能源是一个重要的考虑在设计和部署的无线传感器网络(网络),因为传感器节点通常由电池供电能力有限。由于无线传感器节点的通信单元是主要的电力消费者,数据压缩是一种可能的技术,可以帮助减少无线传感器节点之间交换的数据量导致节电。然而,无线传感器网络具有很大的局限性在沟通,处理,存储,带宽,和权力。因此,任何数据压缩方案提出了网络必须是轻量级的。在本文中,我们提出一种自适应无损数据压缩(ALDC)算法对无线传感器网络。我们建议ALDC计划执行压缩无损使用多个代码选项。自适应压缩方案允许压缩动态适应变化的来源。被压缩的数据序列划分为块,和最优压缩方案申请每一块。使用各种真实的传感器数据集我们展示的优点提出的压缩算法相比与其他网络最近提出的无损压缩算法。
无线传感器网络(网络)适用于大规模数据收集和他们已经变得越来越重要,在许多领域持续的监控。轮已发现应用在环境监测等领域,工业监测、健康和健康监测、地震和结构监测、库存位置监控、监控、电力监控、工厂和过程自动化、对象跟踪、精准农业、灾害管理和设备诊断( 传感器网络节点通常是自发的,他们相互通信无线执行常见的任务。节点随机部署在大量和分散在传感器领域以特别的方式。每个节点配备电池,无线收发器,微处理器,传感器和记忆。一旦部署,传感器节点形成一个网络通过短距离无线通信。每个传感器节点采集的数据无线传输到水槽直接或通过多次反射的沟通。 技术进步在微机电系统(MEMS)在最近的过去有导致的生产非常小尺寸传感器节点。微小的尺寸放置严重资源限制节点从一个有限的电源、通信带宽有限,处理速度有限,有限的内存和存储空间。除了大小之外,其他的传感器节点约束包括但不限于以下:极低功耗;在高密度运营能力;必须是廉价的(低生产成本)和是可有可无的;自治和无人值守运行;并对环境适应性( 上面提到的由于硬件的限制,无线传感器节点只能配备有限的电源。此外,更换传感器节点电池几乎是不可能的对于大多数应用程序,因为节点通常部署在大量的恶劣环境。因此,传感器网络的生命周期显示了强烈的依赖电池寿命。因此重要的是要仔细管理每个传感器节点的能耗单元为了最大化网络寿命的基础。此外,无线传感器节点也约束处理和内存。因此,软件设计用于轮应该是轻量级的,算法的计算需求网络应该提高运作效率低。 传感器网络中传感器节点消耗的能量在传感、处理和传输。但通常情况下,能量由传感节点通信模块的数据传输和接收的能量多处理( 为了使用网络最有效、高效的压缩方案应该使用,不仅减少流数据的大小,而且还需要最少的资源来执行压缩。我们本文的目的是完成这一连续网络数据收集应用程序利用时间相关使用本地数据压缩方案这被证明能显著提高传感器网络节能在实际部署( 本文的其余部分组织如下。部分
能源通常更有限的网络比其他无线网络传感装置的性质和困难在充电或换电池。数据压缩的能力提供能源效率取决于之间的有利的权衡计算能量和传输能量作为公认的文学。任何数据压缩方案设计用于轮应该是轻量级的,和计算需求的算法应该提高运作效率低由于网络限制在硬件方面,能源,处理,和记忆。由于这些原因,研究人员因此专为网络设计和开发各种压缩算法。有两个网络数据压缩的一般方法。一个是分布式数据压缩方法,另一个是本地数据压缩方法。分布式数据压缩方法利用高空间相关性固定在密集网络中传感器节点的数据。在这种方法的一些主要技术包括分布式源编码(DSC) [ 作者在 在[ 在[ LEC算法很简单,它需要低内存执行。低计算复杂度,给出了最佳无损压缩比性能至今为止。但是,LEC sensor-measured数据算法不能适应不断变化的相关性。因此,获得的压缩比和扩展节能获得不是最优的。这因此给改进的余地。因此在本文中,我们提出一种新的无损数据压缩算法轮为称为自适应无损数据压缩(ALDC)算法。我们的算法适应变化的源数据统计数据压缩性能最大化。我们建议ALDC算法运行在一个通过使用多个代码选择自适应,可以应用于多个数据类型。这种改进,我们提出ALDC算法优于LEC算法。
在本节中,我们描述我们提出自适应无损数据压缩(ALDC)算法。自适应压缩方案允许压缩动态适应变化的来源。我们建议ALDC计划执行压缩无损使用两个自适应无损的熵压缩(亚历克)代码选择自适应。两个亚历克代码选项,即2-Huffman表亚历克,亚历克3-Huffman表,最初是在我们的文章题为“一个有效的无损的无线传感器网络的自适应压缩算法。“2-Huffman表亚历克,亚历克3-Huffman表都是自适应编码方案,自适应地使用两个霍夫曼表和三个霍夫曼表,分别。霍夫曼表两个亚历克代码所使用的选项表中给出
/ /编码()编码函数 / /<我nl我ne-formula>
/ /<我talic>
n / /代码的编码比特流<我talic>
n / / *表示连接 / /编码块<我talic>
n 与块编码()的调用<我talic>
n 集<我nl我ne-formula>
/ /计算编码比特流的大小<我nl我ne-formula>
设置size_A长度(<我nl我ne-formula>
/ /编码相同的块<我talic>
n 与块编码()的调用<我talic>
n 集<我nl我ne-formula>
/ /计算编码比特流的大小<我nl我ne-formula>
设置size_B长度(<我nl我ne-formula>
/ /比较size_A和size_B并选择最少的编码比特流压缩大小 如果size_A < = size_B / /生成的表标识符 ID设置为“0” / /添加编码比特流<我nl我ne-formula>
