传感器网络中一种存储有效的小波渐进数据压缩算法

现有的数据压缩算法大多以节能为设计目标,很少顾及到节点有限的存储容量.设计适合传感器网络小波变换的环模型和基于覆盖重叠的分簇模型,消除边界效应.基于此两种网络模型,分别提出存储有效的二维和三维渐进小波数据压缩算法,该算法依据小波函数的支撑长度和簇头的可用存储容量来确定渐进传送的数据单元,具有存储有效性;依据空间相关性来选择渐进传送数据的传感器节点,从而在存储有效的同时又节省网络传输耗能.从存储开销、能量消耗和网络延时等3个方面分析了算法的性能.理论分析和实验结果表明,和一般的数据压缩算法相比,小波渐进压缩算法在耗能相当的情况下,节省了节点的存储容量.     

基于链模型的分布式小波压缩算法

针对任意支撑长度的小波函数,提出一种基于链模型的分布式数据压缩算法,在数据传送到簇头前去除传感数据的相关性,避免冗余数据的传输。设计一个适合于小波变换的链模型,选择小波系数在链上存放的最佳传感器节点位置,确定进行分布式小波变换的链。基于此链给出一个适合任意支撑长度小波函数的分布式小波压缩算法。从网络耗能和数据重构精度的角度设计模拟实验,验证了算法具有较好的性能。     

传感器网络中层次簇模型的数据压缩算法

提出一种传感器网络中层次簇模型的分布式数据压缩算法。将传感器网络映射成一个层次簇,基于低级簇内节点部署的相对规则性和超级簇内节点部署的相对不规则性,分别采用不同的小波变换模型来进行数据压缩。理论分析和实验仿真结果表明,该算法有较好的逼近性能,能对传感器网络中的数据进行有效压缩,可更大程度地降低传感器网络中的数据传输量,从而进一步延长整个网络的生命周期。     

传感器网络中基于数据压缩的汇聚算法

结合传感器网络的节点特性和位置信息,提出了一种基于连通支配集的传感器网络定向传播模型,以及一种基于"域"的分布式数据汇聚模型DDAM(distributed data aggregation model).DDAM把传感器网络按"域"划分来构建连通核,传感节点只需在连通核中寻径,因而可明显减少寻径时间复杂度并且具有更好的分布性;然后在该定向传播与数据汇聚模型基础上,考虑传感器网络的数据特性及小波变换在流数据压缩方面的良好性能,提出了一种基于区间小波变换的混合熵数据压缩方法.理论分析和实验仿真结果表明:对比传统的DC算法-DD路由算法相结合的算法,新算法能对传感器网络中的流数据进行有效压缩,可更大程度地降低传感器节点数据传输的能耗,从而进一步延长整个网络的生命周期.     

无线传感器网络中一种分布式数据压缩算法

无线传感器网络有限的能量与通信带宽难以适应网络中大量数据的传输,需要在网络内部对传感数据进行压缩处理。基于任意支撑长度的小波函数,提出了一种分布式数据压缩算法。首先研究边界效应对传感数据重构带来的影响,然后基于虚拟网格环模型给出了一种分布式小波数据压缩算法。理论分析与实验结果表明,该算法能有效地去除传感数据中存在的空间相关性。而且,随着簇头与簇内节点距离的增加,该算法比非分布式方式更节省网络耗能。     

传感器网络中基于区间小波变换的混合熵数据压缩算法

考虑传感器网络的数据特性及小波变换在流数据压缩方面的良好性能，提出了一种基于区间小波变换的混合熵数据压缩方法。理论分析和仿真结果表明，结合传统的DC(Data Centric)算法-DD (Directed Diffusion)路由算法，新算法能对传感器网络中的数据流进行有效压缩，可更大程度地降低DD路由算法下节点数据传输的能耗，从而可进一步延长整个网络的生命周期。     

