CN102202349B - 基于自适应最优消零的无线传感器网络数据压缩方法 - Google Patents

基于自适应最优消零的无线传感器网络数据压缩方法 Download PDF

Info

Publication number
CN102202349B
CN102202349B CN2011101290328A CN201110129032A CN102202349B CN 102202349 B CN102202349 B CN 102202349B CN 2011101290328 A CN2011101290328 A CN 2011101290328A CN 201110129032 A CN201110129032 A CN 201110129032A CN 102202349 B CN102202349 B CN 102202349B
Authority
CN
China
Prior art keywords
data
coding
sequence
factor
code
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN2011101290328A
Other languages
English (en)
Other versions
CN102202349A (zh
Inventor
蒋鹏
吴建峰
董林玺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN2011101290328A priority Critical patent/CN102202349B/zh
Publication of CN102202349A publication Critical patent/CN102202349A/zh
Application granted granted Critical
Publication of CN102202349B publication Critical patent/CN102202349B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y02B60/50—

Landscapes

  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明涉及一种基于自适应最优消零的无线传感器网络数据压缩方法。现有无线传感器网络中的数据往往存在着大量的冗余信息，这将浪费通信带宽、增加网络延时和节点能耗无法。本发明引入一种无损的自适应最优消零算法，通过自适应地寻找最优位数因子对递增排列的感知据序列进行消零运算和编码，使得感知数据序列的最终编码长度最短，充分挖掘传感器节点采集数据之间的相关性，最大程度地去除冗余信息，从而降低节点的平均能耗，延长传感器网络的寿命。本发明方法降低了网络中需要传输的数据量，从而降低了节点平均能耗，减小了网络延时。

