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。     

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.     

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。     

传感器网络中基于环模型的小波数据压缩算法

无线传感器网络有限的资源,如能量、通信带宽等,难以适应网络中大量数据的传输,需要在网络内部对原始监测数据进行压缩或聚合处理.设计了一个适合小波变换的环模型.针对任意支撑长度的小波函数,给出了一种基于环模型的分布式时-空小波数据压缩算法.该算法将传感器网络中的数据抽象为一个矩阵,将时间相关性与空间相关性映射为该矩阵的小波列变换与行变换,以同时挖掘传感器网络中数据的时间和空间相关性.从能量消耗和网络延时两方面定性地分析了算法的性能.理论分析和实验结果表明,该算法能够有效地去除传感数据中存在的时间和空间相关性,     

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。     

传感器网络中分布式最优小波压缩算法

研究传感器网络中的小波变换问题,提出了一种基于最优小波变换的分布式数据压缩算法。主要工作有：（1）提出基于混合分解的分布式小波变换,利用节点的计算能力减少节点间交换数据产生小波系数的通信开销;（2）提出自适应小波变换,最优变换级根据小波变换的压缩增益和由此产生的网络开销自适应确定。仿真实验表明,和现有的小波数据压缩算法以及非分布式方式相比,提出的算法具有更优的网络性能。     

基于db4小波变换的电能质量数据压缩算法

针对传统小波变换运用于数据压缩算法存在的问题,提出了基于db4小波变换的数据压缩算法。该算法针对电能质量数据的特点,根据db4小波变换具有多分辨率分析的特性,将检测数据变换到小波域,以使信号能量主要集中于低频系数上,而后采用软阈值压缩算法处理小波低频系数。并采用游程编码的方式存储数据。对实际数据进行压缩,该算法压缩效果良好,计算速度快,适用于实时性要求较高的场合。     

传感器网络中基于差异化加权数据压缩的汇聚算法

数据融合技术能有效地节省能量,提高信息的准确度.结合传感器网络自身的特点,本文提出了一种基于差异化加权数据压缩的汇聚算法(DADW),通过选择合适的融合点并对不同源节点的信息进行差异化加权处理,有效地提高了数据融合的精度,提供了可靠的服务质量保障.仿真结果表明,相对于已有的算法,该算法以一个很小数量级的能量损失获得了融合精度的显著提高.     

WSN中基于区间小波的偶合数据压缩算法

根据传感数据的偶合特征,提出一种基于区间小波的偶合数据压缩算法。根据数据的强偶合特性处理传感数据,利用最小二乘法对强偶合数据进行曲线拟合,结合区间小波良好的分频特性,减少传感器网络中传输的数据量。理论分析和仿真实验结果表明,该算法能对传感数据进行有效压缩,减少网络能耗。     

基于小波和偶合特征的多数据流压缩算法

提出了基于Haar小波技术和偶合特征的多数据流压缩方法.主要研究成果包括:(1) 证明了Haar小波变换服从能量守恒规律,并用于压缩数据流;(2) 揭示了数据流的偶合度与变化趋势的相关性、偶合度的平移不变性及等价规律,采用特征流序列的小波系数和流能量近似表示流的趋势,达到压缩的目的;(3) 提出了多尺度能量分解模型,提高了表示精度;(4) 设计了多尺度能量分解压缩算法以及多尺度重构算法;(5) 在真实数据集上的实验表明,新方法的压缩比是传统小波方法的2～4倍.     

于小波分析的散乱测量数据的压缩算法

对于大量的含有噪声的散乱测量数据,首先利用B样条小波对其进行去噪处理,然后以离散数据的曲率值为分析对象进行多分辨分析,依据所得的高频系数在一定的阈值条件下对原数据进行重采样处理,以达到数据压缩的目的.     

基于小波分析的散乱测量数据的压缩算法

对于大量的含有噪声的散乱测量数据 ,首先利用 B样条小波对其进行去噪处理 ,然后以离散数据的曲率值为分析对象进行多分辨分析 ,依据所得的高频系数在一定的阈值条件下对原数据进行重采样处理 ,以达到数据压缩的目的 .     

无线传感网数据信息的一种压缩算法

提出了一种改进型自适应Huffman编码算法,目的在于压缩传输数据的容量,该算法适用于内存和计算资源受限的无线传感网络节点。它与修剪树自适应Huffman编码算法lll相比较,能够更有效地利用内存空间,提供更好的压缩比。     

无线传感器网络最优曲线压缩算法

针对无线传感器网络中的数据压缩问题,对DP压缩算法进行改进,提出一种最优曲线数据压缩算法OCDCA。减少压缩过程中对数据的扫描次数,以降低节点的能量消耗。采用最佳曲线拟合方法对监测数据点做直线优化拟合,以提高压缩精度。仿真结果表明,OCDCA算法程序时间复杂度较低,压缩精度和压缩效率较高,可降低无线传感器网络的能量消耗。     

基于DSP的嵌入式零树编码算法设计

本文结合TI公司DM642的结构特点及EZW算法原理,提出了运用DSP实现图像压缩系统的设计方案。为了提高算法效率,文中用提升小波算法代替原EZW算法中的传统小波（mallat）变换算法。实验结果表明达到较为满意的效果。     

一种面向WSN节点的数据压缩简化算法

为了在存储空间和能量受限的无线传感器网络(WSN)节点上压缩数据来节省无线发送和外部存储所耗能量,分析并强调了面向WSN节点的数据压缩的特点与研究意义.针对资源受限节点在存储和传送数据中对压缩率和精度及能耗等性能的需要,基于傅立叶分析原理,通过简化基频测量和按允许误差调整傅立叶级数最高阶次,提出了一种可在节点常用的超低功微处理器上实现数据压缩的简化应用方法.实验表明了该简化压缩算法的有效性.     

基于ZigBee的无线传感网的分群算法

无线传感网络（Wireless Sensor Networks，WSNs）是通信、传感、计算机技术结合的产物，已成为当前研究的热点。分群是诸多研究中的重点，针对WSNs的特点，提出了一种基于最大连接度算法的传感网络的分群算法，适合ZigBee传感网络的异质节点的情况，在网络结构变化时能快速地重新分群，保证网络的稳定、可靠。     

基于ZigBee的无线传感网的分群算法

无线传感网络(Wireless Sensor Networks,WSNs)是通信、传感、计算机技术结合的产物,已成为当前研究的热点。分群是诸多研究中的重点,针对WSNs的特点,提出了一种基于最大连接度算法的传感网络的分群算法,适合ZigBee传感网络的异质节点的情况,在网络结构变化时能快速地重新分群,保证网络的稳定、可靠。