1.一种感知大数据层次感知压缩编码方法，其特征在于，包括以下步骤：

1)感知大数据网络的第一层为感知节点层，感知节点对环境中具有时间相关性的原始数据进行采样，并进行同步压缩，然后将压缩采样数据发送至上层对应的簇头节点中；

2)感知大数据网络的第二层为簇头节点层，簇头节点k对从下层收到的压缩采样数据和从其他簇头节点收到的数据进行压缩编码，并以概率p传送压缩编码数据至上层对应的处理节点中，具体步骤为：

21)簇头节点k利用观测矩阵Φ'k，对从下层节点收到的压缩数据再次进行压缩观测，获m×n m×n得簇头节点k的压缩数据Z'k＝[Z'k,1Z'k,2…Z'k,n]，Z'k∈R ，其中，R 表示m×n矩阵，n为感知节点的观测矩阵行数，观测矩阵Φ'k是由M×M单位矩阵中随机选出m行组成，Z′k,1、Z′k,2、Z′k,n分别表示对簇头节点k中的M个感知节点在时隙1、时隙2和时隙n的压缩采样数据通过观测矩阵Φ'k进行压缩观测获得的压缩数据，其中Z′k＝Φ′kYkT，Yk＝[Yk,1 Yk,2  ... Yk,M]，Yk,1、Yk,2、Yk,M分别表示k簇感知节点1、感知节点2、感知节点M的压缩采样数据，Yk表示k簇的压缩采样数据；

22)当簇头节点k从其它d-1个簇头接收数据时，进行线性网络编码，并传输概率p的编码数据，簇头节点k的编码数据为Z″k,(m×d×p)×n (m×d×p)×n

其中Z″k∈R ，Φ″k表示在簇头节点k处的网络编码变换矩阵，其中R 表示

(m×d×p)×n矩阵，d表示每个处理节点所对应的簇头节点数，Z″k,1、Z″k,2、Z″k,n分别表示d个簇头节点在时隙1、时隙2和时隙n的数据在传输过程中执行网络编码操作所获得的编码数据，Z'1、Z'2、Z'd分别表示簇头节点1、簇头节点2、簇头节点d的压缩数据；

3)感知大数据网络的第三层为处理节点层，处理节点对从下层收到的数据和从其他处理节点收到的数据进行进一步的编码并以概率p将编码数据发送至上层的汇聚节点中；

4)感知大数据网络的最高层为汇聚节点层，汇聚节点从所有下层节点中收集到编码数据后，进行解码操作，获得近似的原始数据。

2.根据权利要求1所述的感知大数据层次感知压缩编码方法，其特征在于，所述步骤1)中，感知节点对环境中具有时间相关性的原始数据进行采样并进行同步压缩，具体方法为：原始数据为Xk,i＝[xk,i1xk,i2…xk,iN]T，其中Xk,i表示k簇感知节点i的原始数据，每个簇头节点下的感知节点共M个，k∈{1,2,…,L}，k表示簇头节点，L表示簇头节点数，xk,i1、xk,i2、xk,iN分别表示k簇感知节点i在时隙1、时隙2、时隙N时的原始数据，N表示每个感知节点的时隙长度，使用观测矩阵Φ，Φ∈Rn×N，且n小于N，Rn×N表示n×N矩阵，将原始数据进行压缩采样得到压缩采样数据Yk,i＝ΦXk,i，其中Yk,i表示k簇感知节点i的压缩采样数据，观测矩阵Φ由N×N单位矩阵随机选择n行组成。

3.根据权利要求1所述的感知大数据层次感知压缩编码方法，其特征在于，所述步骤3)中，处理节点h接收到由下层发来的编码数据和从其他r-1个处理节点传来的数据后，进行线性网络编码，并传输概率p的编码数据，处理节点h的编码数据为Z″′h，其中矩阵Z″′h∈R(m×d×p×r×p)，R(m×d×p×r×p)表示(m×d×p×r×p)×n矩阵，矩阵Φ″′h表示在处理节点h处的网络编码变换矩阵，Z”'h,1、Z”'h,2、Z”'h,n分别表示r个处理节点在时隙1、时隙2和时隙n的数据在传输过程中执行线性网络编码操作所获得的编码数据，Z”1、Z”2、Z”r分别表示处理节点1、处理节点2和处理节点r所收到来自于下层簇头节点的编码数据。

4.根据权利要求3所述的感知大数据层次感知压缩编码方法，其特征在于，处理节点按照实际需求组织成多个层次体系来执行和第三层一样的操作，并且由处理节点层中最高一层将编码数据发送给汇聚节点。

5.根据权利要求1所述的感知大数据层次感知压缩编码方法，其特征在于，所述步骤4)中，解码操作具体步骤为：

41)利用CS重构算法对空间维度压缩与网络编码进行联合解码，重建出空间维度近似原始数据；

42)利用CS重构算法对时间维度压缩数据进行重建，获得近似的原始数据。