一种减少传感器数据时间冗余的压缩方法技术

本发明专利技术请求保护一种减少传感器数据时间冗余的压缩方法；主要包括以下步骤：1)通过传感器节点获取传感器信息数据；2)运用Bloom Filter算法对重复的数据信息进行删除；3)运用数据压缩算法对删减后的数据进行压缩；4)将压缩后的传感器信息传送给传感器监控管理平台；该发明专利技术对冗余的传感器信息进行有效删减，提高数据传输效率，节省带宽和能量损耗，提高传感器信息的传输效率以及传感节点的使用时长，达到智能制造中传感器的管理要求。

【技术实现步骤摘要】
一种减少传感器数据时间冗余的压缩方法
本专利技术属于工业信息数据处理领域，具体是一种减少传感器数据时间冗余的压缩方法。
技术介绍
物联网的快速发展，使得传感器的应用范围也越来越广泛，实际上传感器最早期应用可追溯到二战时期的英国雷达网络,冷战时期的声监测系统[1]，但由于信息产业的快速发展，各类产业广泛运用传感器获取信息使得传感器技术也进一步的到发展，其中最突出的即为物联网行业。行业内进行传感器部署的主要目的是通过传感节点获取数据。通过所获取到的数据，对数据进行处理后传送给服务器，以确保使用者能根据正确的数据信息做出合理的判断。但是在很多环境中由于传感器的数量庞大且大部分传感节点都是随机分布的，而且传感器节点在采集数据时都是按一定周期性进行采集。当对某一大面积区域进行监测时，由于传感节点的随机性可能会造成传感器节点在空间上的冗余，而对于单个节点来说可能会存在相邻时间点所采集的数据存在很大的相似性，这样也会造成传感器数据冗余。这样从时间与空间上如果不对所接受的数据进行处理直接传送给服务器势必会造成通信资源的浪费。由于传感器信息传输的能量供应和数据传输带宽是两大限制点，其中能量的消耗和传输的距离、传输的数据量有关系，所以为了节省带宽、减小能量消耗、提高数据安全性，需要对传感器信息数据进行压缩。所以利用数据压缩方法对传感器数据进行压缩，正好解决了传感器数量庞大而导致的高能耗与占用带宽问题，对于推动工业领域传感器信息传输有重大意义。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种减少传感器信息的冗余，能有效提高传感器信息的传输效率，减少能量损耗的方法。本专利技术的技术方案如下：一种减少传感器数据时间冗余的压缩方法，其包括以下步骤：通过传感器节点获取传感器信息数据；2)运用改进的BloomFilter布隆过滤器算法对重复的传感器信息数据进行删除，所述改进后的BloomFilter布隆过滤器主要是在原有基础上降低了进行重复数据删除的错误率。3)采用数据压缩算法对删减后的数据进行压缩；4)将压缩后的传感器信息传送给传感器监控管理平台，通过该平台所获取的传感器数据对传感器的工作环境进行监控。进一步的，所述步骤2)BloomFilter算法步骤如下：S1、初始化存储数据的hash表；S2、将获取到的数据与已存入hash表中数据进行比较，若匹配为相同值，则删除该外来数据，若匹配为不同值，则将该值存入hash表中；S3、重复S1到S2的过程，直到所有获取的数据信息被检测完成；S4、对于已检测的没有重复的数据进行重新归档。进一步的，所述采用数据压缩算法对删减后的数据进行压缩，具体包括步骤：A1、对归档的数据集T，首先采用f＝a/T，a:单个字符出现的次数，T：整个数据集的字符个数，f代表单个字符出现的频率，计算其信息频率，即一个数据符号在整个数据集中出现的频率；A2、将每个字符和其出现的频率放到它自身的树中形成一个根节点；A3、将两个频率最小的字符根节点进行合并，并放入新树节点中，再对所有节点重新排序；A4、重复A2到A3的过程，直到最后成为一棵树，即为霍夫曼树；A5、用霍夫曼树对数据进行压缩，从最底层根节点开始沿树的叶向叶的子节点追踪进行霍夫曼编码；如果向左分叉则在当前编码末尾加0；向右时加1；直到根节点处。A6、计算出编码后的数据集信息量T’，则其压缩比为(1-T’/T),算法结束本专利技术的优点及有益效果如下：本专利技术综合了BloomFilter算法与数据压缩算法，对传感器信息数据进行了有效压缩，减少了时间上节点产生的冗余，降低了传感器节点的使用能耗，节省了传输带宽。将BloomFilter算法与霍夫曼压缩算法结合起来应用的好处是，通过BloomFilter算法可以先降低冗余，然后通过霍夫曼压缩算法提高压缩比且为无损压缩。两种算法结合互补，同时解决冗余度与压缩比的问题。由于传统上对传感器信息数据进行压缩，一般采用两种方式，一是直接对获取的模拟信号采用切片算法进行数据压缩，或者通过汇聚算法对传感器节点处所采集数据进行数据压缩。这样解决了一般传感器数据压缩算法的降低冗余度不够和数据压缩受损的问题。附图说明图1是本专利技术提供优选实施例具体实施流程图。图2为BloomFilter算法流程图。图3为数据压缩算法流程图。图4为利用霍夫曼树进行编码示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本专利技术的一部分实施例。本专利技术解决上述技术问题的技术方案是：如图1所示，为本专利技术具体实施流程图，包括以下步骤：1.一种减少传感器数据时间冗余的压缩方法，其主要特征是，解决传感器信息冗余，传感器信息能量消耗与带宽占用问题，其主要步骤如下：U1、通过传感器网络节点获取传感器信息数据；U2、运用BloomFilter算法对重复的数据信息进行删除；U3、运用数据压缩算法对删减后的数据进行压缩；U4、再将压缩后的信息传送给传感器信息管理平台。2.BloomFilter算法如图2所示，其步骤如下：S1、初始化存储数据的hash表；S2、将获取到的数据与已存入hash表中数据进行比较，若匹配为相同值，则删除该外来数据，若匹配为不同值，则将该值存入hash表中；S3、重复1到2的过程，直到所有获取的数据信息被检测完成；S4、对于已检测的没有重复的数据进行重新归档；3.数据压缩算法如图3所示，其步骤如下：A1、对归档的数据集T，首先计算其信息频率。即一个数据符号在整个数据集中出现的频率；A2、将每个字符和其出现的频率放到它自身的树中形成一个根节点；A3、将两个频率最小的字符根节点进行合并，并放入新树节点中，再对所有节点重新排序；A4、重复A2到A3的过程，直到最后成为一棵树，即为霍夫曼树；A5、用霍夫曼树对数据进行压缩，从最底层根节点开始沿树的叶向叶的子节点追踪进行霍夫曼编码；如果向左分叉则在当前编码末尾加0；向右时加1；直到根节点处。A6、计算出编码后的数据集信息量T’，则其压缩比为(1-T’/T),算法结束(以下用一个例子展示该算法)。例：设有100000个字符的数据文件需要压缩存储。各字符在该文件中出现的频率如下：利用霍夫曼树对其进行编码：将a、b、c、d、e、f看成是五个根节点，如图4所示：第一步先将f和e节点合并，如图4A所示；第二步将c和b节点合并，如图4B所示；第三步将d和fe节点合并，如图4C所示；第四步将第三步所得节点fed与第二步所得节点bc合并，如图4D所示；第五步将a节点与bcfed节点合并，如图4E所示。通过以上步骤二叉树构造完成，如图4F所示。根据编码规则：左0右1，如图4G所示，得到字符编码位表如表4H所示在不压缩时100000个字符若每个字符用8位表示则一共需要的存储空间为100000*8＝800000位；进行压缩后的数据大小为：(45*1+(16+13+12)*3+(9+5)*4)*1000＝224000位则压缩比为：(1-224000/800000)*100％＝77.6％；以上这些实施例应理解为仅用于说明本专利技术而不用于限制本专利技术的保护范围。在阅读了本专利技术的记载的内容之后，技术人员可以对本专利技术作各种改动或修改，这些等效变化和修饰同样落入本专利技术权利要求所限本文档来自技高网...

【技术保护点】
1.一种减少传感器数据时间冗余的压缩方法，其特征在于，包括以下步骤：1)通过传感器节点获取传感器信息数据；2)运用改进的Bloom Filter布隆过滤器算法对重复的传感器信息数据进行删除，所述改进的Bloom Filter算法主要改进在；改进后的Bloom Filter布隆过滤器主要是在原有基础上降低了进行重复数据删除的错误率；3)采用数据压缩算法对删减后的数据进行压缩；4)将压缩后的传感器信息传送给传感器监控管理平台，通过该平台所获取的传感器数据对传感器的工作环境进行监控。

【技术特征摘要】
1.一种减少传感器数据时间冗余的压缩方法，其特征在于，包括以下步骤：1)通过传感器节点获取传感器信息数据；2)运用改进的BloomFilter布隆过滤器算法对重复的传感器信息数据进行删除，所述改进的BloomFilter算法主要改进在；改进后的BloomFilter布隆过滤器主要是在原有基础上降低了进行重复数据删除的错误率；3)采用数据压缩算法对删减后的数据进行压缩；4)将压缩后的传感器信息传送给传感器监控管理平台，通过该平台所获取的传感器数据对传感器的工作环境进行监控。2.根据权利要求1所述的一种减少传感器数据时间冗余的压缩方法，其特征在于，所述步骤2)BloomFilter(布隆过滤器)算法步骤如下：S1、初始化存储数据的hash表；S2、将获取到的数据与已存入hash表中数据进行比较，若匹配为相同值，则删除该外来数据，若匹配为不同值，则将该值存入hash表中；S3、重复S1到S2的过程，直到所有获取的数据信息被检测完成；...

【专利技术属性】
技术研发人员：罗志勇，张柔，蔡婷，杨美美，罗蓉，韩冷，郑焕平，赵杰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50