无线传感器网络数据压缩技术的研究进展

随着传感器技术、嵌入式计算以及无线通讯技术的发展,无线传感器网络应运而生。因为无线传感器网络中的节点只有有限的电池能量,而数据的无线传输是能量消耗的主要部分,过多的无线传输将会快速耗尽节点的电池能量,从而引起节点失效。因此,如何在不危及网络的任务条件下尽可能地压缩数据是一个重要的研究问题。本文从时间相关性、空间相关性以及时空相关性三个方面综述了近年来无线传感器网络数据压缩技术的研究进展,讨论了目前存在的一些问题以及未来的一些研究方向。     

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.     

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。     

无线传感器网络中的数据压缩技术研究

不同于传统的无线网络,设计有效的策略延长网络生命周期是无线传感器网络需要解决的核心问题,大量研究已经证明在传输数据前对其进行压缩是一种有效的延长无线传感器网络生命周期的方法。因传感器节点本身计算能力有限、存储空间有限等特点,对数据压缩算法提出了更高的要求和挑战。综述了无线传感器网络中数据压缩技术的研究现状,并详细介绍了分布式信源编码技术的基本理论和方法,最后指出了无线传感器网络数据压缩的研究问题。     

基于回归的无线传感器网络数据压缩方法

无线传感器网络的能量和通信带宽有限,不适合大规模数据传输,需进行压缩处理。为此,研究无线传感器网络中基于回归的数据压缩问题,提出分段线性回归拟合算法和基于置信间隔的回归模型调整算法。分段线性回归拟合算法通过分段,使回归拟合适应环境数据周期性变化的规律。回归模型调整算法能够确定分段时机,使回归直线更加逼近动态变化的环境数据集。在Berkeley-Intel数据集上的实验结果表明,该算法在较小的重构精度下能达到3%的压缩比。     

无线传感器网络中基于面积矢量的数据压缩算法

考虑无线传感器网络WSN(Wireless Sensor Networks)节点采集数据的时间相关性,提出一种基于面积矢量的有损压缩算法AVA(area vector algorithm),并推导面积阈值的取值公式。该算法通过设定面积阈值为判定标准,利用面积矢量的可叠加性提高算法的精度和效率。实验结果表明,该算法数据压缩量大,计算速度快,算法复杂度低,且能有效地控制误差范围。     

一种无线传感器网络的置信区间时空数据压缩算法

为解决无线传感器网络一元线性回归模型的空时数据压缩算法ODLRST的局限性问题,提高有效数据压缩率,扩大线性数据压缩应用范围,提出了一种基于置信区间的ODLRST改进的时空数据压缩算法TSDCACI:引入置信区间概率预测与统计评估,分别考虑预期变化和异常变化,采用断点判定与野点判定修正线性回归方法中出现异常数据状况的压缩模型,.仿真实验和分析表明了所提出的TSDCACI算法优于传统的ODLRST,不仅能够保障较高的压缩率,而且可以传输波动较大的检测数据,减少节点能量消耗,延长网络生命周期,更符合局部小规模传感器节点数据压缩的实际情况,从而进一步扩大算法应用范围.     

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。     

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。     

基于数据流和网络编码的无线传感器网络数据聚合算法

为了减少分簇的无线传感器网络(WSN)中数据包传输的数量,并使传感器网络的能量效率最大化,提出了一种节能的自适应数据聚合算法.在该算法中,源节点凭借其存储和计算能力,利用数据流技术减少数据包的传输量;当数据从源节点传输到簇头时,簇头根据控制信息选择一组节点作为编码节点,当数据相关性低于某阈值时,该组节点对数据包进行网络编码,若数据相关性高于某阈值,该组节点则会成为聚合节点进行数据聚合,网络编码和数据聚合可以减少簇头冗余流量,提高能量效率.实验结果显示,使用该算法后,数据包交付率有所提高,能量消耗显著减少.     

无线传感器网络中数据采集算法实现

无线传感器是一个多学科交叉的新兴前沿技术研究领域,本文介绍了无线传感器网络节点数据上传算法,采用了单个asq文件的上传服务,使数据在回收中更为快捷和易读取。     

基于RCFile的无线传感器网络数据存储策略研究

随着无线传感器网络技术的发展,其应用价值遍布环境监测、工农业、抢险救灾、军事国防、生物医疗等许多领域.由于无线传感器网络特征与节点特点,其数据存储与查询策略研究成为热点.对已有的数据存储策略进行了详细介绍与研究,并分析它们的优缺点;其次结合大数据中一种高效的数据存储结构——RCFile,并将其应用到传感器网络的数据存储中,结合行列存储的优势,改变数据存储结构,提出了一种基于RCFile的无线传感器数据存储算法(Wireless sensor network Data Storage based on RCFile,WDSR),并给出了仿真结果分析.仿真结果表明,提出的算法在低能耗、高效率方面存在一定优势.最后指出了无线传感器网络数据存储算法的发展方向.     

无线传感器网络数据管理技术研究进展

无线传感器网络本质上是一个以数据为中心的网络,它处理的数据为传感器采集的连续不断的数据流.因此,现有的数据管理技术把无线传感器网络看作为来自物理世界的连续数据流组成的分布式数据库.由于传感器节点的计算能力、存储容量、通信能力以及电池能量有限,再加上flash存储器以及数据流本身的特性,给数据管理带来了传统分布式数据库系统没有的一些新挑战.从数据库系统的体系结构、数据存储与索引技术、数据模式、查询处理及优化技术等方面介绍了无线传感器网络的数据管理技术的研究现状.     

基于信任和权重的无线传感器网络数据融合模型

在无线传感器网络中,数据融合的可靠性是一个非常重要的问题并且受到了广泛的关注。为此,提出一种基于信任和权重的无线传感器网络数据融合模型(TWDFM)。在该模型中,传感器节点通过构建信任表选举可靠簇头,簇头根据权重检测异常节点并融合可信数据。仿真实验表明,该模型可以有效提高数据融合的安全性和准确性。     

无线传感器网络数据收集研究进展

在无线传感器网络中,数据收集技术至关重要.在归纳无线传感器网络数据收集技术研究进展的基础上,分析了近年来该领域具有代表性的数据收集算法,以网络结构、流量优化和移动性为依据分为三大类,并分别指出了这些算法的特点和适用情况,最后总结了数据收集算法未来的研究策略和发展趋势.     

无线传感器网络数据融合技术

数据融合技术是无线传感器网络的一个关键技术,能减少传感器节点间的传输量,从而明显提高网络感知效能,延长网络生命周期,减小时间延迟。通过对尚处于研究阶段的数据融合技术进行详细分析与研究,阐述了数据融合技术的重要性,并分类介绍了现有的主要数据融合方法,最后指出该研究领域当前面临的挑战以及需要进一步研究的方向和有前景的研究课题——压缩感知。     

无线传感器网络的数据汇聚机制

针方法是首先将传感区域内部的所有传感器节点采集的数据都传送对传感器网络的特点，提出了一种最小传输成本生成树的数据汇聚机制。具体实现给传感区域内离汇聚点最近的节点，经过数据汇聚后，将汇聚的数据通过最短路径传递给汇聚点。仿真结果显示最小传输代价生成树的数据拒聚能够减少数据传输量50％-80％，并具有较小的传输时延。     

支持无线传感器网络的实时查询技术研究

无线传感器网络集感知、通信、计算功能于一体,在诸多领域有重要应用,因而已经成为计算机领域研究的热点。目前的研究大都主要以节约能源消耗为目标,提出不同的查询处理策略。本文从提高查询速度,满足用户对查询响应时间的约束的角度,设计了一个支持实时查询的无线传感器网络系统;给出了系统中的关键技术,包括数据模型、查询语言模型、路由策略、查询处理及优化策略,以及双向递交机制。     

基于神经网络的无线传感器网络数据预测应用研究

无线传感器网络是一种由数量庞大的网络节点形成的复杂无线网络,是无线传感器的典型应用,目前已经广泛应用在多个领域当中。将神经网络引入到无线传感器网络当中,通过神经元描述每一个无线传感器数据,构建神经网络元模型。对传统的神经网络模型进行改进,利用无线传感器的神经网络模型,实现无线传感器网络采集数据的融合与提取。通过各种应用类型的差异,选择影响数据输出结果的主要因素,建立一种能够进行预测的模型。以某个区域是否发生火灾为实验原型,对该区域的火灾发生概率进行预测,采用已有的火灾发生数据为训练样本,通过收敛的网络预测火灾发生的概率。实验结果表明,基于神经网络的无线传感器网络数据预测是一种可行、有效的方法。     

用于多跳无线传感器网络的能量有效数据转发协议

为了增加无线传感器网络的寿命,必须尽可能地节省节点的能量.节省能量最显著的方法就是在节点不参与数据传输时,使其无线模块处于睡眠状态.本文提出了一种适用于无线传感器网络的可靠、能量有效的数据传输（REEGF）协议.此协议通过使网络节点的唤醒模块工作于周期性的侦听/睡眠方式,当节点有数据业务时,利用节点的唤醒模块把节点的一跳邻居节点同步唤醒,确保数据被及时、可靠地发送.通过采用类似于RTS/CTS的控制信息交换方式和发送忙音, REEGF协议有效地避免了数据传输的隐藏和暴露终端问题.基于节点的位置, REEGF协议采用竞争的方式,选取朝着目标SINK节点前进距离最大的邻节点,作为中转接收节点,实现了路由、MAC和拓扑管理的有机结合,节省了节点的资源.分析表明,在网络节点密度适度的情况下, REEGF协议的可靠性、能量消耗和链路建立时延显著地优于文[8]提出的GeRaF协议.