[发明专利]一种基于传感器网络的分层式自适应空时压缩方法

说明书

本发明涉及一种基于传感器网络的分层式自适应空时压缩方法，针对传感网络构建包括底部感知层、中继层和汇聚层三层结构；在相同压缩率条件下，对比其他压缩方法，本方法具有更低的重建误差，并且该方法应用中，联合离散余弦变换和自适应时域压缩算法挖掘感知数据时域相关性，以及联合离散小波变换和自适应空域压缩挖掘时域压缩数据的空间相关性，使得本发明设计方法在相同阈值下能获得更多的低于阈值的系数，因此能获得更大的压缩率。

技术领域

本发明涉及一种基于传感器网络的分层式自适应空时压缩方法，属于无线通信网络、无线传感器网络技术领域。

背景技术

无线传感器网络在监测、管理等多种智能服务中，发挥着越来越重要的作用，目前无线传感器网络已经应用于多个领域，其中包括军事、工业、环境监测以及医疗服务等。

然而，无线传感器网络中各传感节点电池容量较小的问题限制了无线传感器网络的应用范围。回收耗尽节点并部署新节点或对耗尽节点续电的思路显然是不现实的。所以，如何延长无线传感器网络的寿命成为了一个重要的问题。众所周知，无线传感器网络领域有以下两个共识。第一，数据传输占据节点能量消耗的绝大部分。当数量巨大的传输数据汇集到汇聚节点时，汇聚节点将承受巨大数据处理压力。更为严重的是，较一般中继节点，汇聚节点附近的中继节点能量消耗速度更快。当这些节点能量耗尽时，整个无线传感器网络传输也将随之崩溃。第二，传感器节点的感知数据存在着一定程度的相关性。由此，若以一定方法对感知数据进行压缩，通过挖掘信号之间相关性，不仅可以减少信号传输次数，而且也节省了整个无线传感器网络的能量消耗。如上述研究提供了本方案对无线传感器网络传输数据进行压缩的可能性。随着传输数据量的减小，网络拥塞情况也可获得极大地缓解。

利用压缩感知(CS)技术挖掘无线传感器网络传输信号空间相关性。而CS技术的应用前提要求原始采集信号在某些域内具有一定相关性。这一特性限制了CS应用范围。与之类似，基于CS的优化空间压缩方案能提高汇聚节点的重构精度。该方案要求原始信号转化为一维向量。虽然该方案充分、深入地挖掘了无线传感器网络中感知信号的空间相关性，但其计算复杂度相当高。

利用哈夫曼与串表压缩算法实现无损文本数据压缩。由于文本信息都是由字母组成的有限集构成，而无线传感器网络中感知数据都是连续值，所以以上两种压缩方案不能直接应用于无线传感器网络中。

发明内容

本发明所要解决的技术问题是提供一种深入挖掘感知数据的空时相关性，同时能够降低网络数据传输开销、提高数据重建精度，并延长网络生命周期的基于传感器网络的分层式自适应空时压缩方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于传感器网络的分层式自适应空时压缩方法，其中传感网络包括底部感知层、中继层和汇聚层三层结构，底部感知层中包括K个簇，各个簇分别包含1个簇头节点和I个传感器节点；中继层中包含至少一个中继节点，将底部感知层中的K个簇划分为至少一个簇组，簇组的数量与中继节点的个数相等，各个中继节点分别与指定簇组一一对应；汇聚层包含一个汇聚节点，所述分层式自适应空时压缩方法中，底部感知层中的所有传感器节点分别按时间节点采集原始感知数据，并且分层式自适应空时压缩方法包括如下步骤：

步骤001.底部感知层中各个传感器节点分别针对预设时隙周期t内所实时采集原始数据中的各个数值进行排序，获得排序结果数据，并构建原始数据与排序结果数据之间的映射关系然后进入步骤002；其中，k∈{1,…,K}，i∈{1,…,I}，i_k表示第k个簇中的第i个传感器节点；

步骤002.设定压缩率λ，底部感知层中各个传感器节点分别针对对应预设时隙周期t内的排序结果数据依次进行离散余弦变换，以及根据压缩率λ进行自适应时域压缩，获得时域压缩数据并结合簇中节点被丢弃系数位置的集合以及原始数据与排序结果数据之间的映射关系构建节点压缩数据包并上传至所在簇的簇头节点中，然后进入步骤003；