基于鋸齒形掃描的自適應(yīng)空間壓縮方法
【專利摘要】本發(fā)明公開了一種基于鋸齒形掃描的自適應(yīng)空間壓縮方法，包括步驟：各個(gè)簇中各網(wǎng)格內(nèi)的每個(gè)傳感器節(jié)點(diǎn)分別采集原始環(huán)境數(shù)據(jù)并將其所得采集原始數(shù)據(jù)上傳至簇頭節(jié)點(diǎn)；簇頭節(jié)點(diǎn)獲得二維原始數(shù)據(jù)矩陣，及進(jìn)行離散余弦變換獲得二維變換矩陣；簇頭節(jié)點(diǎn)進(jìn)行鋸齒形掃描，將二維變換矩陣變換為一維向量；針對(duì)所得一維向量進(jìn)行自適應(yīng)空間壓縮，獲得壓縮數(shù)據(jù)向量；簇頭節(jié)點(diǎn)將所得壓縮數(shù)據(jù)向量向距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)傳輸；所述匯聚節(jié)點(diǎn)針對(duì)簇頭節(jié)點(diǎn)所傳輸?shù)纳疃葔嚎s數(shù)據(jù)向量進(jìn)行數(shù)據(jù)重構(gòu)，獲得各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。本發(fā)明可實(shí)現(xiàn)感知數(shù)據(jù)空間相關(guān)性的深度挖掘，并能降低網(wǎng)絡(luò)數(shù)據(jù)傳輸開銷、提高數(shù)據(jù)重建精度以實(shí)現(xiàn)延長傳感器網(wǎng)絡(luò)生命周期。
【專利說明】
基于鋸齒形掃描的自適應(yīng)空間壓縮方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于鋸齒形掃描的自適應(yīng)空間壓縮方法，屬于無線通信網(wǎng)絡(luò)的技 術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 由于無線傳感器網(wǎng)絡(luò)能監(jiān)測、管理多種智能服務(wù)中的狀態(tài)信息，使其重要性大大 增加。目前無線傳感器網(wǎng)絡(luò)已經(jīng)應(yīng)用于多個(gè)領(lǐng)域，其中包括軍事、工業(yè)、環(huán)境監(jiān)測以及醫(yī)療 服務(wù)等。
[0003] 然而，無線傳感器網(wǎng)絡(luò)中傳感節(jié)點(diǎn)電池容量較小的問題限制了無線傳感器網(wǎng)絡(luò)的 應(yīng)用。將節(jié)點(diǎn)回收并部署新節(jié)點(diǎn)、以及對(duì)其充電的思路顯然是不現(xiàn)實(shí)的。所以，如何延長無 線傳感器網(wǎng)絡(luò)的壽命成為一個(gè)重要的問題。眾所周知，無線傳感器網(wǎng)絡(luò)有用以下兩個(gè)共識(shí)。 第一，數(shù)據(jù)傳輸占據(jù)節(jié)點(diǎn)能量消耗的絕大部分。當(dāng)數(shù)量巨大的傳輸信息匯集到匯聚節(jié)點(diǎn)時(shí)， 匯聚節(jié)點(diǎn)將承受巨大數(shù)據(jù)處理壓力。更加嚴(yán)重的在于，較一般中繼節(jié)點(diǎn)而言，匯聚節(jié)點(diǎn)附近 的中繼節(jié)點(diǎn)能量消耗速度更快。當(dāng)這些節(jié)點(diǎn)能量耗盡時(shí)，整個(gè)無線傳感器網(wǎng)絡(luò)傳輸也將隨 之中斷。第二，傳感器節(jié)點(diǎn)采集的感知數(shù)據(jù)存在著一定程度的相關(guān)性。由此，可以以一定方 法對(duì)感知數(shù)據(jù)進(jìn)行壓縮。通過挖掘信號(hào)之間空間相關(guān)性，不僅可以減少信號(hào)傳輸次數(shù)，而且 也節(jié)省了整個(gè)無線傳感器網(wǎng)絡(luò)的能量消耗。如上研究提供了本方案壓縮無線傳感器網(wǎng)絡(luò)中 傳輸數(shù)據(jù)的可能性。隨著傳輸信號(hào)數(shù)量的減少，網(wǎng)絡(luò)擁塞也大為減輕。
[0004] 目前現(xiàn)有技術(shù)中，與本文類似的用以解決無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)空間相關(guān)性的方 案如下：
[0005] 利用CS(壓縮感知)技術(shù)對(duì)無線傳感器網(wǎng)絡(luò)中傳輸信號(hào)空間相關(guān)性進(jìn)行挖掘，而CS 技術(shù)的應(yīng)用前提要求原始采集信號(hào)在某些域內(nèi)具有一定相關(guān)性。這一特性限制了 CS應(yīng)用范 圍的擴(kuò)展。與之類似，基于優(yōu)化CS技術(shù)的空間壓縮方案能提高匯聚節(jié)點(diǎn)的重構(gòu)精度。該方案 要求原始信號(hào)需要轉(zhuǎn)化為一長向量。雖然，該方案充分、深入地挖掘了無線傳感器網(wǎng)絡(luò)中感 知信號(hào)的空間相關(guān)性，但其計(jì)算復(fù)雜度相當(dāng)高。
