一种传感器网络中针对小波数据压缩的预处理方法技术

本发明专利技术是关于一种传感器网络中针对小波数据压缩的预处理方法，包括簇成员节点行为和簇头节点行为；该簇成员节点行为主要包括：簇成员节点将K个感知数据的样本均值与样本标准差作为自己所处环境的近似数据特征；利用样本均值变化的程度来衡量环境的变化程度；将相应地样本均值告知簇头节点；而该簇头节点行为主要包括：利用簇成员节点的样本均值信息，簇头节点建立并维护一个簇成员节点的顺序索引；簇头节点获得所有簇成员节点的数据后根据顺序索引生成一个数据向量；在该数据上进行离散小波变换，并将所获得的近似系数与部分细节系数发送到基站；利用小波逆变换，基站由所得系数和相应的簇成员节点顺序索引完成对簇内各个节点感知数据的重构。

【技术实现步骤摘要】

本专利技术涉及计算机网络
里的无线传感器网络领域中的数据处理领域，特别是涉及一种传感器网络中针对小波数据压缩的预处理方法。
技术介绍
为了获得对环境的充分监测，通常传感器网络节点分布比较密集，网内产生大量冗余度较大的原始感知数据。大量冗余数据的传输会大大降低传感器网络的监测性能。因此，必须对原始数据进行网内数据处理，降低数据之间的冗余性，减少网内的数据传输量，以延长传感器网络工作时间。相对于傅里叶分析，小波是一种新的时频分析工具，可同时表征信号的时域和频域行为，且具有多分辨分析特性。利用小波对信号进行不同尺度的处理时，信号的统计特性仍能得到保持。目前，离散小波变换(Discrete Wavelet Transform，简称DWT)在数字图像处理、编码理论、传感器网络等领域中都得到了广泛的应用。原始数据编码后往往数据量仍较大，DWT能将离散的原始数据信息变换为一系列的小波系数(近似系数与细节系数)，这些系数可以通过合适的编码被高效地压缩。如果去除部分细节系数，DWT仍能利用余下的系数重构出满足误差限的近似数据。簇是传感器网络进行网内数据处理的常用架构。通常，簇内成员节点将各自的数据传输给簇头节点，簇头节点利用DWT对簇内数据(可视为一个离散信号)进行小波处理，并将近似系数与部分细节系数传输给基站Sink。基站Sink利用所获得的系数进行信号重构，获得相应的近似数据。由小波的特性可知，处理的离散信号越平滑，其小波变换后的能量分布越集中，越有利于系数的压缩。因此，簇头节点所要处理的簇内数据越平滑，其小波压缩效果将越好。所以，急需一种简单有效的数据预处理方法，以获得较平滑的待处理数据，优化传感器网络中小波数据压缩的性能。
技术实现思路
本专利技术的目的在于提出一种传感器网络中针对小波数据压缩的预处理方法，进一步改善基于小波的网内数据压缩效率和重构精度，且该方法可与传感器网络中任何基于簇的小波数据处理的算法结合使用，能有效提高原有算法的性能。本专利技术的目的是采用以下技术方案来实现的。本专利技术提供一种传感器网络中针对小波数据压缩的预处理方法，包括簇成员节点行为和簇头节点行为；该簇成员节点行为主要包括：簇成员节点将K个感知数据的样本均值与样本标准差作为自己所处环境的近似数据特征；利用样本均值变化的程度来衡量环境的变化程度；将相应地样本均值告知簇头节点；而该簇头节点行为主要包括：利用簇成员节点的样本均值信息，簇头节点建立并维护一个簇成员节点的顺序索引；簇头节点获得所有簇成员节点的数据后根据顺序索引生成一个数据向量；在该数据上进行离散小波变换，并将所获得的近似系数与部分细节系数发送到基站Sink；利用小波逆变换，基站Sink由所得系数和相应的簇成员节点顺序索引完成对簇内各个节点感知数据的重构。本专利技术的目的还可采用以下技术措施进一步实现。前述的传感器网络中针对小波数据压缩的预处理方法，其中该簇成员节点行为包括以下步骤：步骤11：簇成员节点vi获得第一个采样数据si(1)，并将其发送至簇头节点；步骤12：初始时，设置为簇成员节点的第一个采样数据，设置为初始标准差σinitial，即步骤13：N_S为采样时刻，初始值为1，N_S＝N_S+1；步骤14：簇成员节点vi采集第N_S时刻的数据si(N_S)，并将其发送至簇头节点；步骤15：如果N_S为K的倍数，则按照公式(1)计算新的样本均值按照公式(2)计算样本均值变化程度MV；如果MV不小于1，则利用更新按照公式(3)更新样本标准差并将值通知簇头节点；μ~inew=1KΣj=N_S-K+1N_Ssi(j)---(1)]]>MV=|μ~inew-μ~i|σ~i---(2)]]>σ~i=(1KΣj=N_S-K+1N_S(si(j)-μ~i)2)1/2---(3)]]>步骤16：跳转至步骤13。前述的传感器网络中针对小波数据压缩的预处理方法，其中每个簇成员节点可使用不同的K值，同时也可根据实际监测情况变化K值。前述的传感器网络中针对小波数据压缩的预处理方法，其中当环境数据变化频繁时，适当减小K值；而当环境数据变化缓慢时，适当增加K值。前述的传感器网络中针对小波数据压缩的预处理方法，其中该簇头节点行为包括以下步骤：步骤21：在时刻1，簇头节点CHi收集其簇成员节点Mem＝{CMj|j＝1,2,…,m本文档来自技高网...

