面向WSN节点的数据压缩算法的应用研究

本文根据无线传感器网络(WSN)节点对数据压缩的需要和节点存储空间和能量受限的特点,分析了面向WSN节点的数据压缩的特点和研究意义。针对资源受限节点对压缩精度和算法运算量的不同需求,提出了在典型节点处理器上基于傅立叶级数实现数据压缩的简化应用方法。仿真实验表明了在WSN节点平台上应用该压缩算法的有效性。     

基于压缩感知理论的WSN微震源定位节点设计

提出了一种基于压缩感知的WSN微震源数据压缩算法.利用WSN微震信息的可稀疏化表示,设计出与稀疏基相关性低的稀疏观测矩阵,保证了压缩数据的可重构性,介绍了整个WSN微震源定位节点的系统设计,包括采集、存储以及无线传输方式等.将该压缩感知算法在硬件系统中实现,可利用较少的数据采集实现微震源定位,从而大大提高了存储、采集及WSN的效率.实验结果表明,该算法的硬件实现在保证微震信息完整性的基础上,数据压缩率达到60％,具有十分重要的研究意义.     

基于无线通信和计算特征分析的能耗模型

无线传感器网络(wireless sensor network, WSN)是能量严重受限的网络,这就要求WSN必须是能量有效的.有必要掌握WSN的能量实时消耗情况,这需要有正确的能耗模型提供支持.但目前的能耗建模研究在一般假设方面仍存在种种与WSN实际不符的情况,这导致现有能耗模型不能应用于WSN实践.首先结合WSN应用实际,综合分析了通信活动、计算活动及物理特性因素对节点能耗的影响.进而提出了一种基于无线通信和计算特征分析的节点能耗模型.最后对该能耗模型等进行了物理实现,并通过现场实验验证了该模型的有效性.     

一个能量有效的无线传感器网络局部式覆盖算法

覆盖问题是无线传感器网络中的一个重要问题.由于WSN中传感器节点能量受限和冗余的特点,可以通过节点调度实现网络的能量有效性.提出了改进的局部式覆盖算法,通过将传感器节点划分成覆盖集来实现节点调度.算法充分考虑传感器节点的监测能力,选择加入覆盖集中的节点,提高了传感器节点的利用率.理论分析和仿真实验表明:算法在划分覆盖集...     

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.     

WSN中数据传输瓶颈问题解决方案研究

通过对常见的无线传感器网络(WSN)进行研究,分析了WSN中数据传输瓶颈节点形成的原因.为了解决瓶颈节点,结合数据压缩和数据融合技术以减少传向汇聚节点的数据量,在汇聚节点以上使用高速网络,当数据量超出汇聚节点的处理能力时,在汇聚节点采用根据兴趣或数据的优先级对数据进行选择性传输,给出了解决瓶颈节点的一般化方案.     

基于轻量级CA无线传感器网络双向认证方案

无线传感器网络(Wireless Sensor Network,WSN))认证协议,多是基于秘密密码算法或传统证书公钥密码算法,前者需要在传感器节点中预置大量信息,后者又过于复杂,很难在资源受限的WSN中取得理想效果,针对该问题结合轻量级CA(Lite Certificate Authority,LCA)公钥机制,设计WSN移动用户与LCA及与传感器节点的双向认证协议.分析表明,LCA简化了传统基于证书CA公钥机制的复杂性,产生公钥轻量化、公钥验证轻量化、无需证书管理.系统初始化完成后,用户与传感器节点及传感器节点间的双向认证无需LCA参与,简单高效,通信量少,可抵御无线环境下易于实施的多种攻击,适用于资源受限的WSN.     

基于节点轮换的无线传感器网络节能策略研究

针对节点冗余造成无线传感器网络(WSN)瓶颈节点能量消耗过快的问题,提出了一种基于节点轮换休眠的能量优化方法.首先建立了WSN能量优化的多目标数学模型,利用多目标规划问题的标量化处理将问题转化为单目标优化问题.然后提出节点轮换休眠策略算法.实验表明,本算法对WSN优化后的能量节约率在20%以上,且瓶颈节点能量消耗更加均匀.因此它能有效提高无线传感器网络的性能,是一种应用性较强的WSN能量优化算法.     

