感知數(shù)據(jù)收集(數(shù)據(jù)庫)

時間：2022-12-22 00:30:01 | 來源：信息時代

時間：2022-12-22 00:30:01 來源：信息時代

    感知數(shù)據(jù)收集 : 無線傳感器網(wǎng)絡中傳感器節(jié)點按照預先設置的頻率,采集感知數(shù)據(jù),并進行簡單處理后通過無線傳感器網(wǎng)絡發(fā)送給匯聚節(jié)點進行匯總、分析的過程。
對于能量受限的無線傳感器網(wǎng)絡來說,要收集所有的傳感器節(jié)點的感知數(shù)據(jù)是不現(xiàn)實的。通常,傳感器節(jié)點將1比特信息傳輸給100米以外的節(jié)點所需消耗的能量大約相當于執(zhí)行3000條計算指令消耗的能量。
感知數(shù)據(jù)收集過程涉及一定的路由協(xié)議以及數(shù)據(jù)傳輸算法。減少在感知數(shù)據(jù)收集過程中能量的開銷需要通過改善路由協(xié)議的方法來實現(xiàn)。通過傳感器網(wǎng)絡中所要采集的感知數(shù)據(jù)的性質(zhì)設計優(yōu)化的數(shù)據(jù)上傳方式來達到最大限度的減小感知數(shù)據(jù)收集過程中的能量開銷。如利用采集到的數(shù)據(jù)間所具有的感知數(shù)據(jù)關聯(lián)性使某些感知數(shù)據(jù)不傳向匯聚節(jié)點,而匯聚節(jié)點則根據(jù)這些關聯(lián)性來準確計算或者對感知數(shù)據(jù)進行估算。這種估算的方法雖然有可能犧牲一些準確度,但是能夠大量地減小感知數(shù)據(jù)收集過程中的能量開銷。
代表性的能量有效的感知數(shù)據(jù)收集方法包括:
(1) 網(wǎng)內(nèi)數(shù)據(jù)聚集方法: 其核心思想是利用感知數(shù)據(jù)空間關聯(lián)性和感知數(shù)據(jù)時間關聯(lián)性來壓縮數(shù)據(jù),避免無用數(shù)據(jù)的傳送,達到降低節(jié)點能耗的目的。利用感知數(shù)據(jù)空間關聯(lián)性可以避免更多的節(jié)點發(fā)送數(shù)據(jù)。利用感知數(shù)據(jù)時間關聯(lián)性可以避免節(jié)點發(fā)送新數(shù)據(jù)。兩種方法都能夠節(jié)約節(jié)點的能量,達到延長節(jié)點和整個網(wǎng)絡生命周期的目的。相關的技術(shù)包括: Babcock提出的用于分布式環(huán)境中連續(xù)流監(jiān)測的冰山算法,Silberstein提出的HAT算法,Chu提出的Ken等方法。另外,還有一些基于過濾器的方法,即在節(jié)點端設置過濾器,通過一定的過濾規(guī)則來屏蔽無用數(shù)據(jù)的發(fā)送。這種方法也可以歸結(jié)為基于感知數(shù)據(jù)時-空關聯(lián)的節(jié)點數(shù)據(jù)壓縮方法,其典型算法為Wu等人提出的FILA算法。
網(wǎng)內(nèi)數(shù)據(jù)聚集方法對數(shù)據(jù)查詢操作有一定的要求。該方法僅適用于對檢測目標進行統(tǒng)計計算,而對另外一類需要同時保留中間觀測數(shù)據(jù)的應用,該方法就不能使用。典型的應用如:生物棲息地監(jiān)測,希望從長期的歷史記錄數(shù)據(jù)中總結(jié)歸納出生物的生活習性。
(2) 數(shù)據(jù)壓縮方法: 其核心思想是在傳感器節(jié)點和匯聚節(jié)點處分別采用壓縮和解壓縮處理技術(shù)。節(jié)點發(fā)送數(shù)據(jù)前,對發(fā)送數(shù)據(jù)進行壓縮,基站節(jié)點收到數(shù)據(jù)后先進行解壓處理。這樣雖然加重了CPU處理的負擔,造成一些存儲空間和運行時間方面的代價,但是只要設計合理,與直接傳輸原始數(shù)據(jù)所消耗的巨大能量相比,這些代價還是十分值得的。按照壓縮/解壓縮所依據(jù)準則的不同,可以分為: ①基于感知數(shù)據(jù)相關性的壓縮算法。利用了無線傳感器網(wǎng)絡中各節(jié)點上的感知數(shù)據(jù)相關性進行數(shù)據(jù)壓縮。選擇一個節(jié)點發(fā)送完整的數(shù)據(jù)到匯聚節(jié)點,其他節(jié)點只發(fā)送壓縮后的數(shù)據(jù)。匯聚節(jié)點收到數(shù)據(jù)后,通過壓縮數(shù)據(jù)和未壓縮數(shù)據(jù)之間的相關性進行解壓縮,恢復原始數(shù)據(jù)。實現(xiàn)該方法的關鍵問題在于需要一個低復雜度、支持多壓縮率的壓縮算法和一種簡單、高效的感知數(shù)據(jù)相關性跟蹤算法。②最優(yōu)分布式數(shù)據(jù)壓縮算法。采用傳感器網(wǎng)絡的分層策略,將其分為匯聚節(jié)點、聚集/壓縮節(jié)點和傳感器節(jié)點三個層次,并選取合理的能量度量函數(shù),將這個最優(yōu)層次組織問題轉(zhuǎn)化為一個John-Mehl tessellation問題。壓縮過程考慮到節(jié)點聚合代價的大小來調(diào)整壓縮數(shù)據(jù),使得整個壓縮算法代價最小,達到節(jié)能的目的。③基于管道數(shù)據(jù)壓縮算法。該算法是基于管道思想的網(wǎng)內(nèi)數(shù)據(jù)壓縮方法,即: 將傳感器數(shù)據(jù)緩存在網(wǎng)絡中,根據(jù)指定的延遲值等待合適時間后再傳輸。通過管道壓縮方法將數(shù)據(jù)分組,降低數(shù)據(jù)的冗余度,減少節(jié)點間的通信量,以便降低通信能耗。另外,不同組數(shù)據(jù)還可以進行再壓縮,或者與其他高效路由算法結(jié)合,可以進一步減小數(shù)據(jù)冗余度。
另外,還存在多種能量有效的基于壓縮的數(shù)據(jù)收集策略,如時間域上的數(shù)據(jù)壓縮、空間域上的數(shù)據(jù)壓縮、基于概率模型的數(shù)據(jù)壓縮、綜合時間和空間特征并基于約束鏈技術(shù)的數(shù)據(jù)壓縮技術(shù)等。