CN111711970B - 一种超长线状环形无线网络数据压缩方法 - Google Patents

一种超长线状环形无线网络数据压缩方法 Download PDF

Info

Publication number
CN111711970B
CN111711970B CN202010560944.XA CN202010560944A CN111711970B CN 111711970 B CN111711970 B CN 111711970B CN 202010560944 A CN202010560944 A CN 202010560944A CN 111711970 B CN111711970 B CN 111711970B
Authority
CN
China
Prior art keywords
wavelet
node
nodes
data
coefficient sequence
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.)
Active
Application number
CN202010560944.XA
Other languages
English (en)
Other versions
CN111711970A (zh
Inventor
李刚
何斌
沈润杰
朱忠攀
王志鹏
周艳敏
徐寿林
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.)
Tongji University
Original Assignee
Tongji 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 Tongji University filed Critical Tongji University
Publication of CN111711970A publication Critical patent/CN111711970A/zh
Application granted granted Critical
Publication of CN111711970B publication Critical patent/CN111711970B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H04W28/065—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information using assembly or disassembly of packets
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明涉及一种超长线状环形无线网络数据压缩方法，无线网络中的各个传感器按照超长线状环形分布式数据传递模型进行布置，所有传感器节点被划分为若干个簇，每个簇中的传感器节点包括一个簇头节点和若干非簇头节点；对非簇头节点中的数据初始序列采用环状分布式5/3整数小波分频算法变换后得到小波系数序列，对小波系数序列中的高频系数序列采用阈值过滤得简化小波系数序列，最终将简化小波系数序列传输至簇头节点，在簇头节点中，对简化小波系数序列通过准游程编码进行数据压缩，传输至基站节点。与现有技术相比，本发明降低了分簇的整体功耗，提升了数据压缩率，改善了压缩效果，同时，能够进一步的地降低丢包率，改善信道状况。