基于空间相关性与灰色模型的WSN数据压缩方法

针对目前无线传感器网络（WSN）数据压缩方法的计算复杂度高、压缩效率和数据恢复准确率较低的情况,提出基于簇头-基站分离式结构的WSN数据压缩方法。该方法在WSN的单层分簇结构的基础上,要求感知节点将采集的原始数据分段发送,采用原有WSN数据压缩方法对簇头节点接收的数据进行空间相关性压缩,在基站采用灰色模型进行数据恢复。另外,通过实验分析灰色模型与灰色马尔可夫链模型对数据的恢复效果,给出算法最优模型与段长。仿真结果表明,提出的方法相比传统线性回归方法在较高压缩效率时可显著提高数据恢复精度。     

无线传感器网络中的节点数量控制策略

无线传感器网络（WSN）能量有限,计算、存储能力受到限制,为了有效收集敏感区域的数据,文章提出了关于节点数量的服务质量（QoS）指标,结合Gur Game算法与比例反馈策略,给出了改进的节点数量控制策略.     

可调重构误差的传感数据时间相关压缩算法

无线传感器网络(WSN)节点能量与带宽均非常有限,难以适应大量数据长时间传输的需求,所以非常有必要对原始采集的数据进行聚合或压缩处理。利用传感数据间存在的时间相关性,提出分段常量近似与Haar小波压缩相结合的二级压缩算法,在误差可调的情况下压缩该类时间相关的传感数据。通过真实数据集上的实验,分析该算法的数据重构误差、数据压缩比与压缩耗时情况,并与其他压缩算法进行对比。实验结果表明,该算法能够有效地利用传感数据中存在的时间相关性,显著减少冗余数据,有较高的压缩比并保证数据精度。     

能耗最优的LEACH协议改进

针对LEACH协议在簇头选取、数据通信方面的不足,提出改进后的AD-LEACH协议。根据节点的分类,修正簇头当选概率,使簇头选取均衡了能耗、距离、节点密度的影响。通过节点位置模糊匹配的方法将全网划分为若干个均匀大小的网格。数据传输阶段以能量利用率最高为目的,基于最佳转发距离选择转发节点。仿真结果表明,AD-LEACH协议有效降低和均衡了网络能耗,达到了能耗最优的目的。     

基于网络编码的分簇传感器网络链路容错策略

许多紧急事件的应用对无线传感器网络的数据传输的可靠性有比较高的要求, 因此对传感器网络数据传输的容错性研究十分重要。传统的1+1数据保护的容错模式带来的额外负载较大地增加了传感器节点的能耗。提出了基于网络编码的分簇结构传感器网络链路容错策略,不仅可以实现对链路的容错,而且可以降低网络中转发的数据包数量,从而降低传感器节点的能耗。     

Spatial–temporal compression and recovery in a wireless sensor network in an underground tunnel environment

In an exciting new application, wireless sensor networks (WSNs) are increasingly being deployed to monitor the structure health of underground subway tunnels, promising many advantages over traditional monitoring methods. As a result, ensuring efficient data communication, transmission, and storage have become a huge challenge for these systems as they try to cope with ever increasing quantities of data collected by ever growing numbers of sensor nodes. A key approach of managing big data in WSNs is through data compression. Reducing the volume of data traveling between sensor nodes can reduce the high energy cost of data transmission, as well as save space for storage of big data. In this paper, we propose an algorithm for the compression of spatial–temporal data from one data type of sensor node in a WSN deployed in an underground tunnel. The proposed algorithm works efficiently because it considers temporal as well as spatial features of sensor data. A recovery process is required for recovering the data with a close approximation to the original data form nodes. We validate the proposed recovery technique through computational experiments carried out using the data acquired from a real WSN.     

压缩感知在无线传感器网络数据采集中的应用

提出了一种无线传感器网络中基于压缩感知的数据采集方法。通过分析信号压缩观测过程,提出了适合在硬件资源有限的传感器节点中实现的循环稀疏伯努利观测矩阵CSBM(Cyclic-Sparse-Bernoulli Measurement),该矩阵使用循环稀疏矩阵与伪随机伯努利序列,采用结构化的方法构造,具有非零元素少、良好的伪随机性、硬件易于实现等优点。仿真实验表明,与其他类型的观测矩阵相比,CSBM矩阵在一定信号重构精度前提下具有更低的压缩采样比CSR(Compress Sampling Rate)。在无线传感器网络数据采集应用中,感知节点可以通过压缩观测得到更少的观测数据,能够大大减少网络通信数据量。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

无线传感器网络基于时空差分阈值Huffman数据压缩

针对无线传感网络（WSN）中节点采集数据后传输消耗能量的问题进行研究，该文提出了一种基于时空差分阈值Huffman模型对时空的数据进行压缩的算法。该算法通过节点在当前时刻采集的数据与节点的上一个时刻的数据进行差值，同时对同一簇内空间的节点差分后数据进行对比分析和减少空间的数据量，再对差值进行动态的Huffman编码。与传统WSNs的数据压缩算法相比，数据的压缩比提高到了30%，网络的生命周期提升了80%和降低了节点的死亡率，同时也保证了节点数据采集的准确性。