基于提升小波和自适应多项式拟合的传感器网络多模数据压缩算法

为提高无线传感器网络的感知精度,提出了一种基于提升小波变换和自适应多项式拟合的多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on lifting wavelet and adaptive polynomial fitting,简称AMLP）。在给定相关度阈值的前提下,AMLP算法先对数据进行灰色关联聚类,再对类中的相关数据进行自适应的多项式拟合,然后把未拟合的特征数据抽象成一个矩阵,利用提升小波变换去除数据的时间和空间相关性。最后,通过游程编码对数据作进一步压缩。仿真结果表明,AMLP算法能够有效去除不同数据间的冗余信息以及同种数据间的时间和空间冗余信息,提高压缩比,降低网络能耗。与基于小波的自适应多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on wavelet,简称AMMC）相比,AMLP算法的数据恢复精度大大优于AMMC算法,压缩比和能耗相近。因此,AMLP算法更适用于要求高精度数据的传感器网络应用,如地质灾害监测、医疗和军事领域。     

无线传感器网络中分布式小波压缩

无线传感器网络中传感节点的资源十分有限,为了减少无线传感器网络在数据通信时的能量消耗,提出了基于提升格式的分布式小波数据压缩算法及其简化算法.这种方法一方面把整个小波变换所需的计算量分布于各个节点之中,通过简化消除额外的计算和数据传输,而且对于每个节点来说,计算量都很小,易于实现.另一方面又能有效地消除无线传感器网络中节点内和节点间的信息冗余,大大节省了无线传输所消耗的能量.仿真结果表明,与经典的方法相比,在能耗和重构信号质量上都获得了良好的效果.     

基于欺负算法的改进选举算法

欺负算法产生大量通信信息,时间开销大,占用系统资源过高,严重影响了分布式OLAP系统的性能。针对该问题,提出一种基于欺负算法的改进算法。该算法采用一对一的方式直接向性能最优的节点发送选举消息,以降低选举过程中产生信息的通信量和选举时间开销;并通过循环选举保证选举出系统的最优节点担任系统协调者。实验结果表明,该改进算法有效地降低了消息通信量,减少了时间开销,能更好的应用于分布式OLAP系统。     

无线传感器网络的数据压缩算法综述

介绍无线传感器网络的特点,分析数据压缩技术对无线传感器网络发展的重要性;综述了无线传感网络中数据压缩技术的研究现状并介绍了无线传感器网络中部分有代表性算法的研究成果:根据监测数据在时间和空间上存在某种相关性,分类出基于时空相关性的数据压缩算法;根据采用某种变换去除数据时空相关的冗余信息算法,分类出基于小波变换的数据压缩算法;在集中和分散这两种信息服务都能实现的原则基础上,分类出分布式数据压缩算法;通过对传统的压缩算法进行裁剪和优化,分类出改进的传统数据压缩算法;同时总结了各算法的适用环境及其算法中心思想;最后讨论了无线传感器网络中各种数据压缩算法在现阶段存在的不足及各种压缩方法的未来研究方向.     

MIMO-OFDM系统中的自适应DWT-CQI反馈压缩算法

针对多用户MIMO-OFDM系统中信道质量指示(CQI)反馈信息量较大的问题,提出一种基于离散小波变换(DWT)的压缩算法.为了进一步降低反馈信息开销,根据天线间相关性、子载波间相关性以及小波变换本身的特点设计了一种自适应方案.仿真结果表明,在V-BLAST+OFDM系统中,本压缩算法在BER性能下降较小的前提下可减少大量反馈信息,能灵活地实现系统性能和反馈开销之间的折中.     

基于小波变换的图像压缩在监控系统中的应用研究

介绍了一种新的快速小波变换算法（FWT），在此基础上论述了基于小波变换的视频图像压缩的全过程，并提出了一种新的基于快速小波变换算法的视频现场总线监控系统。     

无线传感器网络中分布式数据压缩方法

针对无线传感器网络节点能量受限及传感数据在时间与空间方向上都存在冗余的问题,基于5/3整数小波方法,提出分布式时空数据压缩算法以及参数包复制策略。仿真实验结果表明,与提升格式的小波方法相比,该方法不但减少时间与空间方向上的数据量,同时延长1/4左右网络生命周期。     

基于SPIHT编码的语音信号压缩算法

提出了一种基于最佳小波包变换和SPIHT编码的语音信号压缩编码方法。该方法首先对语音信号进行小波包变换,求解最佳小波树,进行动态位分配,再用改进的SPIHT算法对变换后的小波系数进行压缩编码。并且采用了熵编码的方法进一步提高了压缩比。实验表明,该方法在较高的压缩比下能获得较好的信号重构质量,计算复杂度低,延迟小。     

