田洪周，應(yīng)蓓華

(1.太原科技大學(xué)電子信息工程學(xué)院，山西 太原 030024;2.浙江大學(xué)寧波理工學(xué)院，浙江 寧波 315100)

0 引言

無線傳感器網(wǎng)絡(luò)起源于20 世紀七十年代，最早應(yīng)用于軍事領(lǐng)域，隨著微電子等相關(guān)技術(shù)的快速發(fā)展，使其的發(fā)展越來越智能化、信息化、網(wǎng)絡(luò)化。無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)采用的是無線自組織接入技術(shù)，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、靈活、可靠性高，能夠廣泛應(yīng)用于如環(huán)境監(jiān)測、基礎(chǔ)設(shè)施監(jiān)控、工業(yè)傳感、交通控制、軍事等領(lǐng)域［1-4］，具有很高的實用價值與研究意義。

傳感器節(jié)點作為WSN 的基本組成單元，被大規(guī)模部署在WSN 的應(yīng)用區(qū)域，通過自身的傳感器對數(shù)據(jù)信息等進行采集，由處理器對數(shù)據(jù)進行處理，并通過無線傳感器將處理后的數(shù)據(jù)發(fā)送至匯聚節(jié)點，以達到對被測區(qū)域或?qū)ο筮M行信息管理的目的［5-7］。由于WSN 的特點，每個傳感器節(jié)點通常由自身的電池供電，且電池一般無法更換和充電［8-9］。因此能否有效地降低節(jié)點的能量消耗將直接影響整個網(wǎng)絡(luò)的生命周期。大量實驗表明在WSN 中，通信能耗是傳感器節(jié)點能量消耗的主要因素，所以有效地壓縮數(shù)據(jù)能減少節(jié)點的能量消耗和延長整個網(wǎng)絡(luò)的生命周期。

目前，國內(nèi)外已經(jīng)對WSN 數(shù)據(jù)采集和壓縮算法進行了廣泛的研究。文獻［10］提出了一種利用一元線性回歸模型和最小二乘法，在單個節(jié)點實現(xiàn)時域壓縮。文獻［11］中D-BEDCA 模型通過歷史數(shù)據(jù)建立霍夫曼碼本并傳輸給網(wǎng)內(nèi)所有節(jié)點，節(jié)點通過霍夫曼碼本將數(shù)據(jù)傳遞至匯聚節(jié)點，實現(xiàn)了有界誤差內(nèi)的數(shù)據(jù)壓縮。文獻［12］提出CoXoH(Combined XOR and Huffman)利用數(shù)字編碼方式，首先對采集的數(shù)據(jù)進行異或操作，并在此基礎(chǔ)上進行霍夫曼編碼，有效地實現(xiàn)數(shù)據(jù)壓縮。文獻［13］結(jié)合環(huán)境數(shù)據(jù)分段線性的周期規(guī)律，提出分段線性回歸擬合算和基于置信間隔的回歸模型調(diào)整算法對數(shù)據(jù)進行匹配。文獻［14］為實現(xiàn)能量均衡采用分布圖像壓縮的方式，提出了能量閾值，并引入重疊轉(zhuǎn)換技術(shù)，用于實現(xiàn)節(jié)點之間交換和任務(wù)分配。閾值可以根據(jù)傳感器節(jié)點的剩余能量及輸入圖像輸出壓縮圖像和網(wǎng)絡(luò)參數(shù)，不僅延長了網(wǎng)絡(luò)的生命周期并且減少了圖像的塊噪聲。文獻［15］通過等級擴算(GD)連同LZW 數(shù)據(jù)壓縮技術(shù)實現(xiàn)節(jié)點的能量節(jié)省與均衡，等級擴散用于在路由中尋找能量較多的節(jié)點，LZW 用來進行數(shù)據(jù)壓縮減少能耗。

針對傳感器節(jié)點采集的數(shù)據(jù)具有流數(shù)據(jù)的特性，且小波變換在流數(shù)據(jù)壓縮方面具有良好的性能，基于二代小波的數(shù)據(jù)壓縮算法被廣泛應(yīng)用于WSN 的數(shù)據(jù)壓縮中，但在其選擇小波時側(cè)重小波變換的復(fù)雜度，而忽略了小波變換的節(jié)能效果。因此，本文以TAO中大氣溫度、海面壓強、相對濕度3 種變化速度不同的數(shù)據(jù)為樣本［16］，對常見的二代小波變換進行驗證以及性能分析，實現(xiàn)在滿足設(shè)定的誤差容限下，選取最優(yōu)的小波變換的功能。

