2024年3月13日发(作者：商务笔记本哪个牌子性价比高)

第28卷第4期

2015年4月

传感技术学报

CHINESEJOURNALOFSENSORSANDACTUATORS

Vol．28　No．4

Apr.2015

DataCompressionMethodwithPiece-Wise

LinearRegressioninWSN

∗

ZHANGRuirui

1,2,3

,DUShangfeng

1

,CHENLiping

2,3∗

,KANJie

4

,XUGang

2,3

gResearchCenterofIntelligentEquipmentforAgriculture,BeijingAcademyofAgricultureandForestrySciences,Beijing100097,China;

alEngineeringResearchCenterofIntelligentEquipmentforAgriculture,Beijing100097,China;

eofInformationEngineering,CapitalNormalUniversity,Beijing100048,China)

(eofInformationandElectricalEngineering,ChinaAgricultureUniversity,Beijing100083,China;

Abstract:Sufferingfromthelimitationofbandwidth,

transmissionalgorithmforWSNwith-

BeijingXiaoTangshannationaldemonstrationbaseofprecisionagricultureasresearchobject,wetestedthecom-

sshowthatdatacompressionratioisashighas51.9%

theamountofdatatransmission.

Keywords:WSN;datafusion;linearregression;correlationanalysis

EEACC:7230　　　　doi:10.3969/.1004

-

1699.2015.04.014

obtainingBase-dataandconstructingpiece-wiselinearregressionequation,thispaperproposedadatacompression

ingenvironmenttemperature,relativeairhumidityandsoiltemperaturedataobtainedbyaWSNsystemlocatedin

whentheRMSEbetweenrestoreddataandrawdataare3.87%and0.49℃,whichbringsanenormousreductionof

基于分段线性回归的传感器网络数据压缩

传输方法研究

∗

(1.中国农业大学信息与电气工程学院,北京100083;2.北京农业智能装备技术研究中心,北京100097;

3.国家农业智能装备工程技术研究中心,北京100097;4.首都师范大学信息工程学院,北京100048;)

张瑞瑞

1,2,3

,杜尚丰

1

,陈立平

2,3∗

,阚　杰

4

,徐　刚

2,3

摘　要:

无线传感器网络通信带宽等十分有限,难以实现较大量数据传输。针对多参数传感器网络,通过提取基准参数数据

集,并分段构建线性回归方程的方法,设计了一种适合多参数、较大数据量传感器网络网内数据的压缩传输算法。以某基地

实际采样环境温度、空气相对湿度、土壤温度数据为研究对象,对算法压缩效率和数据恢复效果进行了分析。结果表明:对于

空气相对湿度和土壤温度,恢复数据与原始数据均方根误差RMSE分别为3.87%、0.49℃时,整体数据压缩率可达51.9%,有

效降低了数据传送量。

关键词:

传感器网络;数据融合;线性回归;相关分析

中图分类号:TP391.9　　　　文献标识码:A　　　　文章编号:1004

-

1699(2015)04

-

0531

-

06

　　无线传感器网络WSN(WirelessSensorNetwork)

少数据传送量,延长网络生命周期,是当前WSN能耗

控制研究重点

[3

-

4]

。数据压缩传输技术是解决上述

问题的有效方法之一

[5

-

6]

。

DeligiannakisA等

[7]

提出了一种基于分段线性

是以感知、采集和处理网络覆盖区域中被感知对象的

信息为目的,利用大量传感器节点以无线、多跳、自组

织方式构成的数据协同处理网络

[1

-

2]

。如何有效减

展计划项目(2012AA101901)

收稿日期:2014.11.6　　修改日期:2014.12.24

项目来源:北京市自然科学基金项目(4121001);北京市农林科学院青年科研基金项目(QNJJ201217);国家863高技术研究发

532

传　感　技　术　学　报

第28卷

回归模型的WSN数据估计算法。算法通过对数据

分段处理,从中选出基础信号数据,并传送基于以段

为单位的线性回归运算得出的回归方程系数,有效

地减低了传感器网络的网内数据传送量。王玲

等

[8

-

10]

从数据时间相关性分析层面考虑,基于线性

回归模型构建了不同的数据压缩算法。杨圣洪

等

[11]

针对数据时间、空间相关性特征,提出了一种

基于环模型的分布式时

-

空小波数据压缩算法。李

杨

[12]

