基于LZW-Monitor和与或图的WSNs递进式数据压缩算法研究

摘要

随着对数据采集与信息获取要求的提高，传感器、物联网、无线通信等技术发展迅速，无线传感器网络（WSNs）的应用领域越来越广，向着全面化、智能化方向发展。WSNs可以获取区域内各类信息，并对获取的信息进行及时的反馈。WSNs的传感器节点投放后不再回收重复利用，电池消耗完毕后节点报废，再投放新的传感器节点。
　　本文针对WSNs的节点电池节能问题，提出了基于LZW-Monitor和与或图的WSNs递进式数据压缩算法。本文的研究内容主要分为以下四点：
　　（一）、本文基于传统的LZW数据压缩算法，在LZW算法中加入Monitor。LZW-Monitor对压缩比进行实时监测，并将实时监测结果作为与或图的有向边约束条件。将该约束条件作为判断依据，选择合适的字典进行压缩，实现WSNs的递进式逐层压缩。
　　（二）、提出了基于LZW-Monitor和与或图的WSNs递进式数据压缩算法。该算法针对WSNs的特点，将LZW-Monitor和与或图（AND-OR graph）相结合，构建基于LZW-Monitor和与或图的WSNs递进式数据压缩算法系统模型。
　　（三）、使用NI-WSN模块、小型粉尘管道、静电感应式粉尘浓度传感器等搭建了基于无线传感器网络的粉尘检测实验平台。使用DAQ与WSN函数库对平台的硬件与与数据采集程序进行相关的配置，采集大量的无线传感器网络的实验数据。
　　（四）、使用LabVIEW软件作为仿真工具，基于生产者与消费者结构对其进行仿真。比较了LZW与本文提出的算法的仿真结果。仿真实验结果表明，本文提出基于LZW-Monitor和与或图的WSNs递进式数据压缩算法对数据量较大的无线传感器网络数据具有很好的压缩效果。该算法减少了数据的传输量，节省WSNs电池的电能，可以延长无线传感器网络的使用寿命。

目录

第一个书签之前

摘要

Abstract

Contents

1 绪论

1.2 课题研究现状

1.3 论文的主要工作与组织结构

1.4 本章小结

2 LZW算法和与或图的分析研究

2.1 LZW数据压缩算法研究

2.2 与或图（AND-OR graph）研究

2.3 本章小结

3 系统模型建立

3.1 与或图有向边的约束条件设置

3.2 LZW数据压缩算法和与或图（AND-OR graph）的结合

3.3 模型建立

4 无线传感器网络数据采集平台的搭建

4.1 平台系统构成与硬件搭建

4.2 采集程序配置与设计

4.3 本章小结

5 算法仿真

5.1 算法仿真过程阐述

5.2 算法仿真结果分析

5.3 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致 谢

攻读硕士期间主要成果