一种应用于无线传感器网络的轻量级数据压缩方法

摘要

本发明提出了一种应用于无线传感器网络中的一种轻量级数据压缩方法，分别在采集节点端和汇聚节点端对冗余数据进行压缩处理。在采集节点端，利用感知数据在不断变化的特性，提出变成数据压缩算法CLDCA消除采样数据中冗余数据。在汇聚节点端，针对簇内采集节点上传的感知数据之间存在冗余性，提出权重系数的数据融合算法WDAA对感知数据进行压缩，大大减少汇聚节点的数据冗余。在采集和汇聚两端消除冗余数据可以提高网络带宽的利用率，节省节点能量。

说明书

技术领域

本发明是一种应用于无线传感器网络中的轻量级数据压缩方法。主要用于解决无线传感器之间传输数据的冗余性问题，属于无线传感器网络技术领域。

背景技术

随着无线传感网络技术的快速发展，无线传感网中在生活中应用也越来越广泛，无线传感器网络是面向应用的，贴近客观物理世界的网络系统，其产生和发展一直都与应用相联系。多年来经过不同领域研究人员的演绎，WSN(Wireless Sensor Network)技术在军事领域、精细农业、安全监控、环保监测、建筑领域、医疗监护、工业监控、智能交通、物流管理、自由空间探索、智能家居等领域的应用得到了充分的肯定和展示。随着无线传感器网络的大力发展，无线传感器络中数据传输量越来越大，其中包含了大量的冗余数据，传输这些冗余数据会消耗节点大量的能量，缩短节点寿命，影响网络性能。

无线传感器网络中数据传输的数据压缩方法能够有效降低冗余数据的传输，节省网络带宽。在采集节点端对环境数据在时间上的相关性进行数据压缩，在汇聚节点端对簇内采集节点上传的数据进行融合压缩，减少冗余数据。

该方法有3个目的:

(1)通过环境数据在时间上的相关性，利用CLDCA(Changeable Length Data Compression Algorithm)算法对感知数据进行压缩,减少采集节点对冗余数据的上传，节省节点能耗，延迟使用寿命；

(2)通过WDAA(Weighting Data Aggression Algorithm)算法对汇聚节点对簇内采集节点上传的感知数据进行融合，能够保证数据的准确性，减少冗余数据；

(3)通过减少无线传感器网络中冗余数据的传输量，能提高无线传感器网络带宽利用率；

本发明方法针对无线传感器网络中传输大量的冗余数据问题，该方法能够在采集节点端和汇聚节点端有效地减少冗余数据的传输量，节省节点能耗，提高网络性能。

发明内容

技术问题：本发明的目的是提供一种应用于无线传感器网络的轻量级数据压缩方法，该方法能够在采集节点端和汇聚节点端对冗余数据进行压缩，减少节点冗余数据传输，节省节点能耗。

技术方案：本发明的方法是在采集节点端使用变长数据压缩算法CLDCA对采集节点获取的感知数据进行压缩，这些感知数据在时间上存在相关性，使用CLDCA能够有效压缩同于数据，较少冗余数据的发送量，节省节点能耗。在汇聚节点端使用数据权重系数的数据融合算法WDAA对簇内采集节点上传的感知数据进行融合，该算法能够保证融合后数据的准确性，同时能减少冗余数据的发送量，从而能节省节点能耗。

体系结构

该方法是将簇内的采集节点与汇聚节点组成一个数据采集与传输的体系结构，簇内的采集节点主要负责数据的采集，再对采集的数据进行压缩处理，减少冗余数据，然后再进行上传压缩后的感知数据。汇聚节点主要负责接收簇内采集节点上传的感知数据，同时对簇内采集节点上传的数据进行融合，减少上传的冗余数据量，节省节点能耗。

方法流程

在整个设计方法中，主要分为两部分：采集节点端、汇聚节点端。采集节点主要负责数据的采集，对采集的数据进行压缩，再对压缩过后的数据进行上传。汇聚节点主要负责对簇内采集节点上传的感知数据进行融合，再对融合后数据进行上传。采集节点变长数据压缩算法CLDCA执行流程(如图1)：

本发明的轻量级数据压缩方法在采集节点端使用变长数据压缩算法CLDCA对采用数据进行压缩，消除冗余数据；在汇聚节点端，使用数据权重系数的数据融合算法WDAA对汇聚节点端进行数据融合压缩。所述的采集节点数据压缩具体如下：

步骤1.1).采集节点对环境数据进行采样，采样数据个数加1；

步骤1.2).判断采样数据个数是否超出设定值，没有超出执行步骤1.3)，超出执行步骤1.6)；

步骤1.3).与期望值进行比较，判断采样数据是否需要上传，需要上传数据则执行步骤1.4),不需要上传则执行步骤1.1)；

步骤1.4).将要上传数据传输到发送模块，设置标记位值为1，表明有数据上传给汇聚节点；

步骤1.5).发送模块将数据上传给汇聚节点，转步骤1.1)；

步骤1.6).判断标记位，如果标记位值为1，将标记位值设为0，将采样数据的统计数也设为0，执行步骤1.1)，如果标记位值为0，执行步骤1.7)；

步骤1.7).采集节点强制上传一次采样数据，计数清0。

所述的使用数据权重系数的数据融合算法WDAA对汇聚节点端进行数据融合压缩具体如下：

步骤2.1).接收采集节点上传的感知数据；

步骤2.2).计算感知数据的期望值E，计算每个感知数据与期望值的差值的绝对值，如果差值的绝对值超出阈值，就将其删除，实现优化采集节点上传的感知数据；

步骤2.3).计算出优化后的感知数据的标准差|σ|，将感知数据值分别以﹙-∞,E-2*|σ|]、﹙E-2*|σ|,E-|σ|]、﹙E-|σ|,E+|σ|]、﹙E+|σ|,E+2*|σ|]、﹙E+2*|σ|,+∞﹚标准分为5个层次，以步骤2.2)中计算的期望值作为中心，标准差决定了被优化后感知数据分布的幅度；