1 二代小波壓縮算法

1.1 二代小波變換

圖1 二代小波變換過程

第二代小波變換是Sweldens 提出的一種新的小波構(gòu)造方法［17］，與一代小波最大的不同是，整個過程無需采用傅里葉變換構(gòu)造的小波基函數(shù)，僅有對整數(shù)的移位和加減運算，減輕硬件負擔，便于應(yīng)用于WSN中。如圖1 所示提升格式作為第二代小波變換的基礎(chǔ)分為分裂、預(yù)測和更新3 個步驟［18］。

1.2 二代小波變換壓縮算法

本文的數(shù)據(jù)壓縮算法基于二代小波變換，首先將原始數(shù)據(jù)經(jīng)過小波變換分為高頻分量和低頻分量，分別為圖1 中的dj+1(n) 和sj+1(n) 。其次對高頻部分進行閾值處理，之后再對其進行游程編碼以達到數(shù)據(jù)壓縮的效果。將壓縮后的數(shù)據(jù)通過無線傳感器發(fā)送到匯聚節(jié)點，由匯聚節(jié)點進行數(shù)據(jù)重構(gòu)，如圖1 的重構(gòu)過程，易知該過程為分解過程的逆操作。

從上述數(shù)據(jù)壓縮算法中可以看出，重構(gòu)后的數(shù)據(jù)均在設(shè)定的誤差容限內(nèi)，閾值處理部分的閾值設(shè)定的越大或經(jīng)小波變換后高頻分量的越小，經(jīng)過閾值處理與游程編碼后，壓縮效果越好，各節(jié)點之間的傳輸?shù)臄?shù)據(jù)量減少的越多，整個網(wǎng)絡(luò)的能量損耗也就越少;反之，不僅沒有減少足夠的數(shù)據(jù)反而增加了數(shù)據(jù)壓縮的能耗，達不到節(jié)省能耗的目的。因此，在保證重構(gòu)后的數(shù)據(jù)均在允許的誤差容限下，原始數(shù)據(jù)經(jīng)小波變換后的高頻分量經(jīng)閾值處理時所設(shè)定閾值應(yīng)盡可能大。

2 系統(tǒng)設(shè)計

本文的基于第二代小波的數(shù)據(jù)壓縮算法的主要思想是在滿足允許的誤差容限下，通過對傳感器節(jié)點采集的數(shù)據(jù)進行壓縮，減少節(jié)點在傳輸數(shù)據(jù)過程中的能量損耗，從而有效地延長整個WSN 的生命周期，其中的數(shù)據(jù)壓縮算法是基于第二代小波變換實現(xiàn)的。本文所定義的參數(shù)如表1 所示。

表1 本文定義的參數(shù)及含義表

2.1 系統(tǒng)結(jié)構(gòu)

WSN 的自組織和多跳的特點，使得其網(wǎng)絡(luò)拓撲結(jié)構(gòu)一般分為鏈狀、樹狀、星狀、網(wǎng)狀等。不同的網(wǎng)絡(luò)結(jié)構(gòu)可由若干條鏈狀結(jié)構(gòu)組合而成，本文研究的WSN 的拓撲結(jié)構(gòu)為鏈狀結(jié)構(gòu)，如圖2 所示，包括匯聚節(jié)點共11 個無線傳感器節(jié)點，即最遠端節(jié)點數(shù)據(jù)傳遞到匯聚節(jié)點需傳遞10 次。首先，每個節(jié)點將自身的傳感器模塊采集的數(shù)據(jù)，由處理器模塊通過壓縮算法進行壓縮，然后由通信模塊無線發(fā)送給下一節(jié)點;其次，除最遠端的節(jié)點1，每個節(jié)點不僅壓縮、發(fā)送自身的數(shù)據(jù)還要轉(zhuǎn)發(fā)前一節(jié)點的數(shù)據(jù)，直到數(shù)據(jù)發(fā)送到匯聚節(jié)點。

圖2 系統(tǒng)拓撲結(jié)構(gòu)圖

2.2 能耗模型

本文采用MicaZ 節(jié)點作為算法評估的實驗平臺，該節(jié)點的處理器為ATMega128L，射頻通信模塊為CC2420，各模塊的工作電流如表2 所示。

表2 MicZ 節(jié)點的各模塊工作電流

以50 個16 bit 數(shù)據(jù)為一組，通過WinAVR 得出不同小波算法運行時間Tc，計算對應(yīng)的壓縮能耗:

該平臺的射頻通信模塊CC2420 的最大傳輸速度為250 kbit/s，由壓縮比ratio、跳數(shù)n 及工作電流、電壓計算數(shù)據(jù)的傳輸時間Trf、發(fā)送能耗Et、接收能耗Er及總能耗E:

3 二代小波分類

本文的數(shù)據(jù)壓縮算法基于二代小波變化，二代小波種類繁多，包括5/3、2/6、SPB、9/7-M、2/10、5/11-C、5/11-A、6/14、SPC、13/7-T、13/7-C。鑒于二代小波要在傳感器節(jié)點上實現(xiàn)，結(jié)合傳感器節(jié)點處理器的特點，在驗證壓縮算法時摒棄了以往二代小波壓縮算法中的變換整數(shù)時采用四舍五入的方式，而是采用向0靠攏取整，根據(jù)二代小波變換形式及復(fù)雜度可將其分為3 類。

3.1 第1 類小波

第1 類小波包含5/3、9/7-M、13/7-T、13/7-C，此類小波變換過程中執(zhí)行一次預(yù)測，一次更新，即計算一次預(yù)測誤差，作為高頻分量，然后對低頻分量更新。由于13/7-T 與13/7-C 類似，只在更新低頻分量時選擇的系數(shù)不一樣，而低頻分量在壓縮過程中并未丟失數(shù)據(jù)信息，不影響數(shù)據(jù)重構(gòu)后的誤差容限，且13/7-C比13/7-T 變換簡單。因此，選取5/3、9/7-M、13/7-C作為參考小波進行比較，其變換形式分別如公式(6)～公式(8)所示。

此類小波變換過程首先將數(shù)據(jù)集合分裂成d0［n］和s0［n］2 個數(shù)據(jù)集和;其次通過s0［n］對d0［n］進行預(yù)測得出預(yù)測值，并與d0［n］比較計算預(yù)測誤差，且用其替代d0［n］得到高頻分量d［n］;最后由預(yù)測誤差d［n］的線性組合對s0［n］更新得到低頻分量s［n］。按照設(shè)定的閾值t 對d［n］進行閾值處理得到d'［n］，對d'［n］及s［n］進行游程編碼，計算壓縮比。d'［n］及s［n］通過對應(yīng)的小波進行逆變換，得到重構(gòu)后的數(shù)據(jù)d'0［n］及s'0［n］，并計算誤差εd［n］=d'0［n］-d0［n］，εs［n］=s'0［n］-s0［n］，得到誤差容限ε，使得εd［n］∈［-ε，ε］，εs［n］∈［-ε，ε］。由小波變換公式(6)～公式(8)及其逆過程推導(dǎo)可得:

3.2 第2 類小波

第2 類小波包含2/6、2/10、6/14、5/11-C、5/11-A，此類小波變換需依托中間變量d1［n］。變換過程進行一次預(yù)測和2 次更新，分別為一次計算預(yù)測誤差，一次對低頻分量更新，一次對高頻分量更新。與第1 類小波類似，選取其中運算復(fù)雜度較低2/6、6/14、5/11-C 作為參考小波，其變換形式如下:

此類小波變換過程首先將數(shù)據(jù)集合分裂成d0［n］和s0［n］2 個數(shù)據(jù)集和，其次計算預(yù)測誤差d1［n］，最后由預(yù)測誤差d1［n］的線性組合對s0［n］更新得低頻分量s［n］，由更新后的低頻分量s［n］的線性組合對預(yù)測誤差d1［n］更新得高頻分量d［n］。按照設(shè)定的閾值t 對d［n］進行閾值處理得d'［n］，對d'［n］和s［n］進行游程編碼，計算壓縮比。誤差容限ε 的計算與第1 類小波類似，由小波變換公式(12)～公式(14)及其逆過程推導(dǎo)可得:

3.3 第3 類小波

第3 類小波包含SPB，SPC，此類小波變換需依托2 個中間變量d1［n］和d1［n+1］，此類小波變換過程與第2 類小波變換過程一致，需一次預(yù)測，2 次更新，與第2 類小波變換不同的是，經(jīng)過該類小波變換進行數(shù)據(jù)壓縮后，在壓縮后的數(shù)據(jù)中必須要添加至少一個d1［n］的原始數(shù)據(jù)，以保證數(shù)據(jù)在重構(gòu)時的準確度。與第1 類小波類似，選取其中運算較為簡單的SPB作為參考小波，其變換形式如下:

此類小波變換過程，首先將數(shù)據(jù)集合分裂成d0［n］和s0［n］2 個數(shù)據(jù)集和，其次計算預(yù)測誤差d1［n］，最后由預(yù)測誤差d1［n］的線性組合對s0［n］更新得低頻分量s［n］，由更新后的低頻分量s［n］與預(yù)測誤差d1［n+1］的線性組合對預(yù)測誤差d1［n］更新得高頻分量d［n］。與第1 類小波變換不同的是，在更新過程中包含了預(yù)測誤差d1［n +1］的特征信息，若d1［n +1］被閾值化則在數(shù)據(jù)重構(gòu)過程中d1［n］會疊加d1［n +1］的誤差，隨著序列的增加，以此類推，每一輪新構(gòu)造的d'1［n］將會包含之前所有新構(gòu)造的預(yù)測誤差的特征信息。同第1 類小波變換，按照小波變換的逆過程計算原始數(shù)據(jù)經(jīng)小波變換、壓縮后對應(yīng)的壓縮比及重構(gòu)后得到對應(yīng)的誤差容限ε。

由小波變換公式(13)及其逆過程推導(dǎo)可得:

其中n 為需壓縮的數(shù)據(jù)個數(shù)。

4 最優(yōu)小波選取

在本文中，分別對大氣溫度(緩變型)、海面壓強(漸變型)、相對濕度(快變型)3 種不同類型的數(shù)據(jù)在不同小波變換下進行數(shù)據(jù)壓縮及能耗計算。

4.1 緩變型數(shù)據(jù)

第1 類小波在大氣溫度數(shù)據(jù)類型下，壓縮比與誤差容限的關(guān)系以及節(jié)點1 的能耗與誤差容限的關(guān)系分別如圖3 和圖4 所示。

圖3 第1 類小波壓縮比與誤差容限關(guān)系

圖4 第1 類小波節(jié)點1 能耗與誤差容限關(guān)系

由圖3 可以看出，在相同誤差容限下，3 種第1類小波的壓縮比非常接近，壓縮效果相同，其節(jié)省的通信能耗也大致相同。由圖4 可得，經(jīng)9/7-M 小波與13/7-C 小波數(shù)據(jù)壓縮后的節(jié)點的總能耗要高于數(shù)據(jù)不壓縮直接傳輸?shù)哪芎?當誤差容限設(shè)定為大于0.45℃時，節(jié)點1 進行5/3 小波數(shù)據(jù)壓縮才能達到減少能耗的目的。由于節(jié)點1 是距離匯聚節(jié)點邏輯地址最遠的節(jié)點，其只負責采集數(shù)據(jù)并壓縮、發(fā)送，并不負責轉(zhuǎn)送其它節(jié)點的數(shù)據(jù)，其數(shù)據(jù)量較少，壓縮計算能耗并沒有被減少的通信能耗抵消。所以經(jīng)9/7-M小波與13/7-C 小波數(shù)據(jù)壓縮后的整體能耗變大。由于5/3 小波變換簡單，其處理能耗較較低。當誤差容限大于0.45℃時，數(shù)據(jù)經(jīng)5/3 小波壓縮后所節(jié)省的通信能耗才足以抵消數(shù)據(jù)壓縮的能耗。可以得出5/3 小波與9/7-M、13/7-C 相比，其壓縮效果一致，但其變換形式簡單，處理能耗較低。因此，本文選取5/3 小波為第1 類小波代表，與其它類小波進行比較和篩選。

圖5 第2 類小波壓縮比與誤差容限關(guān)系

第2 類小波在大氣溫度數(shù)據(jù)類型下，壓縮比與誤差容限的關(guān)系如圖5 所示，可以看出在相同誤差容限下，2/6 小波在第2 類小波中具有較好的壓縮效果。

