主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张建明,林亚平,周四望,欧阳竞成.传感器网络中误差有界的小波数据压缩算法.软件学报,2010,21(6):1364-1377
传感器网络中误差有界的小波数据压缩算法
Haar Wavelet Data Compression Algorithm with Error Bound for Wireless Sensor Networks
  修订日期:2008-10-27
DOI:
中文关键词:  传感器网络  无穷范数误差限  小波压缩  回归
英文关键词:wireless sensor network  infinite norm error bound  wavelet compression  regression
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60973031, 60973127 (国家自然科学基金); the Scientific Research Fund of Hu’nan Provincial Construction Department of China under Grant No.200609 (湖南省建设厅科技计划)
作者单位
张建明 湖南大学 计算机与通信学院,湖南 长沙 410082 湖南城市学院 计算机科学系,湖南 益阳 413000 
林亚平 湖南大学 计算机与通信学院,湖南 长沙 410082 湖南大学 软件学院,湖南 长沙 410082 
周四望 湖南大学 软件学院,湖南 长沙 410082 
欧阳竞成 湖南大学 计算机与通信学院,湖南 长沙 410082 
摘要点击次数: 3396
全文下载次数: 4130
中文摘要:
      无线传感器网络通常能量、带宽有限,难以适应大量数据传输的需求,需要对原始采样数据进行网内近似或聚合.通过设计误差树和解回归方程组,提出了一种无穷范数误差有界的数据压缩方案.该方法可以同时探索传感器数据中的时间相关和多属性间相关.通过一维Haar小波变换来消除单个数据流中的时间相关.若单个传感器节点可以采集多种物理量,即产生多个数据流,则根据相关系数矩阵选择其中的若干个数据流作为基信号,其他数据流借助一个基用线性回归参数来表示.实验结果表明,该算法能够有效地利用传感数据中存在的时间相关和多属性间相关,显著减少了冗余数据.
英文摘要:
      Wireless sensor networks usually have limited energy and transmission capacity, and they can’t match the transmission of a great deal of data. So, it is necessary to approximate or aggregate raw data sampled by sensors in networks. By designing an error tree and solving the regression equations set, this paper proposes a data compression scheme with infinite norm error bound for wireless sensor networks. The algorithms in the scheme can simultaneously explore the temporal and multiple-streams correlations among the sensory data. The temporal correlation in one stream is captured by the 1D Haar wavelet transform. For multivariate monitoring sensor networks, some streams from one sensor are selected as the bases according to the correlation coefficient matrix, and the other streams from the same sensor node can be expressed with one of these bases using linear regression. Theoretically and experimentally, it is concluded that the proposed algorithms can effectively exploit the temporal and multiple-streams correlations on the same sensor node and achieve significant data reduction.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利