步骤2.4).计算出每个层次中感知数据的平均值；

步骤2.5).求出各层次中感知数据的和值S_i，再计算出所有层次中感知数据的总和Sum，再计算各层次中感知数据的权重系数S_i/Sum；

步骤2.6).根据各层次中感知数据的平均值和权重系数的乘积可计算出各层次的权重值，将各层次的权重值进行求和，和值是所求的融合值；

步骤2.7).将融合后数据进行上传，再执行步骤2.1)。

有益效果：本发明方法提出了无线传感器网络中的一种轻量级数据压缩方法，该方法在采集节点端和汇聚节点端分别对数据进行压缩。在采集节点端采用变长数据压缩算法CLDCA对感知数据进行压缩，该算法能够根据环境数据的变换改变计算期望值的序列长度，能不断适应环境不断变化的需求，在采集节点端对数据进行压缩可以较少汇聚节点端对冗余数据的接收量，这样能较少汇聚节点的接收能耗。在汇聚节点端使用权重系数的数据融合算法WDAA能够针对采集节点上传的数据特性来进行数据融合，保证融合数据的准确性，同时能大大较少冗余数据的上传量。

混合性:在本发明中,将采集节点与汇聚节点组成一个体系结构，从采集端开始对冗余数据进行压缩，同时，在数据传输到汇聚节点时也对冗余数据进行压缩，在两端减少冗余数据。

高效性：本发明能够有效较少无线传感器网络中冗余数据的传输量，节省节点能源，延长节点使用寿命，提高网络带宽利用利率。

附图说明

图1是本发明方法变长数据压缩算法CLDCA执行流程示意图。

图2是本发明方法权重系数的数据融合算法WDAA执行流程示意图。

图3是本发明方法的CLDCA中消除冗余数据流程示意图。

图4是本发明方法的汇聚节点优化感知数据流程示意图。

图5是本发明方法的WDAA中计算各状态级数据和Sum_i,数据个数m_i流程示意图。

图6是本发明方法的WDAA中计算权重系数p_i和各状态级中数据的平均值w_i流程示意图。

图7是本发明方法实现示意图。

具体实施方式

为了方便描述，我们假定有如下应用实例：

定义：无线传感器网络中节点采集的数据集S，S为采集节点存储的一个周期内的感知数据集，S＝{d_i}(i∈[1，n])，d_i为采集节点的感知数据。

主要变量及其定义

变量名含义

T_p>

D_i>

x_i>

λ 用户可以接受的误差阈值

n n为节点采集的数据序列的长度

E 长度为n感知数据的期望值

μ 误差值μ＝|E-d'|

p_i>

Flag 采集节点上传数据标记位，Flag＝＝1，表示有数据上传；Flag＝＝0，表示无数据上传

N_Tp>p内采集感知数据序列的最大长度N_Tp

Sum 计数变量，用于判断是否超过N_Tp

一、部署在环境中的采集节点

采集节点获取环境数据，同时对环境数据进行压缩，较少冗余数据，并上传给汇聚节点。

采集节点压缩数据具体流程如下：

第一步：采集节点对环境进行采样，初始化感知数据序列S＝{d_i}(i∈[1,n])：

1：初始化感知数据长度n；

2：采集节点对环境进行采样，存储长度为n的感知数据。

第二步：计算期望值：

计算感知数据的期望值；

第三步：进行消除冗余数据(如图3)；

CLDCA算法中感知数据序列长度的最小值为1，最大值为T_P时间周期内感知数据长度的值。感知数据长度可随环境变化而自适应进行调整，不断满足环境的改变。

CLDCA算法将感知数据序列长度最小值设置为1主要是应对环境数据波动相当剧烈的情况，采集节点每一次采集到的数据可能与前一次采集的数据存在悬殊，为了保证数据的有效性，需要对数据进行实时上传。

二、汇聚节点进行数据融合

汇聚节点接收簇内采集节点上传的感知数据，在数据进行融合前要对数据进行优化，处理“噪音点”，“噪音点”即为异常数据，优化数据是为了提高融合数据的精确度。WDAA执行流程如下：

步骤一：优化感知数据：

1：汇聚节点存储感知数据，统计数据个数N；

2：计算感知数据的期望值；

3：处理“噪音点”(如图4)：

步骤二：计算相关参数：

1：计算平均值和数据总和:

2：计算标准差：

3:计算各状态级数据和Sum_i,数据个数m_i(如图5)；

步骤三：计算权重系数p_i和各状态级中数据的平均值w_i(如图6)；

步骤四：计算融合数据：

w＝；

步骤五：上融合后的数据；

w是汇聚节点对采集节点上传的感知数据进行融合的结果，WDAA算法能够针对数据在数据集中占有的比重进行数据融合，这样能够提高数据的精确性。同时汇聚节点能够减少上传冗余数据，提高网络带宽利用率，节省能耗。