圖6 第2 類小波節(jié)點1 能耗與誤差容限關(guān)系

圖6 顯示了節(jié)點1 的第2 類小波誤差容限與能耗的對應(yīng)關(guān)系，從圖中可以看出，經(jīng)6/14 小波與5/11-C 小波數(shù)據(jù)壓縮后的節(jié)點的總能耗要高于數(shù)據(jù)不壓縮直接傳輸?shù)哪芎?當誤差容限設(shè)定為大于0.4℃時，節(jié)點1 進行2/6 小波數(shù)據(jù)壓縮才能達到減少能耗的目的。由圖5 得知，2/6 小波與6/14 小波壓縮效果較為接近，其通信能耗也較為接近，而從圖6 可以看出2/6 小波與6/14 小波的整體能耗差距變大，這是由于2/6 小波變換比6/14 小波簡單，計算能耗更低，使得整體的能耗更低。其分析結(jié)果與第1 類小波類似，可以得出，無論是小波變換的壓縮效果還是復(fù)雜度，2/6 小波在第2 類小波中具有明顯優(yōu)勢。因此，本文選取2/6 小波為第2 類小波代表，與其它小波進行比較和篩選。

最后，將以5/3 小波為代表的第1 類小波、以2/6 小波為代表的第2 類小波以及以SPB 小波為代表的第3 類小波進行比較和驗證，結(jié)果如圖7 所示。

圖7 3 類小波壓縮比與誤差容限關(guān)系

圖8 不同節(jié)點的能耗與誤差容限關(guān)系

由圖7 可以得出，隨著誤差容限的增大，小波變換的壓縮效果越好，且壓縮比趨近于50%;在相同的誤差容限下，2/6 小波與5/3、SPB 小波相比具有更好的壓縮效果。

圖8 顯示的是大氣溫度數(shù)據(jù)類型下，節(jié)點2、節(jié)點5 和節(jié)點10 的能耗與誤差容限的對應(yīng)關(guān)系。

可以得出，在相同誤差容限下，隨著節(jié)點序號的增加，數(shù)據(jù)經(jīng)過壓縮處理與不進行壓縮處理節(jié)點相比節(jié)省的能耗更多。這是由于節(jié)點的序號增加，使得節(jié)點傳輸?shù)臄?shù)據(jù)量增加，數(shù)據(jù)壓縮的優(yōu)勢越來越明顯。由于2/6 小波比5/3 小波、SPB 小波有更好的壓縮效果，使得其在不同節(jié)點下能耗均比其他兩者更低。

綜上所述，針對大氣溫度這類變化速度相對緩慢的數(shù)據(jù)，在相同誤差容限下，2/6 小波與其它二代小波相比具有更低的壓縮比，更低的能耗，更適合應(yīng)用于無線傳感器網(wǎng)絡(luò)的二代小波數(shù)據(jù)壓縮算法中。

4.2 漸變型數(shù)據(jù)

以海面壓強數(shù)據(jù)為樣本，數(shù)據(jù)處理分析過程與大氣溫度數(shù)據(jù)處理分析過程一致。

1)對第1 類小波變換進行比較分析，結(jié)果如圖9和圖10 所示。

圖9 第1 類小波壓縮比與誤差容限關(guān)系

圖10 第1 類小波節(jié)點1 能耗與誤差容限關(guān)系

由圖9 可以得出，5/3 小波與9/7-M 小波壓縮比非常接近，且比13/7-C 小。誤差容限在0.7 Pa～1.2 Pa 之間時，9/7-M 小波壓縮效果略好于5/3 小波。與緩變型數(shù)據(jù)分析一致;由圖10 可以得出5/3 小波具有較低的計算能耗。所以本文選取5/3 與9/7-M 小波作為第1 類小波變換的代表，參與最優(yōu)小波的比較和篩選。

2)與緩變型數(shù)據(jù)第2 類小波分析比較類似，海面壓強數(shù)據(jù)類型下，第2 類小波分析比較結(jié)果如圖11和圖12 所示。

圖11 第2 類小波壓縮比與誤差容限關(guān)系

圖12 第2 類小波節(jié)點1 能耗與誤差容限關(guān)系

其結(jié)論與緩變型數(shù)據(jù)一致，無論是在小波變換的壓縮效果還是復(fù)雜度方面，2/6 小波在第2 類小波中具有明顯優(yōu)勢。因此，本文選取2/6 小波作為第2 類小波代表，與其它小波進行比較和篩選。

3)以5/3、9/7-M 小波為代表的第1 類小波、以2/6 小波為代表的第2 類小波以及以SPB 小波為代表的第3 類小波進行比較和驗證，結(jié)果如圖13 所示。其中圖(a)顯示的是海面壓強下，3 類小波的壓縮比與誤差容限關(guān)系;圖(b)～圖(d)分別顯示了節(jié)點2、節(jié)點5 及節(jié)點10 的能耗與誤差容限的關(guān)系。

圖13 海面壓強數(shù)據(jù)的3 類小波比較結(jié)果

分析過程與緩變型數(shù)據(jù)一致，可得針對海面壓強這類漸變型數(shù)據(jù)，在相同誤差容限下，2/6 小波與其它二代小波相比具有更低的壓縮比，更低的能耗，更適合應(yīng)用于WSN 的二代小波數(shù)據(jù)壓縮算法中，且隨著數(shù)據(jù)量的增大，即節(jié)點序號增大，壓縮的計算能耗越來越不明顯。

4.3 快變型數(shù)據(jù)

以相對濕度數(shù)據(jù)為樣本，數(shù)據(jù)處理分析過程與緩變型數(shù)據(jù)一致。

1)對第1 類小波變換進行比較分析，其壓縮比和節(jié)點1 的能耗與誤差容限的關(guān)系如圖14 所示，可以得出5/3 小波與9/7-M、13/7-C 相比其壓縮效果一致，但其變換形式簡單，處理能耗較低。因此，本文選取5/3 小波作為第1 類小波代表，與其它小波進行比較。

圖14 相對濕度數(shù)據(jù)下第1 類小波比較結(jié)果

2)相對濕度數(shù)據(jù)類型下，第2 類小波壓縮比和節(jié)點1 的能耗與誤差容限的關(guān)系如圖15 所示，易得2/6 小波在第2 類小波中具有更好的壓縮效果及更低的能耗。因此，本文選取2/6 小波作為第2 類小波代表，與其它小波進行比較和篩選。

圖15 相對濕度數(shù)據(jù)下第2 類小波比較結(jié)果

圖16 相對濕度數(shù)據(jù)下3 類小波比較結(jié)果

3)以5/3 小波為代表的第1 類小波、以2/6 小波為代表的第2 類小波，以及以SPB 小波為代表的第3類小波進行比較和驗證，結(jié)果圖16 所示。其中圖(a)顯示的是相對濕度下，3 類小波的壓縮比與誤差容限關(guān)系;圖(b)～圖(d)分別顯示了節(jié)點2、節(jié)點5及節(jié)點10 的能耗與誤差容限的關(guān)系。分析過程與緩變型數(shù)據(jù)一致，易知在相同誤差容限下，2/6 小波與其它二代小波相比具有更低的壓縮比，更低的能耗，更適合應(yīng)用于WSN 的二代小波數(shù)據(jù)壓縮算法中。

5 結(jié)論

本文的基于二代小波變換的數(shù)據(jù)壓縮算法，以TAO 中大氣溫度、海面壓強、相對濕度數(shù)據(jù)作為樣本，對常見的二代小波變換進行驗證分析，可以得出:

1)允許一定的誤差容限下，綜合考慮壓縮算法的復(fù)雜度、數(shù)據(jù)重構(gòu)后的準確性以及算法帶來的節(jié)能收益，2/6 小波與其它二代小波相比，具有更大的優(yōu)勢，更加適用于WSN。

2)越靠近匯聚節(jié)點，數(shù)據(jù)量越大，越能體現(xiàn)出數(shù)據(jù)壓縮的優(yōu)勢。當誤差容限設(shè)定較小時，遠離匯聚節(jié)點的傳感器節(jié)點可能會出現(xiàn)不壓縮要比壓縮節(jié)省能耗，但為了降低整個網(wǎng)絡(luò)的能耗，應(yīng)在該節(jié)點處進行數(shù)據(jù)壓縮。