Description

一种超长线状环形无线网络数据压缩方法
技术领域
本发明涉及一种数据压缩方法，尤其是涉及一种超长线状环形网络数据压缩方法。
背景技术
无线传感器网络作为新一代的通信网络，通过广泛分布的网络传感器节点，对环境进行长期有效的智能监测。比如，应用于地铁隧道监测系统的超长线状无线传感网络，利用低功耗、低成本的大量无线传感器节点，监测地铁隧道情况，具有非常广的应用场景和非常好的应用效果。
无线传感器网络的传节点需要在长时间内周期性地向网络传输数据，数据量大且传输能耗高。无线传感器网络的能量问题一直是限制其广泛应用的瓶颈所在。
同时，无线传感器网络中当簇内具有大量的传感器节点时，这些节点的数据都直接传递给簇头节点，会增加数据传输的丢包率以及造成信道堵塞。考虑到无线传感网络数据的空间相关性较强，现有的方法是通过一些分布式的数据压缩算法来改善数据传输效果。但是，普通基于无线传感网络的数据压缩方法在超长线状结构下性能低下，无法进行大量节点的高效运行。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种超长线状环形无线网络数据压缩方法。
本发明的目的可以通过以下技术方案来实现：
一种超长线状环形无线网络数据压缩方法，无线网络中的各个传感器按照超长线状环形分布式数据传递模型进行布置，所有传感器节点被划分为若干个簇，每个簇中的传感器节点包括一个簇头节点和若干非簇头节点，并且传感器节点形成多个依次排序的检测环，按检测环的空间排序完成传感器节点中的数据传递；在数据传递过程中，对非簇头节点中的数据初始序列采用环状分布式5/3整数小波分频算法变换后得到小波系数序列，对小波系数序列中的高频系数序列采用阈值过滤得简化小波系数序列，最终将简化小波系数序列传输至簇头节点，在簇头节点中，对简化小波系数序列通过准游程编码进行数据压缩，传输至基站节点。
进一步地，所述的阈值过滤具体包括：每完成一次小波提升运算之后，对高频系数序列中绝对值低于设定阈值的高频系数置0且不进入下一轮的提升运算。
进一步地，环状分布式5/3整数小波变换过程中，每个传感器节点采集数据作为小波变换的信号向量的一个分量，将传感器节点分割成偶节点和奇节点，其中，偶节点将采集的数据发送给其相邻的奇结点，在奇节点上完成小波系数的运算，得到由
Figure BDA0002546273680000021
组成的一级小波变换系数,过滤
Figure BDA0002546273680000022
Figure BDA0002546273680000023
仅将
Figure BDA0002546273680000024
进行新一轮的小变换获取二级小波变换系数，直至完成设定k次变换次数后得到k级小波变换系数，其中
Figure BDA0002546273680000025
表示偶节点的小波系数，
Figure BDA0002546273680000026
表示奇节点的小波系数。
进一步地，环状分布式5/3整数小波变换过程中，输入序列的首部和尾部连接，组成一个传感器节点环。
进一步地，所有小波变换的系数可根据小波逆运算获得所有节点的原始数据，其计算表达式为：
Figure BDA0002546273680000027
其中，[]表示数值取整运算，
Figure BDA0002546273680000028
表示第k+1级的第n个奇节点的小波系数，
Figure BDA0002546273680000029
表示第k级的第2n+1个偶节点的小波系数，
Figure BDA00025462736800000210
表示第k级的第2n个偶节点的小波系数，
Figure BDA00025462736800000211
表示第k级的第2n+2个偶节点的小波系数，
Figure BDA00025462736800000212
表示第k+1级的第n个偶节点的小波系数，
Figure BDA00025462736800000213
表示第k级的第2n个偶节点的小波系数，
Figure BDA00025462736800000214
表示第k+1级的第n-1个奇节点的小波系数，
Figure BDA00025462736800000215
表示第k+1级的第n个奇节点的小波系数，k和n为0和正整数。
进一步地，所述的准游程编码基于游程编码进行调整，对连续出现的相同数值使用“0x”两个字符表示，其中“x”表示数值重复的次数，中间的数值“0”表示数值与重复次数之间的分隔符。
与现有技术相比，本发明具有以下有益效果：
本发明能够实现快速完成超长线状无线传感网络中传感器数据压缩，通过按监测环顺序完成超长线状环形分布式数据传递，在数据传递过程中，所有非簇头节点运行5/3整数小波分频算法，簇头节点运行准游程编码数据压缩，降低了分簇的整体功耗，提升了数据压缩率，改善了压缩效果，同时，能够进一步的地降低丢包率，改善信道状况。
附图说明
图1为超长线状环形分布式数据传递模型示意图。
图2为数据压缩方法流程示意图。
图3a和图3b为非簇头节点的环状分布式5/3整数小波分频算法示意图。
图4为簇头节点的准游程编码数据压缩示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例具体应用于隧道的无线监控网络中。传感器已人为在隧道内按照超长线状环形分布式数据传递模型布置。超长线状环形分布式数据传递模型的示意图如图1所示，所有的传感器节点被划分为若干个簇，每个簇中的传感器节点包括一个簇头节点和若干非簇头节点，并且传感器节点形成多个依次排序的检测环。按检测环的空间排序完成传感器节点中的数据传递。在数据传递过程中所有非簇头节点运行环状分布式5/3整数小波分频算法，簇头节点运行准游程编码数据压缩。