【技术保护点】
一种传感器网络中针对小波数据压缩的预处理方法，其特征在于其包括簇成员节点行为和簇头节点行为；该簇成员节点行为主要包括：簇成员节点将K个感知数据的样本均值与样本标准差作为自己所处环境的近似数据特征；利用样本均值变化的程度来衡量环境的变化程度；将相应地样本均值告知簇头节点；而该簇头节点行为主要包括：利用簇成员节点的样本均值信息，簇头节点建立并维护一个簇成员节点的顺序索引；簇头节点获得所有簇成员节点的数据后根据顺序索引生成一个数据向量；在该数据上进行离散小波变换，并将所获得的近似系数与部分细节系数发送到基站；利用小波逆变换，基站由所得系数和相应的簇成员节点顺序索引完成对簇内各个节点感知数据的重构。

【技术特征摘要】
1.一种传感器网络中针对小波数据压缩的预处理方法，其特征在于其
包括簇成员节点行为和簇头节点行为；
该簇成员节点行为主要包括：簇成员节点将K个感知数据的样本均值
与样本标准差作为自己所处环境的近似数据特征；利用样本均值变化的程
度来衡量环境的变化程度；将相应地样本均值告知簇头节点；
而该簇头节点行为主要包括：利用簇成员节点的样本均值信息，簇头
节点建立并维护一个簇成员节点的顺序索引；簇头节点获得所有簇成员节
点的数据后根据顺序索引生成一个数据向量；在该数据上进行离散小波变
换，并将所获得的近似系数与部分细节系数发送到基站；利用小波逆变换，
基站由所得系数和相应的簇成员节点顺序索引完成对簇内各个节点感知数
据的重构。
2.根据权利要求1所述的传感器网络中针对小波数据压缩的预处理方
法，其特征在于其中该簇成员节点行为包括以下步骤：
步骤11：簇成员节点vi获得第一个采样数据si(1)，并将其发送至簇头
节点；
步骤12：初始时，设置为簇成员节点的第一个采样数据，设置为
初始标准差σinitial，即步骤13：N_S为采样时刻，初始值为1，N_S＝N_S+1；
步骤14：簇成员节点vi采集第N_S时刻的数据si(N_S)，并将其发送
...

【专利技术属性】
技术研发人员：聂雅琳，秦玉洁，
申请(专利权)人：洛阳理工学院，
类型：发明
国别省市：河南;41