[0006] 利用哈夫曼與串表壓縮算法實(shí)現(xiàn)無損文本數(shù)據(jù)壓縮。由于文本信息都是由字母組 成的有限集構(gòu)成，而無線傳感器網(wǎng)絡(luò)中感知數(shù)據(jù)都是連續(xù)值，所以以上兩種壓縮方案不能 直接應(yīng)用于無線傳感器網(wǎng)絡(luò)中。
[0007]對(duì)無線傳感器網(wǎng)絡(luò)信號(hào)引入經(jīng)典圖像信號(hào)壓縮中的離散余弦變換。以離散余弦變 換為基礎(chǔ)，構(gòu)建一種多層壓縮網(wǎng)絡(luò)模型，并提出縮減鋸齒形掃描方案。該方案技術(shù)簡單，但 其重構(gòu)精度較低，并且該方案的壓縮率也不高。
[0008]因此，現(xiàn)有技術(shù)的方案在挖掘無線傳感器網(wǎng)絡(luò)感知數(shù)據(jù)空間相關(guān)性的過程中，存 在重建誤差較高，無法有效實(shí)現(xiàn)感知數(shù)據(jù)空間相關(guān)性的高效挖掘以有效提高數(shù)據(jù)重建精 度。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，提供一種基于鋸齒形掃描 的自適應(yīng)空間壓縮方法，解決無線傳感器網(wǎng)絡(luò)中空域壓縮方案存在的缺陷，無法有效實(shí)現(xiàn) 感知數(shù)據(jù)空間相關(guān)性的挖掘問題，能夠降低傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸開銷、提高數(shù)據(jù)重建精度 從而達(dá)到延長網(wǎng)絡(luò)生命周期的目的。
[0010] 本發(fā)明具體采用以下技術(shù)方案解決上述技術(shù)問題：
[0011] 基于鋸齒形掃描的自適應(yīng)空間壓縮方法，該方法基于的傳感網(wǎng)絡(luò)包括一個(gè)匯聚節(jié) 點(diǎn)和至少一個(gè)由1X1個(gè)方形網(wǎng)格構(gòu)成的簇，其中1為正整數(shù);所述各個(gè)簇均包括若干個(gè)傳感 器節(jié)點(diǎn)和一個(gè)由所在簇中傳感性能最強(qiáng)傳感器節(jié)點(diǎn)所確定的簇頭節(jié)點(diǎn)；所述方法包括步 驟：
[0012] 步驟001.各個(gè)簇中各網(wǎng)格內(nèi)的每個(gè)傳感器節(jié)點(diǎn)分別采集原始環(huán)境數(shù)據(jù)并將其所 獲得的采集數(shù)據(jù)上傳至所在簇的簇頭節(jié)點(diǎn)；
[0013] 步驟002.各個(gè)簇中的簇頭節(jié)點(diǎn)分別根據(jù)接收的同一時(shí)隙內(nèi)所采集的原始數(shù)據(jù)獲 得二維原始數(shù)據(jù)矩陣，再分別對(duì)其所得二維原始數(shù)據(jù)矩陣進(jìn)行離散余弦變換獲得二維變換 矩陣；
[0014] 步驟003.各個(gè)簇中的簇頭節(jié)點(diǎn)分別針對(duì)其所得二維變換矩陣進(jìn)行鋸齒形掃描，將 二維變換矩陣變換為一維向量；
[0015] 步驟004.針對(duì)各個(gè)簇中的簇頭節(jié)點(diǎn)所得一維向量進(jìn)行自適應(yīng)空間壓縮，獲得壓縮 數(shù)據(jù)向量;具體步驟包括:所述簇頭節(jié)點(diǎn)從后向前依次遍歷檢測一維向量中元素，當(dāng)檢測到 一維向量中元素小于所設(shè)置的門限值S，則將該元素刪除；同時(shí)，記錄該元素對(duì)應(yīng)的序號(hào)i， 并將序號(hào)i添加到刪除元素序號(hào)集合I中；
[0016] 步驟005.各個(gè)簇中的簇頭節(jié)點(diǎn)將所得壓縮數(shù)據(jù)向量向距離匯聚節(jié)點(diǎn)更近的簇頭 節(jié)點(diǎn)傳輸;所述距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)針對(duì)所接收壓縮數(shù)據(jù)向量執(zhí)行所述步驟004 至步驟005獲得深度壓縮數(shù)據(jù)向量并傳輸，其中在步驟004中設(shè)置用于替換門限值δ的門限 值S '，且所述門限值δ '大于門限值δ;
[0017] 步驟006.所述匯聚節(jié)點(diǎn)針對(duì)簇頭節(jié)點(diǎn)所傳輸?shù)纳疃葔嚎s數(shù)據(jù)向量進(jìn)行數(shù)據(jù)重構(gòu)， 包括補(bǔ)零、逆鋸齒形掃描及逆余弦變換操作，以獲得各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。
[0018] 進(jìn)一步地，作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟001還包括根據(jù)網(wǎng)格內(nèi)傳感 器節(jié)點(diǎn)采集原始環(huán)境數(shù)據(jù)上傳情況確定采集原始數(shù)據(jù)，即：
[0019] 當(dāng)網(wǎng)格內(nèi)只上傳一個(gè)傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則直接將其作為采集原 始數(shù)據(jù)；
[0020] 當(dāng)網(wǎng)格內(nèi)上傳若干個(gè)傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則將網(wǎng)格內(nèi)全部傳感器 節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)的均值作為采集原始數(shù)據(jù)；
[0021] 當(dāng)網(wǎng)格內(nèi)不存在上傳的傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則將相鄰網(wǎng)格內(nèi)全部 傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)的均值作為采集原始數(shù)據(jù)。
[0022] 進(jìn)一步地，作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟002中將二維原始數(shù)據(jù)矩陣 的DCT系數(shù)設(shè)置于二維變換矩陣的左上角。
[0023] 進(jìn)一步地，作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟003中鋸齒形掃描采用"之" 字形掃描。
[0024] 進(jìn)一步地，作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟006中對(duì)簇頭節(jié)點(diǎn)所傳輸?shù)?深度壓縮數(shù)據(jù)向量進(jìn)行數(shù)據(jù)重構(gòu)，具體為：
[0025] 所述匯聚節(jié)點(diǎn)針對(duì)接收到的各個(gè)簇的深度壓縮數(shù)據(jù)向量，根據(jù)刪除元素序號(hào)集合 中的各個(gè)元素序號(hào)i，對(duì)元素序號(hào)i對(duì)應(yīng)位置進(jìn)行補(bǔ)零，恢復(fù)出重構(gòu)變換向量；
[0026] 對(duì)所得重構(gòu)變換向量進(jìn)行逆鋸齒型掃描，獲得重構(gòu)變換矩陣；
[0027] 對(duì)所得重構(gòu)變換矩陣進(jìn)行逆余弦變換操作，獲得各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù) 據(jù)。
[0028]本發(fā)明采用上述技術(shù)方案，能產(chǎn)生如下技術(shù)效果：
[0029] (1)本發(fā)明設(shè)計(jì)基于鋸齒形掃描的自適應(yīng)空間壓縮方法，通過引入基于經(jīng)驗(yàn)門限 的自適應(yīng)壓縮方法ASCA以實(shí)現(xiàn)提高無線傳感器網(wǎng)絡(luò)適應(yīng)環(huán)境能力，通過對(duì)感知數(shù)據(jù)空間相 關(guān)性的深度挖掘并設(shè)計(jì)恰當(dāng)基于經(jīng)驗(yàn)的門限值S，將原始數(shù)據(jù)矩陣相應(yīng)的變換矩陣中較小 元素刪除，保證了壓縮后的變換矩陣重建原始數(shù)據(jù)矩陣是可行的，并具有高重構(gòu)精度。
[0030] (2)本發(fā)明設(shè)計(jì)基于鋸齒形掃描的自適應(yīng)空間壓縮方法中，通過構(gòu)建一個(gè)距離分 層網(wǎng)絡(luò)進(jìn)行多層數(shù)據(jù)壓縮操作的網(wǎng)絡(luò)架構(gòu)，保證相同壓縮率的情況下，與其它具有相同壓 縮率的空間壓縮方法相比，本方法壓縮數(shù)據(jù)的重建具有更低的重建誤差;通過對(duì)原始感知 數(shù)據(jù)進(jìn)行分層式壓縮，使其與縮減型鋸齒形掃描空間壓縮方法RZS相比具有更高的壓縮率。
[0031] (3)本發(fā)明設(shè)計(jì)基于鋸齒形掃描的自適應(yīng)空間壓縮方法中，通過對(duì)感知數(shù)據(jù)空間 相關(guān)性進(jìn)行深入的挖掘，使得本發(fā)明方法在相同重構(gòu)效果的情況下，取得相當(dāng)可觀的壓縮 率，進(jìn)一步延長了整個(gè)網(wǎng)絡(luò)生命周期，并減輕了網(wǎng)絡(luò)擁塞;通過選取基于經(jīng)驗(yàn)的壓縮門限， 使本方法獲得自適應(yīng)特性。
[0032] 因此，本方法與其他相關(guān)壓縮方法相比，針對(duì)多變的部署環(huán)境其自適應(yīng)能力更強(qiáng)。 不僅如此，相同壓縮率情況下，本方法壓縮數(shù)據(jù)的恢復(fù)具有更高的重建精度。
【附圖說明】
[0033] 圖1是本發(fā)明設(shè)計(jì)的基于鋸齒形掃描的自適應(yīng)空間壓縮方法的網(wǎng)絡(luò)平面圖。
[0034] 圖2是本發(fā)明設(shè)計(jì)的基于鋸齒形掃描的自適應(yīng)空間壓縮方法的網(wǎng)絡(luò)立體圖，其中1 層為感知層，2層為傳輸層，3層為匯聚層。
[0035] 圖3是本發(fā)明設(shè)計(jì)的基于鋸齒形掃描的自適應(yīng)空間壓縮方法的流程示意圖。
[0036] 圖4表示本發(fā)明設(shè)計(jì)方法與RZS方法在數(shù)據(jù)重建精度方面的比較示意圖。
[0037] 圖5表示本發(fā)明設(shè)計(jì)方法與RZS方法在壓縮率為0.84時(shí)，重構(gòu)數(shù)據(jù)與原始數(shù)據(jù)的比 較的示意圖。
【具體實(shí)施方式】
[0038]下面結(jié)合說明書附圖對(duì)本發(fā)明的實(shí)施方式進(jìn)行描述。
[0039]如圖1，本發(fā)明設(shè)計(jì)一個(gè)基于鋸齒形掃描的自適應(yīng)空間壓縮方法，該方法在實(shí)際應(yīng) 用過程當(dāng)中，結(jié)合分層式傳感器網(wǎng)絡(luò)模型，所述模型如圖2所示，其中1層為感知層，2層為傳 輸層，3層為匯聚層。所述分層式傳感器網(wǎng)絡(luò)模型的傳感網(wǎng)絡(luò)包括一個(gè)匯聚節(jié)點(diǎn)和至少一個(gè) 由1X1個(gè)方形網(wǎng)格構(gòu)成的簇，其中1為正整數(shù)，各個(gè)簇分別包括一個(gè)簇頭節(jié)點(diǎn)和多個(gè)傳感器 節(jié)點(diǎn)，且簇頭節(jié)點(diǎn)為其所在簇中性能最強(qiáng)的傳感器節(jié)點(diǎn)；所述傳感器節(jié)點(diǎn)分布于感知層1 層，所述簇頭節(jié)點(diǎn)分布于傳輸層的2層，所述匯聚節(jié)點(diǎn)分布在匯聚層的3層。如圖3所示，基于 的傳感網(wǎng)絡(luò)中包括第1至第η個(gè)簇，各簇的簇頭節(jié)點(diǎn)和傳感器節(jié)點(diǎn)按照分簇式空間壓縮方法 進(jìn)行數(shù)據(jù)傳輸，所述自適應(yīng)傳感網(wǎng)絡(luò)分簇式空間壓縮方法，具體包括如下步驟：
[0040]步驟001.各個(gè)簇中各網(wǎng)格內(nèi)的各個(gè)傳感器節(jié)點(diǎn)分別采集其對(duì)應(yīng)的原始環(huán)境數(shù)據(jù)， 其中，將每個(gè)簇都設(shè)為一正方形區(qū)域，每塊區(qū)域包含1X1個(gè)網(wǎng)格，其中1為一正整數(shù)，且所述 多個(gè)傳感器節(jié)點(diǎn)均勻或不均勻分布于簇的網(wǎng)格中，即網(wǎng)格中傳感器節(jié)點(diǎn)的數(shù)量不定；網(wǎng)格 中各個(gè)傳感器節(jié)點(diǎn)分別將其所獲得的采樣數(shù)據(jù)對(duì)應(yīng)上傳至其所在簇的簇頭節(jié)點(diǎn)。
[0041 ]在此過程中，還包括根據(jù)網(wǎng)格內(nèi)傳感器節(jié)點(diǎn)所獲得采集原始環(huán)境數(shù)據(jù)上傳情況確 定采集原始數(shù)據(jù)。各簇中的各傳感器節(jié)點(diǎn)在采集其對(duì)應(yīng)原始環(huán)境數(shù)據(jù)過程中，由于其中各 個(gè)網(wǎng)格中的傳感器節(jié)點(diǎn)數(shù)量具有隨機(jī)性，本方案針對(duì)各網(wǎng)格部署傳感器節(jié)點(diǎn)不定的問題， 列出如下三類情況進(jìn)行說明：第一種針對(duì)其包含一個(gè)傳感器節(jié)點(diǎn)的理想情況，即當(dāng)網(wǎng)格內(nèi) 只上傳一個(gè)傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則直接將其采集原始環(huán)境數(shù)據(jù)作為采集原 始數(shù)據(jù);第二種對(duì)網(wǎng)格中包含多個(gè)傳感器節(jié)點(diǎn)的情況，即當(dāng)網(wǎng)格內(nèi)上傳若干個(gè)傳感器節(jié)點(diǎn) 所采集原始環(huán)境數(shù)據(jù)時(shí)，則將網(wǎng)格內(nèi)全部傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)的均值作為采集 原始數(shù)據(jù);第三種是網(wǎng)格中不包含傳感器節(jié)點(diǎn)的情況，即當(dāng)網(wǎng)格內(nèi)不存在上傳的傳感器節(jié) 點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則采集相鄰網(wǎng)格內(nèi)全部傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)的均值 作為采集原始數(shù)據(jù)。
[0042]由此根據(jù)上述原始數(shù)據(jù)采集方案，各個(gè)簇中各個(gè)傳感器節(jié)點(diǎn)分別將其所獲得的采 集原始數(shù)據(jù)上傳至其所在簇的簇頭節(jié)點(diǎn)。
[0043]步驟002.各個(gè)簇中的簇頭節(jié)點(diǎn)分別根據(jù)接收的同一時(shí)隙內(nèi)所采集的原始數(shù)據(jù)獲 得對(duì)應(yīng)簇的二維原始數(shù)據(jù)矩陣，并分別對(duì)其所得二維原始數(shù)據(jù)矩陣進(jìn)行離散余弦變換，獲 得二維變換矩陣。從而得到與原始數(shù)據(jù)矩陣相對(duì)應(yīng)的變換矩陣，離散余弦變換將原始數(shù)據(jù) 矩陣的DCT系數(shù)主要集聚在變換的左上角，這種特性提供本方案數(shù)據(jù)壓縮的可能性。
[0044]步驟003.各個(gè)簇中的簇頭節(jié)點(diǎn)分別針對(duì)其所得二維變換矩陣進(jìn)行鋸齒形掃描，將 二維變換矩陣變換為一維向量。各個(gè)簇中的簇頭節(jié)點(diǎn)進(jìn)行鋸齒形掃描，優(yōu)選地，從二維變換 矩陣的左上角開始對(duì)其進(jìn)行"之"字形掃描，直至二維變換矩陣的最末元素，將二維變換矩 陣變換為一維向量。
[0045] 步驟004.針對(duì)各個(gè)簇中的簇頭節(jié)點(diǎn)所得一維向量進(jìn)行自適應(yīng)空間壓縮，獲得壓縮 數(shù)據(jù)向量。其分別針對(duì)各個(gè)簇中的簇頭節(jié)點(diǎn)得到的一維向量，進(jìn)行自適應(yīng)空間壓縮，具體地 包括:根據(jù)簇內(nèi)節(jié)點(diǎn)采集信號(hào)之間相關(guān)性與壓縮率要求，設(shè)置一個(gè)基于經(jīng)驗(yàn)的門限值S，簇 頭節(jié)點(diǎn)從后往前遍歷檢測一維向量中各個(gè)元素，一旦檢測到某個(gè)元素小于門限值I則將該 元素刪除；當(dāng)壓縮率達(dá)到規(guī)定要求后，停止掃描；同時(shí)，記錄該元素對(duì)應(yīng)的序號(hào)i，并將i添加 到刪除元素序號(hào)集合I中。
[0046] 步驟005.各個(gè)簇中的簇頭節(jié)點(diǎn)將所得壓縮數(shù)據(jù)向量向距離匯聚節(jié)點(diǎn)更近的簇頭 節(jié)點(diǎn)傳輸;所述距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)收集到對(duì)應(yīng)壓縮數(shù)據(jù)向量后，針對(duì)所接收壓 縮數(shù)據(jù)向量執(zhí)行步驟004至步驟005以獲得深度壓縮數(shù)據(jù)向量并傳輸，其中在步驟004中設(shè) 置用于替換門限值S的門限值Y，在自適應(yīng)空間壓縮過程中，所述門限值Y大于門限值L利 用一個(gè)較大的門限值 s'對(duì)接收信號(hào)空間相關(guān)性進(jìn)行深度挖掘。
[0047] 步驟006.所述匯聚節(jié)點(diǎn)針對(duì)距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)所傳輸?shù)纳疃葔嚎s數(shù) 據(jù)向量，進(jìn)行數(shù)據(jù)重構(gòu)，即按照步驟001至步驟005的壓縮過程進(jìn)行逆向操作，包括補(bǔ)零、逆 鋸齒形掃描及逆余弦變換操作，以獲得各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。
[0048]具體地，匯聚節(jié)點(diǎn)針對(duì)接收到的深度壓縮數(shù)據(jù)向量獲得各個(gè)簇的壓縮數(shù)據(jù)向量， 根據(jù)刪除元素序號(hào)集合中的元素序號(hào)，對(duì)刪除元素的序號(hào)i對(duì)應(yīng)位置進(jìn)行"補(bǔ)零"，恢復(fù)出重 構(gòu)變換向量;再對(duì)補(bǔ)零操作后得到重構(gòu)變換向量進(jìn)行逆鋸齒型掃描，從而得到重構(gòu)變換矩 陣;在此基礎(chǔ)上對(duì)所得重構(gòu)變換矩陣進(jìn)行逆余弦變換操作，從而實(shí)現(xiàn)實(shí)時(shí)信號(hào)重構(gòu)，獲得傳 感網(wǎng)絡(luò)中各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。
[0049]上述匯聚節(jié)點(diǎn)針對(duì)接收到的各個(gè)簇的壓縮數(shù)據(jù)向量，采用"補(bǔ)零"+逆壓縮的方式 進(jìn)行實(shí)時(shí)解碼，獲得傳感網(wǎng)絡(luò)中各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù);其中包括如下過程，匯聚 節(jié)點(diǎn)接收到來自于各個(gè)簇頭節(jié)點(diǎn)的簇?cái)?shù)據(jù)，接收數(shù)據(jù)Y的構(gòu)成，如下所示：
[0050] Y=(Vi(c),V2(c), . . . ,Va(c))
[0051] 其中，￥(6 = [1^)(1，1)，1^)(1，2)，1^)(2，1)，...]為所述傳感網(wǎng)絡(luò)中，距離匯聚節(jié) 點(diǎn)更近的簇頭節(jié)點(diǎn)作為中繼節(jié)點(diǎn)向匯聚節(jié)點(diǎn)傳輸?shù)目臻g壓縮信號(hào)。除此之外，接收數(shù)據(jù)還 包括刪除元素序號(hào)集合I，匯聚節(jié)點(diǎn)根據(jù)集合I中各壓縮向量中刪除元素的位置，將V (R)中各 壓縮向量V1W進(jìn)行補(bǔ)零操作。再對(duì)各壓縮向量V1W進(jìn)行逆壓縮操作，操作具體步驟聯(lián)合逆鋸 齒形掃描與逆離散余弦變換操作，獲得所述傳感網(wǎng)絡(luò)中各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。 [0052]由此，通過引入基于經(jīng)驗(yàn)門限的自適應(yīng)壓縮方法以實(shí)現(xiàn)提高無線傳感器網(wǎng)絡(luò)適應(yīng) 環(huán)境能力，通過對(duì)感知數(shù)據(jù)空間相關(guān)性進(jìn)行了深度挖掘，將原始數(shù)據(jù)矩陣相應(yīng)的變換矩陣 中較小元素刪除，保證了通過壓縮后的變換矩陣重建原始數(shù)據(jù)矩陣是可行的，并具有高重 構(gòu)精度。
[0053]為了驗(yàn)證本發(fā)明的自適應(yīng)空間壓縮方法可實(shí)現(xiàn)對(duì)感知數(shù)據(jù)空間相關(guān)性的深度挖 掘和高精度重構(gòu)，下列舉一個(gè)驗(yàn)證例進(jìn)行說明。
[0054]該驗(yàn)證例的方法基于的合分層式傳感器網(wǎng)絡(luò)模型，每個(gè)簇都設(shè)為一正方形區(qū)域， 每塊區(qū)域包含5X5個(gè)網(wǎng)格，即1為5。這里，設(shè)計(jì)傳感網(wǎng)絡(luò)中總共劃分獲得1個(gè)簇，各個(gè)簇中分 別有1個(gè)簇頭節(jié)點(diǎn)和多個(gè)傳感器節(jié)點(diǎn)，多個(gè)傳感器節(jié)點(diǎn)不均勻的布置于24個(gè)感知網(wǎng)格中。實(shí) 際應(yīng)用中，所述自適應(yīng)空間壓縮方法具體步驟如下：
[0055] 步驟001.24個(gè)傳感器節(jié)點(diǎn)分別采集原始環(huán)境數(shù)據(jù)并將其所獲得采集原始數(shù)據(jù)上 傳至所在簇的簇頭節(jié)點(diǎn)，得到原始感知矩陣M。
[0056]
[0057] 步驟002 .各個(gè)簇中的簇頭節(jié)點(diǎn)針對(duì)其所在簇中同一時(shí)隙內(nèi)所上傳的采集原始數(shù) 據(jù)獲得二維原始數(shù)據(jù)矩陣并進(jìn)行離散余弦變換。各個(gè)簇中的簇頭節(jié)點(diǎn)分別獲得對(duì)應(yīng)的本簇 原始數(shù)據(jù)矩陣的二維變換矩陣Μ (τ)。
[0058；
[0059] 步驟003.各個(gè)簇中的簇頭節(jié)點(diǎn)分別針對(duì)其獲得二維變換矩陣進(jìn)行鋸齒形掃描。從 變換矩陣的左上角開始對(duì)其進(jìn)行"之"字形掃描，直至矩陣的最末元素，將二維變換矩陣變 換為一維向量V e Rlx25，所述一維向量如下：
[0060] V=[5.404,0.2054,0.0179,0.016,-0.000195,-0.03211928,0.0156,-0.0118,-8.99e-5,
[0061] -0.0154,-0.0198,0.0559,-0.0548,-0.1412,0.036,0.0125,0.0114,0.0104,-0.0071,0.0092,
[0062] 0.0265,-〇.0207,-〇.0369,0.0107]
[0063] 步驟004.針對(duì)各個(gè)簇中的簇頭節(jié)點(diǎn)得到的一維向量VGRlx'進(jìn)行自適應(yīng)空間壓 縮步驟，根據(jù)簇內(nèi)節(jié)點(diǎn)采集信號(hào)之間相關(guān)性與壓縮率要求，設(shè)置一個(gè)基于經(jīng)驗(yàn)的門限值S = 0.0002，簇頭節(jié)點(diǎn)從后往前遍歷檢測變換向量中所有元素 ，一旦檢測到某個(gè)元素小于門限 值S，則將該元素刪除，同時(shí)，記錄該元素對(duì)應(yīng)的序號(hào)i，例如序號(hào)i為5、10，并將這些元素對(duì) 應(yīng)的i添加到刪除元素序號(hào)集合I中；
[0064]步驟005.分別針對(duì)各個(gè)簇中的簇頭節(jié)點(diǎn)進(jìn)行如下操作，簇頭節(jié)點(diǎn)繼續(xù)將壓縮數(shù)據(jù) 向量向距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)傳輸。距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)收集到對(duì)應(yīng)壓縮 數(shù)據(jù)向量后，對(duì)其繼續(xù)進(jìn)行步驟004-步驟005的操作獲得深度壓縮數(shù)據(jù)向量，這里在自適應(yīng) 空間壓縮過程中，需要更換一個(gè)較大的門限值V =0.0093,并將刪除元素的對(duì)應(yīng)序號(hào)i，例 如i為20,21添加進(jìn)集合I中，通過分層壓縮對(duì)接收信號(hào)空間相關(guān)性進(jìn)行深度挖掘。
[0065] 步驟006.所述匯聚節(jié)點(diǎn)針對(duì)接收到距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)所傳輸?shù)纳疃?壓縮數(shù)據(jù)向量，對(duì)具有相關(guān)性的數(shù)據(jù)進(jìn)行冗余數(shù)據(jù)過濾，更新接收到的各個(gè)簇?cái)?shù)據(jù)；
[0066] 匯聚節(jié)點(diǎn)針對(duì)接收到的深度壓縮數(shù)據(jù)向量獲得各個(gè)簇?cái)?shù)據(jù)，根據(jù)刪除元素序號(hào)集 合I中的所有刪除元素的序號(hào)即：5、10、20、21，進(jìn)行"補(bǔ)零"，恢復(fù)出重構(gòu)變換向量7 (1?)，其元 素為：
[0067] v(R)=[5.404,0.2054,0.0179,0.016,0,-0.0321,-0.1928,0.0156,-0.0118,0,
[0068] -0.0154,-0.0198,0.0559,-0.0548,-0.1412,0.036,0.0125,0.0114,0.0104,0， 〇，
[0069] 0.0265,-〇.0207,-〇.0369,0.0107]
[0070] 再對(duì)"補(bǔ)零"操作后得到的向量進(jìn)行逆鋸齒型掃描，從而得到重構(gòu)變換矩陣M(R)，其 構(gòu)成為：
[0071] M
[0072] 在此基礎(chǔ)上對(duì)重構(gòu)變換矩陣M(R)進(jìn)行逆余弦變換操作，從而實(shí)現(xiàn)實(shí)時(shí)信號(hào)重構(gòu)，獲 得傳感網(wǎng)絡(luò)中各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。
[0073] 上述技術(shù)方案設(shè)計(jì)的基于鋸齒形掃描的自適應(yīng)空間壓縮方法，通過引入基于經(jīng)驗(yàn) 門限的自適應(yīng)壓縮方法ASCA以實(shí)現(xiàn)提高無線傳感器網(wǎng)絡(luò)適應(yīng)環(huán)境能力。通過對(duì)感知數(shù)據(jù)空 間相關(guān)性的深度挖掘并設(shè)計(jì)恰當(dāng)基于經(jīng)驗(yàn)的門限值S，將原始數(shù)據(jù)矩陣相應(yīng)的變換矩陣中 較小元素刪除，保證了通過壓縮后的變換矩陣重建原始數(shù)據(jù)矩陣是可行的，并具有高重構(gòu) 精度。且構(gòu)建分層網(wǎng)絡(luò)進(jìn)行多層數(shù)據(jù)壓縮操作的網(wǎng)絡(luò)架構(gòu)，保證相同壓縮率的情況下，與其 它具有相同的壓縮率的空間壓縮方法相比，本方法壓縮數(shù)據(jù)的重建具有更低的重建誤差；
[0074] 以及本發(fā)明建立對(duì)原始感知數(shù)據(jù)進(jìn)行分層式壓縮，使其與RZS空間壓縮方法相比， 本發(fā)明設(shè)計(jì)技術(shù)方案在相同的誤差率條件下，具有更高的壓縮率;不僅如此，通過對(duì)感知數(shù) 據(jù)空間相關(guān)性的深入挖掘，本發(fā)明方法能夠提高感知數(shù)據(jù)壓縮率，減少數(shù)據(jù)傳輸量，進(jìn)一步 延長了網(wǎng)絡(luò)生命周期，減輕了網(wǎng)絡(luò)擁塞。且通過壓縮門限的選取，獲得自適應(yīng)特性。
[0075] 基于上述本發(fā)明設(shè)計(jì)基于鋸齒形掃描的自適應(yīng)空間壓縮方法在實(shí)際過程中的應(yīng) 用，如圖4所示，本發(fā)明設(shè)計(jì)方法相較于縮減型鋸齒形掃描方法RZS，在數(shù)據(jù)重建精度方面的 比較，顯示本發(fā)明設(shè)計(jì)方法在數(shù)據(jù)重建精度的誤差比縮減型鋸齒形掃描方法RZS要高的多， 且壓縮率下降時(shí)，其穩(wěn)定性更好；以及如圖5所示，結(jié)合原始信號(hào)可以得出，本發(fā)明設(shè)計(jì)方法 相較于減型鋸齒形掃描方法RZS，在壓縮率為0.84的條件下，顯示本發(fā)明設(shè)計(jì)方法具有更好 的重構(gòu)精度，充分挖掘了感知數(shù)據(jù)的空間相關(guān)性。不僅如此，結(jié)合圖4和圖5所示結(jié)果可知， 本發(fā)明設(shè)計(jì)方法在保持與其他空間壓縮方法相同壓縮率的情況下，具有更高的重建精度。 [0076]上面結(jié)合附圖對(duì)本發(fā)明的實(shí)施方式作了詳細(xì)說明，但是本發(fā)明并不限于上述實(shí)施 方式，在本領(lǐng)域普通技術(shù)人員所具備的知識(shí)范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下 做出各種變化。
【主權(quán)項(xiàng)】
1. 基于鋸齒形掃描的自適應(yīng)空間壓縮方法，其特征在于，該方法基于的傳感網(wǎng)絡(luò)包括 一個(gè)匯聚節(jié)點(diǎn)和至少一個(gè)由1X1個(gè)方形網(wǎng)格構(gòu)成的簇，其中1為正整數(shù);所述各個(gè)簇均包括 若干個(gè)傳感器節(jié)點(diǎn)和一個(gè)由所在簇中性能最強(qiáng)的傳感器節(jié)點(diǎn)所確定的簇頭節(jié)點(diǎn);所述方法 包括： 步驟001.各個(gè)簇中各網(wǎng)格內(nèi)的每個(gè)傳感器節(jié)點(diǎn)分別采集原始環(huán)境數(shù)據(jù)并將其所采集 的原始數(shù)據(jù)上傳至所在簇的簇頭節(jié)點(diǎn)； 步驟002.各個(gè)簇中的簇頭節(jié)點(diǎn)分別根據(jù)接收的同一時(shí)隙內(nèi)所采集的原始數(shù)據(jù)獲得對(duì) 應(yīng)簇的二維原始數(shù)據(jù)矩陣，再分別對(duì)其所得二維原始數(shù)據(jù)矩陣進(jìn)行離散余弦變換獲得二維 變換矩陣； 步驟003.各個(gè)簇中的簇頭節(jié)點(diǎn)分別針對(duì)其所得二維變換矩陣進(jìn)行鋸齒形掃描，將二維 變換矩陣變換為一維向量； 步驟004.針對(duì)各個(gè)簇中的簇頭節(jié)點(diǎn)所得一維向量進(jìn)行自適應(yīng)空間壓縮，獲得壓縮數(shù)據(jù) 向量;具體步驟包括:所述簇頭節(jié)點(diǎn)從后向前依次遍歷檢測一維向量中元素，當(dāng)檢測到一維 向量中元素小于所設(shè)置的門限值S，則將該元素刪除；同時(shí)，記錄該元素對(duì)應(yīng)的序號(hào)i，并將 序號(hào)i添加到刪除元素序號(hào)集合I中； 步驟005.各個(gè)簇中的簇頭節(jié)點(diǎn)將所得壓縮數(shù)據(jù)向量向距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn) 傳輸;所述距離匯聚節(jié)點(diǎn)更近的簇頭節(jié)點(diǎn)針對(duì)所接收壓縮數(shù)據(jù)向量執(zhí)行所述步驟004至步 驟005獲得深度壓縮數(shù)據(jù)向量并傳輸，其中在步驟004中設(shè)置用于替換門限值δ的門限值δ'， 且所述門限值S'大于門限值δ; 步驟006.所述匯聚節(jié)點(diǎn)針對(duì)簇頭節(jié)點(diǎn)所傳輸?shù)纳疃葔嚎s數(shù)據(jù)向量進(jìn)行數(shù)據(jù)重構(gòu)，包括 補(bǔ)零、逆鋸齒形掃描及逆余弦變換操作，以獲得各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。2. 根據(jù)權(quán)利要求1所述基于鋸齒形掃描的自適應(yīng)空間壓縮方法，其特征在于:所述步驟 001還包括根據(jù)網(wǎng)格內(nèi)傳感器節(jié)點(diǎn)采集原始環(huán)境數(shù)據(jù)上傳情況確定采集原始數(shù)據(jù)，即： 當(dāng)網(wǎng)格內(nèi)只上傳一個(gè)傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則直接將其作為采集原始數(shù) 據(jù)； 當(dāng)網(wǎng)格內(nèi)上傳若干個(gè)傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則將網(wǎng)格內(nèi)全部傳感器節(jié)點(diǎn) 所采集原始環(huán)境數(shù)據(jù)的均值作為采集原始數(shù)據(jù)； 當(dāng)網(wǎng)格內(nèi)不存在上傳的傳感器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)時(shí)，則將相鄰網(wǎng)格內(nèi)全部傳感 器節(jié)點(diǎn)所采集原始環(huán)境數(shù)據(jù)的均值作為采集原始數(shù)據(jù)。3. 根據(jù)權(quán)利要求1所述基于鋸齒形掃描的自適應(yīng)空間壓縮方法，其特征在于:所述步驟 002中將二維原始數(shù)據(jù)矩陣的DCT系數(shù)設(shè)置于二維變換矩陣的左上角。4. 根據(jù)權(quán)利要求1所述基于鋸齒形掃描的自適應(yīng)空間壓縮方法，其特征在于:所述步驟 003中鋸齒形掃描采用"之"字形掃描。5. 根據(jù)權(quán)利要求1所述基于鋸齒形掃描的自適應(yīng)空間壓縮方法，其特征在于:所述步驟 006對(duì)簇頭節(jié)點(diǎn)所傳輸?shù)纳疃葔嚎s數(shù)據(jù)向量進(jìn)行數(shù)據(jù)重構(gòu)，具體為： 所述匯聚節(jié)點(diǎn)針對(duì)接收到的各個(gè)簇的深度壓縮數(shù)據(jù)向量，根據(jù)刪除元素序號(hào)集合中的 各個(gè)元素序號(hào)i，對(duì)元素序號(hào)i對(duì)應(yīng)位置進(jìn)行補(bǔ)零，恢復(fù)出重構(gòu)變換向量； 對(duì)所得重構(gòu)變換向量進(jìn)行逆鋸齒型掃描，獲得重構(gòu)變換矩陣； 對(duì)所得重構(gòu)變換矩陣進(jìn)行逆余弦變換操作，獲得各個(gè)傳感器節(jié)點(diǎn)的原始環(huán)境數(shù)據(jù)。
【文檔編號(hào)】H04W28/02GK105916174SQ201610216750
【公開日】2016年8月31日
【申請(qǐng)日】2016年4月8日
【發(fā)明人】劉金成, 陳思光, 吳蒙, 魯蔚鋒, 王堃, 周嘉聲
【申請(qǐng)人】南京郵電大學(xué)