如图2所示，在数据传递过程中，对非簇头节点中的数据初始序列采用环状分布式5/3整数小波分频算法变换后得到小波系数序列，该小波系数序列分为高频系数序列与低频系数序列两个部分。对高频系数序列采用阈值过滤进行相应的处理，从而可以产生新的更为简短的简化小波系数序列。再对化小波系数序列传输至簇头节点，在簇头节点中，对简化小波系数序列通过准游程编码进行数据压缩，传输至基站节点，即可实现数据压缩的目的。其具体步骤如下：
(a)非簇头节点的环状分布式5/3整数小波分频算法
环状分布式5/3整数小波变换过程中，每个传感器节点采集数据作为小波变换的信号向量的一个分量。将每个传感器节点都看成小波变换的信号向量的一个分量。将传感器节点的初始系数序列S0，划分为偶系数序列
Figure BDA0002546273680000041
和奇系数序列
Figure BDA0002546273680000042
也就是将非簇头节点划分为成偶节点
Figure BDA0002546273680000043
和奇节点
Figure BDA0002546273680000044
偶节点
Figure BDA0002546273680000045
将采集来的数据发送给相邻的奇结点
Figure BDA0002546273680000046
在奇节点
Figure BDA0002546273680000047
上完成小波系数
Figure BDA0002546273680000048
的运算。类似地，偶节点
Figure BDA0002546273680000049
将采集来的数据发送给相邻的奇结点
Figure BDA00025462736800000410
在奇节点
Figure BDA00025462736800000411
上完成小波系数
Figure BDA00025462736800000412
的运算。这样就完成了小波变换的一级变换，得到由
Figure BDA00025462736800000413
Figure BDA00025462736800000414
组成的一级小波变换系数。在小波变换时，在输入序列的首部以及尾部的运算存在着“边际效应”的问题，为了克服该问题，本实施例中采取将传感器节点首尾相连的方式，组成一个传感器节点环，如图3a所示，图中空心圆代表了传感器节点，实线代表5/3算法的预测过程，虚线代表了5/3算法的更新过程。
过滤
Figure BDA00025462736800000415
仅将
Figure BDA00025462736800000416
进行新一轮的小波分解获取二级小波变换系数，直至完成设定k次分解次数后得到k级小波变换系数，如图3b所示。图中空心圆代表节点，箭头代表数据传输方向，虚直线代表节点的分层。由于在所有节点里保存了小波变换后的所有系数，因此可以根据变换后的系数进行小波逆运算，得到所有节点的原始数据。计算公式如下：
Figure BDA00025462736800000417
其中，[]表示数值取整运算，1/2是为了减少因数值取整而引入的误差所使用的运算修正值，
Figure BDA00025462736800000418
表示第k+1级的第n个奇节点的小波系数，
Figure BDA00025462736800000419
表示第k级的第2n+1个偶节点的小波系数，
Figure BDA00025462736800000420
表示第k级的第2n个偶节点的小波系数，
Figure BDA00025462736800000421
表示第k级的第2n+2个偶节点的小波系数，
Figure BDA00025462736800000422
表示第k+1级的第n个偶节点的小波系数，
Figure BDA00025462736800000423
表示第k级的第2n个偶节点的小波系数，
Figure BDA00025462736800000424
表示第k+1级的第n-1个奇节点的小波系数，
Figure BDA00025462736800000425
表示第k+1级的第n个奇节点的小波系数，k和n为0和正整数。
同时，每完成一次小波提升运算之后，对其高频部分进行分析，绝对值低于设定阈值的高频系数置0且不再进入下一轮的提升操作，从而减少小波更新步骤中的相邻节点间的数据交换次数以及减少簇内非簇头节点与簇头节点间的数据通信量。
(b)簇头节点的准游程编码数据压缩
经过上述的5/3整数小波变换之后，簇头节点得到变换后的全部低频系数数据和满足阈值要求的部分高频系数数据(缺失的高频系数部分的取值在第一个步骤中被置0，因而不发送数据给簇头节点)。为了减少簇头节点发送给(基站)Sink节点的数据量，对簇头节点接收到的数据进行准游程编码。
如图4所示，经过步骤(a)处理后，很多高频系数部分会被简化为0，因而0的数量较多，而非0值出现的几率较小，且出现连续的相同非0值的可能性也较小。因而，本专利在游程编码的基础上进行调整，对连续出现的0值使用“00x”三个字符表示，其中，第一个“0”表示重复的0值，“x”表示重复的次数，中间的“0”表示0值与重复次数“x”之间的分隔符。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (5)

