專利名稱：一種用于無線傳感器網(wǎng)絡降低能耗的壓縮判決方法
技術領域：
“一種用于無線傳感器網(wǎng)絡降低能耗的壓縮判決方法”直接應用的技術領域是無線傳感器網(wǎng)絡中壓縮算法能耗的優(yōu)化設計。將本發(fā)明所述的方法與無線傳感器網(wǎng)絡中普遍使用的數(shù)據(jù)壓縮技術相結合，可以對整個傳感器節(jié)點的能量進行優(yōu)化控制。在滿足應用需求的前提下，傳感器節(jié)點能夠節(jié)省更多的能量消耗，延長其生存時間。

背景技術：
無線傳感器網(wǎng)絡(Wireless Sensor Networks，WSNs)憑借其高集成度、低成本以及自組織等特性，被廣泛應用于生態(tài)監(jiān)測、軍事監(jiān)控、醫(yī)療保健以及智能家居等領域中。其典型的運作模式是在指定的監(jiān)測區(qū)域內(nèi)，由廣泛部署的傳感器節(jié)點(Sensor Node)，將采集的監(jiān)測數(shù)據(jù)以多跳傳遞的方式，路由到匯聚節(jié)點(Sink Node)，進而送達上層管理終端作后續(xù)處理。由此，數(shù)據(jù)收集成為無線傳感器網(wǎng)絡最基本的功能。
作為網(wǎng)絡構成的基本單位，傳感器節(jié)點可分為四個主要模塊傳感模塊、射頻通信模塊、處理器模塊以及能源供應模塊。其中，傳感模塊從物理環(huán)境中采集數(shù)據(jù)，并將其轉換為電信號；射頻通信模塊將數(shù)據(jù)以無線方式發(fā)送給鄰近節(jié)點；處理器模塊負責整個運作過程的控制與調(diào)度。通常情況下，傳感器節(jié)點以電池充當其能源供應模塊，為其余各個模塊供電。高密度、大范圍的節(jié)點部署，增加了給節(jié)點更換電池、補充電量的難度。因此，能量的高效使用成為設計者面對的首要設計目標，這也是無線傳感器網(wǎng)絡區(qū)別于其他無線網(wǎng)絡的最根本的特性。
近年來的研究指出，射頻通信模塊的能量消耗約占節(jié)點總能耗的90％以上(見文獻D.Estrin；Tutorial“Wireless sensor networks”PartIVSensor networks protocols；MobiCom，2002)；同時，通信能耗與計算能耗的關系被認為是發(fā)送1比特數(shù)據(jù)相當于執(zhí)行200條指令(見文獻M.Srivastava；Tutorial“Wireless sensor networks”Part IISensorNode Platforms & Energy Issues；MobiCom，2002)。因此，設計者提出以計算能耗換取通信能耗的方式來節(jié)省節(jié)點的總能耗，即在滿足應用需求的前提下，對數(shù)據(jù)進行適當?shù)鼐W(wǎng)內(nèi)處理，減少數(shù)據(jù)傳輸量，從而有效地節(jié)省網(wǎng)絡能耗，延長網(wǎng)絡生存周期。鑒于節(jié)點采集的數(shù)據(jù)普遍存在著時間和空間上的信息冗余，無線傳感器網(wǎng)絡的能量優(yōu)化策略分別引入了數(shù)據(jù)壓縮(Data Compression)技術和數(shù)據(jù)聚合(Data Aggregation)技術。采用這兩種網(wǎng)內(nèi)數(shù)據(jù)處理技術，可以有效地去除原始數(shù)據(jù)在時域和空域中的相關性，進而減少所需的數(shù)據(jù)傳輸量，大幅度降低節(jié)點在數(shù)據(jù)通信上的能量損耗。
然而，“以計算代價換取通信代價”的做法并不能確保在任何情況下都能達到能量節(jié)省的效果 第一，網(wǎng)內(nèi)數(shù)據(jù)處理引入的額外計算能耗往往超出設計的預期。傳感器節(jié)點不僅能量有限，其計算能力亦相當有限。因此，在節(jié)點上實現(xiàn)數(shù)據(jù)處理需要較多的指令來完成，這就導致了計算時間的延長。以MicaZ節(jié)點(由加州大學伯克利分校開發(fā)的一款傳感器試驗節(jié)點)為例，執(zhí)行一次32位整數(shù)除法操作就需要花費大約600個時鐘周期(約75微秒)，而除法運算在數(shù)據(jù)處理算法中又是相當常見的。因此，相比于數(shù)據(jù)發(fā)送(250kbps，即發(fā)送1比特數(shù)據(jù)需4微秒)，網(wǎng)內(nèi)數(shù)據(jù)處理需要消耗更長的執(zhí)行時間，從而產(chǎn)生較大的計算能耗。
