本發明屬于傳感器采樣，具體涉及一種基于環境波動感知與carafe優化的傳感器動態采樣方法。

背景技術：

1、在無線傳感器網絡(wsn)和遠程監測應用中，通常會在監測區域內部署大量無人值守的無線傳感器節點。這些節點通過無線自組網實現對各種監測對象的實時監測、感知和數據采集，并將信息上傳至基站進行存儲和處理。能量效率是無線傳感器網絡的關鍵指標之一，傳感器節點的能量消耗主要集中在cpu、傳感器模塊和無線收發器上，其中無線通信的能耗較高，數據傳輸約占整個網絡能量消耗的80％。

2、因此，無線傳感器節點需要采用合理的采樣策略，盡量減少冗余數據的傳輸，以降低整體能耗。傳統的傳感器采樣方式通常是連續采樣(周期采樣)，即傳感器節點按固定時間間隔采集數據。這種方式雖然采樣誤差小、控制流程簡單，但采樣頻率固定，導致功耗較大，難以滿足無線傳感器節點的能量需求。尤其在環境參數較為穩定時，過高的采樣頻率會增加不必要的能量開銷。此外，固定頻率的采樣系統無法靈活響應環境的快速變化，可能在環境劇烈波動時錯失關鍵數據。

3、因此，針對上述問題，予以進一步改進。

技術實現思路

1、本發明的主要目的在于提供基于環境波動感知與carafe優化的傳感器動態采樣方法，能夠自適應地調節采樣頻率，并通過內容感知的carafe算子對采樣數據進行特征優化，以提升數據采集的精度和能效，在環境感知模塊、動態采樣控制器、carafe下采樣模塊以及數據傳輸與存儲策略的協同作用下，有效降低了無線傳感器節點的能耗，適合應用于遠程監測和無線傳感器網絡等低功耗場景。

2、為達到以上目的，本發明提供一種基于環境波動感知與carafe優化的傳感器動態采樣方法，包括以下步驟：

3、步驟s1：環境感知模塊通過傳感器節點采集的原始數據計算窗口數據的標準差σ并且判斷標準差σ是否超過動態閾值θ，從而監測環境數據的波動情況；

4、步驟s2：動態采樣控制器根據環境的波動情況的不同狀態切換采樣頻率，并且通過內容感知的下采樣處理以及智能批量傳輸策略，實現在保證數據質量的同時降低系統的能耗。

5、作為上述技術方案的進一步優選的技術方案，步驟s1具體實施為：

6、步驟s1.1：環境感知模塊的各個傳感器節點采集的原始數據被分配到固定時間窗口內，從而計算窗口數據的標準差σ，公式如下：

7、

8、其中，xi為第i個采樣點的數據值，為窗口數據的平均值，n為時間窗口內的采樣點總數,通過該標準差σ的波動量直觀反映出環境的變化情況；

9、當σ超過預設的動態閾值θ時，系統判斷環境處于波動狀態；當σ低于θ時，系統判斷環境為穩定狀態；

10、步驟s1.2：(為了提高環境狀態判斷的精度)動態閾值θ根據環境變化自適應調整，計算公式為：

11、θ＝α·σhistoty+β

12、其中，σhistory表示歷史數據的平均標準差，α和β為調節參數，用于控制動態閾值的基線和靈敏度(這種自適應的動態閾值機制有助于系統在不同場景下保持合理的采樣頻率，提高環境狀態監測的準確性)。

13、作為上述技術方案的進一步優選的技術方案，步驟s2具體實施為以下步驟：

14、步驟s2.1：對于穩定狀態，動態采樣控制器將采樣頻率設定為低頻率(如每小時采樣一次)，以節省能耗；

15、步驟s2.2：對于波動狀態，動態采樣控制器將采樣頻率設定為高頻率(如每分鐘采樣一次)，以捕捉快速變化的環境信息。

16、作為上述技術方案的進一步優選的技術方案，在步驟s2中，(為了進一步優化采樣頻率切換的效率和實時性)動態采樣控制器通過時間序列預測模型對未來時刻的環境波動進行預測，從而在環境波動發生之前提前切換到高頻模式，時間序列預測模型如下：

