本發(fā)明是一種應(yīng)用于無線傳感器網(wǎng)絡(luò)中的輕量級(jí)數(shù)據(jù)壓縮方法。主要用于解決無線傳感器之間傳輸數(shù)據(jù)的冗余性問題，屬于無線傳感器網(wǎng)絡(luò)技術(shù)領(lǐng)域。

背景技術(shù)：

隨著無線傳感網(wǎng)絡(luò)技術(shù)的快速發(fā)展，無線傳感網(wǎng)中在生活中應(yīng)用也越來越廣泛，無線傳感器網(wǎng)絡(luò)是面向應(yīng)用的，貼近客觀物理世界的網(wǎng)絡(luò)系統(tǒng)，其產(chǎn)生和發(fā)展一直都與應(yīng)用相聯(lián)系。多年來經(jīng)過不同領(lǐng)域研究人員的演繹，WSN(Wireless Sensor Network)技術(shù)在軍事領(lǐng)域、精細(xì)農(nóng)業(yè)、安全監(jiān)控、環(huán)保監(jiān)測(cè)、建筑領(lǐng)域、醫(yī)療監(jiān)護(hù)、工業(yè)監(jiān)控、智能交通、物流管理、自由空間探索、智能家居等領(lǐng)域的應(yīng)用得到了充分的肯定和展示。隨著無線傳感器網(wǎng)絡(luò)的大力發(fā)展，無線傳感器絡(luò)中數(shù)據(jù)傳輸量越來越大，其中包含了大量的冗余數(shù)據(jù)，傳輸這些冗余數(shù)據(jù)會(huì)消耗節(jié)點(diǎn)大量的能量，縮短節(jié)點(diǎn)壽命，影響網(wǎng)絡(luò)性能。

無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)傳輸?shù)臄?shù)據(jù)壓縮方法能夠有效降低冗余數(shù)據(jù)的傳輸，節(jié)省網(wǎng)絡(luò)帶寬。在采集節(jié)點(diǎn)端對(duì)環(huán)境數(shù)據(jù)在時(shí)間上的相關(guān)性進(jìn)行數(shù)據(jù)壓縮，在匯聚節(jié)點(diǎn)端對(duì)簇內(nèi)采集節(jié)點(diǎn)上傳的數(shù)據(jù)進(jìn)行融合壓縮，減少冗余數(shù)據(jù)。

該方法有3個(gè)目的:

(1)通過環(huán)境數(shù)據(jù)在時(shí)間上的相關(guān)性，利用CLDCA(Changeable Length Data Compression Algorithm)算法對(duì)感知數(shù)據(jù)進(jìn)行壓縮,減少采集節(jié)點(diǎn)對(duì)冗余數(shù)據(jù)的上傳，節(jié)省節(jié)點(diǎn)能耗，延遲使用壽命；

(2)通過WDAA(Weighting Data Aggression Algorithm)算法對(duì)匯聚節(jié)點(diǎn)對(duì)簇內(nèi)采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)進(jìn)行融合，能夠保證數(shù)據(jù)的準(zhǔn)確性，減少冗余數(shù)據(jù)；

(3)通過減少無線傳感器網(wǎng)絡(luò)中冗余數(shù)據(jù)的傳輸量，能提高無線傳感器網(wǎng)絡(luò)帶寬利用率；

本發(fā)明方法針對(duì)無線傳感器網(wǎng)絡(luò)中傳輸大量的冗余數(shù)據(jù)問題，該方法能夠在采集節(jié)點(diǎn)端和匯聚節(jié)點(diǎn)端有效地減少冗余數(shù)據(jù)的傳輸量，節(jié)省節(jié)點(diǎn)能耗，提高網(wǎng)絡(luò)性能。