Description

基于自适应最优消零的无线传感器网络数据压缩方法
技术领域
本发明涉及无线传感器网络的数据压缩技术领域，具体涉及了一种基于自适应最优消零的无线传感器网络（WSNs）数据压缩方法。
背景技术
基于无线传感器网络的监测系统中，传感器节点所采集的原始数据存在着大量的冗余信息，包括同一节点在相邻时刻所采集数据在时间上的冗余，以及地理区域上邻近节点所采集数据在空间上的冗余，如果直接将携带了大量冗余信息的数据传送至基站，将浪费通信带宽、增加网络延时和节点能耗，进而会影响整个传感器网络系统的稳定性和寿命，传输原始数据前对冗余信息进行压缩是一种能有效降低节点能耗的机制。
自适应最优消零压缩方法是一种无损的数据压缩方法，能够自适应地寻找一个最优位数因子对递增排列的原始感知数据序列进行消零运算和编码，使得数据序列的最终编码长度最短。该压缩方法能够对无线传感器网络采集的数据进行有效地压缩，降低节点能耗，减小网络延时，并且完全保留原始感知数据的全部信息，使基站能够精确重构原始数据。
发明内容
本发明的主要目的是提供一种可用于无线传感器网络的数据压缩方法，该压缩方法能对传感器网络采集的数据进行有效压缩，降低节点能耗，减小网络延时，并且基于该压缩方法基站能对感知数据进行无损还原。
为了达到上述目的，本发明的技术方案是这样实现的：
(1)簇内传感器节点将在时刻                                                
Figure 217566DEST_PATH_IMAGE001
采集到的个数据
Figure 424612DEST_PATH_IMAGE003
进行递增排序，根据自适应最优消零压缩算法原理计算数据序列的最小编码长度
Figure 714779DEST_PATH_IMAGE004
，求出相应的最优位数因子
Figure 34158DEST_PATH_IMAGE005
，然后基于最优位数因子
Figure 285142DEST_PATH_IMAGE005
对数据序列进行消零运算和编码，去除时间冗余，得到压缩后的数据。
(2)传感器节点将压缩后的数据传送到簇头节点，数据包格式为{
Figure 768076DEST_PATH_IMAGE006
,
Figure 552230DEST_PATH_IMAGE007
,
Figure 603362DEST_PATH_IMAGE008
}，其中，为传感器节点的ID号，
Figure 129732DEST_PATH_IMAGE007
为递增排列后各数据所对应的时间槽，为数据序列的编码，数据序列的编码前8位表示消整因子
Figure 350946DEST_PATH_IMAGE009
。
(3)簇头节点接收簇内各传感器节点发送的数据包后，提取
Figure 950424DEST_PATH_IMAGE008
中各消整因子
Figure 40739DEST_PATH_IMAGE009
的二进制编码并转换为十进制数，得到消整因子序列，然后对消整因子序列进行递增排序，并根据自适应最优消零压缩算法原理计算其最小编码长度
Figure 222322DEST_PATH_IMAGE010
，求出相应的最优位数因子
Figure 777107DEST_PATH_IMAGE011
，然后基于最优位数因子
Figure 489979DEST_PATH_IMAGE011
对消整因子序列进行消零运算和编码，去除空间冗余，得到再压缩后的数据。
(4)簇头节点将再压缩后的数据发送到上一层节点，数据包格式为{
Figure 118407DEST_PATH_IMAGE012
,
Figure 793976DEST_PATH_IMAGE013
 }，其中，为消整因子序列的编码，为递增排列后的消整因子序列所对应的传感器节点数据包，但此时数据包中
Figure 163668DEST_PATH_IMAGE008
的消整因子编码已被提取。
(5)上一层节点直接将已经去除了时间和空间冗余的数据包{
Figure 929630DEST_PATH_IMAGE012
, }路由至基站。
本发明提出了基于自适应最优消零的无线传感器网络数据压缩方法。通过该方法对传感器节点采集的数据进行压缩，大大降低了网络中需要传输的数据量，从而降低了节点平均能耗，减小了网络延时；随着网络规模和节点数据采集量的增加，编码因子能够描述越来越多的原始数据，进而更充分地挖掘数据间的相关性，而基于最优位数因子的编码则最大程度地去除了冗余信息；该压缩方法能够完全保留原始感知数据的全部信息，使基站能够精确重构原始数据。
附图说明
图1 是自适应最优消零算法原理框图；
图2 是基于自适应最优消零的无线传感器网络数据压缩方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明的核心思想是：引入一种无损的自适应最优消零算法，通过自适应地寻找最优位数因子对递增排列的感知据序列进行消零运算和编码，使得感知数据序列的最终编码长度最短，充分挖掘传感器节点采集数据之间的相关性，最大程度地去除冗余信息，从而降低节点的平均能耗，延长传感器网络的寿命。
下面结合附图对本发明做进一步的详细描述。
首先给出自适应最优消零压缩方法所涉及的相关术语。
相关位
Figure 647105DEST_PATH_IMAGE014
：用来标志数据序列中相等的数据。在递增排列的数据序列
Figure 882915DEST_PATH_IMAGE015
中，若的相关位为1，则
Figure 674601DEST_PATH_IMAGE017
与
Figure 833050DEST_PATH_IMAGE018
相等，若相关位为0，则
Figure 859168DEST_PATH_IMAGE017
