CN115309814B 基于结构化低秩张量补全的物联网数据重建方法 （河北工业大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115309814B(45)授权公告日2025.07.11

(21)申请号202210943271.5

(22)申请日2022.08.08

(65)同一申请的已公布的文献号申请公布号CN115309814A

(43)申请公布日2022.11.08

(73)专利权人河北工业大学

地址300130天津市红桥区丁字沽光荣道8

号河北工业大学东院330#

(72)发明人何静飞张潇月刘晓彤池越

(74)专利代理机构天津翰林知识产权代理事务所(普通合伙)12210

专利代理师蔡运红

(51)Int.CI.

GO6F16/26(2019.01)

GO6F17/11(2006.01)

(56)对比文件

CN110568486A,2019.12.13CN112464082A,2021.03.09

审查员李爽

权利要求书3页说明书8页附图2页

(54)发明名称

基于结构化低秩张量补全的物联网数据重

建方法

(57)摘要

CN115309814B本发明为基于结构化低秩张量补全的物联网数据重建方法，首先将监测区域离散为多个网格点，每个网格点内部署一个传感器节点；假设传感器节点每隔一个时隙感知一次数据，故基站在时间T内接收到的数据组成三阶张量；其次，将数据重建转换为基础低秩张量补全问题，并构建低秩张量补全模型；最后，对三阶张量的每个模式i的展开矩阵进行块汉克尔矩阵变化，将基础低秩张量补全模型改进为结构化低秩张量补全模型，对结构化低秩张量补全模型的增广拉格朗日函数进行求解，得到三阶张量，完成物联网数据重建。将连续时刻采集的数据以三阶张量进行排列，充分利用数据的空间相关性；对三阶张量的每个模式i展开矩阵进行块汉克尔矩阵变化，通过结构化和低秩张量补全结合进行数据重建，

CN115309814B

提高了数据重建精度。

模式：1展开

模式：1展开

模式-2展开

M

XeRt

模式3展开

XR

点)

CN115309814B权利要求书1/3页

2

1.一种基于结构化低秩张量补全的物联网数据重建方法，其特征在于，该方法包括以下步骤：

步骤1、将物联网监测区域离散为M×N个网格点，每个网格点内部署一个传感器节点；假设传感器节点每隔时隙感测一次数据，并将数据传输到基站，故基站在时间T=L×t内接收到的数据组成一个三阶张量X∈RM×N×L,R表示实数域，M、N为正整数；

由于数据丢失，在时间T内仅有D个环境信息测量值传输到基站，DM×N×L,则基站接收到的数据通过P()=P(X)表示，P()表示随机采样操作符，J∈RM×L表示从三阶

张量X中随机采样得到的数据，包含D个环境信息测量值，未采样点位置用零填充；Ω表示观测集；

步骤2、三阶张量X的水平切片数据之间以及侧切片数据之间均具有空间相关性，前切片数据之间具有时间相关性，因此张量X具有低秩性，故可将数据重建转换为低秩张量补全问题，基础低秩张量补全模型的表达式为：

(2)

其中，α;表示三阶张量X的模式i展开矩阵的核范数的权重，i=1,2,3,满足α0和表示三阶张量X的模式i展开矩阵，II·||和·I分别表示矩阵核范数和F-范数，λ为正则化参数；

步骤3、对三阶张量X的每个模式i展开矩阵进行块汉克尔矩阵变化，惩罚由三阶张量X的模式i展开矩阵X(;)形成的块汉克尔矩阵的核范数，则式(2)的基础低秩张量补全模型改进为：

(3)

其中，R为将矩阵转换为块汉克尔矩阵的操作算子；

通过引入变量分裂将式(3)的低秩张量补全模型转换为式(6)的等价约束优化问题：

(6)

s.t.C=X,M⑧=RL,i=1,2,3;

对约束方程式(6)运用交替方向乘子法求解，首先要得到原目标函数的增广拉格朗日函数，故式(6)增广拉格朗日函数表示为：

(7)

式中，β表示惩罚系数，β0,E()和F均表示拉格朗日乘子；

步骤4、对式(7)进行求解，得到三阶张量X,完成物联网数据重建。

2.根据权利要求1所述的基于结构化低秩张量补全的物联网数据重建方法，其特征在于，式(7)的交替求解过程为：

CN115309814B权