基于数据压缩的无线传感器网络节能技术研究

《基于数据压缩的无线传感器网络节能技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江工业大学硕士学位论文基于数据压缩的无线传感器网络节能技术研究作者姓名：项鹏远指导教师：龙胜春副教授浙江工业大学信息工程学院2012年5月DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMaster一1Energy—savingTechnolog!BasedonDataKesearcIi0nlechnologyase0nata__CompressionAlgorithmforWirelessSensorNetworksCandidate：XiangPengyuanAdvisor：LongShengchu

2、nCollegeofInformationEngineeringZhejiangUniversityofTechnologyMay2012㈣3⋯2帅7㈣2m4川川Ⅲ●I⋯2眦Y浙江工业大学学位论文原创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。作者签名：殒鸸进日期：矽何年j’月涉日学位论文版权使用授权书本学

3、位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密口，在——年解密后适用本授权书。2、不保密叫。(请在以上相应方框内打“、／”)作者签名：瑚翮纺趋刷雉轹枷慨日期：沙p年日期：冽缉，月才日lR浙江工业大学硕士学位论文基于数据压缩的无线传感器网络节能技术研究摘要能量有限是制约无线传感器网络(WirelessSensorNetworks，WSN)发展的关键因素，

4、因此节能技术研究成为WSN研究的重点。在WSN中通信消耗了网络的绝大部分能量，因此采用数据压缩能有效降低网络流量从而达到节能效果。本文主要目的是针对WSN的特点，提出了简单、高效的数据压缩算法实现WSN的节能。本文主要工作是通过仔细分析多种数据压缩技术并结合WSN数据和节点的特点，提出了两种压缩效果良好、算法时空复杂度低的数据压缩算法。主要工作如下：(1)提出一种基于改进二进制行程编码的无损压缩算法：算法充分利用WSN数据存在较高相关性的特点，设计了一种预处理方式，预处理过程包括差分运算和二进制重排列，该过程不对数据进行压缩，但提高了数据的可压缩性；然后，根据二进制的特点对行程编码进行优化

5、，并使用Huffman编码表示行程长度；最后，给出整个解码流程。实验表明，该算法能取得较好的压缩率和节能效果，且算法复杂度低。(21提出基于面积阈值法的有损压缩算法：所有按时间采集的WSN数据序列均可表示为二维坐标中的点，由此可以将数据压缩问题转换为矢量曲线压缩问题。基于此矢量曲线，提出一种新的基于面积计算和阈值判断的压缩算法，该算法能保证数据压缩产生的误差有界，同时给出了数据恢复方法和误差评判标准。实验表明，基于面积阈值法的有损压缩算法的时空复杂度低、压缩率高并且压缩的失真度比较小，能够达到很好的节能效果。关键词：无线传感器网络，数据压缩，节能，行程编码，面积阈值法浙江工业大学硕士学位论

6、文RESEARCHONENERGYr-SAVINGTECHNOLoGYBASEDONDATACOMPRESSIONALGORITHMFORWIRELESSSENSoRNETWORKSABSTRACTWirelessSensorNetworks(WSN)haveverylimitedenergysupply,thatefficientutilizationofenergyhasbeenacoreareaofresearchinWSN．BecauseofthecommunicationoperationsconsumemostoftheenergyinWSN，andthecommunicati

7、onmodule’Spowerisfarmorethanthemicroprocessormodule’Spower,henceit'safeasiblesolutiontoreducetheenergybyusingdatacompressionmethods．Thepurposeofthisarticleistofindlowalgorithmiccomplexityandefficientdatacompressi