基于线性拟合的WSN数据有损压缩算法的能效预测方法技术

本发明专利技术提出了一种基于线性拟合的WSN数据有损压缩算法的能效预测方法，首先根据传感节点的硬件参数计算硬件系数k；然后采用多项式拟合预测法确定具体算法的压缩率RC与数据压缩的误差容限ε的关系，并按给定的误差容限ε的值，得到Rc的预测值；再根据算法代码结构预测软件系数s与RC的关系，确定算法的软件系数s；最后将k值和s、Rc的预测值带入能效计算式ηE＝(Rc‑s/k)×100％，得到具体算法的能效的预测值。该预测方法只与硬件系数、压缩算法无误差下的压缩率和误差容限有关，能在线预测给定误差容限下的算法能效和修正压缩率预测公式，其计算简单、耗能低，为WSN中传感节点在线选择高能效压缩算法提供了依据。

【技术实现步骤摘要】

本专利技术技术涉及一种数据压缩算法的能效在线预测方法，该方法适用于无线传感网中基于线性拟合的有损数据压缩算法，主要用于根据压缩精度要求对压缩算法进行在线选择，以更高效地节省电能。
技术介绍
随着片上系统(SoC)、微型电子机械系统(MEMS)、嵌入式系统低功耗技术和传感器技术等的快速发展，作为综合智能信息处理平台的无线传感网(WirelessSensorNetworks，WSN)受到广泛的关注，具有广阔的应用前景，是计算机信息领域研究中最为活跃的热点之一，也是改变未来生活的重大技术之一。WSN以传感节点作为基本单元，受使用成本的限制，这些节点体积小，其处理、存储和计算资源均有限，它们能够感知、测量和收集周围环境的相关信息，并根据本地指令进行处理，最后通过无线通信的方式发送给用户。由于节点体积非常小，节点的计算速度、存储空间和能量供给也非常有限，并且通常情况下采用电池供电，由于节点感知区域的特殊性和节点的数量大，更换电池难以做到或是不现实的。因此，如何最大化的利用节点有限的能量资源成为WSN研究的热点问题。传感节点的能量主要消耗在数据的感知、处理和传输上。其中，数据的无线传输环节所消耗的能量最多，因而节点的大部分能量被用在了数据的无线传输上。有研究表明：通过无线设备发送1bit数据所需的能量至少是一次加法指令执行过程所需能量的480倍。因此，通过采用适当的压缩算法，可以减少节点传输数据时所需的能量消耗，从而延长节点的寿命。传统的压缩算法仅以压缩率为目标，不需要考虑节能问题。有的压缩方法能实现的压缩率高，但其算法复杂度也高。由于算法的执行都要消耗能量且算法复杂度越高其耗能也越多，如果压缩算法自身运行所需消耗的能量大于通过压缩数据所节省的通信能量，那么使用数据压缩就达不到节能目的。因此，对WSN应用的压缩算法的要求不同于对传统应用算法的要求，节能效果或能量效率(简称能效)是评价数据压缩算法是否适用和优劣的主要因素，而且这种能效与传感节点的通信功率有关。对于WSN的数据压缩算法，要求其通过压缩数据所节省的能量必须大于实现压缩所消耗的能量，也即压缩算法必须具有正的能量效率或正能效。数据压缩方法分为无损压缩和有损压缩两类。无损压缩不会使被压缩的数据失真，也即经过无损压缩的数据可以完全恢复，但无损压缩算法的压缩率相对较低，只适用于那些要求压缩数据不失真的应用场合。有损数据压缩，顾名思义，在压缩数据时必然会使数据受损，使得由数据压缩后恢复出来的数据相对原始数据存在一定程度的误差，所重构出的数据有的只是原始数据的近似而非原始数据本身。但是，有损压缩算法的压缩率高。如果允许由压缩数据恢复得到的数据的误差越大，则可压缩掉的数据就越多，算法的压缩率就越高，算法的能效也就会相应提高。因此，基于有损数据压缩方法的节能效率还与允许有损压缩存在的误差大小有关，而无损压缩则不存在此问题。实现数据有损压缩的方法多种多样，其中基于时间序列线性拟合的压缩方法是一类常见的简单而适用于WSN的有损压缩算法，国内外对此有许多研究并获得了相应成果。在这类基于时间序列线性拟合的压缩算法中，典型算法有：基于一元线性回归模型的空时数据压缩算法、基于回归的分段线性拟合算法和基于置信间隔的回归模型调整算法组合算法、在DP算法上改进了压缩精度和算法复杂度的最优曲线数据压缩算法、利用分段常数逼近采样数据进行线性拟合的PMC-MR算法和PMC-MEAN、自顶向下分段线性逼近算法，等等。这些基本思路相同或相似的压缩算法，在具体实现方式上不尽相同，其性能也有差异、各有侧重。但是，这类压缩算法具有这样的共同特征，即：当对应一个原始数据的线性拟合表达式计算值与该原始数据的差值不超过允许误差时，该原始数据可以被线性拟合计算值替代，也即这个数据可以被压缩掉。因此，采用这类有损压缩算法，部分原始数据被压缩，部分原始数据被保留。保留的数据越少，则压缩率越高。显然，压缩算法的误差或精度和压缩率都与具体算法的压缩机制有关，而压缩率还与容许的压缩误差有关。一般，压缩率相对高的算法，其复杂度也相对高，但高压缩率并不代表高能效。在WSN中，压缩一比特数据所节能的能量与节点的硬件工作参数相关。如果用于无线通信的功率相对大，则压缩一比特数据所节省的能量也就相对大，在其他条件相同的情况下，算法的能效就会高；反之，若无线通信的功率小，在其他条件相同的情况下，压缩算法的能效就会低。另一方面，WSN节点的无线通信功率是由通信距离、环境条件以及通信质量要求决定的。所以，面向WSN的压缩算法的能效并不是由压缩率单一决定的，还涉及算法的复杂度和应用压缩算法的节点具体工作状态下的实际硬件参数。对于有损压缩算法，则影响算法能效的因素还包括实际应用所允许的压缩误差的大小。对于WSN而言，正是由于上述多方面的原因或因素，使得如何从多种适用的压缩算法中恰当选择一种既能满足当前对数据压缩误差的限定要求，又能起到最佳节能效果的有损压缩算法是非常值得研究的，并具有实用价值。目前判定某个数据压缩算法是否具有正能效的方法是在节点上执行该算法并测试其各部分的能耗，然后再根据能耗值判定。这种方法既费时又费力，不宜推广。鉴于基于时间序列线性拟合的这类数据有损压缩算法具有适用于WSN的特点，因此，研究一种能够预测WSN中有损压缩算法能效的方法，并根据该预测结果合理选用这些算法，对提高WSN节点的能量节省有着十分重要的意义。
技术实现思路
本专利技术所解决的技术问题是，针对现有技术的不足，提供一种基于线性拟合的WSN数据有损压缩算法的能效预测方法，可以在线并准确判断出所使用的压缩算法是否具有正能效或者在线选择更高能效的压缩算法，从而使得节点能节省更多的能量。本专利技术的技术方案为：一种基于线性拟合的WSN数据有损压缩算法的能效预测方法，包含以下步骤：步骤1：选定传感节点和基于线性拟合的无线传感网数据有损压缩算法；步骤2：根据传感节点的实际硬件参数，按公式(1)计算其硬件系数k；k=URFIRFUmcuImcu×fmcuRbaud---(1)]]>其中，Umcu和Imcu分别为传感节点的MCU的工作电压和活动模式下的平均电流，URF和IRF分别为传感节点的无线通信模块的工作电压和活动模式下的平均电流，fmcu为MCU的工作频率，Rbaud为无线通信的波特率；步骤3：根据归一化的传感器样本数据，对误差容限ε与压缩率RC的关系进行多项式拟合，拟合多项式如公式(2)所示；计算拟合多项式中的系数α1,α2,…,αn，得到RC的预测表达式；RC＝RC0+α1ε+α2ε2+α3ε3+…+αnεn(2)其中，n为拟合多项式的阶次，RC0为误差容限为零(即无压缩误差)时的压缩率；步骤4：根据当前给定或输入的(根据实际应用的精度要求确定)数据有损压缩的误差容限(即允许误差)ε，按拟合多项式计算压缩率RC的预测值；步骤5：按公式(3)计算所选压缩算法的软件系数s；s＝aRC+b(3)其中，系数a和b满足公式(4)：a=1m(Ncycle3-Ncycle4),b=1m(Ncycle2+Ncycle4)---(4)]]>式中，Ncycle2为对每个数据都需执行的算法步骤进行单位数据压缩所需的时钟周期数，Ncycle3是只有对被压缩掉的数据才执行的算法本文档来自技高网...

