屈志偉

摘 要：無線傳感器網絡不同于常規(guī)網絡，網內節(jié)點受能量和信道等硬件條件的限制，且網絡采集和傳輸的數據存在大量冗余，將額外消耗大量節(jié)點能量，此時需要適用于節(jié)點的數據壓縮算法除去冗余數據，節(jié)約能量，提高網絡的生存周期。文章依據冗余數據的類型，分別介紹了對應的數據壓縮算法，并詳細描述了各自的壓縮工作原理。

關鍵詞：無線傳感器；數據壓縮；冗余

無線傳感器網絡[1]（wireless sensor networks，WSNs）是由大量廉價的具有通信、計算和存儲的微小傳感器節(jié)點隨機鋪灑在監(jiān)控區(qū)域內，網內節(jié)點可以相互協作，實時地感知和采集監(jiān)測數據，并將處理后的數據傳送到需要的用戶。但節(jié)點受制于能量、儲存和帶寬等硬件條件的限制，如何設計適用于節(jié)點的數據壓縮技術以提高節(jié)點的能量使用效率，延長整個網絡的生存周期就成為了當下無線傳感器網絡研究的重點。

一般在監(jiān)測區(qū)域內網絡節(jié)點采集的數據具有時間相關性、空間相關性和時空相關性三個方面的特點[2]。針對上述采集數據特點，研究人員已研究出多種經典的數據壓縮算法來解決這些數據冗余。具體的壓縮算法如下。

1 基于時間相關性的數據壓縮算法

此類壓縮算法主要是去除時間方面的冗余數據。主要算法有：基于線性回歸原理的分段常數逼近算法（PMC-MR）和其改進算法（PMC-MENAN）算法，其基本原理是根據實際應用場景給定數據最大誤差限值，原始數據使用一分段常數的表達式來擬合，并記錄獲得的這次原始數據的最小、最大值，兩者進行差值計算，其值超過給定的最大誤差容限后輸出該段序列的持續(xù)時間和其最值平均；基于預測編碼思想的算法主要是利用已獲得的原始數據根據數學模型來預測未來數據，將預測值與真實值進行比較所得值即誤差如在允許的范圍內，就用預測值代替所采集的真實數據。此時就實現了對原始數據的壓縮目的。常用的算法有自回歸預測算法、移動平均預測算法、指數平滑預測算法等；LZW編碼算法原理是將采集的數據按照各自特征建立初始詞典，編碼器在所建的詞典中依據其數據在詞典中的位置輸出索引值進行查找，并將查找結果對應用作編碼值。隨著壓縮過程詞典的不斷擴充，最終得到所有數據用位置索引來代表數據串。而在壓縮過程中不會保存相應的字典，在解壓縮過程會根據數據的特征重新建立初始詞典，然后根據編碼查找到字典中相對應的數據值；Huffman編碼算法是一種依據字符出現概率來構造異字頭的平均長度最短的碼字的基于統計規(guī)律的數據壓縮算法，常使用算法思想有靜態(tài)Huffman和動態(tài)Huffman[3]。

2 基于空間相關性的數據壓縮算法

這類壓縮算法主要是去除空間方面的冗余數據，代表算法有分布式信源編碼[4]。其原理為兩個獨立關系的離散的無記憶信源C和D，D為C的參考信息。根據香農信息理論可知，D已知（即K閉合），C的無損壓縮極限為H（C|D），其中H（C|D）為C的條件熵，與之相對應在解壓縮端C，此時壓縮極限仍然為C的條件熵H（C|D）。此時解壓縮端只需知道C和D的聯合概率分布就可以在參考消息D不清楚的情況下就可以進行壓縮，并且可以取得和已知參考消息D一樣的編碼效果。

3 基于時空相關性的數據壓縮算法

此類壓縮算法主要是去除數據在時間和空間方面的冗余。其代表算法有兩級DPCM差分脈碼調制，原理為在處理時間冗余階段采用基于歷史數據的預測，而在處理空間冗余是則采用基于相鄰節(jié)點的預測；小波算法[5]是近幾年來壓縮算法研究的熱點，其理論基礎是繼承和發(fā)展短時傅立葉變換局部化的思想并獨特的提出“時間-頻率”窗口概念，通過對信號的時間、空間頻率進行局部化分析，使用伸縮平移運算過程來對信號（函數）逐步的進行多尺度的細化以取得高頻處時間細分、低頻處頻率細分。小波算法可以自動適應時頻信號并聚集到所采集信號的任意細節(jié)，進而達到壓縮數據的目的；壓縮感知算法[6]原理是對一類具有稀疏或可壓縮特性的信號進行信號壓縮重構的技術。主要是利用觀測矩陣把可以壓縮或稀疏的高維信號用一定的技術投影到一個低維空間得到壓縮數據，然后根據信號的稀疏性先驗條件，借助重構算法高概率恢復原始信號的過程。壓縮感知過程主要包括信號的稀疏表示、編碼測量以及壓縮信號的精確重構三個方面。

4 結束語

文章主要研究了無線傳感器網絡的時間冗余、空間冗余和時空冗余這三種冗余數據類型，然后根據數據冗余類型不同，分別介紹了對應的且適用于無線傳感器節(jié)點的數據壓縮算法，并詳細描述了各自的壓縮工作原理。

參考文獻

[1]Liang Yuzhu， Zhang Aili， Li Yongzhen. An energy effective routing protocolconstructs cluster topology for WSNs[C] //Proceedings of the 2013 Third International Conferenceon Instrumentation，Measurement，Computer，Communication and Control（IMCCC），Shenyang：IEEE，2013：1097-1100.

[2]劉河，陳宇.無線傳感器網絡數據壓縮算法研究[J].智能計算機與應用，2013，3（5）：28-30.

[3]呂利娟，李靜.霍夫曼算法在降低WSN系統功耗中的應用研究[J].電腦知識與技術，2007，2（9）：735-735.

[4]胡易俗.無線傳感器網絡中的數據壓縮技術研究[D].西安電子科技大學，2012.

[5]黨小超，高琪，郝占軍.基于小波變換的分布式WSN數據融合模型研究[J].計算機工程與應用，2014，50（22）：97-101.

[6]柯家龍，李繼樓.壓縮感知中的投影矩陣優(yōu)化算法[J].計算機技術與發(fā)展，2015，25（3）：95-98.