CN103327530A - 一种无线传感器网络中的数据传输方法 - Google Patents
一种无线传感器网络中的数据传输方法 Download PDFInfo
- Publication number
- CN103327530A CN103327530A CN2013102544119A CN201310254411A CN103327530A CN 103327530 A CN103327530 A CN 103327530A CN 2013102544119 A CN2013102544119 A CN 2013102544119A CN 201310254411 A CN201310254411 A CN 201310254411A CN 103327530 A CN103327530 A CN 103327530A
- Authority
- CN
- China
- Prior art keywords
- data
- vector
- matrix
- sensor node
- position vector
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 83
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000013144 data compression Methods 0.000 abstract description 11
- 238000007906 compression Methods 0.000 abstract description 10
- 230000006835 compression Effects 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000013480 data collection Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 abstract 1
- 230000004083 survival effect Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种无线传感器网络中的数据传输方法，克服目前基于矩阵补全技术的数据压缩方案中数据压缩效率较低的不足，在该方法中，无线传感器网络中的传感器节点执行如下内容：根据本地存储的随机种子生成位置矢量；利用位置矢量进行采集数据，得到数据矢量；利用随机二进制矩阵对该数据矢量进行压缩感知线性编码得到编码矢量；发送该编码矢量。本申请的实施例中，传感器节点在尽量减少发送的数据量的同时还无需执行压缩操作，使得节点的能量消耗进一步降低，从而使得节点的生存时间得以大大提高。
Description
技术领域
本发明涉及无线传感器网络，尤其涉及一种无线传感器网络中的数据传输方法。
背景技术
无线传感器网络(Wireless Sensor Networks)是一种主要由大量的数据采集传感器节点和数据中心基站所组成的网络。分散在环境中的传感器节点负责周期性地采集环境数据(比如温度、湿度等信息)，并将采集到的数据通过无线传输的方式发送给数据接收端基站。
由于传感器节点体积小，能够承载的能量少，发送数据所消耗的能量是传感器节点主要能量消耗原因之一。因此在确保基站能够接收到足够多的数据的同时，如何降低传感器节点的数据发送量以尽量降低能量消耗是一个技术难题。
早期的解决方案主要是采用传统的压缩技术(比如小波变换等)对传感器节点采集到的数据集合进行压缩，传感器节点只发送压缩后的数据，从而减少了数据发送量，降低了发送数据所需能量。
但是，由于小波变换等算法较为复杂，运算复杂度高，增大了传感器节点的运算能耗，降低于传感器节点的生存周期，因此不适用于传感器节点能量受限的场合。
在采样压缩技术对传感器节点采集到的数据进行压缩的技术方案下，如何降低传感器节点上的压缩算法的复杂度成为技术难点之一。由于传感器节点通常部署在相同的区域，各个传感器节点采集的环境信息往往具备空间和时间上的相关性。比如，一般而言，在空间上同一个区域的温度在同一时刻数值都比较接近，阴影和光照等局部因素会少量的改变某些传感器节点采集的温度值。而在时间上，温度的变换往往是连续的少量改变。正是由于这种数据的相关性，由多个传感器节点采集的数据组成的矩阵(矩阵的不同的列为不同传感器节点在同一时刻采集的数据，矩阵的不同的行由不同传感器节点所采集的按时间顺序排列的数据集构成)往往具有低秩或者近似低秩的特点。基于这种特点，有研究学者提出了基于矩阵补全(Matrix Completion，也称为矩阵恢复)技术的数据压缩方案，可以称此方案为MC方案。在MC方案中，每个传感器节点只采集并发送部分数据，由基站负责从部分数据中恢复出全部数据。此方案中，传感器节点通过仅采集部分数据的方式实现了数据的压缩，解决了传统方案压缩算法复杂的问题。
但是，本发明的发明人在实现本发明的技术方案时，发现MC方案的数据压缩效率较为低下，有待于进一步提高压缩效率。
发明内容
本发明所要解决的技术问题是克服目前基于矩阵补全技术的数据压缩方案中数据压缩效率较低的不足。
为了解决上述技术问题，本发明提供了一种无线传感器网络中的数据传输方法，其中，该无线传感器网络中的传感器节点执行如下内容：
根据本地存储的随机种子生成位置矢量；
利用位置矢量进行采集数据，得到数据矢量；
利用随机二进制矩阵对该数据矢量进行压缩感知线性编码得到编码矢量；
发送该编码矢量。
其中，该位置矢量PN的元素仅包含0或者1，其中元素1的个数为q个，
为向下取整运算；λ为采样率，取值范围为(0，1)；N为该无线传感器网络中的单个传感器节点应该采集的数据量；该随机二进制矩阵Bp×q中的元素仅包含0或1，且该随机二进制矩阵Bp×q的每列仅随机的包含一个1；其中p大于等于1且p小于q。
其中，利用位置矢量进行采集数据，包括：
利用该位置矢量PN中的元素值进行采集数据，该位置矢量PN中的元素值为0时该传感器节点不采集数据，该位置矢量PN中的元素值为1时进行数据采集。
其中，利用该随机二进制矩阵对该数据矢量进行压缩感知线性编码得到编码矢量，包括：
根据表达式yp＝Bp×q×xq利用该随机二进制矩阵Bp×q对该数据矢量xq进行压缩感知线性编码得到该编码矢量yp。
其中，该方法包括：
利用该随机种子生成该随机二进制矩阵，或者利用该随机种子生成该随机二进制矩阵并预先存储在传感器节点中。
其中，该方法包括：
该传感器节点发送该位置矢量。
本申请的实施例提供了一种无线传感器网络中的数据传输方法，其中，该无线传感器网络中的基站执行如下内容：
接收该无线传感器网络中的传感器节点根据权利要求1至6中任一项所述的方法发送的编码矢量；
利用随机二进制矩阵及压缩感知重构算法从该编码数据中重构出数据矢量；
利用重构出的数据矢量以及位置矢量构造稀疏数据矩阵；
利用矩阵补全理论对该稀疏数据矩阵进行数据补全，得到传感器节点的数据矩阵。
其中，利用随机二进制矩阵及压缩感知重构算法从该编码数据中重构出数据矢量，包括：
该基站利用预先存储的该随机二进制矩阵或者根据预先存储的随机种子生成的该随机二进制矩阵，以及该压缩感知重构算法，从该编码数据中重构出该数据矢量。
其中，利用重构出的数据矢量以及位置矢量构造稀疏数据矩阵，包括：
该基站利用重构出的数据矢量，以及本地存储的该位置矢量、传感器节点发送的该位置矢量或者根据本地存储的随机种子生成的该位置矢量，构造该稀疏数据矩阵。
其中，利用重构出的数据矢量以及位置矢量构造稀疏数据矩阵，包括：
该基站将对应于该无线传感器网络中每个传感器节点的数据矢量按顺序放置在该位置矢量中元素为1的位置处，构造出J个长度为N的稀疏数据矢量，将该J个稀疏数据矢量作为该稀疏数据矩阵的行向量，构造该稀疏数据矩阵；其中，J为该无线传感器网络中传感器节点的数量；N为每个传感器的数据量。
与现有技术相比，本申请的实施例中，传感器节点无需执行运算量较大的压缩操作，只需发送远远少于实际数据量的部分数据。在尽量减少发送的数据量的同时还无需执行压缩操作，使得节点的能量消耗进一步降低，从而使得节点的生存时间得以大大提高。本申请的实施例中，拥有较高计算能力的基站负责利用矩阵补全以及压缩感知等技术，从获得的多个传感器节点数据中重构出完整的数据。
附图说明
图1为本申请实施例中无线传感器网络的架构示意图。
图2为本申请实施例无线传感器网络中的数据传输方法的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征在不相冲突前提下的相互结合，均在本发明的保护范围之内。
另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示，无线传感器网络中的传感器节点(图中示出第一节点N1、第二节点N2、......、第J节点NJ)为负责数据采集的嵌入式传感器节点，基站为具有较高处理能力、资源充足的设备，其中J为大于等于1的整数。各传感器节点通过无线方式和基站之间进行通信。在部署网络时，基站和每个传感器节点分别保存有相同的随机种子K，各自存储在掉电不会丢失的存储区中。
如图2所示，本申请本实施例的无线传感器网络中的数据传输方法主要包括如下内容。
步骤S210，传感器节点(以第一节点N1为例)根据本地存储的随机种子K生成位置矢量PN。
本申请的实施例中，位置矢量PN的元素仅包含0或者1，其中元素1的个数为q个，
为向下取整运算；λ为采样率，取值范围为(0，1)，实际应用时，较佳的取值可以大于等于0.4；N为单个传感器节点应该采集的数据量。
步骤S220，传感器节点N1利用本地存储的随机种子K生成随机二进制矩阵Bp×q，其中p大于等于1，p＜q；
为编码率。
随机二进制矩阵Bp×q中的元素仅包含0或1，并且该随机二进制矩阵Bp×q的每列仅随机的包含一个1。
步骤S230，传感器节点N1利用位置矢量PN中的元素值进行采集数据，得到数据矢量xq。
本申请的实施例中，位置矢量PN中的元素值为0时，传感器节点不采集数据；当位置矢量PN中的元素值为1时进行数据采集。
传感器节点N1采集到的数据缓存在传感器节点的数据缓冲区中，最终得到数据矢量xq。
传感器节点实际只采集了q个数据，而实际数据量为N，因此实现了λ
的压缩比。目前MC方案只能做到这一级的压缩。
步骤S240，传感器节点N1按照如下所示的表达式(1)对数据矢量xq进行压缩感知线性编码，得到编码矢量yp。
yp＝Bp×q×xq 式(1)
由于随机二进制矩阵Bp×q元素的值仅为0或者1，因此根据表达式(1)所进行的编码过程仅仅涉及到少量的加法操作，对节点的能量消耗可以忽略不计，节约了节点的能量消耗。
本申请的实施例将数据量进一步地从q个压缩到p个数据(p＜q)，总共实现了μ×λ的数据压缩比，其中
步骤S250，传感器节点将编码矢量yp以及位置矢量PN通过无线网络发送给基站。
步骤S260，基站接收到传感器节点发送的编码矢量yp以及位置矢量PN。
步骤S270，基站利用随机种子K生成与传感器节点侧相同的随机二进制矩阵Bp×q，然后利用该随机二进制矩阵Bp×q以及压缩感知重构算法从编码数据yp中重构出数据矢量x′q。
本申请的实施例中，由于编码数据yp在某些变换域(比如离散余弦变换以及小波变换)中呈现出较强的稀疏性，也即在变换域中只有少部分稀疏不为零，因此可以利用压缩感知重构算法能够精确地重构出x′q，x′q和原始数据矢量xq的误差非常小。
步骤S280，基站利用重构出的J个传感器节点的数据矢量x′q以及位置矢量PN构造稀疏数据矩阵XJ*N。
本申请的实施例中，基站将每个传感器节点的数据矢量按顺序放置在位置矢量PN中为元素为1的位置处，构造出J个长度为N的稀疏数据矢量。将这J个稀疏数据矢量作为稀疏数据矩阵XJ*N的行向量，构造该稀疏数据矩阵XJ*N。
步骤S290，基站利用矩阵补全理论对稀疏数据矩阵XJ*N进行数据补全，(即将矩阵中为0的元素恢复成原始数据)，从而得到完整的传感器节点的数据矩阵RJ*N。
本申请的实施例中，由于稀疏数据矩阵XJ*N是低秩或者近似低秩矩阵，按照矩阵补全理论，R′J*N和实际数据矩阵的误差很小。
需要说明的是，本申请的上述实施例是以第一节点N1来说明本申请的实施例的技术方案的。对于无线传感器网络中的其他节点，可以参照第一节点N1的说明来理解。
本申请的实施例中，上述步骤S220与步骤S230的顺序，并没有严格的先后顺序，比如在其他的实施例中，上述步骤S220也可以在上述步骤S230之后执行。这些步骤执行的先后顺序的不同，并不影响本申请实施例解决本申请所要解决的技术问题并达到预期的技术效果。
本申请的实施例中，p、q和N的值(p＜q＜N)可以根据实际应用场合的需要加以调整，比如减少p值可以增大数据压缩比。
本申请的实施例利用真实传感器网络数据(http://www.select.cs.cmu.edu/data/labapp3/index.html)对本方法性能进行了验证。在本验证中，所选择的数据类型为温度信息，真实数据矩阵为RJ*N，其中J(等于52)为传感器节点个数，N(等于400)为每个传感器节点的数据量。
表(1)给出了不同的λ值时，重构数据矩阵R′J*N和真实数据矩阵RJ*N的误差均值和方差。表(2)给出了当μ等于0.3，不同的λ值时，重构数据矩阵R′J*N和真实数据矩阵RJ*N的误差均值和方差。
表1MC方案中重构数据矩阵和真实数据矩阵的误差均值和方差
| 压缩率λ | 0.7 | 0.6 | 0.5 | 0.4 | 0.3 |
| 误差均值 | 0.03 | 0.06 | 0.09 | 0.17 | 0.34 |
| 误差方差 | 0.22 | 0.30 | 0.41 | 0.60 | 0.87 |
表2本申请的实施例中重构数据矩阵和真实数据矩阵的误差均值和方差
| 压缩率λ×μ | 0.21 | 0.18 | 0.15 | 0.12 | 0.09 |
| 误差均值 | 0.03 | 0.04 | 0.08 | 0.14 | 0.29 |
| 误差方差 | 0.30 | 0.33 | 0.43 | 0.60 | 0.78 |
从表(1)和表(2)中可以看出，在基本相同的均值误差和误差方差下，本申请实施例所实现的数据压缩率远远高于MC方案。
本申请的实施例中，传感器节点和基站也可以仅存储随机种子K，在进行数据的传输过程中，实时生成相应的位置矢量矩阵以及随机二进制矩阵，也是可行的。
上述实施例中，在传感器节点的存储区预先计算并存储随机二进制矩阵Bp×q，后续在进行线性编码时可直接使用。随机二进制矩阵Bp×q只需计算一次，甚至可以在出厂时预先配置在传感器节点中，因此对传感器节点的生存时间不会造成什么影响。这种处理方式对于计算能力受限但存储资源较多的传感器节点尤为适用。
同样地，基站侧也可以预先生成并存储随机二进制矩阵Bp×q。传感器节点预先生成并存储随机二进制矩阵，以及基站预先生成并存储随机二进制矩阵，可以提高数据传输效率。
本申请的实施例提供了一种无线传感器网络中高效的数据传输方法，尽可能地减少传感器节点所需要发送的数据量，从而解决传感器节点能量消耗过快的缺陷，有效延长了传感器节点的使用寿命。
本发明提出的技术方案在资源受限的节点一侧，只需执行简单加法操作，运算量大部分体现在资源不受限(或者相对而言资源较丰富)的基站中，实现了数据的压缩传输，可以显著延长传感器节点以及无线传感器网络的生存时间，具有较好的应用价值。
本领域的技术人员应该明白，上述的本申请实施例所提供的方法中的各步骤，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上。可选地，它们可以用计算装置可执行的程序代码来实现。从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种无线传感器网络中的数据传输方法，其中，该无线传感器网络中的传感器节点执行如下内容：
根据本地存储的随机种子生成位置矢量；
利用位置矢量进行采集数据，得到数据矢量；
利用随机二进制矩阵对该数据矢量进行压缩感知线性编码得到编码矢量；
发送该编码矢量。
2.根据权利要求1所述的方法，其中：
该位置矢量PN的元素仅包含0或者1，其中元素1的个数为q个，
为向下取整运算；λ为采样率，取值范围为(0，1)；N为该无线传感器网络中的单个传感器节点应该采集的数据量；
该随机二进制矩阵Bp×q中的元素仅包含0或1，且该随机二进制矩阵Bp×q的每列仅随机的包含一个1；其中p大于等于1且p小于q。
3.根据权利要求2所述的方法，其中，利用位置矢量进行采集数据，包括：
利用该位置矢量PN中的元素值进行采集数据，该位置矢量PN中的元素值为0时该传感器节点不采集数据，该位置矢量PN中的元素值为1时进行数据采集。
4.根据权利要求2所述的方法，其中，利用该随机二进制矩阵对该数据矢量进行压缩感知线性编码得到编码矢量，包括：
根据表达式yp＝Bp×q×xq利用该随机二进制矩阵Bp×q对该数据矢量xq进行压缩感知线性编码得到该编码矢量yp。
5.根据权利要求1所述的方法，其中，该方法包括：
利用该随机种子生成该随机二进制矩阵，或者利用该随机种子生成该随机二进制矩阵并预先存储在传感器节点中。
6.根据权利要求1所述的方法，其中，该方法包括：
该传感器节点发送该位置矢量。
7.一种无线传感器网络中的数据传输方法，其中，该无线传感器网络中的基站执行如下内容：
接收该无线传感器网络中的传感器节点根据权利要求1至6中任一项所述的方法发送的编码矢量；
利用随机二进制矩阵及压缩感知重构算法从该编码数据中重构出数据矢量；
利用重构出的数据矢量以及位置矢量构造稀疏数据矩阵；
利用矩阵补全理论对该稀疏数据矩阵进行数据补全，得到传感器节点的数据矩阵。
8.根据权利要求7所述的方法，其中，利用随机二进制矩阵及压缩感知重构算法从该编码数据中重构出数据矢量，包括：
该基站利用预先存储的该随机二进制矩阵或者根据预先存储的随机种子生成的该随机二进制矩阵，以及该压缩感知重构算法，从该编码数据中重构出该数据矢量。
9.根据权利要求7所述的方法，其中，利用重构出的数据矢量以及位置矢量构造稀疏数据矩阵，包括：
该基站利用重构出的数据矢量，以及本地存储的该位置矢量、传感器节点发送的该位置矢量或者根据本地存储的随机种子生成的该位置矢量，构造该稀疏数据矩阵。
10.根据权利要求7所述的方法，其中，利用重构出的数据矢量以及位置矢量构造稀疏数据矩阵，包括：
该基站将对应于该无线传感器网络中每个传感器节点的数据矢量按顺序放置在该位置矢量中元素为1的位置处，构造出J个长度为N的稀疏数据矢量，将该J个稀疏数据矢量作为该稀疏数据矩阵的行向量，构造该稀疏数据矩阵；其中，J为该无线传感器网络中传感器节点的数量；N为每个传感器的数据量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310254411.9A CN103327530B (zh) | 2013-02-05 | 2013-06-25 | 一种无线传感器网络中的数据传输方法 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013100661438 | 2013-02-05 | ||
| CN201310066143 | 2013-02-05 | ||
| CN201310066143.8 | 2013-02-05 | ||
| CN201310254411.9A CN103327530B (zh) | 2013-02-05 | 2013-06-25 | 一种无线传感器网络中的数据传输方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103327530A true CN103327530A (zh) | 2013-09-25 |
| CN103327530B CN103327530B (zh) | 2016-06-22 |
Family
ID=49196005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310254411.9A Expired - Fee Related CN103327530B (zh) | 2013-02-05 | 2013-06-25 | 一种无线传感器网络中的数据传输方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103327530B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110022541A (zh) * | 2019-05-22 | 2019-07-16 | 南开大学 | 一种基于NB-IoT和FPGA的WSN农作物生长环境信息稀疏采集与传输方法 |
| CN110505657A (zh) * | 2018-05-16 | 2019-11-26 | 中南大学 | 一种无线传感器网络中基于矩阵填充技术的数据收集方法 |
| CN107205154B (zh) * | 2017-06-07 | 2020-04-07 | 南京邮电大学 | 一种基于矩阵补全的无线多媒体传感网图像压缩采集方法 |
| WO2021136359A1 (zh) * | 2019-12-30 | 2021-07-08 | 三维通信股份有限公司 | 一种稀疏压缩数据收集方法、系统和计算机设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101621514A (zh) * | 2009-07-24 | 2010-01-06 | 北京航空航天大学 | 网络数据的压缩方法、网络系统和融合中心设备 |
| CN102164282A (zh) * | 2011-04-29 | 2011-08-24 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及系统 |
| KR20110098985A (ko) * | 2010-02-28 | 2011-09-05 | 한양대학교 산학협력단 | 적응형 휴먼 인지 동기화 관리를 위한 무선 센서네트워크의 재구성 |
| KR101070407B1 (ko) * | 2009-02-12 | 2011-10-06 | 서울대학교산학협력단 | 에너지 효율적인 동기 방식을 사용하는 무선 네트워크 시스템 |
| CN102281443A (zh) * | 2011-08-22 | 2011-12-14 | 天津师范大学 | 基于优化的层式离散余弦变换的压缩感知图像处理方法 |
-
2013
- 2013-06-25 CN CN201310254411.9A patent/CN103327530B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101070407B1 (ko) * | 2009-02-12 | 2011-10-06 | 서울대학교산학협력단 | 에너지 효율적인 동기 방식을 사용하는 무선 네트워크 시스템 |
| CN101621514A (zh) * | 2009-07-24 | 2010-01-06 | 北京航空航天大学 | 网络数据的压缩方法、网络系统和融合中心设备 |
| KR20110098985A (ko) * | 2010-02-28 | 2011-09-05 | 한양대학교 산학협력단 | 적응형 휴먼 인지 동기화 관리를 위한 무선 센서네트워크의 재구성 |
| CN102164282A (zh) * | 2011-04-29 | 2011-08-24 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及系统 |
| CN102281443A (zh) * | 2011-08-22 | 2011-12-14 | 天津师范大学 | 基于优化的层式离散余弦变换的压缩感知图像处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宣利峰等: "应用压缩感知的无线传感器网络数据处理综述", 《微型机与应用》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107205154B (zh) * | 2017-06-07 | 2020-04-07 | 南京邮电大学 | 一种基于矩阵补全的无线多媒体传感网图像压缩采集方法 |
| CN110505657A (zh) * | 2018-05-16 | 2019-11-26 | 中南大学 | 一种无线传感器网络中基于矩阵填充技术的数据收集方法 |
| CN110022541A (zh) * | 2019-05-22 | 2019-07-16 | 南开大学 | 一种基于NB-IoT和FPGA的WSN农作物生长环境信息稀疏采集与传输方法 |
| WO2021136359A1 (zh) * | 2019-12-30 | 2021-07-08 | 三维通信股份有限公司 | 一种稀疏压缩数据收集方法、系统和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103327530B (zh) | 2016-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | An energy-efficient data collection scheme using denoising autoencoder in wireless sensor networks | |
| M Al-Qurabat | A lightweight Huffman-based differential encoding lossless compression technique in IoT for smart agriculture | |
| 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 | |
| CN102752798B (zh) | 一种无线传感器网络数据无损压缩的方法 | |
| CN101350827B (zh) | 用于无线传感器网络的小波渐进数据压缩方法 | |
| Gupta et al. | Green sensing and communication: A step towards sustainable IoT systems | |
| CN103327530A (zh) | 一种无线传感器网络中的数据传输方法 | |
| US20130148713A1 (en) | Method and apparatus for transmitting and receiving signals based on dual compressive sensing in wireless communication system | |
| CN108173620B (zh) | 基于压缩网络编码的wsn异常数据发现系统实现方法 | |
| CN106604211B (zh) | 一种基于传感器网络的分层式自适应空时压缩方法 | |
| EP3365979A1 (en) | System and method for data compression over a communication network | |
| CN103298154A (zh) | 一种基于温差电池的无线传感器网络动态能量分配方法 | |
| 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 | |
| Xu et al. | Efficient data gathering using compressed sparse functions | |
| CN116828412B (zh) | 一种新能源汽车充换电箱变机柜无线通信系统 | |
| Abdulzahra MSc et al. | Energy conservation approach of wireless sensor networks for IoT applications | |
| CN103974268A (zh) | 精细粒度可调的低延时传感器网络数据传输方法 | |
| Li et al. | An improved algorithm of LEACH routing protocol in wireless sensor networks | |
| CN108376099A (zh) | 一种优化时延与能效的移动终端计算迁移方法 | |
| Kalaivani et al. | Analysis and implementation of novel Rice Golomb coding algorithm for wireless sensor networks | |
| CN105338602A (zh) | 一种基于虚拟mimo的压缩数据收集方法 | |
| Zhang et al. | Compressive sensing and autoencoder based compressed data aggregation for green IoT networks | |
| Maurya et al. | Median predictor based data compression algorithm for wireless sensor network | |
| Li et al. | Collecting all data continuously in wireless sensor networks with a mobile base station | |
| Mochizuki et al. | Power saving method using compressed sensing technique for IoT-based time-series environment monitoring system |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210208 Address after: Room 2-102, building 19, guangrunhancheng, 2500 Liyu East Road, duohu street, Jindong District, Jinhua City, Zhejiang Province 321000 Patentee after: Jinhua Lingxi Intelligent Technology Co.,Ltd. Address before: 321004 No. 688 Yingbin Road, Zhejiang, Jinhua Patentee before: ZHEJIANG NORMAL University |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160622 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |