[发明专利]一种基于传感器网络的分层式自适应空时压缩方法有效

专利信息
申请号: 201611174476.2 申请日: 2016-12-19
公开(公告)号: CN106604211B 公开(公告)日: 2019-07-12
发明(设计)人: 陈思光;周嘉声;刘金成;王堃;鲁蔚锋 申请(专利权)人: 南京邮电大学
主分类号: H04W4/38 分类号: H04W4/38;H04W28/06
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 田凌涛
地址: 210000 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种基于传感器网络的分层式自适应空时压缩方法,针对传感网络构建包括底部感知层、中继层和汇聚层三层结构;在相同压缩率条件下,对比其他压缩方法,本方法具有更低的重建误差,并且该方法应用中,联合离散余弦变换和自适应时域压缩算法挖掘感知数据时域相关性,以及联合离散小波变换和自适应空域压缩挖掘时域压缩数据的空间相关性,使得本发明设计方法在相同阈值下能获得更多的低于阈值的系数,因此能获得更大的压缩率。
搜索关键词: 一种 基于 传感器 网络 分层 自适应 压缩 方法
【主权项】:
1.一种基于传感器网络的分层式自适应空时压缩方法,其特征在于:其中传感网络包括底部感知层、中继层和汇聚层三层结构,底部感知层中包括K个簇,各个簇分别包含1个簇头节点和I个传感器节点;中继层中包含至少一个中继节点,将底部感知层中的K个簇划分为至少一个簇组,簇组的数量与中继节点的个数相等,各个中继节点分别与指定簇组一一对应;汇聚层包含一个汇聚节点,所述分层式自适应空时压缩方法中,底部感知层中的所有传感器节点分别按时间节点采集原始感知数据,并且分层式自适应空时压缩方法包括如下步骤:步骤001.底部感知层中各个传感器节点分别针对预设时隙周期t内所实时采集原始数据中的各个数值进行排序,获得排序结果数据,并构建原始数据与排序结果数据之间的映射关系然后进入步骤002;其中,k∈{1,…,K},i∈{1,…,I},ik表示第k个簇中的第i个传感器节点;步骤002.设定压缩率λ,底部感知层中各个传感器节点分别针对对应预设时隙周期t内的排序结果数据依次进行离散余弦变换,以及根据压缩率λ进行自适应时域压缩,获得时域压缩数据并结合簇中节点被丢弃系数位置的集合以及原始数据与排序结果数据之间的映射关系构建节点压缩数据包并上传至所在簇的簇头节点中,然后进入步骤003;步骤003.底部感知层中各个簇头节点分别获得所在簇中各个传感器节点上传的节点压缩数据包并针对对应各个节点压缩数据包中的时域压缩数据构建矩阵Mk∈RI×(λ·t),即底部感知层中各个簇头节点分别构建矩阵Mk,然后进入步骤004;步骤004.底部感知层中各个簇头节点分别针对矩阵Mk进行处理,获得稀疏变换矩阵并针对稀疏变换矩阵进行降维,令其从二维矩阵降至一维向量然后进入步骤005;步骤005.底部感知层中各个簇头节点分别针对进行自适应空域压缩,获得时空域压缩数据并结合簇头被丢弃系数位置的集合簇中节点被丢弃系数位置的集合以及原始数据与排序结果数据之间的映射关系构建簇压缩数据包pk,并上传至中继层中对应的中继节点中,然后进入步骤006;步骤006.中继层中各个中继节点分别针对预设时隙周期L内所获得对应各个簇中簇头节点上传簇压缩数据包pk中的时空域压缩数据删除其中小于预设阈值的系数,针对时空域压缩数据实现进一步空域压缩,获得最终时空域压缩数据并结合中继被丢弃系数位置的集合簇头被丢弃系数位置的集合簇中节点被丢弃系数位置的集合以及原始数据与排序结果数据之间的映射关系构建中继压缩数据包qg,并上传至汇聚层中的汇聚节点中,然后进入步骤007,其中,L大于t,g∈{1,…,G},G表示中继层中中继节点的个数;步骤007.汇聚节点接收各个中继节点所上传的中继压缩数据包qg,并按照步骤001至步骤006执行逆操作,还原获得底部感知层中各个传感器节点所采集的原始数据。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201611174476.2/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top