的所有传感器节点进行分簇，然后判断待发送数据的成员节点与其对应的目标簇头节点之间是否存在中间成员节点，若存在，则优先考虑信道条件，根据实时环境选择最优通信链路将数据传输至相应的目标簇头节点，减少因通信问题造成的数据丢失，最大化数据收集量，并延长传感器节点的使用寿命。
49、(2)本发明在工业环境中无线传感器网络的数据收集基础上，利用k-medoids聚类算法和动态选择簇头的方法，以最大化场景中数据采集量为目标建立优化问题，为大规模无线传感器网络下的数据汇集提供了新方法。
1.一种工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述方法包括：
2.根据权利要求1所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s2具体包括：
3.根据权利要求2所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s2具体还包括：
4.根据权利要求2所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s23中，所述计算簇内每个传感器节点的平均相异度，具体包括：计算每个簇内所有传感器节点到该簇内其他各传感器节点的相异度，并求取所有相异度的平均值，即得到每个簇内各传感器节点的平均相异度为：
5.根据权利要求4所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s23中，选择平均相异度最小的传感器节点作为新的簇头节点，具体为：
6.根据权利要求1所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s3中，基于所述k个簇中所覆盖的所有传感器节点的数量，计算所述k个簇的总节点覆盖率c′，具体为：
7.根据权利要求1所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s4中，计算所述待发送数据的成员节点到达其对应目标簇头节点的路径上的所有相邻传感器节点之间的信噪比，具体包括：
8.根据权利要求3所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s4中，对于所述单覆盖成员节点，采用直接通信或通过所述最优通信链路通信的方式将其数据传输至对应的目标簇头节点。
9.根据权利要求3所述的工业环境下面向通信受限物联网节点的数据汇集方法，其特征在于，所述步骤s4中，对于所述多覆盖成员节点，根据所述最优通信链路确定最优目标簇头节点，并采用直接通信或通过所述最优通信链路通信的方式将其数据传输至所选的最优目标簇头节点。
10.一种实现工业环境下面向通信受限物联网节点的数据汇集方法的装置，其特征在于，所述装置包括：
