CN101909330B - 基于近优分簇与局部虚拟坐标的传感器网络数据压缩方法 - Google Patents

Abstract

本发明公开了一种基于近优分簇与局部虚拟坐标的传感器网络数据压缩方法。现有的数据压缩方法效率低。本发明利用传感节点采集数据的时空相关性，通过引入近优分簇，有效地将适量具有空间相关性的节点划为一簇，使网络能耗均衡，利于延长网络寿命；基于近优分簇与局部虚拟坐标路由传感器网络数据压缩算法采用统一压缩字典，对数据时间、空间冗余进行基于相关监测值差异的压缩，根据具体应用通过调节压缩字典大小，来调控数据恢复精度，基于分布式梯度标记路由，在数据传输过程中消除其空间冗余，从而提高网络整体性能。本发明适用于基于无线传感器网络的环境实时监测系统，可实现对无线传感器网络数据有效压缩，并有效地降低了节点平均能耗。

Description

基于近优分簇与局部虚拟坐标的传感器网络数据压缩方法

技术领域

本发明属于数据压缩技术领域，涉及一种基于近优分簇与局部虚拟坐标的传感器网络数据压缩方法。

背景技术

基于无线传感器网络(WSNs)的监测系统中，各个传感器节点收集自身周围的局部信息，对其进行处理后传送至汇聚节点，汇聚节点汇总所有节点采集的局部数据得到感兴趣区域的整体信息。在无线传感器网络中，由于受多种因素比如背景噪音、节点失效、无线通信存在不稳定性及能量约束等的影响，节点获取、处理和传输的感知数据信息常常存在一定的误差，并具有一定程度的不确定性，然而在某些应用中通常允许一定的误差存在。即在保证应用要求的前提下，可以通过降低一定的数据精度来减少在网络中传输的数据量，从而降低网络中节点的能量消耗。无线传感网络中的数据压缩算法就是保证在一定数据精度的前提下，寻求一种有效的减少传输中数据量，从而降低节点能耗，提高整个网络的综合性能的方法。在无线传感器网络的许多实际应用中，被监测区异常情况发生的概率总是相对较小，在没有异常发生的情况下，同一传感节点在连续采集数据时，前后连续时刻所采集数据必然存在很大相关性，同时，处于相邻区域的不同的传感器节点在同一时刻采集的数据必然具有空间相关性，如果将这些具有时间，空间冗余的数据都发送到基站必然耗费节点大量的能量，因此如何有效地消除或利用节点感知数据在时间、空间上的冗余性已成为无线传感网络中数据压缩要解决的关键性问题。如何针对WSNs在环境监控方面的具体应用需要，设计出有效的无线传感网络数据压缩算法，是一个很有意义的研究课题。

针对节点感知数据中存在的空间与时间冗余，采用近优分簇和局部虚拟坐标无线传感器网络数据压缩算法(Near Optimal Clustering-Local VirtualLandmark Routing Depression Algorithm以下简称NOC-LVLR)即一方面引入近优分簇算法，根据节点空间相关性有效的划分整个网络，从而为消除空间冗余奠定基础；另一方面对簇内节点建立基于虚拟坐标的簇内路由，簇外基于结构树建立最短路径路由，簇内节点先消除监控数据时间冗余，在数据传至簇头过程中，通过比较编码消除簇内空间冗余，数据在簇外最优路径传输过程中进一步被消除簇级空间冗余。这样不仅可以提高基站处理各节点数据效率，降低节点平均能耗，延长系统寿命，还可以增强基站迅速定位产生异值或出现异常节点的能力，从而有效提高整个无线传感网络系统对监控区的监控能力。

发明内容

本发明的目的是针对现有技术的不足，提供了一种基于近优分簇与局部虚拟坐标的传感器网络数据压缩方法。该方法使得由数据精度、传输单位数据节点的平均能耗及网络失效节点数构成的综合指标达到最优。