3)一階二代小波數(shù)據(jù)壓縮算法最好的壓縮比為50%。

6 結(jié)束語

數(shù)據(jù)壓縮是WSN 研究的一個重要方向，本文通過分析驗證得出了最適合應(yīng)用于WSN 的二代小波，為二代小波的數(shù)據(jù)壓縮算法提供了實驗依據(jù)。然而，一階壓縮最大壓縮比為50%，為提高壓縮效果，可在最優(yōu)小波的基礎(chǔ)上進行多階壓縮，因此在多階二代小波壓縮下，探尋誤差容限與最低能耗的關(guān)系是筆者下一步研究的方向。

［1］Kumar S，Ovsthu S.An industrial perspective on wireless sensor networks—A survey of requirements protocols and challenges［J］.Communications Surveys ＆ Tutorials，IEEE，2014，6(3):1391-1412.

［2］Borges L M，Velez F J，Lebres A S.Survey on the characterization and classification of wireless sensor network applications［J］.Communications Surveys ＆ Tutorials，IEEE，2014，16(4):1860-1890.

［3］Dawson-Haggetty S，Lanzisera S，Aneja J.Insights from a large，long-lived appliance energy WSN［C］// Processing of the 11th International Conference on Information Processing in Sensor Networks (IPSN).New York，2012:37-48.

［4］黃海平，陳九天，王汝傳.無線傳感器網(wǎng)絡(luò)中基于數(shù)據(jù)融合樹的壓縮感知算法［J］.電子與信息學(xué)報，2014，36(10):2364-2369.

［5］Mehrjoo S，Aghaee H，Karimi H.A novel hybrid GA-ABC based energy efficient clustering in wireless sensor network［J］.Canadian Journal on Multimedia and Wireless Networks，2011，2(2):41-45.

［6］Demigha O，Didouci W K.On energy efficiency in collaborative target tracking in wireless sensor network:A review［J］.Communications Surveys ＆ Tutorials，IEEE，2013，15(3):1210-1222.

［7］Minhas A A，Sattar D，Mustaq K.Energy efficient multicast routing protocols for wireless sensor networks［C］//2011 World Congress on IEEE Sustainable Technologies(WCST).2011:178-181.

［8］曾閔，江虹.一種低功耗傳感器網(wǎng)絡(luò)節(jié)點及路由設(shè)計［J］.自動化儀表，2013，34(10):51-59.

［9］張淳，費樹岷.能耗均衡的自組織無線傳感器網(wǎng)絡(luò)分簇算法［J］.控制工程，2012，19(1):90-93.

［10］王雷春，馬傳香.傳感器網(wǎng)絡(luò)中一種基于一元線性回歸模型的空時數(shù)據(jù)壓縮算法［J］.電子與信息學(xué)報，2010，32(3):755-758.

［11］Lin Che-lung，Tsai Jui-hua，Chu Yu-hsien.Concept of bounded error to improve wireless sensor network data compression［C］// SENSORS，2014:1240-1243.

［12］Hussian S，I，Javed H，Ur Rehman W，et al.CoXoH:Low cost energy efficient data compression for wireless sensor nodes using data encoding［C］// 2011 International Conference on Computer Networks and Information Technology(ICCNIT).2011:149-152.

［13］王繼良，周四望，唐暉.基于回歸的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮方法［J］.計算機工程，2011，37(23):96-98.

［14］Huu P N，Tran-Quang V，Miyoshi T.Energy threshold adaptation algorithms on image compression to prolong WSN lifetime［C］// 2010 the 7th International Symposium on IEEE Wireless Communication Systems(ISWCS).2010:834-838.

［15］Prabu S，Maheswari R.Improving wireless sensor network lifespan by efficient routing algorithm and LZW compression［C］// 2014 International Conference on IEEE Information Communication and Embedded Systems(ICICES).2014:1-5.

［16］應(yīng)蓓華.用于無線傳感網(wǎng)的低能耗數(shù)據(jù)壓縮［D］.北京:清華大學(xué)，2010.

［17］Calderbank R，Daubechies I，Sweldens W.Wavelet transform that map integers to integers［J］.Applied and Computational Harmonic Analysis，2000，5(3):332-369.

［18］Sweldens W.The lifting scheme:A construction of second generation wavelets［J］.SIAM Journal of Mathematical Analysis，1998，29(2):511-546.