[发明专利]一种用于无线传感器网络降低能耗的压缩判决方法

说明书

技术领域

“一种用于无线传感器网络降低能耗的压缩判决方法”直接应用的技术领域是无线传感器网络中压缩算法能耗的优化设计。将本发明所述的方法与无线传感器网络中普遍使用的数据压缩技术相结合，可以对整个传感器节点的能量进行优化控制。在满足应用需求的前提下，传感器节点能够节省更多的能量消耗，延长其生存时间。

背景技术

无线传感器网络(Wireless Sensor Networks，WSNs)凭借其高集成度、低成本以及自组织等特性，被广泛应用于生态监测、军事监控、医疗保健以及智能家居等领域中。其典型的运作模式是在指定的监测区域内，由广泛部署的传感器节点(Sensor Node)，将采集的监测数据以多跳传递的方式，路由到汇聚节点(Sink Node)，进而送达上层管理终端作后续处理。由此，数据收集成为无线传感器网络最基本的功能。

作为网络构成的基本单位，传感器节点可分为四个主要模块：传感模块、射频通信模块、处理器模块以及能源供应模块。其中，传感模块从物理环境中采集数据，并将其转换为电信号；射频通信模块将数据以无线方式发送给邻近节点；处理器模块负责整个运作过程的控制与调度。通常情况下，传感器节点以电池充当其能源供应模块，为其余各个模块供电。高密度、大范围的节点部署，增加了给节点更换电池、补充电量的难度。因此，能量的高效使用成为设计者面对的首要设计目标，这也是无线传感器网络区别于其他无线网络的最根本的特性。

近年来的研究指出，射频通信模块的能量消耗约占节点总能耗的90％以上(见文献D.Estrin；Tutorial“Wireless sensor networks”PartIV：Sensor networks protocols；MobiCom，2002)；同时，通信能耗与计算能耗的关系被认为是发送1比特数据相当于执行200条指令(见文献M.Srivastava；Tutorial“Wireless sensor networks”Part II：SensorNode Platforms&Energy Issues；MobiCom，2002)。因此，设计者提出以计算能耗换取通信能耗的方式来节省节点的总能耗，即在满足应用需求的前提下，对数据进行适当地网内处理，减少数据传输量，从而有效地节省网络能耗，延长网络生存周期。鉴于节点采集的数据普遍存在着时间和空间上的信息冗余，无线传感器网络的能量优化策略分别引入了数据压缩(Data Compression)技术和数据聚合(Data Aggregation)技术。采用这两种网内数据处理技术，可以有效地去除原始数据在时域和空域中的相关性，进而减少所需的数据传输量，大幅度降低节点在数据通信上的能量损耗。

然而，“以计算代价换取通信代价”的做法并不能确保在任何情况下都能达到能量节省的效果：

第一，网内数据处理引入的额外计算能耗往往超出设计的预期。传感器节点不仅能量有限，其计算能力亦相当有限。因此，在节点上实现数据处理需要较多的指令来完成，这就导致了计算时间的延长。以MicaZ节点(由加州大学伯克利分校开发的一款传感器试验节点)为例，执行一次32位整数除法操作就需要花费大约600个时钟周期(约75微秒)，而除法运算在数据处理算法中又是相当常见的。因此，相比于数据发送(250kbps，即发送1比特数据需4微秒)，网内数据处理需要消耗更长的执行时间，从而产生较大的计算能耗。

第二，传感器节点的射频功率可以根据不同的应用背景以及网络拓扑结构进行可配置操作。目前开发的大多数节点都具备发射功率可配置的功能，即针对不同的通信距离，调整射频模块的发射功率。这一特性使节点不再需要时刻保持最大的发射功率。事实上，网络的非均匀部署，使节点间的距离跨度从几米到几十米，合理设置发射功率，既可以节省能量，又能避免信息互扰。因此，很多实际应用充分利用了节点的这一特性：当其进行短距离通信时，降低节点的发射功率。然而，随着发射功率的不断降低，射频模块的功耗会慢慢接近节点的计算功耗(即处理器功耗)。

第三，网内数据处理所能获得的节能效果依赖于原始数据的特性以及应用对数据精度的要求。以数据压缩算法为例，如果数据本身的冗余度较小，即原始数据并不是强相关的，压缩算法的执行就很难大幅度减少数据量；如果应用对数据精度的要求较高，比如要求数据无损，则压缩算法同样不能获得令人满意的压缩比。这就导致压缩算法只能获得很少的通信能耗的节省。