与不相等，其中，的相关位始终为0。
编码因子：指每阶消零运算中数据序列所减去的数值。
最大编码因子
Figure 571723DEST_PATH_IMAGE022
：指位数因子
Figure 619314DEST_PATH_IMAGE023
可以表示的最大数值，反映了相邻数据间可允许的最大差值。
位数因子
Figure 240657DEST_PATH_IMAGE023
：指用来对编码因子进行二进制编码的位数。
本压缩方法采用3位二进制编码来表示位数因子，000~111分别表示采用2~9位二进制对编码因子
Figure 311381DEST_PATH_IMAGE024
进行编码，简称为
Figure 427105DEST_PATH_IMAGE025
~
Figure 79934DEST_PATH_IMAGE026
编码，
Figure 560594DEST_PATH_IMAGE027
相应的最大编码因子为
Figure 915352DEST_PATH_IMAGE028
。编码简称，位数因子
Figure 86964DEST_PATH_IMAGE023
，
Figure 843567DEST_PATH_IMAGE023
的编码和最大编码因子
Figure 308178DEST_PATH_IMAGE029
之间的关系如表1所示。
表1 ，
Figure 811020DEST_PATH_IMAGE023
二进制编码和之间的关系
编码简称 位数因子
Figure 759439DEST_PATH_IMAGE023
Figure 26473DEST_PATH_IMAGE023
的编码		 最大编码因子
Figure 287690DEST_PATH_IMAGE029
Figure 690989DEST_PATH_IMAGE025
编码
Figure 762982DEST_PATH_IMAGE025
=2		 000 =3
Figure 316640DEST_PATH_IMAGE031
编码
Figure 840025DEST_PATH_IMAGE031
=3		 001
Figure 596102DEST_PATH_IMAGE032
=7
Figure 572148DEST_PATH_IMAGE033
编码
Figure 175168DEST_PATH_IMAGE033
=4		 010 =15
Figure 966855DEST_PATH_IMAGE035
编码		 =5 011
Figure 836908DEST_PATH_IMAGE036
=31
Figure 334885DEST_PATH_IMAGE037
编码		 =6 100
Figure 431072DEST_PATH_IMAGE038
=63
Figure 313577DEST_PATH_IMAGE039
编码		 =7 101 =127
Figure 921910DEST_PATH_IMAGE041
编码
Figure 342527DEST_PATH_IMAGE041
=8		 110
Figure 129611DEST_PATH_IMAGE042
=255
Figure 39798DEST_PATH_IMAGE026
编码
Figure 965029DEST_PATH_IMAGE026
=9		 111
Figure 189337DEST_PATH_IMAGE043
=511
自适应最优消零压缩方法原理：给定一组递增排列的整数数据序列
Figure 329462DEST_PATH_IMAGE044
，首先对其进行相关位和位数因子分析，标记数据序列中相等的数据，求出所有可选的位数因子
Figure 676130DEST_PATH_IMAGE045
，并计算相应的编码长度
Figure 88657DEST_PATH_IMAGE046
，将最短编码长度
Figure 162661DEST_PATH_IMAGE047
对应的位数因子作为该数据序列的最优位数因子，然后基于该最优位数因子执行消零运算和编码，即在每阶运算下将数据序列中的非零数据减去一个编码因子，使得数据序列从小到大依次被消为零，最后，对该数据序列的相关位
Figure 761635DEST_PATH_IMAGE049
、最优位数因子
Figure 140795DEST_PATH_IMAGE048
以及编码因子
Figure 176884DEST_PATH_IMAGE024
进行二进制编码。见附图1。
下面详细阐述可选的位数因子
Figure 865355DEST_PATH_IMAGE045
，编码长度
Figure 252474DEST_PATH_IMAGE046
，最优位数因子，最短编码长度以及编码因子
Figure 686756DEST_PATH_IMAGE024
的计算原理。
位数因子
Figure 295592DEST_PATH_IMAGE050
的选择会影响数据最终的编码长度，若选择过小，则很难恢复原始数据，若选择过大，则导致最终编码过长。设有
Figure 282134DEST_PATH_IMAGE051
个递增排列的整数数据
Figure 292815DEST_PATH_IMAGE052
，最小值为
Figure 323088DEST_PATH_IMAGE053
，其中有
Figure 419220DEST_PATH_IMAGE054
个数据是互不相等的，相邻数据间最大差值为
Figure 176830DEST_PATH_IMAGE055
。设
Figure 245280DEST_PATH_IMAGE045
为该数据序列可选的位数因子，则
Figure 384137DEST_PATH_IMAGE045
满足以下条件：
      
