无线传感器网络自适应压缩方法技术

本发明专利技术公开了一种能够实现全网级别的能量优化的无线传感器网络自适应压缩方法，它包括压缩判决过程，压缩判决过程中比较执行压缩时的总能耗E

Adaptive compression method for Wireless Sensor Networks

The invention discloses an adaptive compression method for a wireless sensor network capable of achieving the whole network level energy optimization, which comprises a compression decision process, and a comparison of the total energy consumption of E during compression execution

【技术实现步骤摘要】
无线传感器网络自适应压缩方法
本专利技术涉及无线传感器网络
，具体讲是一种无线传感器网络自适应压缩方法。
技术介绍
无线传感器网络(WirelessSensorNetworks，WSNs)被广泛应用于环境监测、医疗保健、智能家居、交通监视、军事监控等多个领域。通常情况下，网络中的传感器节点以电池供电。高密度、大范围的部署，增加了给节点更换电池、补充能量的难度，因此，能量的高效使用是WSN的首要设计目标。数据压缩(DataCompression)技术被引入WSN中，得益于其在去除数据冗余方面的能力。在满足应用需求的前提下，对原始数据进行适当地网内处理，减少数据传输量，进而有效地节省能耗，延长网络生存寿命，是数据压缩的基本功能。然而，通过对现有时域压缩算法的节能效益进行评估后发现，数据压缩算法不能保证在任何情况下都能获得节能效果。在某些应用场合中，节点的密集部署使得通信的射频功率降低，而数据的精度要求较高则直接影响压缩的执行效果。在这种情况下，执行网内数据压缩未必能够实现预期的节能目的，反而会因为额外增加的计算能耗大大超过节省的通信能耗，使执行压缩算法得不偿失。由此，一种针对单一时域压缩算法进行节能优化的节点级压缩判决机制被提出并用来在执行压缩前，对压缩是否节能进行预判(见授权专利杨华中，应蓓华，刘伟等；一种用于无线传感器网络降低能耗的压缩判决方法；中国，ZL200810238934.3；2009-10-21)。将“压缩判决方法”应用于传感器节点，能够有效地避免压缩可能带来的不必要的能量损失，但此方法仍然存在着一定的不足，详述如下：压缩判决仅针对单个节点进行能量优化，并未考虑网络全局和无线通信的信道质量。该方法从节点自身的能量损失来判断压缩是否节能，通过将节点执行压缩的计算能耗与节点发送压缩后数据能够节省的发射能耗进行比较，得到判决结果。由此可见，此方法只实现了节点级的能量优化，并未涉及网络中普遍存在的多跳传输的情况以及实际信道的多变性。在多跳传输中，压缩带来的通信数据量的减少，不仅能够节省本地节点的发射能耗，同时也能降低后续中继节点的通信能耗，与此同时，无线信道的不确定性带来了数据重传的可能。因此，在压缩与否的判决中，需要进一步考虑网络中的其他节点和实际信道质量，实现全网级别的能量优化。
技术实现思路
本专利技术要解决的技术问题是，提供一种能够实现全网级别的能量优化的无线传感器网络自适应压缩方法。本专利技术的技术方案是，本专利技术无线传感器网络自适应压缩方法，它包括压缩判决过程，压缩判决过程中比较执行压缩时的总能耗Ecomp以及不执行压缩时的总能耗Euncomp，若Ecomp大于Euncomp，则原始数据不压缩，直接发送，若Ecomp小于Euncomp，则执行数据压缩过程，原始数据被压缩后再发送，若Ecomp等于Euncomp，则原始数据不压缩，直接发送，或者，原始数据压缩后再发送；其中，所述Ecomp、Euncomp的计算式为：其中：PMCU为处理器的功率；L为原始数据总长度；TMCU为所采用的压缩算法下节点压缩1个字节数据的时间开销；e为精度要求；PTX为节点间通信距离d下(节点i的通信距离标记为di)，射频模块的发射功率；CR为所采用的压缩算法的压缩比；Ttran为节点发送1个字节数据所需的时间；PRX为射频模块的接收功率；h为节点位置，由该节点距离汇聚节点的跳数来表征；γ表示数据重传率(节点i的数据重传率标记为γi)，其数值上等于重发数据量与发送数据总量之比。采用上述方法后，本专利技术与现有技术相比，具有以下优点：因为考虑了h和γ的影响，h是节点距离汇聚节点的跳数，为自然数；γ是数据重传率，为正数，用来表征无线信道的通信质量，即由于无线信道的不稳定引起接收数据的误码，需要重新发送该数据的情况。这样，每个节点的数据被传递至汇聚节点的总能耗就能够较为精确的获知，再根据总能耗来判断是否压缩，所以本专利技术具有能够实现全网级别的能量优化的优点。作为改进，压缩判决过程采用多种压缩算法来分别获得不同压缩算法下的Ecomp，这样，形成Ecomp组，该Ecomp组中各值与Euncomp比较，若最小值落于Ecomp组中，则选定其中最小值所对应的压缩算法进行原始数据压缩再发送，否则，原始数据不压缩，直接发送，这样，压缩判决并非在全网执行同一种压缩算法，每个节点因各自的h不同且所选通信线路的γ也不同，经压缩判决后，就能够确定适用于该节点的压缩算法，相应地能够得到更好的节能效果。作为改进，由节点经过机器学习建立预测压缩比的数据库关系模型和预测压缩执行时间的数据库关系模型，由预测压缩比的数据库关系模型得到CR，由预测压缩执行时间的数据库关系模型得到TMCU；压缩比的关系模型和压缩执行时间的关系模型均是基于精度e的二维表，在两种表格的建立过程中，采用不同的压缩算法，基于同一种原始数据，以不同精度要求e下获得的压缩比和执行时间作为表格输入，在节点中对数据进行统计分析及插值运算得到两种二维表格，进而完成关系模型的建立，这样，区别于现有技术的离线建模的方案，使节点在线建模，能够实现模型在节点层面进行调整，从而克服现有技术缺陷，即现有技术压缩判决中涉及的压缩比预测模型和执行时间预测模型是离线构筑的，无法自适应地进行调整，WSN应用环境的变化会直接影响数据特性，如果预测模型固定不变，将严重影响判决结果的准确性，有可能带来更大的能量损失；另一方面，本专利技术采用数据库技术和插值算法取代现有技术的数据拟合(包括最小二乘拟合)方案，省去了在线计算模型参数的过程，使两种预测只需要简单的查表即可完成，不需要反复的在线优化计算，不仅提高了预测的速度，而且大大降低了节点的计算量，节省了计算能耗。作为改进，在网络运行中，节点随机选取若干新样本进行模型验证，若其预测误差超过设定的阈值则触发节点进入新一轮的机器学习，对预测压缩比的数据库关系模型和预测压缩执行时间的数据库关系模型予以修正和调整，这样，能够及时跟踪应用环境数据特性的变化，使预测模型更加准确，从而提高压缩判决的准确性。附图说明图1、本专利技术举例的传感器节点的硬件框架；图2、本专利技术举例的自适应压缩方法的软件架构体系；图3、本专利技术举例的自适应压缩方法的工作流程；图4、本专利技术举例的验证实验使用的网络拓扑；图5(a)、本专利技术作用于精度要求级别：1，发射功率级别：3，数据重传率10％下的最佳压缩执行策略的选择结果。图5(b)、本专利技术作用于精度要求级别：12，发射功率级别：3，数据重传率10％下的最佳压缩执行策略的选择结果。图5(c)、本专利技术作用于精度要求级别：1，发射功率级别：23，数据重传率10％下的最佳压缩执行策略的选择结果。图5(d)、本专利技术作用于精度要求级别：12，发射功率级别：3，数据重传率100％下的最佳压缩执行策略的选择结果。其中，图5(a)、图5(b)、图5(c)、图5(d)中所示，□表示PMC-MR、+表示LTC、◇表示不压缩。具体实施方式下面结合附图对本专利技术作进一步说明。图1为传感器节点的硬件框架。该基本架构以微处理器为主要控制单元，实现对通信协议的控制和各种应用的处理；同时，微处理器兼备一定的存储功能，负责保存传感数据、各类帧信息(数据帧、消息帧、控制帧)以及用户预设的各种应用相关数值等。其余本文档来自技高网...

【技术保护点】
一种无线传感器网络自适应压缩方法，它包括压缩判决过程，其特征在于，压缩判决过程中比较执行压缩时的总能耗E

【技术特征摘要】
1.一种无线传感器网络自适应压缩方法，它包括压缩判决过程，其特征在于，压缩判决过程中比较执行压缩时的总能耗Ecomp以及不执行压缩时的总能耗Euncomp，若Ecomp大于Euncomp，则原始数据不压缩，直接发送，若Ecomp小于Euncomp，则执行数据压缩过程，原始数据被压缩后再发送，若Ecomp等于Euncomp，则原始数据不压缩，直接发送，或者，原始数据压缩后再发送；其中，所述Ecomp、Euncomp的计算式为：其中：PMCU为处理器的功率；L为原始数据总长度；TMCU为所采用的压缩算法下节点压缩1个字节数据的时间开销；e为精度要求；PTX为节点间通信距离d下，射频模块的发射功率；CR为所采用的压缩算法的压缩比；Ttran...

【专利技术属性】
技术研发人员：应蓓华，马龙华，田洪周，
申请(专利权)人：浙江大学宁波理工学院，
类型：发明
国别省市：浙江,33