无线传感器网络中一种分布式数据压缩算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (27): 121-123.

无线传感器网络中一种分布式数据压缩算法

王继良^1,2,林亚平^1,3,周四望^1,2

1.湖南大学计算机与通信学院,长沙 410082
2.岳阳职业技术学院,湖南岳阳 414000
3.湖南大学软件学院,长沙 410082

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-21 发布日期:2007-09-21
通讯作者: 王继良

Distributed data compression algorithm for wireless sensor networks

WANG Ji-liang^1,2,LIN Ya-ping^1,3,ZHOU Si-wang^1,2

1.School of Computer and Communication,Hunan University,Changsha 410082,China
2.Yueyang Vocational Technical College,Yueyang,Hunan 414000,China
3.School of Software,Hunan University,Changsha 410082,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-21 Published:2007-09-21
Contact: WANG Ji-liang

摘要/Abstract

摘要： 无线传感器网络有限的能量与通信带宽难以适应网络中大量数据的传输,需要在网络内部对传感数据进行压缩处理。基于任意支撑长度的小波函数,提出了一种分布式数据压缩算法。首先研究边界效应对传感数据重构带来的影响,然后基于虚拟网格环模型给出了一种分布式小波数据压缩算法。理论分析与实验结果表明,该算法能有效地去除传感数据中存在的空间相关性。而且,随着簇头与簇内节点距离的增加,该算法比非分布式方式更节省网络耗能。

关键词: 传感器网络, 小波, 数据压缩, 耗能

Abstract: Wireless sensor networks usually have limited energy and transmission capacity,and they can’t match the transmission of a large number of data.So,it is necessary to perform in-network compression for sensory data.Based on wavelet with arbitrary supports,a distributed data compression algorithm is proposed.First,we study how “border effect” impacts on the reconstruction of sensory data.By employing the ring topology,we then present a distributed wavelet data compression algorithm.Theoretically and experimentally,we conclude the proposed algorithm can effectively explore the spatial correlation in the sensory data.Moreover,it can provide significant reduction in energy consumption compared to non-distributed approach along with the increasing distance between cluster head and sensor nodes.

Key words: sensor network, wavelet, data compression, energy consumption

王继良^1,2,林亚平^1,3,周四望^1,2. 无线传感器网络中一种分布式数据压缩算法[J]. 计算机工程与应用, 2007, 43(27): 121-123.

WANG Ji-liang^1,2,LIN Ya-ping^1,3,ZHOU Si-wang^1,2. Distributed data compression algorithm for wireless sensor networks [J]. Computer Engineering and Applications, 2007, 43(27): 121-123.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[3]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[4]	龚本灿，周峰，陈鹏，任东. 基于路径质量的无线传感网路由协议[J]. 计算机工程与应用, 2020, 56(6): 99-104.
[5]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[6]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[7]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[8]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[9]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[10]	彭春燕，杜秀娟. 水声传感器网络基于深度信息的安全路由协议[J]. 计算机工程与应用, 2020, 56(2): 76-81.
[11]	曹晓航，汪立新，束学渊. 基于小波不变矩的雷达辐射源信号识别[J]. 计算机工程与应用, 2020, 56(19): 269-272.
[12]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[13]	郑祖朋，汪祖民，彭杨，季长清，秦静. 能量采集传感器网络中MAC协议研究综述[J]. 计算机工程与应用, 2020, 56(15): 24-29.
[14]	杜德，高保禄，田力. 结合快速层式DCT和动态LOD的地形压缩绘制技术[J]. 计算机工程与应用, 2020, 56(13): 223-229.
[15]	韩雨涝. 非并行二分法的覆盖空洞修复算法[J]. 计算机工程与应用, 2020, 56(12): 87-92.