第二，傳感器節(jié)點的射頻功率可以根據(jù)不同的應用背景以及網(wǎng)絡拓撲結構進行可配置操作。目前開發(fā)的大多數(shù)節(jié)點都具備發(fā)射功率可配置的功能，即針對不同的通信距離，調(diào)整射頻模塊的發(fā)射功率。這一特性使節(jié)點不再需要時刻保持最大的發(fā)射功率。事實上，網(wǎng)絡的非均勻部署，使節(jié)點間的距離跨度從幾米到幾十米，合理設置發(fā)射功率，既可以節(jié)省能量，又能避免信息互擾。因此，很多實際應用充分利用了節(jié)點的這一特性當其進行短距離通信時，降低節(jié)點的發(fā)射功率。然而，隨著發(fā)射功率的不斷降低，射頻模塊的功耗會慢慢接近節(jié)點的計算功耗(即處理器功耗)。
第三，網(wǎng)內(nèi)數(shù)據(jù)處理所能獲得的節(jié)能效果依賴于原始數(shù)據(jù)的特性以及應用對數(shù)據(jù)精度的要求。以數(shù)據(jù)壓縮算法為例，如果數(shù)據(jù)本身的冗余度較小，即原始數(shù)據(jù)并不是強相關的，壓縮算法的執(zhí)行就很難大幅度減少數(shù)據(jù)量；如果應用對數(shù)據(jù)精度的要求較高，比如要求數(shù)據(jù)無損，則壓縮算法同樣不能獲得令人滿意的壓縮比。這就導致壓縮算法只能獲得很少的通信能耗的節(jié)省。
綜合以上三點可以發(fā)現(xiàn)，在某些情況下，網(wǎng)內(nèi)數(shù)據(jù)處理未必能達到預期的節(jié)能效果，反而會因為額外增加的計算能耗大大超過了節(jié)省的通信能耗，使執(zhí)行壓縮算法得不償失。此時，需要一種判決方法能夠作用于數(shù)據(jù)處理算法，避免算法引入不必要的能量損失。


發(fā)明內(nèi)容
本發(fā)明提出了一種壓縮判決方法，對應用于時域去相關的節(jié)點級數(shù)據(jù)壓縮算法，通過預測壓縮算法的壓縮比損益平衡點，給出能量最優(yōu)的控制決策，即實行數(shù)據(jù)壓縮或是直接發(fā)送原始數(shù)據(jù)。
本發(fā)明的特征在于所述方法是在各個無線傳感器的微處理器MCU中依次按以下步驟實現(xiàn)的 步驟(1)，初始化在所述微處理器MCU中設置一個壓縮判決模塊和一個數(shù)據(jù)壓縮模塊 所述壓縮判決模塊從所述微處理器MCU的應用層中提取以下預設的初始信息數(shù)據(jù)類型、精度要求e、以及輕量級時域壓縮算法LTC，上述初始信息在所述無線傳感器節(jié)點部署前是通過用戶接口預先設置的； 所述壓縮判決模塊從所述微處理器MCU的網(wǎng)絡傳輸層提取以下初始信息發(fā)射功率，其數(shù)值取自所述無線傳感器節(jié)點中的消息幀，還有數(shù)據(jù)傳輸速率和MCU計算功率，所述數(shù)據(jù)傳輸速率和MCU計算功率是從所述微處理器MCU的物理層經(jīng)過數(shù)據(jù)鏈路層后，再傳輸?shù)剿鼍W(wǎng)絡層中的； 所述壓縮判決模塊再把包括數(shù)據(jù)類型、精度要求e、壓縮算法類型、發(fā)射功率、數(shù)據(jù)傳輸速率、微處理器MCU計算功率在內(nèi)的所述初始信息送入所述微處理器的存儲單元； 所述壓縮判決模塊再把預設的基于所述輕量級時域壓縮算法LTC的一個壓縮比預測模型和一個壓縮執(zhí)行時間的預測模型存入所述微處理器MCU的存儲單元，其中 壓縮比預測模型是自變量e為誤差容限，因變量CR為最佳壓縮比，a、b、c、e1、e2為設定值對應數(shù)據(jù)類型為相對濕度，a等于-0.27、b等于0.88、c等于0.04、e1等于0、e2等于3；對應數(shù)據(jù)類型為海面壓強，a等于-0.59、b等于0.83、c等于0.04、e1等于0、e2等于1.4；對應數(shù)據(jù)類型為大氣溫度，a等于-2.72、b等于0.88、c等于0.04、e1等于0、e2等于0.3； 壓縮執(zhí)行時間的預測模型是f(CR)＝pCR+q，自變量CR為預測的最佳壓縮比，因變量f(CR)為壓縮算法執(zhí)行時間預測值，單位為毫秒，參數(shù)取值為 步驟(2)，在所述無線傳感器節(jié)點部署后，所述壓縮判決模塊判斷所述發(fā)射功率和精度要求e是否發(fā)生變化若其中任何一個發(fā)生變化，則啟動所述的方法，其步驟如下 步驟(3)，所述壓縮判決模塊從所述應用層提取以下信息數(shù)據(jù)類型、精度要求e以及算法類型，即所述輕量級時域壓縮算法LTC； 步驟(4)，所述壓縮判決模塊基于應用背景給出的所述誤差精度要求，預測所述輕量級時域壓縮算法所能獲得的最佳壓縮比CR；同時，預測輕量級壓縮算法所需的最短執(zhí)行時間是通過微處理器MCU指令集仿真工具AVR Studio結合MATLAB統(tǒng)計工具，再估計執(zhí)行所述LTC算法所需的最短時間； 步驟(5)，所述壓縮判決模塊從所述網(wǎng)絡傳輸層獲取發(fā)射功率、數(shù)據(jù)傳輸速率以及MCU計算功率； 步驟(6)，所述壓縮判決模塊按下式計算所述LTC算法的壓縮比損益平衡點CR′ 其中TMCU為在已知變量誤差精度要求e下，節(jié)點壓縮1個字節(jié)數(shù)據(jù)的時間開銷，根據(jù)步驟(1)所述的壓縮執(zhí)行時間的預測模型而計算得到；d為所述節(jié)點間的通信距離；PRF(d)為所述射頻模塊發(fā)射功率；其中PMCU為所述微處理器的功率，Ttran為節(jié)點發(fā)送1個字節(jié)數(shù)據(jù)所需的時間，由所述數(shù)據(jù)傳輸速率決定； 步驟(7)，比較所述損益平衡點CR＇與步驟(4)中得到的預測的最佳壓縮比CR 若CR′≥CR，則對原始數(shù)據(jù)進行壓縮操作后發(fā)送； 若CR′<CR，則直接發(fā)送所述的原始數(shù)據(jù)。
在滿足應用需求的前提下，將本發(fā)明用于傳統(tǒng)的數(shù)據(jù)壓縮算法，既能發(fā)揮數(shù)據(jù)壓縮在節(jié)省能耗方面的優(yōu)勢，又能有效避免算法可能引入不必要能量損失的情況，使節(jié)點總能耗達到優(yōu)化，延長節(jié)點的生存周期。針對不同特性的原始數(shù)據(jù)，與傳統(tǒng)的數(shù)據(jù)壓縮算法在等同條件下的比較結果顯示，結合本發(fā)明所提出的壓縮判決方法，可以獲得的能量節(jié)省最高達到10％～30％，而同時引入的額外計算開銷通常比壓縮單個數(shù)據(jù)的開銷還要小。由于壓縮判決方法僅當發(fā)射功率或精度要求發(fā)生變化時才會被執(zhí)行，因此其執(zhí)行頻率遠遠低于數(shù)據(jù)壓縮，從而使判決方法本身引入的額外開銷往往可以忽略不計。也就是說，本發(fā)明所提出的壓縮判決方法可以在引入很小額外開銷的情況下，有效地提高傳統(tǒng)壓縮算法的能量效率。



以下，結合附圖來詳細說明本發(fā)明的實施例，其中 圖1.本發(fā)明使用的傳感器節(jié)點的硬件框架； 圖2.本發(fā)明提出的節(jié)點級壓縮判決方法的軟件架構體系； 圖3.本發(fā)明提出的節(jié)點級壓縮判決方法的工作流程； 圖4.本發(fā)明使用的三種典型環(huán)境數(shù)據(jù)基于輕量級時域壓縮算法LTC壓縮算法的誤差容限—壓縮比變化曲線； 圖5.本發(fā)明作用于速變型數(shù)據(jù)(相對濕度)時獲取的能量節(jié)省比例； 圖6.本發(fā)明作用于漸變型數(shù)據(jù)(海面壓強)時獲取的能量節(jié)省比例； 圖7.本發(fā)明作用于緩變型數(shù)據(jù)(大氣溫度)時獲取的能量節(jié)省比例；
具體實施例方式 實施例 圖1為本發(fā)明使用的傳感器節(jié)點的硬件框架。該基本架構以微處理器為主要控制單元，實現(xiàn)對通信協(xié)議的控制和各種應用的處理；同時，微處理器兼?zhèn)湟欢ǖ拇鎯δ?，負責保存?zhèn)鞲袛?shù)據(jù)、各類幀信息(數(shù)據(jù)幀、消息幀、控制幀)以及用戶預設的各種應用相關數(shù)值等。其余各個模塊的功能如下傳感器(或稱為執(zhí)行器)負責實現(xiàn)數(shù)據(jù)采集；射頻收發(fā)器進行數(shù)據(jù)的無線傳輸；能量供應單元分別給射頻收發(fā)器、微處理器以及傳感器提供能量；用戶接口負責節(jié)點與上層管理終端的通信連接，包括應用參數(shù)的設置以及相關信息的讀取。
圖2為本發(fā)明提出的節(jié)點級壓縮判決方法的軟件架構體系，該體系位于節(jié)點微處理器的處理單元內(nèi)。與傳統(tǒng)的軟件架構相比，該體系在數(shù)據(jù)處理層中添加了壓縮判決的模塊，以此實現(xiàn)節(jié)點級的壓縮判決方法。
整個軟件體系共分五個層次，與互聯(lián)網(wǎng)所使用的五層協(xié)議類似，從頂至下依次為應用層、數(shù)據(jù)處理層、網(wǎng)絡傳輸層、數(shù)據(jù)鏈路層以及物理層。其中，數(shù)據(jù)處理層包括兩個子功能模塊數(shù)據(jù)壓縮和壓縮判決。對壓縮判決模塊而言，在執(zhí)行判決前，需要預知的信息包括數(shù)據(jù)類型、精度要求、壓縮算法類型、發(fā)射功率、數(shù)據(jù)傳輸速率、MCU計算功率。其中，數(shù)據(jù)類型、精度要求以及壓縮算法類型由應用層提供；發(fā)射功率取決于網(wǎng)絡傳輸層；數(shù)據(jù)傳輸速率和MCU計算功率由節(jié)點硬件決定，該信息通過協(xié)議棧最底層(物理層)逐級傳送至壓縮判決模塊。所需的預知信息均讀取自微處理器的存儲單元，分別由與微處理器連接的各個模塊提供。
通過壓縮判決可以得到兩種判決結果如果預測出數(shù)據(jù)壓縮可以節(jié)省能耗，則執(zhí)行壓縮算法；反之，則直接將原始數(shù)據(jù)無線發(fā)送。壓縮判決模塊將其判決結果發(fā)送給同層的數(shù)據(jù)壓縮模塊，同時下行傳送至物理層。如果判決結果為需要執(zhí)行壓縮，則由物理層將原始數(shù)據(jù)上行傳送到數(shù)據(jù)處理層，同時啟動該層的數(shù)據(jù)壓縮模塊，按照應用層所提供的精度要求，在數(shù)據(jù)壓縮模塊執(zhí)行壓縮操作，并將壓縮后的數(shù)據(jù)結果下行返回給物理層進行無線發(fā)送。另一方面，如果判決結果為不需要執(zhí)行壓縮，則無需啟動數(shù)據(jù)壓縮模塊，原始數(shù)據(jù)將直接經(jīng)由無線信道傳輸。
整個壓縮判決方法分為兩個階段學習階段和執(zhí)行階段。由于壓縮判決方法需要預測出壓縮算法的損益平衡點，因此在執(zhí)行判決前要建立相應的預測模型。本發(fā)明涉及到的預測模型包括壓縮比的預測模型和壓縮執(zhí)行時間的預測模型。對這兩種模型的建立，采用不同類型及特性的原始數(shù)據(jù)，以基于同一種數(shù)據(jù)壓縮算法，根據(jù)不同誤差容限下獲得的壓縮比作為預測輸入，使用MATLAB提供的數(shù)據(jù)分析與統(tǒng)計工具，對數(shù)據(jù)進行統(tǒng)計分析及數(shù)據(jù)擬合，進而構筑所需的預測模型。本發(fā)明所需的預測模型，是基于精度要求e的一元函數(shù)，通過最小二乘法構筑，即 求f(e)，使達到最小 其中，δi為點(ei，yi)與曲線y＝f(e)的距離。最小二乘準則就是使所有散點到曲線的距離平方和最小。根據(jù)實際的統(tǒng)計結果，可以采用不同的數(shù)據(jù)擬合模型，其中包括 一次函數(shù)f(e)＝ae+b a、b為待定系數(shù) 分段函數(shù)a、b、c、e1、e2為待定系數(shù) 多項式函數(shù)f(e)＝a0+a1e+a2e2+...