无损数据压缩算法在传感器网络中的应用研究

摘要

无线传感器网络(Wireless Sensor Networks，简称WSN)广泛应用于军事、健康护理、智能家居、城市交通、空间探索、安全监测等领域，其设计和分析一直是国际上的研究热点。但节点携带能量有限是传感器网络发展的瓶颈，而数据压缩作为一种高效节约网络能量、有效延长网络寿命的技术手段，近年来受到越来越多的关注。寻求一种性能更为良好的数据压缩技术并完成算法的有效测试，在理论研究与工程应用上具有重要价值。基于字典的无损数据压缩算法已被理论分析和测试证明具有良好的压缩特性和数据还原特性。 本文详细地论述了Huffman、LZSS以及LZW压缩算法及实现方法，重点分析了LZW算法原理和实现过程，并在设计中加入小型缓冲区(称为miniCache)，完善了算法的操作性，可使系统嵌入到现有的各类传感节点中；提出了一种适合于传感器网络节点的基于Burrows-Wheeler字符块变换(BWT)改进的LZW压缩算法(简称为B-LZW)；并基于这种算法，实现了以TinyOS为平台的软件设计实现方案，采用类C语言Nesc完成了整个压缩系统的设计，通过了仿真，完成了调试；基于TOSSIM仿真环境，完成了本文提出的B-LZW及其改进算法MC8、MC16、MC32和MC64的性能指标测试。比较压缩率和执行时间两个指标，得出结论：MC16算法性能最优，压缩率较B-LZW平均提高13.6％，执行时间较B-LZW几乎没有延长。MC系列算法压缩Calgeo数据时，压缩率有所降低，其原因有待进一步研究。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.2传感器网络基础知识

1.3传感器网络研究概况

1.4基于传感器网络的数据压缩算法研究现状

1.5本文的主要贡献及论文结构

第二章几种无损数据压缩算法分析和比较

2.1无损数据压缩算法发展概况

2.2 Huffman算法

2.2.1算法原理

2.2.2算法实现

2.3算术编码

2.4 LZSS算法

2.4.1算法原理

2.4.2算法实现

2.5 LZW算法

2.5.1算法原理

2.5.2实现方法

2.6算法比较

第三章LZW算法的改进和优化

3.1 BWT算法实现和分析

3.2基于BWT改进的LZW算法分析

3.3 B-LZW算法验证

3.4 B-LZW算法实现中的问题和改进

第四章B-LZW算法在传感器网络中的仿真和分析

4.1传感器网络平台选择

4.2 TinyOS操作系统以及模拟器

4.2.1 TinyOS操作系统

4.2.2 Nesc语言

4.2.3模拟器TOSSIM

4.3基于TinyOS的数据压缩系统及其仿真

4.3.1数据压缩系统

4.3.2数据来源问题

4.3.3 B-LZW算法在仿真中需解决的问题

4.3.4在B-LZW算法中引入小缓冲区miniCache

4.3.5 B-LZW算法在TinyOS中的仿真

第五章总结与展望

5.1论文总结

5.2展望

参考文献

附录

致谢

攻读学位期间主要的研究成果