Figure 967565DEST_PATH_IMAGE056
                                        （1）
其中，，并且
                  
Figure 579385DEST_PATH_IMAGE058
              （2）
                  
Figure 889144DEST_PATH_IMAGE059
              （3）
若=0或=0，则表明数据大小或变化幅值超出了可选位数因子
Figure 728421DEST_PATH_IMAGE045
所能编码的范围，此时需要用3位以上的二进制来表示位数因子，以扩大编码的适用范围。
设可选位数因子
Figure 209081DEST_PATH_IMAGE045
的最大编码因子为
Figure 813107DEST_PATH_IMAGE062
，则数据序列最终的编码长度
Figure 670204DEST_PATH_IMAGE046
为：
              
Figure 426808DEST_PATH_IMAGE063
                       （4）
其中，
Figure 78369DEST_PATH_IMAGE064
为向上取整符号。因此，根据式(1)可以得到数据序列可选的位数因子
Figure 936734DEST_PATH_IMAGE045
，根据式(4)则可以得到相应的编码长度
Figure 394261DEST_PATH_IMAGE046
，将最小的编码长度记为，
Figure 31095DEST_PATH_IMAGE047
所对应的位数因子记为最优位数因子
Figure 600924DEST_PATH_IMAGE048
。
给定一组递增排列的整数数据序列，最优位数因子为
Figure 534245DEST_PATH_IMAGE048
，
Figure 265441DEST_PATH_IMAGE048
的最大编码因子为
Figure 524384DEST_PATH_IMAGE065
，且在第
Figure 826183DEST_PATH_IMAGE066
(
Figure 828774DEST_PATH_IMAGE067
=1,2,…)阶消零运算时数据序列中最小非零数据为
Figure 414476DEST_PATH_IMAGE068
，则第阶消零运算的编码因子
Figure 131951DEST_PATH_IMAGE024
为：
      
Figure 672654DEST_PATH_IMAGE069
                                  （5）
例如，传感器节点中有一组递增排列的整数数据序列{15,18,18,24,26,26}，容易得到相关位为001001，
Figure 713608DEST_PATH_IMAGE051
=6，=4，=15，
Figure 894688DEST_PATH_IMAGE055
=6，由式(2)(3)可得
Figure 400756DEST_PATH_IMAGE060
=4，
Figure 616973DEST_PATH_IMAGE061
=3，因此可选的位数因子
Figure 813993DEST_PATH_IMAGE070
。由式(4)得到
Figure 166477DEST_PATH_IMAGE071
，
Figure 905763DEST_PATH_IMAGE072
，因此最优位数因子
Figure 156747DEST_PATH_IMAGE048
=，接着执行消零运算，第一阶消零运算中，由式(5)得到编码因子
Figure 112250DEST_PATH_IMAGE024
=15，原始数据序列减去编码因子15后，得到一阶数据序列{0,3,3,9,11,11}；第二阶消零运算中，由式(5)得到编码因子
Figure 225700DEST_PATH_IMAGE024
=3，一阶数据序列中非零数据减去编码因子3后，得到二阶数据序列{0,0,0,6,8,8}；如此反复运算直到数据序列中各数据均被消为零，最后，对相关位
Figure 150930DEST_PATH_IMAGE014
和最优位数因子
Figure 686823DEST_PATH_IMAGE033
进行编码，此外，因为
Figure 13899DEST_PATH_IMAGE033
=4，所以采用4位二进制对各阶编码因子{15,3,6,2} 进行编码，压缩流程如表2所示。
表2 
Figure 360567DEST_PATH_IMAGE033
编码压缩流程
Figure 507514DEST_PATH_IMAGE073
 其中，编码的1~3bit是最优位数因子
Figure 348562DEST_PATH_IMAGE033
的编码，4~9bit是相关位的编码，10~25bit是编码因子
Figure 47714DEST_PATH_IMAGE024
的四位二进制编码。
通常传感器节点所采集的为非整数数据，因此需要对上述自适应最优消零压缩方法进行改进。给定一组递增排列的数据序列，数据的最小精度为
Figure 947537DEST_PATH_IMAGE074
()，最小数据为
Figure 864251DEST_PATH_IMAGE068
，相邻数据间最大差值为
Figure 552721DEST_PATH_IMAGE076
，引入一个消整因子， 
Figure 857112DEST_PATH_IMAGE077
，其中，
Figure 13287DEST_PATH_IMAGE078
为向下取整符号，设：
             
Figure 872658DEST_PATH_IMAGE079
                          （6）
                                                （7）
本压缩方法采用八位二进制对消整因子
Figure 700992DEST_PATH_IMAGE009
进行编码，则数据序列最终编码长度
Figure 711673DEST_PATH_IMAGE046
的计算公式变为：
                  
