[发明专利]用于无线传感器网络的小波渐进数据压缩方法

说明书

技术领域

本发明涉及数据压缩方法，具体是一种用于无线传感器网络的小波渐进数据压缩方法。

背景技术

无线传感器网络(WSN，wireless sensor networks)是当前在国际上备受关注的、涉及多学科高度交叉、知识高度集成的前沿热点研究领域。它综合了传感器技术、嵌入式计算技术、现代网络及无线通信技术、分布式信息处理技术等，能够通过各类集成化的微型传感器协作地实时感知监测对象，并采集相应数据。这些数据多跳的网络方式传送到基站(称之为Sink节点)，交给用户做进一步处理。传感器网络出于节省能量的需要，有一部分节点处于休眠状态，不参与接收和发送数据，称之为休眠节点；其余节点处于工作状态，可以正常收发数据，称之为工作节点。

大规模无线传感器网络中的数据收集主要采用基于分簇(cluster)的网络模型(图1)。在基于分簇的数据传送模型中，簇内各工作节点将收集到的数据传送到簇头(cluster head)，如图1的节点S₁、S₂和S₃。簇头节点进行数据压缩等处理后向上一级簇头(如图1的节点S₄)传送数据，直至Sink节点。传感器网络中众多的工作节点产生了大量的传感数据，而簇头只有有限的存储容量，从而形成了传感数据总量与簇头存储容量不匹配的问题。

小波(Wavelet)理论是近几十年兴起的一个科学分支。小波变换(WT)起源于傅利叶变换，其思想来源于伸缩平移方法，其本质是通过对一个小波函数进行伸缩和平移来表示一个能量有限的信号。小波函数是具有波动性、衰减性和时间平均为零特性的实值函数。但由于待处理的数据常常囿于一个有限的区域，因此用小波处理会产生“边界效应”，造成还原的数据在边界处产生失真。

数据压缩的基本原理来源于20世纪40年代末Shannon提出的信息理论。在此理论框架下，人们开发出了各种各样的数据压缩方法。数据压缩的主要编码技术包括霍夫曼编码、算术编码、游程编码和基于字典的编码等熵编码，以及预测编码、量化编码、变换编码等。小波数据压缩是以小波变换为工具对数据进行压缩。其基本思想是先对数据进行小波变换，将原始数据转换到小波域，然后对小波系数进行量化和编码，实现数据压缩。现有的小波压缩技术主要涉及如何选取参与小波变换的基函数以及如何对小波系数进行量化和编码。

发明内容

基于现有技术，本发明目的旨在提供一种用于无线传感器网络的小波渐进数据压缩方法，能够解决无线传感器网络中簇头存储容量与传感数据总量不匹配的问题，以及小波变换带来了边界效应问题。

为了实现上述发明目的，本发明采用的技术方案是，一种用于无线传感器网络的小波渐进数据压缩方法，簇头在接收传感数据的同时进行小波变换，产生小波系数；当小波系数达到一个数据单元后，簇头对其编码压缩并传送编码压缩结果；簇头继续产生的小波系数生成下一个数据单元，如此循环，形成渐进的数据压缩传送。

本发明的具体步骤如下：

第一步，初始化。簇内各工作节点对自身存储的时间序列数据做K级时间维上的小波变换，并对小波系数进行编码，初始化滤波器缓存矩阵Matrix_f₁，Matrix_f₂，...，Matrix_f_K，以及边界延拓缓存矩阵Matrix_e和小波系数缓存矩阵Matrix_w；

第二步，建立数据传送协议模型。将簇内工作节点结成环，并对环上节点编号成S₀-S_N-1，从节点S₀开始到S_L-1依次向簇头传送编码后的数据；

第三步，簇头对收到的数据进行解码，并按行存入Matrix_f₁，将S₀至S_L-3传送的数据按行存入Matrix_e，并将其看作是新增假想的节点S_N到S_N+L-3存储的数据；

第四步，对Matrix_f_k进行第k级列变换(1≤k≤K)，生成的一行高频小波系数和一行低频小波系数，将高频小波系数存入Matrix_w，矩阵Matrix_f_k中的元素依次上移2行。若k＜K，则将低频小波系数存入Matrix_f_k+1，否则将低频小波存入Matrix_w；