技術(shù)實(shí)現(xiàn)要素：

技術(shù)問題：本發(fā)明的目的是提供一種應(yīng)用于無線傳感器網(wǎng)絡(luò)的輕量級(jí)數(shù)據(jù)壓縮方法，該方法能夠在采集節(jié)點(diǎn)端和匯聚節(jié)點(diǎn)端對(duì)冗余數(shù)據(jù)進(jìn)行壓縮，減少節(jié)點(diǎn)冗余數(shù)據(jù)傳輸，節(jié)省節(jié)點(diǎn)能耗。

技術(shù)方案：本發(fā)明的方法是在采集節(jié)點(diǎn)端使用變長數(shù)據(jù)壓縮算法CLDCA對(duì)采集節(jié)點(diǎn)獲取的感知數(shù)據(jù)進(jìn)行壓縮，這些感知數(shù)據(jù)在時(shí)間上存在相關(guān)性，使用CLDCA能夠有效壓縮同于數(shù)據(jù)，較少冗余數(shù)據(jù)的發(fā)送量，節(jié)省節(jié)點(diǎn)能耗。在匯聚節(jié)點(diǎn)端使用數(shù)據(jù)權(quán)重系數(shù)的數(shù)據(jù)融合算法WDAA對(duì)簇內(nèi)采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)進(jìn)行融合，該算法能夠保證融合后數(shù)據(jù)的準(zhǔn)確性，同時(shí)能減少冗余數(shù)據(jù)的發(fā)送量，從而能節(jié)省節(jié)點(diǎn)能耗。

體系結(jié)構(gòu)

該方法是將簇內(nèi)的采集節(jié)點(diǎn)與匯聚節(jié)點(diǎn)組成一個(gè)數(shù)據(jù)采集與傳輸?shù)捏w系結(jié)構(gòu)，簇內(nèi)的采集節(jié)點(diǎn)主要負(fù)責(zé)數(shù)據(jù)的采集，再對(duì)采集的數(shù)據(jù)進(jìn)行壓縮處理，減少冗余數(shù)據(jù)，然后再進(jìn)行上傳壓縮后的感知數(shù)據(jù)。匯聚節(jié)點(diǎn)主要負(fù)責(zé)接收簇內(nèi)采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)，同時(shí)對(duì)簇內(nèi)采集節(jié)點(diǎn)上傳的數(shù)據(jù)進(jìn)行融合，減少上傳的冗余數(shù)據(jù)量，節(jié)省節(jié)點(diǎn)能耗。

方法流程

在整個(gè)設(shè)計(jì)方法中，主要分為兩部分：采集節(jié)點(diǎn)端、匯聚節(jié)點(diǎn)端。采集節(jié)點(diǎn)主要負(fù)責(zé)數(shù)據(jù)的采集，對(duì)采集的數(shù)據(jù)進(jìn)行壓縮，再對(duì)壓縮過后的數(shù)據(jù)進(jìn)行上傳。匯聚節(jié)點(diǎn)主要負(fù)責(zé)對(duì)簇內(nèi)采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)進(jìn)行融合，再對(duì)融合后數(shù)據(jù)進(jìn)行上傳。采集節(jié)點(diǎn)變長數(shù)據(jù)壓縮算法CLDCA執(zhí)行流程(如圖1)：

本發(fā)明的輕量級(jí)數(shù)據(jù)壓縮方法在采集節(jié)點(diǎn)端使用變長數(shù)據(jù)壓縮算法CLDCA對(duì)采用數(shù)據(jù)進(jìn)行壓縮，消除冗余數(shù)據(jù)；在匯聚節(jié)點(diǎn)端，使用數(shù)據(jù)權(quán)重系數(shù)的數(shù)據(jù)融合算法WDAA對(duì)匯聚節(jié)點(diǎn)端進(jìn)行數(shù)據(jù)融合壓縮。所述的采集節(jié)點(diǎn)數(shù)據(jù)壓縮具體如下：

步驟1.1).采集節(jié)點(diǎn)對(duì)環(huán)境數(shù)據(jù)進(jìn)行采樣，采樣數(shù)據(jù)個(gè)數(shù)加1；