Figure 741946DEST_PATH_IMAGE081
               （8）
例如，传感器节点中有一组递增排列的数据序列{21.7, 21.8, 22.4, 22.4, 22.5, 23.0}，容易得到相关位为000100，=6，
Figure 493498DEST_PATH_IMAGE054
=5，
Figure 694672DEST_PATH_IMAGE068
=21.7，
Figure 12521DEST_PATH_IMAGE074
=0.1，
Figure 842330DEST_PATH_IMAGE076
=0.6，=21，由式(6)、(7)可以得到
Figure 199679DEST_PATH_IMAGE053
=7，=6，代入式(2)(3)可得
Figure 871280DEST_PATH_IMAGE060
==3，可选的位数因子
Figure 191720DEST_PATH_IMAGE045
=
Figure 812058DEST_PATH_IMAGE031
，由式(8)得到
Figure 403576DEST_PATH_IMAGE082
，因此最优位数因子=
Figure 326587DEST_PATH_IMAGE031
。首先将原始数据序列减去消整因子
Figure 168641DEST_PATH_IMAGE009
，得到数据序列{0.7,0.8,1.4,1.4,1.5,2.0}，再乘以最小精度的倒数1/
Figure 563851DEST_PATH_IMAGE074
，得到数据序列{7,8,14,14,15,20}，然后执行消零运算，第一阶消零运算中，由式(5)得到编码因子
Figure 191272DEST_PATH_IMAGE024
=7，数据序列减去编码因子7后，得到一阶数据序列{0,1,7,7,8,13}；第二阶消零运算中，由式(5)得到编码因子
Figure 27834DEST_PATH_IMAGE024
=1，一阶数据序列中非零数据减去编码因子1后，得到二阶数据序列{0,0,6,6,7,12}；如此反复运算直到数据序列中各数据均被消为零，最后，对消整因子
Figure 294867DEST_PATH_IMAGE009
，相关位
Figure 306817DEST_PATH_IMAGE014
和最优位数因子
Figure 975695DEST_PATH_IMAGE031
进行编码，此外，因为
Figure 31376DEST_PATH_IMAGE031
=3，所以采用3位二进制对各阶编码因子{7,1,6,1,5} 进行编码，压缩流程如表3所示。
表3  编码压缩流程
Figure 352078DEST_PATH_IMAGE084
其中，编码的1~8bit是消整因子
Figure 937780DEST_PATH_IMAGE009
的二进制编码，9~11bit是最优位数因子的二进制编码，12~17bit是相关位
Figure 156720DEST_PATH_IMAGE049
的编码，18~32是编码因子
Figure 759740DEST_PATH_IMAGE024
的三位二进制编码。
基于自适应最优消零的无线传感器网络数据压缩遵循以下过程，见附图2：
(1) 簇内传感器节点将在时刻
Figure 137632DEST_PATH_IMAGE085
采集到的
Figure 52891DEST_PATH_IMAGE002
个数据
Figure 516234DEST_PATH_IMAGE086
进行递增排序，根据自适应最优消零压缩算法原理计算数据序列的最小编码长度，求出相应的最优位数因子
Figure 968392DEST_PATH_IMAGE088
，然后基于最优位数因子对数据序列进行消零运算和编码，去除时间冗余，得到压缩后的数据。
(2) 传感器节点将压缩后的数据传送到簇头节点，数据包格式为{
Figure 740039DEST_PATH_IMAGE089
,
Figure 752994DEST_PATH_IMAGE090
,
Figure 947084DEST_PATH_IMAGE091
}，其中，为传感器节点的ID号，
Figure 304433DEST_PATH_IMAGE090
为递增排列后各数据所对应的时间槽，
Figure 742368DEST_PATH_IMAGE091
为数据序列的编码，前8位表示消整因子
Figure 241613DEST_PATH_IMAGE009
。
(3) 簇头节点接收簇内各传感器节点发送的数据包后，提取中各消整因子
Figure 562053DEST_PATH_IMAGE009
的二进制编码并转换为十进制数，得到消整因子序列，然后对消整因子序列进行递增排序，并根据自适应最优消零压缩算法原理计算其最小编码长度
Figure 549601DEST_PATH_IMAGE092
，求出相应的最优位数因子
Figure 76704DEST_PATH_IMAGE093
，然后基于最优位数因子对消整因子序列进行消零运算和编码，去除空间冗余，得到再压缩后的数据。
(4) 簇头节点将再压缩后的数据发送到上一层节点，数据包格式为{
Figure 403780DEST_PATH_IMAGE094
,
Figure 484869DEST_PATH_IMAGE095
 }，其中，
Figure 897395DEST_PATH_IMAGE094
为消整因子序列的编码，
Figure 738444DEST_PATH_IMAGE095
为递增排列后的消整因子序列所对应的传感器节点数据包，但此时数据包中
Figure 920026DEST_PATH_IMAGE091
的消整因子编码已被提取。
(5)上一层节点直接将已经去除了时间和空间冗余的数据包{
Figure 437595DEST_PATH_IMAGE094
,
Figure 71839DEST_PATH_IMAGE095
 }路由至基站。
总之，本发明提出的基于自适应最优消零的无线传感器网络数据压缩方法，通过对感知数据的分析，自适应地寻找最优位数因子对递增排列的原始数据序列进行消零运算和编码，使得数据序列的最终编码长度最短，充分挖掘感知数据之间的相关性，最大程度地去除了冗余信息，降低了节点能耗，减小了网络延时，此外，该压缩方法能够完全保留原始感知数据的全部信息，使基站能够精确重构原始数据。