为了达到上述目的，本发明的技术方案是这样实现的：

步骤(1).采用基于近优分簇原理将目标网络划分为若干簇，各簇内簇头节点首先由基站随机指定，并确立簇边界节点，即在目标网络中建立沃若诺伊(Voronoi)网络图；

步骤(2).基站以自身为根节点，建立包含所有簇头节点的结构树；簇内则以簇头为参照节点，建立虚拟坐标系；簇头被赋予全局标识，簇内各节点被赋予簇内标识；

步骤(3).消除节点连续时刻采集数据的时间冗余，具体是以当前时刻节点监测值为基准，将节点之前若干连续时刻(时刻数可由具体应用及节点存储能力确定)监测值与基准值作差，对差值所处的不同区间进行编码(区间大小决定数据恢复精度)，编码对应的替代除基准值之外的其它若干原始监测值，基准值保持不变，实现消除数据时间冗余的目的；

步骤(4).簇内基于虚拟坐标系执行贪婪算法实现簇内路由，首先将消除了时间冗余的数据传至簇头节点，在簇内传输过程中进一步消除数据的空间冗余，采用与消除时间冗余相同的方法，以下一跳相邻节点数据为簇内基准值，对邻居节点传输的若干对应时刻监测值进行空间冗余的压缩，压缩码包含相应基准节点的标识，对于簇头监测值仅消除其时间冗余；

步骤(5).当簇头汇聚簇内已消除时空冗余的各节点监测值后，则沿全局路由表将数据传至基站，全局路由表由全局标识经贪婪算法获得；传输过程中判断传输数据是否到达边界节点，若到达边界节点，则执行边界节点路由选取方法，否则，执行簇内路由选取方法；当以簇为单位的压缩数据进入相邻簇后，先在相邻簇头进行簇级空间冗余压缩，方法同簇内空间冗余压缩，压缩码存有邻居簇头全局标识，然后将压缩数据沿全局路由传至基站，将与基站最近簇头的数据作为簇级基准值，与基站最近簇头的数据不参与簇级空间冗余压缩，当节点路由陷入局部最小值时，以洪泛算法辅助实现簇内路由；

所述的边界节点路由选取方法具体是：在节点路由越过簇边界前，沿梯度下降方向以相邻最近簇头为目的节点选择路由，当节点路由越过簇边界后则基于局部虚拟坐标沿梯度下降方向获取路由；

所述的簇内路由选取方法具体是：基于局部虚拟坐标沿梯度下降方向获取路由；

步骤(6).基站处根据接收到的簇内基准值、簇级基准值、编码及标识号，依据与节点相同的压缩字典，首先从离基站最近簇开始，先恢复同时刻相邻节点的空间压缩码，由标识号定位到产生编码的节点，然后进一步恢复同节点时间压缩码，具体恢复过程即由编码映射出差异值对应的区间，在区间内取中点值，结合基准值恢复原始数据；

步骤(7).基站定期检测簇头节点能量，若低于阈值，则在簇内选择能量较大节点替代原有簇头，基站调整原全局路由表并发给各节点，然后执行步骤(2)，若簇头节点能量不低于阈值，执行步骤(3)。

本发明提出了基于近优分簇与局部虚拟坐标的传感器网络数据压缩方法。传统的时空编码算法中按区域面积平均分簇，各簇包含节点存在差异，从而导致部分较大簇的簇头节点更换频繁，甚至很快产生网络局部空洞，同时传统的时空编码算法通过比较阈值与相邻时刻监测值差异，来决定是否上传监测值，从而实现时间冗余的消除，若阈值较小，则不能有效消除数据时间冗余，反之，则数据恢复精度较差。本发明通过引入近优分簇，可有效地将适量具有空间相关性的节点划为一簇，从而有利于消除节点数据的空间冗余，使网络能耗均衡，利于延长网络寿命，本发明采用统一压缩字典，对数据时间、空间冗余进行基于相关监测值差异的压缩，根据具体应用通过调节压缩字典大小，来调控数据恢复精度；基于局部虚拟坐标，在数据传输过程中消除其空间冗余，不仅有利于减少网络拥塞，提高网络监控实时性，而且有利于减小节点的平均能耗，从而提高网络整体性能。

附图说明

图1是本发明方法流程图。

具体实施方式

本发明的核心思想是：在对无线传感器网络近优分簇划分后，首先对网络节点连续时刻采集的数据进行差异编码压缩，以消除监控数据的时间冗余，然后在节点数据路由传输过程中，再次进行差异编码压缩，以消除相邻节点监控数据的空间冗余，使得由数据精度、传输单位数据节点的平均能耗及网络失效节点数构成的综合指标最优化。

如图1所示，本发明方法的具体步骤为：

步骤(1).基于近优分簇原理将目标网络划分为若干簇，各簇内簇头节点首次由基站随机指定，并确立簇边界节点，即在目标网络中建立Voronoi网络图；

步骤(2).基站以自身为根节点，建立包含所有簇头节点的结构树；簇内则以簇头为参照节点，建立虚拟坐标系；簇头被赋予全局标识，簇内各节点被赋予簇内标识；

步骤(3).消除节点连续时刻采集数据的时间冗余，即以当前时刻节点监测值为基准，将节点之前若干连续时刻(时刻数可由具体应用及节点存储能力确定)监测值与基准值作差，对差值所处的不同区间进行编码(区间大小决定数据恢复精度)，由若干编码对应的替代除基准值之外的其它若干原始监测值，基准值保持不变，实现消除数据时间冗余的目的；

步骤(4).簇内基于虚拟坐标系执行贪婪算法实现簇内路由，首先将消除了时间冗余的数据传至簇头节点，在簇内传输过程中进一步消除数据的空间冗余，采用与消除时间冗余相同的方法，以下一跳相邻节点数据为簇内基准值，对邻居节点传输的若干对应时刻监测值进行空间冗余的压缩，压缩码包含相应基准节点的标识，对于簇头监测值仅消除其时间冗余；

步骤(5).当簇头汇聚簇内已消除时空冗余的各节点监测值后，则沿全局路由表将数据传至基站，全局路由表由全局标识经贪婪算法获得；传输过程中判断传输数据是否到达边界节点，若到达，执行边界节点路由选取方法，否则，执行簇内路由选取方法；当以簇为单位的压缩数据进入相邻簇后，先在相邻簇头进行簇级空间冗余压缩，方法同簇内空间冗余压缩，压缩码存有邻居簇头全局标识，然后将压缩数据沿全局路由传至基站，将与基站最近簇头的数据作为簇级基准值，与基站最近簇头的数据不参与簇级空间冗余压缩，当节点路由陷入局部最小值时，以洪泛算法辅助实现簇内路由；

边界节点路由选取方法具体是：在节点路由越过簇边界前，沿梯度下降方向以相邻最近簇头为目的节点选择路由，当节点路由越过簇边界后则基于局部虚拟坐标沿梯度下降方向获取路由；

簇内路由选取方法具体是：基于局部虚拟坐标沿梯度下降方向获取路由；

步骤(6).基站处根据接收到的簇内基准值、簇级基准值、编码及标识号，依据与节点相同的压缩字典，首先从离基站最近簇开始，先恢复同时刻相邻节点的空间压缩码，由标识号定位到产生编码的节点，然后进一步恢复同节点时间压缩码，具体恢复过程即由编码映射出差异值对应的区间，在区间内取中点值，结合基准值恢复原始数据；

步骤(7).基站定期检测簇头节点能量，若低于阈值，则在簇内选择能量较大节点替代原有簇头，基站调整原全局路由表并发给各节点，然后执行步骤(2)，若簇头节点能量不低于阈值，执行步骤(3)。

总之，本发明根据节点空间相关性有效的划分整个网络，从而为消除空间冗余奠定基础，通过对在簇内及簇间路由传输的数据执行基于监测值差异的压缩编码，不仅能够有效消除监测值的空间冗余，而且能够在产生空间冗余数据的节点附近迅速消除空间冗余数据，从而能有效地减少网络的通信数据量，该方法采用统一压缩字典，对数据时间、空间冗余进行基于相关监测值差异的压缩，根据具体应用通过调节压缩字典大小，来调控数据恢复精度，基于局部虚拟坐标，在数据传输过程中消除其空间冗余，不仅有利于减少网络拥塞，提高网络监控实时性，而且有利于减小节点的平均能耗，从而提高网络整体性能。应当说明的是，节点基于差异编码压缩监控数据的方式不同(如对同节点连续时刻采集数据进行差异编码压缩，对相邻节点同时刻采集数据进行差异编码压缩)等方法都是不脱离本发明技术方案的精神和范围的。

Claims (1)

1.基于近优分簇与局部虚拟坐标的传感器网络数据压缩方法，其特征在于该方法包括如下步骤：

步骤(1).采用基于近优分簇原理将目标网络划分为若干簇，各簇内簇头节点首先由基站随机指定，并确立簇边界节点，即在目标网络中建立沃若诺伊网络图；

步骤(2).基站以自身为根节点，建立包含所有簇头节点的结构树；簇内则以簇头为参照节点，建立虚拟坐标系；簇头被赋予全局标识，簇内各节点被赋予簇内标识；

步骤(3).消除节点连续时刻采集数据的时间冗余，具体是：以当前时刻节点监测值为基准，将节点之前若干连续时刻监测值与基准值作差，对差值所处的不同区间进行编码，编码对应的替代除基准值之外的其它若干原始监测值，基准值保持不变，实现消除数据时间冗余的目的；

步骤(4).簇内基于虚拟坐标系执行贪婪算法实现簇内路由，具体是：首先将消除了时间冗余的数据传至簇头节点，在簇内传输过程中进一步消除数据的空间冗余，以下一跳相邻节点数据为簇内基准值，对邻居节点传输的若干对应时刻监测值进行空间冗余的压缩，压缩码包含相应基准节点的标识；

步骤(5).当簇头汇聚簇内已消除时空冗余的各节点监测值后，则沿全局路由表将数据传至基站，全局路由表由全局标识经贪婪算法获得；传输过程中判断传输数据是否到达边界节点，若到达边界节点，则执行边界节点路由选取方法，否则，执行簇内路由选取方法；

当以簇为单位的压缩数据进入相邻簇后，先在相邻簇头进行簇级空间冗余压缩，压缩码存有邻居簇头全局标识，然后将压缩数据沿全局路由传至基站，将与基站最近簇头的数据作为簇级基准值，与基站最近簇头的数据不参与簇级空间冗余压缩，当节点路由陷入局部最小值时，以洪泛算法辅助实现簇内路由；

所述的边界节点路由选取方法具体是：在节点路由越过簇边界前，沿梯度下降方向以相邻最近簇头为目的节点选择路由，当节点路由越过簇边界后则基于局部虚拟坐标沿梯度下降方向获取路由；

所述的簇内路由选取方法具体是：基于局部虚拟坐标沿梯度下降方向获取路由；

步骤(6).基站处根据接收到的簇内基准值、簇级基准值、编码及标识号，依据与节点相同的压缩字典，首先从离基站最近簇开始，恢复同时刻相邻节点的空间压缩码，由标识号定位到产生编码的节点；然后进一步恢复同节点时间压缩码，具体恢复过程即由编码映射出差异值对应的区间，在区间内取中点值，结合基准值恢复原始数据；

步骤(7).基站定期检测簇头节点能量，若低于阈值，则在簇内选择能量较大节点替代原有簇头，基站调整原全局路由表并发给各节点，然后执行步骤(2)，若簇头节点能量不低于阈值，执行步骤(3)。

Images