1.一种超长线状环形无线网络数据压缩方法，其特征在于，无线网络中的各个传感器按照超长线状环形分布式数据传递模型进行布置，所有传感器节点被划分为若干个簇，每个簇中的传感器节点包括一个簇头节点和若干非簇头节点，并且传感器节点形成多个依次排序的检测环，按检测环的空间排序完成传感器节点中的数据传递；在数据传递过程中，对非簇头节点中的数据初始序列采用环状分布式5/3整数小波分频算法变换后得到小波系数序列，对小波系数序列中的高频系数序列采用阈值过滤得简化小波系数序列，最终将简化小波系数序列传输至簇头节点，在簇头节点中，对简化小波系数序列通过准游程编码进行数据压缩，传输至基站节点；
所述的阈值过滤具体包括：每完成一次小波提升运算之后，对高频系数序列中绝对值低于设定阈值的高频系数置0且不进入下一轮的提升运算。
2.根据权利要求1所述的一种超长线状环形无线网络数据压缩方法，其特征在于，环状分布式5/3整数小波变换过程中，每个传感器节点采集数据作为小波变换的信号向量的一个分量，将传感器节点分割成偶节点和奇节点，其中，偶节点将采集的数据发送给其相邻的奇结点，在奇节点上完成小波系数的运算，得到由
Figure FDA0003351870780000011
组成的一级小波变换系数,过滤
Figure FDA0003351870780000012
仅将
Figure FDA0003351870780000013
进行新一轮的小变换获取二级小波变换系数，直至完成设定k次变换次数后得到k级小波变换系数，其中
Figure FDA0003351870780000014
表示偶节点的小波系数，
Figure FDA0003351870780000015
表示奇节点的小波系数。
3.根据权利要求2所述的一种超长线状环形无线网络数据压缩方法，其特征在于，环状分布式5/3整数小波变换过程中，输入序列的首部和尾部连接，组成一个传感器节点环。
4.根据权利要求2所述的一种超长线状环形无线网络数据压缩方法，其特征在于，所有小波变换的系数可根据小波逆运算获得所有节点的原始数据，其计算表达式为：
Figure FDA0003351870780000016
其中，[]表示数值取整运算，
Figure FDA0003351870780000021
表示第k+1级的第n个奇节点的小波系数，
Figure FDA0003351870780000022
表示第k级的第2n+1个偶节点的小波系数，
Figure FDA0003351870780000023
表示第k级的第2n个偶节点的小波系数，
Figure FDA0003351870780000024
表示第k级的第2n+2个偶节点的小波系数，
Figure FDA0003351870780000025
表示第k+1级的第n个偶节点的小波系数，
Figure FDA0003351870780000026
表示第k级的第2n个偶节点的小波系数，
Figure FDA0003351870780000027
表示第k+1级的第n-1个奇节点的小波系数，
Figure FDA0003351870780000028
表示第k+1级的第n个奇节点的小波系数，k和n为0和正整数。
5.根据权利要求1所述的一种超长线状环形无线网络数据压缩方法，其特征在于，所述的准游程编码基于游程编码进行调整，对连续出现的相同数值使用“0x”两个字符表示，其中“x”表示数值重复的次数，中间的数值“0”表示数值与重复次数之间的分隔符。
CN202010560944.XA 2020-03-27 2020-06-18 一种超长线状环形无线网络数据压缩方法 Active CN111711970B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010228066 2020-03-27
CN2020102280661 2020-03-27

Publications (2)

Publication Number Publication Date
CN111711970A CN111711970A (zh) 2020-09-25
CN111711970B true CN111711970B (zh) 2022-04-01

Family

ID=72542013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010560944.XA Active CN111711970B (zh) 2020-03-27 2020-06-18 一种超长线状环形无线网络数据压缩方法

Country Status (1)

Country Link
CN (1) CN111711970B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101350827A (zh) * 2008-07-02 2009-01-21 湖南大学 用于无线传感器网络的小波渐进数据压缩方法
CN103974393A (zh) * 2014-05-15 2014-08-06 海南大学 一种改良的无线传感器网络数据节能压缩方案
CN104302017A (zh) * 2014-09-22 2015-01-21 洛阳理工学院 一种传感器网络中针对小波数据压缩的预处理方法
CN110706186A (zh) * 2019-07-12 2020-01-17 北京理工大学 基于压缩感知及Renyi熵的水下信息抗干扰方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100643269B1 (ko) * 2004-01-13 2006-11-10 삼성전자주식회사 Ｒｏｉ를 지원하는 영상 코딩 방법 및 장치
US8908766B2 (en) * 2005-03-31 2014-12-09 Euclid Discoveries, Llc Computer method and apparatus for processing image data
US20070071331A1 (en) * 2005-09-24 2007-03-29 Xiteng Liu Image compression by economical quaternary reaching method
CN103974329A (zh) * 2014-05-15 2014-08-06 海南大学 一种改良的无线传感器网络数据压缩方案
US9516197B2 (en) * 2014-10-21 2016-12-06 Pixspan, Inc. Apparatus and method for lossless compression of raw color sensor data from a color array filtered image sensor
CN109525956B (zh) * 2019-01-02 2020-06-12 吉林大学 无线传感网中基于数据驱动的分簇的节能的数据收集方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101350827A (zh) * 2008-07-02 2009-01-21 湖南大学 用于无线传感器网络的小波渐进数据压缩方法
CN103974393A (zh) * 2014-05-15 2014-08-06 海南大学 一种改良的无线传感器网络数据节能压缩方案
CN104302017A (zh) * 2014-09-22 2015-01-21 洛阳理工学院 一种传感器网络中针对小波数据压缩的预处理方法
CN110706186A (zh) * 2019-07-12 2020-01-17 北京理工大学 基于压缩感知及Renyi熵的水下信息抗干扰方法

Also Published As

Publication number Publication date
CN111711970A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
US11653228B2 (en) Channel state information (CSI) learning
US11984955B2 (en) Configurable neural network for channel state feedback (CSF) learning
US11646838B2 (en) Broadcasting known data to train artificial neural networks
US20210266875A1 (en) MACHINE LEARNING FOR ADDRESSING TRANSMIT (Tx) NON-LINEARITY
US12056609B2 (en) Gradient feedback framework for joint transceiver neural network training
CN111769862B (zh) 一种基于深度学习的空间调制网络中联合检测方法
CN110519848B (zh) 一种认知中继无线传感器网络的联合资源分配方法
US11863495B2 (en) Signaling for a channel state information reference signal (CSI-RS)
WO2022141397A1 (zh) 一种神经网络的训练方法以及相关装置
CN112564757A (zh) 一种深度学习1-bit压缩叠加信道状态信息反馈方法
CN102938685A (zh) 一种基于变长编码的无线传感器网络数据压缩方法
CN107911859B (zh) 基于跨层设计的水下无线传感器网络的生命周期延长方法
US20220101131A1 (en) Federated learning with varying feedback
CN116017507A (zh) 基于无线空中计算和二阶优化的去中心化联邦学习方法
CN111711970B (zh) 一种超长线状环形无线网络数据压缩方法
US11929853B2 (en) Data-driven probabilistic modeling of wireless channels using conditional variational auto-encoders
CN108366394A (zh) 基于时空压缩网络编码的高能效无线传感网数据传输方法
CN110661566B (zh) 一种采用深度图嵌入的无人机集群组网方法与系统
CN109275119B (zh) 基于混沌序列的分布式压缩感知方法
CN111314030A (zh) 一种基于球形译码优化的scma多用户检测方法
CN106603197B (zh) 一种基于压缩网络编码的高能效无线传感网数据传输方法
CN108934029A (zh) 面向感知大数据重建的加速分布式优化算法
Patel et al. Enhancing multimedia compression and transmission technique to aid energy efficient wireless multimedia sensor network
CN110582098A (zh) 基于ZigBee和数据压缩的数字信息传输系统、方法及装置
CN103795420B (zh) 一种基于分段的sbr多属性数据压缩方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant