无线传感器网络数据压缩算法综述

摘 要：无线传感器网络不同于常规网络，网内节点受能量和信道等硬件条件的限制，且网络采集和传输的数据存在大量冗余，将额外消耗大量节点能量，此时需要适用于节点的数据压缩算法除去冗余数据，节约能量，提高网络的生存周期。文章依据冗余数据的类型，分别介绍了对应的数据压缩算法，并详细描述了各自的压缩工作原理。

关键词：无线传感器；数据压缩；冗余

无线传感器网络[1]（wireless sensor networks，WSNs）是由大量廉价的具有通信、计算和存储的微小传感器节点随机铺洒在监控区域内，网内节点可以相互协作，实时地感知和采集监测数据，并将处理后的数据传送到需要的用户。但节点受制于能量、储存和带宽等硬件条件的限制，如何设计适用于节点的数据压缩技术以提高节点的能量使用效率，延长整个网络的生存周期就成为了当下无线传感器网络研究的重点。

一般在监测区域内网络节点采集的数据具有时间相关性、空间相关性和时空相关性三个方面的特点[2]。针对上述采集数据特点，研究人员已研究出多种经典的数据压缩算法来解决这些数据冗余。具体的压缩算法如下。

1 基于时间相关性的数据压缩算法

此类压缩算法主要是去除时间方面的冗余数据。主要算法有：基于线性回归原理的分段常数逼近算法（PMC-MR）和其改进算法（PMC-MENAN）算法，其基本原理是根据实际应用场景给定数据最大误差限值，原始数据使用一分段常数的表达式来拟合，并记录获得的这次原始数据的最小、最大值，两者进行差值计算，其值超过给定的最大误差容限后输出该段序列的持续时间和其最值平均；基于预测编码思想的算法主要是利用已获得的原始数据根据数学模型来预测未来数据，将预测值与真实值进行比较所得值即误差如在允许的范围内，就用预测值代替所采集的真实数据。此时就实现了对原始数据的压缩目的。常用的算法有自回归预测算法、移动平均预测算法、指数平滑预测算法等；LZW编码算法原理是将采集的数据按照各自特征建立初始词典，编码器在所建的词典中依据其数据在词典中的位置输出索引值进行查找，并将查找结果对应用作编码值。随着压缩过程词典的不断扩充，最终得到所有数据用位置索引来代表数据串。而在压缩过程中不会保存相应的字典，在解压缩过程会根据数据的特征重新建立初始词典，然后根据编码查找到字典中相对应的数据值；Huffman编码算法是一种依据字符出现概率来构造异字头的平均长度最短的码字的基于统计规律的数据压缩算法，常使用算法思想有静态Huffman和动态Huffman[3]。

2 基于空间相关性的数据压缩算法

这类压缩算法主要是去除空间方面的冗余数据，代表算法有分布式信源编码[4]。其原理为两个独立关系的离散的无记忆信源C和D，D为C的参考信息。根据香农信息理论可知，D已知（即K闭合），C的无损压缩极限为H（C|D），其中H（C|D）为C的条件熵，与之相对应在解压缩端C，此时压缩极限仍然为C的条件熵H（C|D）。此时解压缩端只需知道C和D的联合概率分布就可以在参考消息D不清楚的情况下就可以进行压缩，并且可以取得和已知参考消息D一样的编码效果。

3 基于时空相关性的数据压缩算法

此类压缩算法主要是去除数据在时间和空间方面的冗余。其代表算法有两级DPCM差分脉码调制，原理为在处理时间冗余阶段采用基于历史数据的预测，而在处理空间冗余是则采用基于相邻节点的预测；小波算法[5]是近几年来压缩算法研究的热点，其理论基础是继承和发展短时傅立叶变换局部化的思想并独特的提出“时间-频率”窗口概念，通过对信号的时间、空间频率进行局部化分析，使用伸缩平移运算过程来对信号（函数）逐步的进行多尺度的细化以取得高频处时间细分、低频处频率细分。小波算法可以自动适应时频信号并聚集到所采集信号的任意细节，进而达到压缩数据的目的；压缩感知算法[6]原理是对一类具有稀疏或可压缩特性的信号进行信号压缩重构的技术。主要是利用观测矩阵把可以压缩或稀疏的高维信号用一定的技术投影到一个低维空间得到压缩数据，然后根据信号的稀疏性先验条件，借助重构算法高概率恢复原始信号的过程。压缩感知过程主要包括信号的稀疏表示、编码测量以及压缩信号的精确重构三个方面。

4 结束语

文章主要研究了无线传感器网络的时间冗余、空间冗余和时空冗余这三种冗余数据类型，然后根据数据冗余类型不同，分别介绍了对应的且适用于无线传感器节点的数据压缩算法，并详细描述了各自的压缩工作原理。

参考文献

[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]刘河，陈宇.无线传感器网络数据压缩算法研究[J].智能计算机与应用，2013，3（5）：28-30.

[3]吕利娟，李静.霍夫曼算法在降低WSN系统功耗中的应用研究[J].电脑知识与技术，2007，2（9）：735-735.

[4]胡易俗.无线传感器网络中的数据压缩技术研究[D].西安电子科技大学，2012.

[5]党小超，高琪，郝占军.基于小波变换的分布式WSN数据融合模型研究[J].计算机工程与应用，2014，50（22）：97-101.

[6]柯家龙，李继楼.压缩感知中的投影矩阵优化算法[J].计算机技术与发展，2015，25（3）：95-98.