一种基于非分离小波的图像压缩算法的研究

提出了一种基于非分离小波的图像压缩算法，构造了不同性质(正交性，对称性，消失矩等)的小波滤波器，利用这些滤波器实现了非分离小波域的图像压缩，比较研究了在采用不同性质的小波函数的情况下非分离小波变换和张量积小波变换在图像压缩中的应用。从实验结果可以看出，非分离小波在性质接近时，在很多情况下要优于单小波与多小波，是一类具有良好应用前景的高维小波。     

一种改进的无线多媒体传感器网络分布式图像压缩算法

针对无线多媒体传感器网络(WMSNs)中单个节点资源严重受限而难以直接处理和传输图像的问题,在分布式渐进图像压缩算法(DICA)的基础上,提出了一种改进的基于簇内分布式处理的图像压缩算法(ICDP),即在每个簇内通过能量优先选择原则选取辅助节点来协同完成JPEG2000图像压缩标准中的多级小波变换,从而实现图像的分布式处理和压缩。仿真结果表明,与DICA算法相比,ICDP算法能够在保证图像重建质量和压缩比相同的前提下,更好地平衡网络中各节点能耗,延长了网络的生命周期,更适合应用于资源受限、节点部署密集的WMSNs中。     

基于谱图小波变换的图像压缩编码方法

针对小波变换图像压缩编码方法在高压缩比下得到的重构图像质量往往较差的问题,提出了一种基于谱图小波变换的编码方法.该方法首先将图像转化成图,利用谱图小波变换分解图得到谱图小波系数,这些系数的能量随着尺度的增加而衰减,然后根据谱图小波系数的特性对SPECK算法进行改进,最后对谱图小波系数进行量化,利用改进的SPECK算法对量化后的系数进行压缩编码,并在图像数据量压缩的同时从稀疏系数中恢复原始图像.实验结果表明,该编码方法对自然图像的压缩具有高效性,相比小波变换的压缩方法,重建图像的PSNR有所提高且变化平稳,与此同时还得到更大的压缩比.     

超光谱图像的三维小波嵌入零块压缩编码

超光谱图像作为一种三维图像,其海量的数据导致在有限带宽信道上传输和存储非常困难,必须对它进行有效的压缩编码.提出了一种基于非对称三维小波变换(3D wavelet transform,简称3DWT)和三维集合块分裂的超光谱遥感图像压缩方法.因为大多数超光谱图像在各个方向上具有非对称的统计特性,所以利用非对称三维小波变换去除图像的谱间和空间冗余.与传统的对称三维小波变换相比,非对称的三维小波变换能够更有效地去除相邻谱段间的冗余.提出了一种改进的3DSPECK(3D set partitioning embedded block)算法--非对称三维集合分裂块算法(asymmetric transform 3DSPECK,简称AT-3DSPECK),并被用于编码变换后的系数.根据变换系数的能量分布特点,三维零块分裂和三维octave子带分裂方法被有效地结合在所提出的AT-3DSPECK算法中.为了优化率失真和加速编码速度,也给出了一种零块优化排序的快速算法.实验测试表明:AT-3DSPECK算法的平均PSNR(peak signal to noise ratio)分别比AT-3DSPIHT(asymmetric transform 3D set partitioning in hierarchical trees)和3DSPECK算法高0.4dB和1.4dB.此外,AT-3DSPECK还具有比零树算法更快的编码速度.     

应用于图像的基于提升方法的双自适应小波变换

由于小波具有良好的时频特性,对于平滑图像,利用固定尺寸的小波滤波器滤波可以获得良好的分解结果.然而对于具有较多突变点的图像而言,采用固定尺寸的小波滤波器进行滤波并不是一个理想的选择.基于Heijman等人提出的2维自适应更新提升格式,本文提出了一种双自适应的小波变换算法,在更新与预测过程均采用自适应算法.最后,对标准图像进行测试分析,实验结果表明该算法在图像精确重构不需要额外的附加信息,且可以提高图像的峰值信噪比（PSNR）.