Claims (1)

1.基于自适应最优消零的无线传感器网络数据压缩方法，其特征在于该方法的具体步骤如下：
(1)簇内传感器节点将在时刻{t1,t2,...,tn}采集到的n个数据{d1,d2,...,dn}进行递增排序，根据自适应最优消零压缩算法原理计算数据序列的最小编码长度Qmin_d，求出相应的最优位数因子Coptimal_d，然后基于最优位数因子Coptimal_d对数据序列进行消零运算和编码，去除时间冗余，得到压缩后的数据，具体是：
编码长度Qx采用如下公式：
Figure FDA00003270717400011
其中Cx为数据序列的可选位数因子，M为递增排列的整数数据个数，N为递增排列的整数数据中互不相等的数据个数，α为递增排列的整数数据中最小的整数，Dx为可选位数因子Cx的最大编码因子；
选取编码长度Qx中最小的编码长度Qmin_d，其所对应的位数因子即为最优位数因子Coptimal_d；
(2)传感器节点将压缩后的数据传送到簇头节点，数据包格式为{node_id,<time_stamp>,data_code}，其中，node_id为传感器节点的ID号，<time_stamp>为递增排列后各数据所对应的时间槽，data_code为数据序列的编码，数据序列的编码前8位表示消整因子η；
(3)簇头节点接收簇内各传感器节点发送的数据包后，提取data_code中各消整因子η的二进制编码并转换为十进制数，得到消整因子序列，然后对消整因子序列进行递增排序，并根据自适应最优消零压缩算法原理计算其最小编码长度Qmin_η，求出相应的最优位数因子Coptimal_η，再基于最优位数因子Coptimal_η对消整因子序列进行消零运算和编码，去除空间冗余，得到再压缩后的数据；
(4)簇头节点将再压缩后的数据发送到上一层节点，数据包格式为{η_code,<cluster_code>}，其中，η_code为消整因子序列的编码，<cluster_code>为递增排列后的消整因子序列所对应的传感器节点数据包，但此时数据包中data_code的消整因子编码已被提取；
(5)上一层节点直接将已经去除了时间和空间冗余的数据包{η_code,<cluster_code>}路由至基站。
CN2011101290328A 2011-05-18 2011-05-18 基于自适应最优消零的无线传感器网络数据压缩方法 Expired - Fee Related CN102202349B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011101290328A CN102202349B (zh) 2011-05-18 2011-05-18 基于自适应最优消零的无线传感器网络数据压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011101290328A CN102202349B (zh) 2011-05-18 2011-05-18 基于自适应最优消零的无线传感器网络数据压缩方法

Publications (2)

Publication Number Publication Date
CN102202349A CN102202349A (zh) 2011-09-28
CN102202349B true CN102202349B (zh) 2013-08-07

Family

ID=44662660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011101290328A Expired - Fee Related CN102202349B (zh) 2011-05-18 2011-05-18 基于自适应最优消零的无线传感器网络数据压缩方法

Country Status (1)

