数据压缩技术
发布时间:2012/4/9 19:15:05 访问次数:1403
在传感器网络中，由于受噪声、节点ISO122JP失效、无线通信的不可靠性，以及能量约束等因素的影响，感知数据的获取、处理和传输等常常存在一定的误差，感知数据具有一定程度的不确定性，而在某些应用中也并不一定需要非常精确的结果，通常允许有一定的误差存在。在保证用户要求的前提下，可以牺牲一定的数据精度来降低数据在网络中的传输量，从而降低网络中的能量消耗。数据压缩是传感器网络数据处理的一项关键技术。
近几年，传感器网络中的数据压缩技术得到了广泛研究，其中主要代表的研究成果包括基于时间序列数据压缩方法、基数据相关性压缩方法、分布式小波压缩方法、基于管道数据压缩方法等。
基于时间序列数据压缩方法
无线传感器网络中，传感器节点周期性产生的连续数据可以表示为时间序列。传感器节点产生的时间序列并不是完全随机的，数据间存在着冗余，因此可以将这样的时间序列进行压缩。
Eamonn Keogh等提出的分段带量近似(Piecewise Constant Approximation，PCA)的压缩时间序列技术[19]。PCA技术的主要思想是将时间序列表示为多个分段，每个分段由两个元组组成：数值常量和结束时间。其值分别为该分段对应的子序列中所有数据的均值和最后一个数据的采样时间。
基于PCA技术，Losif Lazaridis等‘20]提出了Poor Man__ mean压缩方法(PMC_mean)。PMC_mean是一种压缩时间序列的在线方法，该方法的思想是将时间序列中每个分段内所有数据均值作为该分段的常量。每采集到一个周期数据，计算当前压缩的时间序列内所有数据的均值，若该均值与当前时间序列的最大值或最小值的羞值超过阈值s时，即停止采样，将满足条件的时间序列压缩为一个分段。
近几年，传感器网络中的数据压缩技术得到了广泛研究，其中主要代表的研究成果包括基于时间序列数据压缩方法、基数据相关性压缩方法、分布式小波压缩方法、基于管道数据压缩方法等。
基于时间序列数据压缩方法
无线传感器网络中，传感器节点周期性产生的连续数据可以表示为时间序列。传感器节点产生的时间序列并不是完全随机的，数据间存在着冗余，因此可以将这样的时间序列进行压缩。
Eamonn Keogh等提出的分段带量近似(Piecewise Constant Approximation，PCA)的压缩时间序列技术[19]。PCA技术的主要思想是将时间序列表示为多个分段，每个分段由两个元组组成：数值常量和结束时间。其值分别为该分段对应的子序列中所有数据的均值和最后一个数据的采样时间。
基于PCA技术，Losif Lazaridis等‘20]提出了Poor Man__ mean压缩方法(PMC_mean)。PMC_mean是一种压缩时间序列的在线方法，该方法的思想是将时间序列中每个分段内所有数据均值作为该分段的常量。每采集到一个周期数据，计算当前压缩的时间序列内所有数据的均值，若该均值与当前时间序列的最大值或最小值的羞值超过阈值s时，即停止采样，将满足条件的时间序列压缩为一个分段。
在传感器网络中，由于受噪声、节点ISO122JP失效、无线通信的不可靠性，以及能量约束等因素的影响，感知数据的获取、处理和传输等常常存在一定的误差，感知数据具有一定程度的不确定性，而在某些应用中也并不一定需要非常精确的结果，通常允许有一定的误差存在。在保证用户要求的前提下，可以牺牲一定的数据精度来降低数据在网络中的传输量，从而降低网络中的能量消耗。数据压缩是传感器网络数据处理的一项关键技术。
近几年，传感器网络中的数据压缩技术得到了广泛研究，其中主要代表的研究成果包括基于时间序列数据压缩方法、基数据相关性压缩方法、分布式小波压缩方法、基于管道数据压缩方法等。
基于时间序列数据压缩方法
无线传感器网络中，传感器节点周期性产生的连续数据可以表示为时间序列。传感器节点产生的时间序列并不是完全随机的，数据间存在着冗余，因此可以将这样的时间序列进行压缩。
Eamonn Keogh等提出的分段带量近似(Piecewise Constant Approximation，PCA)的压缩时间序列技术[19]。PCA技术的主要思想是将时间序列表示为多个分段，每个分段由两个元组组成：数值常量和结束时间。其值分别为该分段对应的子序列中所有数据的均值和最后一个数据的采样时间。
基于PCA技术，Losif Lazaridis等‘20]提出了Poor Man__ mean压缩方法(PMC_mean)。PMC_mean是一种压缩时间序列的在线方法，该方法的思想是将时间序列中每个分段内所有数据均值作为该分段的常量。每采集到一个周期数据，计算当前压缩的时间序列内所有数据的均值，若该均值与当前时间序列的最大值或最小值的羞值超过阈值s时，即停止采样，将满足条件的时间序列压缩为一个分段。
近几年，传感器网络中的数据压缩技术得到了广泛研究，其中主要代表的研究成果包括基于时间序列数据压缩方法、基数据相关性压缩方法、分布式小波压缩方法、基于管道数据压缩方法等。
基于时间序列数据压缩方法
无线传感器网络中，传感器节点周期性产生的连续数据可以表示为时间序列。传感器节点产生的时间序列并不是完全随机的，数据间存在着冗余，因此可以将这样的时间序列进行压缩。
Eamonn Keogh等提出的分段带量近似(Piecewise Constant Approximation，PCA)的压缩时间序列技术[19]。PCA技术的主要思想是将时间序列表示为多个分段，每个分段由两个元组组成：数值常量和结束时间。其值分别为该分段对应的子序列中所有数据的均值和最后一个数据的采样时间。
基于PCA技术，Losif Lazaridis等‘20]提出了Poor Man__ mean压缩方法(PMC_mean)。PMC_mean是一种压缩时间序列的在线方法，该方法的思想是将时间序列中每个分段内所有数据均值作为该分段的常量。每采集到一个周期数据，计算当前压缩的时间序列内所有数据的均值，若该均值与当前时间序列的最大值或最小值的羞值超过阈值s时，即停止采样，将满足条件的时间序列压缩为一个分段。
上一篇：统计模型驱动的查询处理技术
上一篇：基于数据相关性压缩方法
相关技术资料- 4-9数据压缩技术
热门点击
- 干簧管的应用
- 干簧管
- 单电源桥式感器电路
- 无线传感器网络目标跟踪的基本过程
- 过零检测器电路
- TinyOS 2,0的安装与调试
- WXD3、WXD221、WXD222和WR2
- 卸载
- 85℃时ADG1611的增益设置和误差百分比
- 低电压低功耗上拉输出的比较器
推荐技术资料
- Seeed Studio
- Seeed Studio绐我们的印象总是和绘画脱离不了... [详细]
公网安备44030402000607