17、

18、其中，φi為自回歸項的系數，θj為移動平均項的系數，∈t-j為白噪聲項，xt-i表示過去的觀測數據，參數p、q、t是模型的定義和計算所需的基本要素；基于時間序列預測模型，在預判環境狀態的基礎上實現自適應采樣頻率調節(減少因頻率頻繁切換而導致的系統開銷，同時保證數據采集的有效性和及時性)。

19、作為上述技術方案的進一步優選的技術方案，對于步驟s2，(在高頻率的采樣模式下，傳感器節點采集的數據量增大，直接傳輸會顯著增加通信能耗)引入carafe算子的核預測模塊以及特征重組模塊，對采樣數據進行內容感知的下采樣處理(carafe算子能夠識別數據中的變化區域，并對樣本進行加權重采樣，以保留關鍵變化信息的同時去除冗余數據。與傳統方法使用1×1或2×2的接受場不同，carafe算子擁有更大的接受場，能夠考慮整個特征映射，從而更好地保留圖像的細節和邊緣信息，減少采樣過程中的鋸齒和模糊效果。carafe算子支持自適應核的動態生成，能夠根據不同目標實現內容感知處理，而傳統的插值方法則無法動態調整核的大小以匹配數據內容)，其中：

20、在核預測模塊中，自適應卷積核根據輸入特征生成，與位置相關，從而提高對變化信息的識別和保留能力，核預測模塊根據輸入特征生成位置相關的自適應卷積核，公式為：

21、ki,j＝g(xi,j)

22、其中，ki,j為卷積核矩陣，xi,j為原始數據的特征信息，函數g是核預測網絡，自適應卷積核結構允許根據環境數據的特征進行動態加權優化；

23、在加權采樣步驟中，特征重組模塊通過重采樣有效提取數據變化區域，carafe算子根據生成的權重wi,j，對采樣數據進行加權卷積計算，使用卷積核k對數據區域進行內容感知的重采樣，其公式為：

24、

25、其中，yi,j為經過重采樣處理后的數據，k為卷積核，大小為(2k+1)×(2k+1)，xi+m,j+n為原始數據點，i和j表示卷積操作中重采樣數據的目標位置坐標，m和n是卷積核的相對位置偏移量，用于在卷積核的范圍內對原始數據點進行采樣，通過在顯著區域加權重采樣，carafe算子(能夠)有效去除不必要的數據冗余，在減少數據量的同時保留環境的特征信息(該方法在高頻采樣模式下可減少數據傳輸量，同時保持關鍵變化信息，有效提升了數據處理的能效)。

26、作為上述技術方案的進一步優選的技術方案，對于步驟s2，通過智能的批量數據傳輸策略解決批量傳輸帶來的數據量問題，其中：

27、在穩定狀態下，系統將采樣數據暫存于本地存儲單元中，待環境進入波動狀態時再進行批量傳輸，從而減少傳輸次數和通信功耗，系統采用以下公式量化傳輸過程中的總功耗：

28、

29、其中，ttotal表示系統的總功耗，tsampling表示數據采集的功耗，d表示批量傳輸的數據量，r表示數據傳輸速率，ptransmit表示傳輸功耗，通過合理控制批量數據量d的大小和傳輸頻次，并優選使用低功耗通信協議(如lora或ble)，從而在保障數據完整性的前提下，降低通信功耗并且延長傳感器節點的使用壽命。

30、本發明的有益效果在于：

31、本發明的動態采樣算法通過環境感知、動態采樣調節、內容感知的下采樣以及智能批量傳輸等步驟，實現了在保證數據質量的同時顯著降低了系統的能耗。這種基于環境波動自適應采樣的方案使得無線傳感器網絡和遠程監測應用在電池供電的情況下能夠實現高效、低耗的運行，具有廣泛的應用前景和實用價值。