Country Link
CN (1) CN102202349B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102938685A (zh) * 2012-11-15 2013-02-20 大连理工大学 一种基于变长编码的无线传感器网络数据压缩方法
CN104735722B (zh) * 2015-04-07 2018-02-09 青岛科技大学 一种高效节能的传感器网络数据传输方法
CN104821881B (zh) * 2015-05-04 2019-04-19 东南大学 一种基于压缩和纠错编码的物联网感知层数据安全融合方法
CN105021274B (zh) * 2015-06-30 2017-12-08 西安交通大学 一种基于谱线重要度的频谱压缩方法
CN105208120B (zh) * 2015-09-22 2018-09-11 北京农业信息技术研究中心 农田无线传感器网络参数间动态耦合压缩矩阵构建方法
CN108009048B (zh) * 2017-11-27 2020-08-11 上海上实龙创智能科技股份有限公司 一种工业能耗监控平台数据的修补方法
CN110719577B (zh) * 2019-10-08 2020-10-02 浙江大学 一种基于数据帧格式优化和数据压缩的无线数据采集系统
CN114567782B (zh) * 2022-04-27 2022-07-12 江苏游隼微电子有限公司 适用于3DNR图像降噪的raw图像压缩方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101909330A (zh) * 2010-07-27 2010-12-08 杭州电子科技大学 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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2780813B2 (ja) * 1989-06-02 1998-07-30 三井化学株式会社 押出機の運転制御方法
JPH0435124A (ja) * 1990-05-25 1992-02-05 Mitsubishi Precision Co Ltd 適応差分範囲型符号化方式
CN1234247C (zh) * 2003-11-13 2005-12-28 复旦大学 使用矩形块填充码字来降低空间冗余的图像压缩编码方法
US20070030816A1 (en) * 2005-08-08 2007-02-08 Honeywell International Inc. Data compression and abnormal situation detection in a wireless sensor network
CN101932012B (zh) * 2010-07-27 2013-09-18 杭州电子科技大学 基于最优阶估计与分布式分簇的传感器网络数据压缩方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101909330A (zh) * 2010-07-27 2010-12-08 杭州电子科技大学 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
夏永成等.无线传感器网络中的数据压缩研究――结合小波提升算法和差分机制.《计算机工程与应用》.2010,(第02期),
无线传感器网络中的数据压缩研究――结合小波提升算法和差分机制;夏永成等;《计算机工程与应用》;20100111(第02期);全文 *

Also Published As

Publication number Publication date
CN102202349A (zh) 2011-09-28

Similar Documents

Publication Publication Date Title
CN102202349B (zh) 基于自适应最优消零的无线传感器网络数据压缩方法
CN101674315B (zh) 一种时间戳压缩、解压缩的方法及装置
CN103379136A (zh) 一种日志采集数据压缩方法、解压缩方法及装置
CN101932012B (zh) 基于最优阶估计与分布式分簇的传感器网络数据压缩方法
CN101909330B (zh) 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
CN104135452B (zh) 一种iq数据同步压缩还原算法及装置
CN105025498A (zh) 基于网络编码与压缩感知的传感网络分簇式空时压缩方法
CN103888144B (zh) 基于信息熵优选的自适应数据预测编码算法
CN103425669B (zh) 号段及归属地的编码方法和系统、归属地查询方法和系统
CN103944580A (zh) 一种生理体征传感器持续采集信号的无损压缩方法
CN103379140A (zh) 一种日志处理规则同步方法及相关设备和系统
CN102938685A (zh) 一种基于变长编码的无线传感器网络数据压缩方法
CN103888317A (zh) 一种协议无关的网络冗余流量消除方法
Zeinali et al. Impact of compression and aggregation in wireless networks on smart meter data
Abdulzahra MSc et al. Energy conservation approach of wireless sensor networks for IoT applications
CN101667843A (zh) 嵌入式系统的数据压缩、及解压缩方法与装置
CN102164395A (zh) 基于压缩感知的无线传感器网络全局信息本地获取方法
CN107659629B (zh) 一种适用于用电信息采集系统的高效电力档案同步方法
CN102594509B (zh) 基于节点分级策略的无线传感器网络编码数据采集方法
CN111337234A (zh) 一种基于实时监测的tbm刮刀寿命预测系统及方法
CN103152574B (zh) 基于特征配准的速率受限的遥感图像传输系统
US8655839B2 (en) Methods, systems, and media for forming linear combinations of data
CN107064621B (zh) 智能电表数据压缩方法和系统
CN116627920B (zh) 一种基于工业互联网的数据存储方法
CN108934029B (zh) 面向感知大数据重建的加速分布式优化算法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130807

Termination date: 20150518

EXPY Termination of patent right or utility model