*代码设置为ID<我nl我ne-formula>
其他的 / /生成的表标识符 ID设置为“1” / /添加编码比特流<我nl我ne-formula>
*代码设置为ID<我nl我ne-formula>
ENDIF 返回代码
/ /编码()编码函数 / /<我nl我ne-formula>
/ /<我talic>
n / /代码的编码比特流<我talic>
n / / *表示连接 / /编码块<我talic>
n 与块编码()的调用<我talic>
n 集<我nl我ne-formula>
/ /计算编码比特流的大小<我nl我ne-formula>
设置size_A长度(<我nl我ne-formula>
/ /编码相同的块<我talic>
n 与块编码()的调用<我talic>
n 集<我nl我ne-formula>
/ /计算编码比特流的大小<我nl我ne-formula>
设置size_B长度(<我nl我ne-formula>
/ /编码相同的块<我talic>
n 与块编码()的调用<我talic>
n 集<我nl我ne-formula>
/ /计算编码比特流的大小<我nl我ne-formula>
设置size_C长度(<我nl我ne-formula>
/ /比较size_A, size_B size_C和选择最少的编码比特流压缩大小 如果size_A < = min (size_B size_C) / /生成的表标识符 ID设置为“10” / /添加编码比特流<我nl我ne-formula>
*代码设置为ID<我nl我ne-formula>
ELSEIF size_B < = min (size_A size_C) / /生成的表标识符 ID设置为“十一” / /添加编码比特流<我nl我ne-formula>
*代码设置为ID<我nl我ne-formula>
ELSEIF size_C < = min (size_A size_B) / /生成的表标识符 ID设置为“0” / /添加编码比特流<我nl我ne-formula>
*代码设置为ID<我nl我ne-formula>
ENDIF 返回代码
/ /<我nl我ne-formula>
/ /表中使用的可变长度的霍夫曼编码编码 / /<我nl我ne-formula>
/ /<我nl我ne-formula>
/ /<我nl我ne-formula>
/ /<我nl我ne-formula>
/ /<我nl我ne-formula>
/ /在其集团(类别) / / *表示连接 / /∣(指数)<我nl我ne-formula>
/ /计算<我nl我ne-formula>
如果<我nl我ne-formula>
集<我nl我ne-formula>
其他的 集<我nl我ne-formula>
ENDIF / /提取<我nl我ne-formula>
集<我nl我ne-formula>
/ /构建<我nl我ne-formula>
如果<我nl我ne-formula>
/ /<我nl我ne-formula>
集<我nl我ne-formula>
其他的 / /构建<我nl我ne-formula>
集<我nl我ne-formula>
/ /构建<我nl我ne-formula>
集<我nl我ne-formula>
ENDIF 返回<我nl我ne-formula>
源符号的动态范围是一个关键因素在实现压缩。出于这个原因,我们采用一个微分的动态范围压缩方案减少源符号从而增加其压缩性。预测方法采用我们使用了一个线性模型,仅限于采取连续抽样数据之间的差异。目的为我们的应用程序的压缩环境数据如温度、相对湿度和地震数据,这种预测方法是简单和有效的。此外,这也确保了计算复杂度的压缩方案是尽可能低,因为网络中传感器节点的计算能力相对较低。因此,预测样本<我nl我ne-formula>
为了达到最大压缩比和扩展最大节能,提出实现ALDC算法压缩一次抽样数据块使用两个亚历克自适应代码选项。我们建议ALDC算法运行在一个通过,可以应用于不同的数据类型。我们的熵编码问题是如何有效地编码块<我nl我ne-formula>
图
/ /<我nl我ne-formula>
/ /<我nl我ne-formula>
/ /<我talic>
n / /<我talic>
y / / 2 tablealecencoder 2-Huffman表()是亚历克编码功能 / / 3 tablealecencoder 3-Huffman表()是亚历克编码功能 / /计算出残留<我nl我ne-formula>
集<我nl我ne-formula>
/ /编码残渣<我nl我ne-formula>
/ /编码块<我talic>
n 与块2 tablesalecencoder()的调用<我talic>
n 设置codeA代码 / /计算编码比特流的大小codeA 设置size_A长度(codeA) / /编码相同的块<我talic>
n 调用3 tablesalecencoder()相同的块<我talic>