步驟1.2).判斷采樣數(shù)據(jù)個(gè)數(shù)是否超出設(shè)定值，沒有超出執(zhí)行步驟1.3)，超出執(zhí)行步驟1.6)；

步驟1.3).與期望值進(jìn)行比較，判斷采樣數(shù)據(jù)是否需要上傳，需要上傳數(shù)據(jù)則執(zhí)行步驟1.4),不需要上傳則執(zhí)行步驟1.1)；

步驟1.4).將要上傳數(shù)據(jù)傳輸?shù)桨l(fā)送模塊，設(shè)置標(biāo)記位值為1，表明有數(shù)據(jù)上傳給匯聚節(jié)點(diǎn)；

步驟1.5).發(fā)送模塊將數(shù)據(jù)上傳給匯聚節(jié)點(diǎn)，轉(zhuǎn)步驟1.1)；

步驟1.6).判斷標(biāo)記位，如果標(biāo)記位值為1，將標(biāo)記位值設(shè)為0，將采樣數(shù)據(jù)的統(tǒng)計(jì)數(shù)也設(shè)為0，執(zhí)行步驟1.1)，如果標(biāo)記位值為0，執(zhí)行步驟1.7)；

步驟1.7).采集節(jié)點(diǎn)強(qiáng)制上傳一次采樣數(shù)據(jù)，計(jì)數(shù)清0。

所述的使用數(shù)據(jù)權(quán)重系數(shù)的數(shù)據(jù)融合算法WDAA對(duì)匯聚節(jié)點(diǎn)端進(jìn)行數(shù)據(jù)融合壓縮具體如下：

步驟2.1).接收采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)；

步驟2.2).計(jì)算感知數(shù)據(jù)的期望值E，計(jì)算每個(gè)感知數(shù)據(jù)與期望值的差值的絕對(duì)值，如果差值的絕對(duì)值超出閾值，就將其刪除，實(shí)現(xiàn)優(yōu)化采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)；

步驟2.3).計(jì)算出優(yōu)化后的感知數(shù)據(jù)的標(biāo)準(zhǔn)差|σ|，將感知數(shù)據(jù)值分別以﹙-∞,E-2*|σ|]、﹙E-2*|σ|,E-|σ|]、﹙E-|σ|,E+|σ|]、﹙E+|σ|,E+2*|σ|]、﹙E+2*|σ|,+∞﹚標(biāo)準(zhǔn)分為5個(gè)層次，以步驟2.2)中計(jì)算的期望值作為中心，標(biāo)準(zhǔn)差決定了被優(yōu)化后感知數(shù)據(jù)分布的幅度；

步驟2.4).計(jì)算出每個(gè)層次中感知數(shù)據(jù)的平均值；

步驟2.5).求出各層次中感知數(shù)據(jù)的和值S_i，再計(jì)算出所有層次中感知數(shù)據(jù)的總和Sum，再計(jì)算各層次中感知數(shù)據(jù)的權(quán)重系數(shù)S_i/Sum；

步驟2.6).根據(jù)各層次中感知數(shù)據(jù)的平均值和權(quán)重系數(shù)的乘積可計(jì)算出各層次的權(quán)重值，將各層次的權(quán)重值進(jìn)行求和，和值是所求的融合值；

步驟2.7).將融合后數(shù)據(jù)進(jìn)行上傳，再執(zhí)行步驟2.1)。

有益效果：本發(fā)明方法提出了無線傳感器網(wǎng)絡(luò)中的一種輕量級(jí)數(shù)據(jù)壓縮方法，該方法在采集節(jié)點(diǎn)端和匯聚節(jié)點(diǎn)端分別對(duì)數(shù)據(jù)進(jìn)行壓縮。在采集節(jié)點(diǎn)端采用變長數(shù)據(jù)壓縮算法CLDCA對(duì)感知數(shù)據(jù)進(jìn)行壓縮，該算法能夠根據(jù)環(huán)境數(shù)據(jù)的變換改變計(jì)算期望值的序列長度，能不斷適應(yīng)環(huán)境不斷變化的需求，在采集節(jié)點(diǎn)端對(duì)數(shù)據(jù)進(jìn)行壓縮可以較少匯聚節(jié)點(diǎn)端對(duì)冗余數(shù)據(jù)的接收量，這樣能較少匯聚節(jié)點(diǎn)的接收能耗。在匯聚節(jié)點(diǎn)端使用權(quán)重系數(shù)的數(shù)據(jù)融合算法WDAA能夠針對(duì)采集節(jié)點(diǎn)上傳的數(shù)據(jù)特性來進(jìn)行數(shù)據(jù)融合，保證融合數(shù)據(jù)的準(zhǔn)確性，同時(shí)能大大較少冗余數(shù)據(jù)的上傳量。

混合性:在本發(fā)明中,將采集節(jié)點(diǎn)與匯聚節(jié)點(diǎn)組成一個(gè)體系結(jié)構(gòu)，從采集端開始對(duì)冗余數(shù)據(jù)進(jìn)行壓縮，同時(shí)，在數(shù)據(jù)傳輸?shù)絽R聚節(jié)點(diǎn)時(shí)也對(duì)冗余數(shù)據(jù)進(jìn)行壓縮，在兩端減少冗余數(shù)據(jù)。

高效性：本發(fā)明能夠有效較少無線傳感器網(wǎng)絡(luò)中冗余數(shù)據(jù)的傳輸量，節(jié)省節(jié)點(diǎn)能源，延長節(jié)點(diǎn)使用壽命，提高網(wǎng)絡(luò)帶寬利用利率。

附圖說明

圖1是本發(fā)明方法變長數(shù)據(jù)壓縮算法CLDCA執(zhí)行流程示意圖。

圖2是本發(fā)明方法權(quán)重系數(shù)的數(shù)據(jù)融合算法WDAA執(zhí)行流程示意圖。

圖3是本發(fā)明方法的CLDCA中消除冗余數(shù)據(jù)流程示意圖。

圖4是本發(fā)明方法的匯聚節(jié)點(diǎn)優(yōu)化感知數(shù)據(jù)流程示意圖。

圖5是本發(fā)明方法的WDAA中計(jì)算各狀態(tài)級(jí)數(shù)據(jù)和Sum_i,數(shù)據(jù)個(gè)數(shù)m_i流程示意圖。

圖6是本發(fā)明方法的WDAA中計(jì)算權(quán)重系數(shù)p_i和各狀態(tài)級(jí)中數(shù)據(jù)的平均值w_i流程示意圖。

圖7是本發(fā)明方法實(shí)現(xiàn)示意圖。

具體實(shí)施方式

為了方便描述，我們假定有如下應(yīng)用實(shí)例：

定義：無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)采集的數(shù)據(jù)集S，S為采集節(jié)點(diǎn)存儲(chǔ)的一個(gè)周期內(nèi)的感知數(shù)據(jù)集，S＝{d_i}(i∈[1，n])，d_i為采集節(jié)點(diǎn)的感知數(shù)據(jù)。

主要變量及其定義

變量名含義

T_p 采集節(jié)點(diǎn)上傳數(shù)據(jù)周期

D_i 采集的感知數(shù)據(jù)

x_i 匯聚節(jié)點(diǎn)端接收到的數(shù)據(jù)

λ 用戶可以接受的誤差閾值

n n為節(jié)點(diǎn)采集的數(shù)據(jù)序列的長度

E 長度為n感知數(shù)據(jù)的期望值

μ 誤差值μ＝|E-d'|

p_i 權(quán)重系數(shù)

Flag 采集節(jié)點(diǎn)上傳數(shù)據(jù)標(biāo)記位，F(xiàn)lag＝＝1，表示有數(shù)據(jù)上傳；Flag＝＝0，表示無數(shù)據(jù)上傳

N_Tp 采集節(jié)點(diǎn)在周期T_p內(nèi)采集感知數(shù)據(jù)序列的最大長度N_Tp

Sum 計(jì)數(shù)變量，用于判斷是否超過N_Tp

一、部署在環(huán)境中的采集節(jié)點(diǎn)

