时间：2022-12-22 00:30:01 | 来源：信息时代
时间：2022-12-22 00:30:01 来源：信息时代
感知数据收集 : 无线传感器网络中传感器节点按照预先设置的频率,采集感知数据,并进行简单处理后通过无线传感器网络发送给汇聚节点进行汇总、分析的过程。
对于能量受限的无线传感器网络来说,要收集所有的传感器节点的感知数据是不现实的。通常,传感器节点将1比特信息传输给100米以外的节点所需消耗的能量大约相当于执行3000条计算指令消耗的能量。
感知数据收集过程涉及一定的路由协议以及数据传输算法。减少在感知数据收集过程中能量的开销需要通过改善路由协议的方法来实现。通过传感器网络中所要采集的感知数据的性质设计优化的数据上传方式来达到最大限度的减小感知数据收集过程中的能量开销。如利用采集到的数据间所具有的感知数据关联性使某些感知数据不传向汇聚节点,而汇聚节点则根据这些关联性来准确计算或者对感知数据进行估算。这种估算的方法虽然有可能牺牲一些准确度,但是能够大量地减小感知数据收集过程中的能量开销。
代表性的能量有效的感知数据收集方法包括:
(1) 网内数据聚集方法: 其核心思想是利用感知数据空间关联性和感知数据时间关联性来压缩数据,避免无用数据的传送,达到降低节点能耗的目的。利用感知数据空间关联性可以避免更多的节点发送数据。利用感知数据时间关联性可以避免节点发送新数据。两种方法都能够节约节点的能量,达到延长节点和整个网络生命周期的目的。相关的技术包括: Babcock提出的用于分布式环境中连续流监测的冰山算法,Silberstein提出的HAT算法,Chu提出的Ken等方法。另外,还有一些基于过滤器的方法,即在节点端设置过滤器,通过一定的过滤规则来屏蔽无用数据的发送。这种方法也可以归结为基于感知数据时-空关联的节点数据压缩方法,其典型算法为Wu等人提出的FILA算法。
网内数据聚集方法对数据查询操作有一定的要求。该方法仅适用于对检测目标进行统计计算,而对另外一类需要同时保留中间观测数据的应用,该方法就不能使用。典型的应用如:生物栖息地监测,希望从长期的历史记录数据中总结归纳出生物的生活习性。
(2) 数据压缩方法: 其核心思想是在传感器节点和汇聚节点处分别采用压缩和解压缩处理技术。节点发送数据前,对发送数据进行压缩,基站节点收到数据后先进行解压处理。这样虽然加重了CPU处理的负担,造成一些存储空间和运行时间方面的代价,但是只要设计合理,与直接传输原始数据所消耗的巨大能量相比,这些代价还是十分值得的。按照压缩/解压缩所依据准则的不同,可以分为: ①基于感知数据相关性的压缩算法。利用了无线传感器网络中各节点上的感知数据相关性进行数据压缩。选择一个节点发送完整的数据到汇聚节点,其他节点只发送压缩后的数据。汇聚节点收到数据后,通过压缩数据和未压缩数据之间的相关性进行解压缩,恢复原始数据。实现该方法的关键问题在于需要一个低复杂度、支持多压缩率的压缩算法和一种简单、高效的感知数据相关性跟踪算法。②最优分布式数据压缩算法。采用传感器网络的分层策略,将其分为汇聚节点、聚集/压缩节点和传感器节点三个层次,并选取合理的能量度量函数,将这个最优层次组织问题转化为一个John-Mehl tessellation问题。压缩过程考虑到节点聚合代价的大小来调整压缩数据,使得整个压缩算法代价最小,达到节能的目的。③基于管道数据压缩算法。该算法是基于管道思想的网内数据压缩方法,即: 将传感器数据缓存在网络中,根据指定的延迟值等待合适时间后再传输。通过管道压缩方法将数据分组,降低数据的冗余度,减少节点间的通信量,以便降低通信能耗。另外,不同组数据还可以进行再压缩,或者与其他高效路由算法结合,可以进一步减小数据冗余度。
另外,还存在多种能量有效的基于压缩的数据收集策略,如时间域上的数据压缩、空间域上的数据压缩、基于概率模型的数据压缩、综合时间和空间特征并基于约束链技术的数据压缩技术等。
在线咨询
