无线传感器网络中基于提升小波变换的数据压缩算法研究

无线传感器网络中基于提升小波变换的数据压缩算法研究

ID:5344461

大小:194.11 KB

页数:3页

时间:2017-12-08

无线传感器网络中基于提升小波变换的数据压缩算法研究_第1页
无线传感器网络中基于提升小波变换的数据压缩算法研究_第2页
无线传感器网络中基于提升小波变换的数据压缩算法研究_第3页
资源描述:

《无线传感器网络中基于提升小波变换的数据压缩算法研究》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、M田军事町物流无线传感器网络中基于提升小波变换的数据压缩算法研究文/李先利张家为方卫红摘要:针对WSN资源有限和数据传输冗余.结合需采集信息的数据特点以及小波变换在流数据压缩方面的良好性能,提出了基于提升小波变换(LiftingWaveletTransform,LWT)的数据压缩算法并进行了合理设计。仿真结果表明:与基于普通小波变换的数据压缩算法相比,基于提升小波变换的数据压缩算法在重构信号质量和能耗上都获得了良好的效果。关键词:无线传感器网络:提升小波变换:压缩算法与传统无线网络相比,无线传感器传统的基于Ma11at的塔式分解小波变换分解

2、(spilt),预测(predict),更新(update),网络(WirelessSensorNetw()rk,WSN)算法计算量大、对存储空间的要求高的分解是将输入信号根据奇偶性分为2个在采集和传输油料信息的过程中基于节问题,从算法方面提高了小波变换的实序列,预测是利用P滤波器作用于偶数。能的考虑,传感节点在空闲时经常是关现效率。序列得到奇数序列的预测值,得到的预闭的,只有当接到任务指令或监测对象小波提升算法的特点:它继承了第测误差即为高频系数,更新是使用预测出现时节点才开始工作并产生传感数一代小波的多分辨率的特性;不依赖傅误差线性组合

3、更新偶数序列,得到低频据。其数据具有如下特点:阵发性、数据立叶变换:不占用系统内存;反变换很系数。“提升”算法的基本思想是将现有到达持续性、数据量的大小有不可预知容易从正变换得到。由于提升模型实现的小波滤波器分解成基本的构造模块,性、其数据量随任务的变化而变化等,由了真正意义上的无损可逆小波变换,因分步骤完成小波变换。此可知,WSN中的数据具有流数据的特此,在数据压缩传输领域得到广泛应用,!.基于提升小波变换fI¨的数据点,可以用流数据的处理方法来管理并成为JPEG2000标准的核心部分。提压缩算法WSN中的数据。由于小波变换对流数据升模型

4、避免了普通小波变换借助快速傅在WSN中,树型结构是最常见的拓具有良好的压缩性能,而传感数据具有立叶变换完成卷积操作的步骤,整个过扑结构。网络中的所有节点形成一棵以流数据的特点,因此,可以在数据汇聚的程仅含有对整数的移位运算和加减运基站为根节点的数据收集树。在每个采基础上,利用提升小波变换对传感数据算,节省了硬件开销,便于在WSN这类样周期,传感节点首先采集数据,然后将进行压缩,进一步提高节点的节能性。针微处理器中实现。提升变换的框架如图其发送到自己的父节点。某个节点收到对WSN资源有限和数据传输冗余,本文1所示。其子节点发来的数据后,将其转

5、发到自利用小波分析工具对WSN在油料信息小波提升算法的基本思想是将现有己的父节点。网络中所有节点的数据通采集和传输应用中的数据处理问题进行的小波滤波器分解成基本的构造模块,过这种多跳路由的方式最终汇聚到根节了研究和探讨。一般分以下3个步骤完成小波变换。即:点。本文提出的基于提升小波变换的数1提升变换理论传统的第一代小波变换是在欧式空间内通过基底的平移和伸缩构造小波基,不适合非欧式空间的应用。因此,小波提升方案应运而生,它是构造第二代重构变换小波变换的理想方法。1996年Sweldens提出了小波的提升算法,有效地解决了图1提升算法的小波变换

6、108Chinastorage&transportmagazine。。0军事据压缩算法就是基于这种树型网络拓扑系数子集S...的某些整体性质(如均值、可得到二级小波分解系数rln,·d.,s结构的。消失矩)和s.不一致,故引入更新算子⋯s21再把低频系数So⋯sAn~ljf-2.1算法原理u,对S,更新,保持信号S的一些整体一层节点组成新的序列,进行新一轮的WSN中传感节点的资源十分有限,性,此时有更新的Si-i=S+u(do小波分解直到第i层小波分解,其过程主要体现在电池能量、处理能力、存储容23分散计算量如图2所示。图中圆圈代表无线传感

7、器量以及通信带宽等几个方面。在采集和WSN的通信模式一般是多个无线节点,箭头代表无线通信的方向,i代表传输信息的过程中,采用各个节点单独传感器节点向一个Sink节点发送数据,小波分解的层数。传送数据到Sink节点的方法是不合适无线传感器节点转发收到的数据,形成的,一方面浪费通信带宽和能量,另一方一个树型分簇网络结构。本文提出的提S/nk0面造成了频繁的冲突碰撞,降低了通信升小波分解利用WSN的树型分簇结构,效率。使小波变换的计算量分散在各个节点之针对WSN节点资源有限和数据传间,树型分簇结构中的每一层完成一级输冗余,本文提出了基于提升小波变

8、换小波分解,所有节点共同参与完成小波的数据压缩算法。这种算法通过提升格分解计算。图2空间小波系数结构树式,消除提升小波变换所需的额外的数在WSN中,由于节点密集部署,相据传输和计

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。