采集節(jié)點(diǎn)獲取環(huán)境數(shù)據(jù)，同時(shí)對(duì)環(huán)境數(shù)據(jù)進(jìn)行壓縮，較少冗余數(shù)據(jù)，并上傳給匯聚節(jié)點(diǎn)。

采集節(jié)點(diǎn)壓縮數(shù)據(jù)具體流程如下：

第一步：采集節(jié)點(diǎn)對(duì)環(huán)境進(jìn)行采樣，初始化感知數(shù)據(jù)序列S＝{d_i}(i∈[1,n])：

1：初始化感知數(shù)據(jù)長度n；

2：采集節(jié)點(diǎn)對(duì)環(huán)境進(jìn)行采樣，存儲(chǔ)長度為n的感知數(shù)據(jù)。

第二步：計(jì)算期望值：

計(jì)算感知數(shù)據(jù)的期望值；

第三步：進(jìn)行消除冗余數(shù)據(jù)(如圖3)；

CLDCA算法中感知數(shù)據(jù)序列長度的最小值為1，最大值為T_P時(shí)間周期內(nèi)感知數(shù)據(jù)長度的值。感知數(shù)據(jù)長度可隨環(huán)境變化而自適應(yīng)進(jìn)行調(diào)整，不斷滿足環(huán)境的改變。

CLDCA算法將感知數(shù)據(jù)序列長度最小值設(shè)置為1主要是應(yīng)對(duì)環(huán)境數(shù)據(jù)波動(dòng)相當(dāng)劇烈的情況，采集節(jié)點(diǎn)每一次采集到的數(shù)據(jù)可能與前一次采集的數(shù)據(jù)存在懸殊，為了保證數(shù)據(jù)的有效性，需要對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)上傳。

二、匯聚節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合

匯聚節(jié)點(diǎn)接收簇內(nèi)采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)，在數(shù)據(jù)進(jìn)行融合前要對(duì)數(shù)據(jù)進(jìn)行優(yōu)化，處理“噪音點(diǎn)”，“噪音點(diǎn)”即為異常數(shù)據(jù)，優(yōu)化數(shù)據(jù)是為了提高融合數(shù)據(jù)的精確度。WDAA執(zhí)行流程如下：

步驟一：優(yōu)化感知數(shù)據(jù)：

1：匯聚節(jié)點(diǎn)存儲(chǔ)感知數(shù)據(jù)，統(tǒng)計(jì)數(shù)據(jù)個(gè)數(shù)N；

2：計(jì)算感知數(shù)據(jù)的期望值；

3：處理“噪音點(diǎn)”(如圖4)：

步驟二：計(jì)算相關(guān)參數(shù)：

1：計(jì)算平均值和數(shù)據(jù)總和:

2：計(jì)算標(biāo)準(zhǔn)差：

3:計(jì)算各狀態(tài)級(jí)數(shù)據(jù)和Sum_i,數(shù)據(jù)個(gè)數(shù)m_i(如圖5)；

步驟三：計(jì)算權(quán)重系數(shù)p_i和各狀態(tài)級(jí)中數(shù)據(jù)的平均值w_i(如圖6)；

步驟四：計(jì)算融合數(shù)據(jù)：

w＝；

步驟五：上融合后的數(shù)據(jù)；

w是匯聚節(jié)點(diǎn)對(duì)采集節(jié)點(diǎn)上傳的感知數(shù)據(jù)進(jìn)行融合的結(jié)果，WDAA算法能夠針對(duì)數(shù)據(jù)在數(shù)據(jù)集中占有的比重進(jìn)行數(shù)據(jù)融合，這樣能夠提高數(shù)據(jù)的精確性。同時(shí)匯聚節(jié)點(diǎn)能夠減少上傳冗余數(shù)據(jù)，提高網(wǎng)絡(luò)帶寬利用率，節(jié)省能耗。