基于改进SDT无线传感器网内数据压缩(CH).docVIP

基于改进SDT的无线传感器网内数据压缩 摘要：无线传感器节点能量有限，如何有效利用有限能源最大化网络生命周期是无线传感器网络研究的重要课题之一。本文介绍了利用改进的SDT压缩算法实现的无线传感器网内数据压缩，通过去除冗余数据，降低通信量，从而延长了网络生命周期。实验表明，此算法应用到传感器节点上能有效延长网络生命周期，并且重建数据误差在允许范围之内。 关键字：无线传感器网络、生命周期、SDT、改进算法。 In-network data compression in WSN based on improved SDT Abstract： How to effectively make use of the network’s limited energy and maximize the network life cycle is one of the important issues research in WSN. This paper introduce an In-network data compression by use of improved SDT compression algorithm. In-network data compression removed redundant data and reduced communication,thus extend the network life cycle.The experiments show that by use of this compression algorithm,the network life cycle can effectively prolong and the rebuild error in allow scope. Keywords: WSN、network life cycle、SDT、improved. 引言：(小虎) 在无线传感器网络应用中，网络的生存周期是制约其应用的关键因素之一。每个节点只能通过有限的能量来采集、处理和传输数据，系统的生存时间是有限的。这意味着，节能是无线传感器网络研究和应用中需要考虑的一个主要因素。无线传感器采集的数据（如温度，湿度，光照等）在时间上都具有很大的冗余性，持续大量的处理和发送这些冗余数据，会造成不必要的能量消耗。图1描述了传感器节点能耗的分布，其最大能量消耗在数据发送阶段[4]，因而，通过无线传感器网内数据压缩，在误差允许范围内去除冗余，只发送有用的数据，使得传感器节点的数据发送次数和通信量大大降低，从而可达到延长网络生命周期的目的。 虽然目前数据压缩技术有多种，如，1987年Princen，Johnson和Bradley提出改进的离散余弦变换（Modified Discrete Cosine Transform, MDCT）1974年J.Morlet首先提出的wavelet transformation）[14]等，但它们大多针对图象、语音或地震数据的压缩，计算较为复杂，而传感器节点计算能力有限，这些技术不能直接用于无线传感器网内数据压缩。分段线性化压缩算法尽管压缩比不如上述信号变换方法高，但它的突出优点是算法简单，执行速度快，适用于无线传感器网络。常用分段线性化压缩方法包括Hale和Sellars在1981年提出的Box Car算法[10]、Bristol在1990年提出的旋转门算法（SDT，Swing Door Trending）[15]及Mah等人在1995年提出的分段线性在线趋势法算法（PLOT, Piecewise Linear On-line Trending）[9]，其中SDT方法在过程工业中用得最多。 本文首先介绍了SDT算法的步骤，然后提出改进的SDT算法NISDT（NISDT, New Improved Swing Door Trending）算法。根据实验结果分析，证明了通过减少节点通信量的方法能有效延长传感器网络生命周期，且改进的SDT算法较原算法在同等门限值情况下压缩比更高，重建误差更低。 图1 无线传感器节点能耗的分布 1 SDT算法(小虎) SDT算法是一种直线趋势化压缩算法，该算法具有运算量小、可跟踪过程趋势变化和适合滚动压缩的优点。对于给定的数据，先规定最大允许误差即门限值，该算法能找出最长的直线趋势，通过一条由起点和终点确定的直线代替一系列连续数据点。该算法需要记录每段被压缩的数据长度、起点数据和终点数据，注意到前一时间间隔终点数据即为下一时间间隔的起点数据。 SDT算法的基本步骤如图2所示。在距离起点数据a的垂直距离为门限值E的地方各有两个“支点”。支点和后面的数据之间的连线构成了两扇“门”。开始时压缩数据序列里只有一个数据点，两扇门都是