减少无线传感器网络节点信号冗余的方法技术

一种基于拉普拉斯统计分布的一阶差分压缩技术、使得无线传感器网络节点通过压缩其传感器的数据，达到占用较少存储资源的减少无线传感器网络节点信号冗余的方法。其特征是包括下列步骤：一阶差分信号的获取和数字量化程序；一阶差分方法和其拉普拉斯分布的概率密度函数的估算程序，采用霍夫曼编码对一阶差分信号进行编码。

【技术实现步骤摘要】

本专利技术属于无线传感器网络节点信号处理方法领域，尤其是一种基于拉普拉斯统计分布的一阶差分压縮技术、使得无线传感器网络节点通过压縮其传感器的数据，达到占 用较少存储资源的。
技术介绍
目前，普通的无线网络传感器节点信号处理方法为标准霍夫曼编码和各种霍夫曼 编码的改进编码方法，存在的问题是性能少、大脚印以及占用存储资源多。
技术实现思路
本专利技术的目的是提供一种基于拉普拉斯统计分布的一阶差分压縮技术、使得无线 传感器网络节点通过压縮其传感器的数据，达到占用较少存储资源的减少无线传感器网络 节点信号冗余的方法。 本专利技术的技术方案是，其特征是包括 下列步骤 A、一阶差分信号的获取和数字量化程序，具体包括下列步骤 (Al)开启传感器24小时或48小时取样，获得传感器数据，计算一阶差分信号； (A2)计算差分信号的动态范围值D，采用数据比较求极限值法，得到差分信号的最大值dMX和最小值dMIN，即 D = d脆x-dinN ; (A3)将动态范围值D进行等量分割，其分割的密度为2N个等值小区间d， d = D/2N (A4)对差分信号进行数字量化，量化方法是如果d卜工 <一阶差分信号< di，则 dQ = (d卜i+di)/2其中，& = dMIN+i*d， i = 0， 1， . ， 2N， d丽=dMIN+2N*D ; B、一阶差分方法和其拉普拉斯分布的概率密度函数的估算程序，具体包括下列步 骤 (Bl)计算一阶差分&的直方图数值，所述一阶差分信号d(t)遵从拉普拉斯分布的概率密度函数f(d)，即 f (d) = A Exp(-d/ t ) (B2)从直方图导出概率密度函数f (d)的解析式，具体包括下列步骤； (B2. 1)对拉普拉斯分布的概率密度函数正规化； (B2. 2)将动态范围D的数值映射在[-N， N]的区间上，即将动态范围D分割[-N， N]为2N个等长区间，在每个区间[eg上，函数值为f(di)， i =-N，…，-l，0，1，…，N; (B2. 3)从步骤(Bl)直方图中读取[-N，N]为2N个等长区间中的每个区间的数据 对di和f(di)，通过下列公式进行计算参数t值<formula>formula see original document page 5</formula>i二-N Ln f(di) C、采用霍夫曼编码对一阶差分信号进行编码，具体包括下列步骤 (CI)建立查找表，建立一阶差分信号和其概率密度函数在表中的一一对应关系，该表如下 索引一阶差分信号一阶差分信号的概率密度函数_Nd—nf(d—n)-N+ld—n+if(d—N+1)-N+2d—n+2f (d—N+2)N-ldN—if(dN—》NdNf(dN) (C2)将表中的一阶差分信号数值和一阶差分信号的概率密度函数数值排序，排序的原则是从最大概率的数字对开始，最小概率数字对作为最末列，形成霍夫曼树； (C3)将步骤(C2)中形成的基于一阶差分信号和其概率密度函数的霍夫曼树，进行标准霍夫曼编码。 本专利技术的效果是，基于传感器一阶差 分信号及其估算拉普拉斯分布概率密度函数，采用霍夫曼编码的技术，从而减少了传感器 信号冗余性(Redundancy)。对于在dt时间段，一阶差分为0的x(t+dt)相对x(t)而言，其 不含有新的信息。从而可以简化处理，传输，和存储的工作，起到压縮数据的目的。满足无 线传感器网络节点具有多性能、小脚印，占用较少存储资源的要求。 下面结合附图和实施例对本专利技术做进一步的说明。附图说明 图1是本专利技术的程序流程框图； 图2是本专利技术一阶差分&的直方图。具体实施例方式，包括下列步骤 A、一阶差分信号的获取和数字量化程序，具体包括下列步骤5 (Al)开启传感器24小时或48小时取样，获得传感器数据x (t)，其中t为时间变 量。在此基础上，计算一阶差分信号d(t)，该差分信号d(t)为两个时间间隔为dt的传感器 数据x(t)和x(t+dt)之差，艮卩 d(t) = x(t+dt)-x(t) . (1) 注意此时d (t)为连续函数， 一 阶差分方法减少了传感器信号冗余性 (Redundancy)。对于在dt时间段没有变化的参数，其一阶差分为0，对于x (t+dt)相对x (t) 而言，其不含有新的信息。从而可以简化处理、传输和存储的工作，起到压縮数据的目的。 (A2)计算d(t)的动态范围D，采用数据比较求极限值法，得到最大值d皿和最小 值dMIN，即 D = dmx-dMIN . (2) (A3)对动态范围D进行等量分割。其分割的密度为2N个等值小区间d， d = D/2N . (3) (A4)对d (t)进行数字量化，量化值为 dQ = mi if d卜！ < d(t) < ... (4) 在此di = dra+i*d，i = O，l，. ，2N，nii = (d卜,di)/2。至此完成一阶差分信号的 获取和数字量化，数字量化值用16比特表示。 B、建立一阶差分方法和其拉普拉斯分布(Laplace Distribution)的概率密度函 数(probability density function)的估算程序，包括下列步骤 (Bl)建立一阶差分&的直方图(histogram)，该一阶差分信号d(t)遵从拉普拉斯分布的概率密度函数f (d)(参见图2)，即 f (d) = A Exp (-d/ t ) . (5) (B2)从直方图导出概率密度函数f (d)的解析式； (B2. 1)先对f (d)正规化(Normalization)，即令A = 1 ; (B2. 2)将动态范围D = d磁-d訓映射在[_N， N]的区间上，D = [d腳，dmx]分割[_N， N]为2N个等长区间。在每个区间[eg上，函数值为f(di)，for i=-N，…，-l，0，1，，N。这里 f (di) = Exp (-di/ t ) (5*) (B2. 3)估算f (eg函数的参数值t ，从而获得f (eg的解析式。在[-N， N]为2N 个等长区间中的每个区间上，自直方图中读取数据对&和f (A)。然后代入下式 N -山 T= I! -i:-NLn f(dj ... (6) 求解参数t 。 至此取得了一阶差分信号和其拉普拉斯分布(Laplace Distribution)的概率密 度函数(probability density function)。下步采用霍夫曼编码对一阶差分信号进行编 码。 C、采用霍夫曼编码对一阶差分信号进行编码程序，包括下列步骤 (CI)建立查找表，建立一阶差分信号和其概率密度函数在表中的一一对应关系。该表如下<table>table see original document page 7</column></row><table> (C2)将表中每对数字和其概率(di，f (di))重新一一排序，形成霍夫曼树。排序的 原则是从最大概率的数字对开始，使其作为表中第一列；次大概率的数字对作为表中第二 列；一次类推，从而最小概率数本文档来自技高网...

【技术保护点】
减少无线传感器网络节点信号冗余的方法，其特征是包括下列步骤：Ａ、一阶差分信号的获取和数字量化程序，具体包括下列步骤：（Ａ１）开启传感器２４小时或４８小时取样，获得传感器数据，计算一阶差分信号；（Ａ２）计算差分信号的动态范围值Ｄ，采用数据比较求极限值法，得到差分信号的最大值ｄ↓［ＭＡＸ］和最小值ｄ↓［ＭＩＮ］，即Ｄ＝ｄ↓［ＭＡＸ］－ｄ↓［ＭＩＮ］（Ａ３）将动态范围值Ｄ进行等量分割，其分割的密度为２Ｎ个等值小区间ｄ，ｄ＝Ｄ／２Ｎ（Ａ４）对差分信号进行数字量化，量化方法是如果ｄ↓［ｉ－１］＜一阶差分信号＜ｄ↓［ｉ］，则：ｄ↓［Ｑ］＝（ｄ↓［ｉ－１］＋ｄ↓［ｉ］）／２其中，ｄ↓［ｉ］＝ｄ↓［ＭＩＮ］＋ｉ＊ｄ，ｉ＝０，１，．．．，２Ｎ，ｄ↓［ＭＡＸ］＝ｄ↓［ＭＩＮ］＋２Ｎ＊Ｄ；Ｂ、一阶差分方法和其拉普拉斯分布的概率密度函数的估算程序，具体包括下列步骤：（Ｂ１）计算一阶差分ｄ↓［ｉ］的直方图数值，所述一阶差分信号ｄ（ｔ）遵从拉普拉斯分布的概率密度函数ｆ（ｄ），即ｆ（ｄ）＝ＡＥｘｐ（－ｄ／τ）（Ｂ２）从直方图导出概率密度函数ｆ（ｄ）的解析式，具体包括下列步骤；（Ｂ２．１）对拉普拉斯分布的概率密度函数正规化；（Ｂ２．２）将动态范围Ｄ的数值映射在［－Ｎ，Ｎ］的区间上，即将动态范围Ｄ分割［－Ｎ，Ｎ］为２Ｎ个等长区间，在每个区间［ｄ↓［ｉ］］上，函数值为ｆ（ｄ↓［ｉ］），ｉ＝－Ｎ，…，－１，０，１，…，Ｎ；（Ｂ２．３）从步骤（Ｂ１）直方图中读取［－Ｎ，Ｎ］为２Ｎ个等长区间中的每个区间的数据对ｄ↓［ｉ］和ｆ（ｄ↓［ｉ］），通过下列公式进行计算参数τ值：＊＊＊Ｃ、采用霍夫曼编码对一阶差分信号进行编码，具体包括下列步骤：（Ｃ１）建立查找表，建立一阶差分信号和其概率密度函数在表中的一一对应关系，该表如下：＊＊＊（Ｃ２）将表中的一阶差分信号数值和一阶差分信号的概率密度函数数值排序，排序的原则是从最大概率的数字对开始，最小概率数字对作为最末列，形成霍夫曼树；（Ｃ３）将步骤（Ｃ２）中形成的基于一阶差分信号和其概率密度函数的霍夫曼树，进行标准霍夫曼编码。...

【技术特征摘要】
减少无线传感器网络节点信号冗余的方法，其特征是包括下列步骤A、一阶差分信号的获取和数字量化程序，具体包括下列步骤(A1)开启传感器24小时或48小时取样，获得传感器数据，计算一阶差分信号；(A2)计算差分信号的动态范围值D，采用数据比较求极限值法，得到差分信号的最大值dMAX和最小值dMIN，即D＝dMAX-dMIN(A3)将动态范围值D进行等量分割，其分割的密度为2N个等值小区间d，d＝D/2N(A4)对差分信号进行数字量化，量化方法是如果di-1＜一阶差分信号＜di，则dQ＝(di-1+di)/2其中，di＝dMIN+i*d，i＝0，1，...，2N，dMAX＝dMIN+2N*D；B、一阶差分方法和其拉普拉斯分布的概率密度函数的估算程序，具体包括下列步骤(B1)计算一阶差分di的直方图数值，所述一阶差分信号d(t)遵从拉普拉斯分布的概率密度函数f(d)，即f(d)＝A Exp(-d/τ)(B2)从直方图导出概率密度函数f(d)的解析式，具体包括下列步骤；(B2.1)对拉普拉斯分布的概率密度函数正规化；(B2.2)将动态范围D的数值映射在[-N，N]的区间上，即将动态范围D分割[-N，N]为2N个等长区间，在每个区间[di]上，函数值为f(di)，i＝-N，…，-1，0，1，…，N；(B2.3)从步骤(B1)直方图中读取[-N，N]为2N个等长区间中的每个区间的数据对di和f(di)，通过下列公式进行计算参数τ值 <mrow><mi>&tau;</mi><mo>=</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo&...

【专利技术属性】
技术研发人员：李华，
申请(专利权)人：李华，
类型：发明
国别省市：11[中国|北京]