【技术保护点】
一种基于线性拟合的WSN数据有损压缩算法的能效预测方法，其特征在于，包含以下步骤：步骤1：选定传感节点和基于线性拟合的无线传感网数据有损压缩算法；步骤2：根据传感节点的实际硬件参数，按公式(1)计算其硬件系数k；k=URFIRFUmcuImcu×fmcuRbaud--(1)]]>其中，Umcu和Imcu分别为传感节点的MCU的工作电压和活动模式下的平均电流，URF和IRF分别为传感节点的无线通信模块的工作电压和活动模式下的平均电流，fmcu为MCU的工作频率，Rbaud为无线通信的波特率；步骤3：根据归一化的传感器样本数据，对误差容限ε与压缩率RC的关系进行多项式拟合，拟合多项式如公式(2)所示；计算拟合多项式中的系数α1,α2,…,αn，得到RC的预测表达式； RC＝RC0+α1ε+α2ε2+α3ε3+…+αnεn             (2)其中，n为拟合多项式的阶次，RC0为误差容限为零时的压缩率；步骤4：根据当前给定或输入的(根据实际应用的精度要求确定)数据有损压缩的误差容限(即允许误差)ε，按拟合多项式计算压缩率RC的预测值；步骤5：按公式(3)计算所选压缩算法的软件系数s； s＝aRC+b                          (3)其中，系数a和b满足公式(4)：a=1m(Ncycle3-Ncycle4),b=1m(Ncycle2+Ncycle4)---(4)]]>式中，Ncycle2为对每个数据都需执行的算法步骤进行单位数据压缩所需的时钟周期数，Ncycle3是只有对被压缩掉的数据才执行的算法步骤进行单位数据压缩所需的时钟周期数，Ncycle4是只有对不被压缩掉而保留下来的数据才执行的算法步骤进行单位数据压缩所需的时钟周期数；m表示由数据类型决定的每个数据需要占用存储器的比特位数；步骤6：将上述步骤中计算出的传感节点的硬件系数k、压缩率RC的预测值和所选压缩算法的软件系数s，带入算法的能效计算公式(5)，得到算法的能效预测值ηE：ηE=(RC-sk)×100%---(5).]]>...

【技术特征摘要】
1.一种基于线性拟合的WSN数据有损压缩算法的能效预测方法，其特征在于，包含以下步骤：步骤1：选定传感节点和基于线性拟合的无线传感网数据有损压缩算法；步骤2：根据传感节点的实际硬件参数，按公式(1)计算其硬件系数k；k=URFIRFUmcuImcu×fmcuRbaud--(1)]]>其中，Umcu和Imcu分别为传感节点的MCU的工作电压和活动模式下的平均电流，URF和IRF分别为传感节点的无线通信模块的工作电压和活动模式下的平均电流，fmcu为MCU的工作频率，Rbaud为无线通信的波特率；步骤3：根据归一化的传感器样本数据，对误差容限ε与压缩率RC的关系进行多项式拟合，拟合多项式如公式(2)所示；计算拟合多项式中的系数α1,α2,…,αn，得到RC的预测表达式；RC＝RC0+α1ε+α2ε2+α3ε3+…+αnεn(2)其中，n为拟合多项式的阶次，RC0为误差容限为零时的压缩率；步骤4：根据当前给定或输入的(根据实际应用的精度要求确定)数据有损压缩的误差容限(即允许误差)ε，按拟合多项式计算压缩率RC的预测值；步骤5：按公式(3)计算所选压缩算法的软件系数s；s＝aRC+b(3)其中，系数a和b满足公式(4)：a=1m(Ncycle3-Ncycle4),b=1m(Ncycle2+Ncycle4)---(4)]]>式中，Ncycle2为对每个数据都需执行的算法步骤进行单位数据压缩所需的时钟周期数，Ncycle3是只有对被压缩掉的数据才执行的算法步骤进行单位数据压缩所需的时钟周期数，Ncycle4是只有对不被压缩掉而保留下来的数据才执行的算法步骤进行单位数据压缩所需的时钟周期数；m表示由数据类型决定的每个数据需要占用存储器的比特位数；步骤6：将上述步骤中计算出的传感节点的硬件系数k、压缩率RC的预测值和所选压缩算法的软件系数s，带入算法的能效计算公式(5)，得到算法的能效预测值ηE：ηE=(RC-sk)×100%---(5).]]>2.根据权利要求1所述基于线性拟合的WSN数据有损压缩算法的能效预测方法，其特征在于，所述步骤3包括以下步骤：1)根据经验确定拟合多项式的阶次n的初值，n为正整数；2)设定拟合多项式如以下公式所示：RC＝RC0+α1ε+α2ε2+α3ε3+…+αnεn；3)根据n和输入的或给定的误差容限的最大值εmax，按公式ε1＝εmax/n确定作为自变量的误差容限即横坐标的缩尺ε1；4)根据公式εi＝iε1确定误差容限的等分点εi(i＝1,2…,n)；对同分布特征、归一化的传感器样本数据，按对应等分点的误差容限值分别进行压缩，得到等分点εi(i＝1,2…,n)对应的压缩率RCi(i＝1,2…,n)的实际值和误差容限为零时的压缩率RC0的实际值；5)根据等分点及其对应的压缩率的实际值(ε1,RC1)、(ε2,RC2)，…，(εn,RCn)，采用规范化多项式拟合计算公式(7)计算规范化多项式的系数b1,b2,…,bn；b1b2...bn=11...1222...2n............nn...

【专利技术属性】
技术研发人员：刘少强，刘延芳，樊晓平，徐文，闫晓燕，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43