等提出了一种基于小波分段常值压缩的数据

大误差,主要原因在于:①参数在不同时间段表现的

相关程度不同。例如环境温度在一天的正午时段变

化率较小,而傍晚时分变化率较大。②不同参数的

相互影响在时间维度上具有滞后性。当某个参数改

变时其他相关参数的相应变化会延迟发生。例如环

境温度与土壤温度的相互影响。

本文提出一种分段线性回归映射方法,将时间

序列上的样本数据划分成段,以段为单位进行线性

回归计算,并以自定义结构化精简集S的形式进行

收集算法,利用压缩采样理论和分段化方法降低数

据传输量。DeepakGanesa等

[13

-

14]

提出了一种基于

小波压缩层次系统,基于时空相关性,在节点层对数

据时间序列上相关性进行分析,在聚合节点上对不

同节点进行空间相关性分析,通过两次处理降低数

据冗余。侯鑫、杨永健等

[15

-

17]

基于神经网络、卡尔

曼滤波等算法模型构建了传感器网络数据融合

算法。

考虑到非实时多参数WSN节点环境监测应用

背景下,网内参数间表现出强相关、大冗余特点,以

及传感器网络节点对数据融合算法的简单、易实现

等特殊要求,本文提出了一种基于相关性分析的节

点

-

PWLR(Piece-Wise

基站分离式的分段线性回归数据压缩传输算法

掘参数间相关性,减少网内数据量

LinearRegression)。

,延长

算法通过挖

WSN生命

周期。

1　算法的模型描述

传感器节点采集数据可以描述为矩阵结构,如

式(1)所示。式中行向量表示单个参数在时间序列

上采样数据集。n

×

m矩阵表示当前最新样本数据,

n表示节点有n个监测参数,m表示节点已采样周

期数(假设各参数具有相同的采样周期)。

é

Y

1

ùé

yy

X

=

Y

y

11

y

12

…

︙

2

=

︙

21

︙

22

…

y

y

1m

ù

⋱

2m

ë

Y

︙

(1)

n

ûë

y

n1

y

n2

(如空气温度和土壤温度

…y

nm

û

对于强相关性参数),

利用标准线性回归估计模型建立参数间数学关系方

程,如(2)所示,并基于最小二乘法确定拟合方程拟

合误差RMSE最小时的回归系数(a,b)。传感器网

络节点将Y

j

作为基准数据集BD(BaseData)发送至

基站,对于Y

i

数据集的传送则可以通过只发送拟合

方程回归系数(a

然而,对整个时间序列进行线性回归会产生较

=

a

,

·

b

Y

)实现

+

ε

。

Y

ij

+

b(1<

=

i,j<

=

n)(2)

特征描述,如定义1。

定义

•l:段长度

1:结构化精简集

;

S由以下部分组成

上的区间可表示为

•start:段在行上的开始坐标

•migration:该段做线性回归运算时在基准数

Y

,例如该段在行i

i

[start,start

+

l]

据集上的起始偏移量

migration

•a,

+

b

l]

,例如可表示为BD[migration,

数,err为均方根误差

,err:a,b为分段线性回归方程的回归系

(err用于分段搜索时可不用传

输,见2.2节)

当n

×

m个样本数据采集完毕后,传感器网络节

点首先选取基准数据集(设为Y

m/l⌉段(「m/l⌉表示对m

j,

见2.1节),并将行

i分成「/l的计算值做上取

整运算)。每段以长度l搜索Y

j

上对应的线性回归

运算最优数据区间,并将结果以结构化形式发送给

基站。基准数据集整体直接发送给基站作为数据恢

复依据。每行完成分段回归运算后,该行可用结构

化精简集S

i的特征描述

k

(S

,

k

用以在基站进行数据恢复

≪m,k

=

「m/l⌉)代替,精简集作为行

。假设Y

j

是基准数据集,则Y

i

中的某段数据Y

i

可表示为:

[start,start

+

l]

a·Y

j

此时节点数据传输量为

[migration,migration

Data

:

+

l]

+

b

假设传感器采集参数数据表示与结构化精简集

=

{基准数据集,精简集S}

S成员参数的数据表示占用相同存储空间,则数据

压缩率可简化表示为:

n

m

CR

=

1

-

i

∑

=

1,i≠j

l

n

i

·4

+

m

·m

(3)

式中:l

i

是第i个参数的分段长度,n是传感器网络

节点的监测参数种类数,m是节点已采样周期数。

2　算法实现

算法包括建立和运行维护两个阶段。在能量充