n 设置codeB代码 / /计算编码比特流的大小codeB 设置size_B长度(codeB) / /比较size_A和size_B并选择最少的编码比特流压缩大小 如果size_A < = size_B / /生成代码选择标识符2-Huffman表亚历克编码器 ID设置为“0” / /添加编码比特流codeA ID * codeA strm设置为ID 其他的 / /生成代码选择标识符3-Huffman表亚历克编码器 ID设置为“1” / /添加编码比特流codeB ID * codeB strm设置为ID ENDIF / /添加比特流strm<我talic>
y 集<我talic>
y 返回<我talic>
y 如上所述节 为此,使用蛮力方法讨论的部分 计算每个剩余样品的绝对值的总和在一块<我nl我ne-formula>
程序(一)(c)是重复的块大小32和48个不同的数据集。此后,我们绘制的ID数组对对应的数组使用数据和标记只不同的测试数据集。这些情节中给出数据 计算总和 代码选择参数和总和值32块残留样品绝对的值(a) FN101温度数据集,(b) FN101 RH的数据集,(c) LU84温度数据集,(d) LU84 RH的数据集,(e) LG20温度数据集和(f) LG20 RH数据集。 代码选择参数和总和值48块残留样品绝对的值(a) FN101温度数据集,(b) FN101 RH的数据集,(c) LU84温度数据集,(d) LU84 RH的数据集,(e) LG20温度数据集和(f) LG20 RH数据集。 实现的原理框图ALDC算法的使用方法是决定区域图 在本节中,我们提出一个数值例子显示的台阶ALDC算法使用决定区域的方法。假设一个块的温度和样品14是ADC的分辨率:<我nl我ne-formula>
我们计算出残留<我nl我ne-formula>
第一个边界<我nl我ne-formula>
第二个边界<我nl我ne-formula>
接下来,我们确定<我nl我ne-formula>
输出是颜色编码和解释彼此分离的目的。红色的“0”是一个代码标识符ID告诉解码器2-Huffman表选项,亚历克代码是用于编码的8块样品。绿色的“0”是一个表标识符ID告诉解码器,霍夫曼编码表中给定表
来验证我们的算法的有效性,我们测试它对各种真实环境数据集部分中讨论 从SensorScope实际环境监测传感器网络数据集 图 频率分布的原始测试数据集:(a) LU84温度数据集,(b) LU84 RH的数据集,(c) FN101温度数据集,(d) FN101 RH的数据集,(e) LG20温度数据集,(f) LG20 RH数据集,(g)地震数据集。 频率分布情节残留的测试数据集:(a) LU84温度数据集(b) LU84 RH数据集(c) FN101温度数据集(d) FN101 RH数据集(e) LG20温度数据集(f) LG20 RH数据集(g)地震数据集。 我们提出的压缩性能ALDC算法将计算使用( 对于每个数据集,使用蛮力的方法,计算ALDC的压缩性能不同的价值<我nl我ne-formula>
我们提出的压缩性能ALDC为不同值的计算<我nl我ne-formula>
确定计划的决策区域方法的正确性和有效性的方法实现ALDC,我们在本节中比较其压缩性能(图 在本节中,我们提出我们的仿真结果,证明我们提出的无损压缩性能和有效性ALDC算法。我们提出的无损压缩性能ALDC算法使用决定区域方法(32块大小和48)和其他最近提议的无损压缩算法LEC和S-LZW表 传感器节点传输数据的数据包和许多系统建议不超过90个字节的数据包大小。例如,TinyOS操作系统设置默认数据包有效载荷至29个字节。因此,我们利用这个固有的传感器节点传输方式通过收集样本来源缓冲区。我们一起编码缓冲区的样本。使用正确的缓冲区大小(和/或块大小),编码可以实时完成。因此,我们提出ALDC算法具有显著的优势,超过其他无损压缩方案。而其他全新方案只能应用于实现容忍延迟应用程序(例如,S-LZW)或实时(delay-intolerant)应用程序(例如,LEC),我们建议ALDC方案可以适用于这两个场景。我们的方案实现真实数据集的压缩性能高达74.02%。 算法的复杂性,我们提议ALDC算法简单。LEC算法相比,我们的算法只需要稍微更多的内存。当S-LZW相比,我们的算法需要更少的内存。
在本文中,我们提出了一个轻量级无线传感器网络自适应无损数据压缩算法。我们建议ALDC计划执行压缩无损使用两个代码的选择。我们提出ALDC算法是有效和简单,特别适用于资源受限的无线传感器节点。我们建议ALDC压缩方案允许压缩动态适应变化的来源。我们的算法减少传输的数据量,有利于节能。此外,我们的算法可以用于监测系统,不同类型的数据,还提供满意的压缩比。此外,我们提出ALDC算法考虑了不同的实时需求的数据压缩。因此,我们全新算法适合实时和实现容忍延迟传播。我们的方案实现了压缩性能74.02%使用真实的数据集。我们也报告和分析使用真实数据集之间的性能比较提出ALDC和其他最近提议无损压缩方案轮为LEC和S-LZW。 We showed that our proposed ALDC algorithm outperforms all the other recently proposed lossless compression schemes. In future, we intend to carry out a formal mathematical modeling and analyses of the Decision Regions Approach of our proposed ALDC algorithm.