+anen a0、a1、…、an為待定系數(shù) 指數(shù)函數(shù)f(e)＝ae a為待定系數(shù)，a>0且a≠1 以上過程稱為壓縮判決的學習階段。該學習階段由系統(tǒng)后臺完成，建模結果告知傳感器節(jié)點，并將其存儲于微處理器中。壓縮判決的執(zhí)行階段即為實際執(zhí)行判決的過程。圖3為本發(fā)明提出的節(jié)點級壓縮判決方法的工作流程。整個工作流程包括以下幾個步驟 步驟01如果壓縮判決所需的任一預知信息發(fā)生改變，則壓縮判決啟動。
六種預知信息中，數(shù)據(jù)傳輸速率、MCU計算功率由節(jié)點的硬件結構決定，故可視為恒定常量；對于同一種應用背景，數(shù)據(jù)類型及壓縮算法類型亦固定不變。由此，壓縮判決所需的預知信息之中，發(fā)射功率和精度要求的變化相對頻繁，故而成為啟動壓縮判決方法的主要因素。
步驟02壓縮判決模塊從應用層中獲取相關信息。
所涉及的信息包括數(shù)據(jù)類型、精度要求以及壓縮算法種類，相應地保存于微處理器的存儲單元內(nèi)，可以通過用戶接口預先設置(節(jié)點部署前)，也可以取自射頻模塊提供的控制幀信息(節(jié)點部署后)。
步驟03根據(jù)應用層提供的相關信息，預測壓縮算法(本文為輕量級時域壓縮算法LTC)所能獲得的最佳壓縮比。
預測過程需要借助壓縮判決方法在學習階段建立的預測模型。本文涉及到的壓縮比，其定義為壓縮后的數(shù)據(jù)總量與原始數(shù)據(jù)量之比。經(jīng)由大量的樣本統(tǒng)計所獲得的壓縮比預測模型，可以預測出確定類型的原始數(shù)據(jù)，在特定的壓縮算法和不同的誤差容限要求下，能夠達到的最佳壓縮比。本文的誤差容限是指應用背景給出的數(shù)據(jù)精度要求。
步驟04根據(jù)應用層提供的相關信息，預測執(zhí)行壓縮算法(本文為輕量級時域壓縮算法LTC)所需的最短時間。
該預測過程與步驟03中所述的過程相類似。其構筑的壓縮執(zhí)行時間預測模型根據(jù)應用層指定的精度要求，采用微處理器指令級仿真工具(本文為AVR Studio軟件包)結合MATLAB統(tǒng)計工具，估計執(zhí)行相應的壓縮算法所需的最短時間。
步驟05壓縮判決模塊從網(wǎng)絡傳輸層中獲取相關信息，包括發(fā)射功率、數(shù)據(jù)傳輸速率以及MCU計算功率。
其中，發(fā)射功率由網(wǎng)絡傳輸層決定，其數(shù)值取自消息幀，由射頻模塊提供；數(shù)據(jù)傳輸速率和MCU計算功率取決于節(jié)點的硬件結構，相關信息預置于微處理器的存儲單元中，通過物理層逐級上行傳送。
步驟06計算壓縮算法的壓縮比損益平衡點CR′。
計算壓縮比損益平衡點CR′的過程經(jīng)由以下數(shù)學推導實現(xiàn) 記Euncomp為節(jié)點直接發(fā)送原始數(shù)據(jù)所需的通信能耗；Ecomp為節(jié)點壓縮原始數(shù)據(jù)并發(fā)送壓縮后數(shù)據(jù)的總能耗，該能耗由兩部分組成處理器(MCU)執(zhí)行壓縮的能耗以及射頻(RF)的通信能耗。于是有 Euncomp＝PRF(d)*L*Ttran (1) Ecomp＝EMCU+ERF(2) EMCU＝PMCU*L*TMCU(e) (3) ERF＝PRF(d)*L*CR(e)*Ttran(4) 其中，Ttran表示節(jié)點發(fā)送單字節(jié)(1byte)數(shù)據(jù)所需時間，由數(shù)據(jù)傳輸速率決定；TMCU表示節(jié)點壓縮單字節(jié)(1byte)數(shù)據(jù)的時間開銷，根據(jù)已建立的壓縮執(zhí)行時間預測模型，在步驟04中得到。射頻模塊的發(fā)射功率PRF取決于節(jié)點的通信距離d；處理器模塊(MCU)的功率PMCU則由硬件決定。L為原始數(shù)據(jù)量；CR表示壓縮可以獲得的壓縮比，該數(shù)值由步驟03得到。
可以看出，壓縮算法的壓縮比損益平衡點出現(xiàn)在直接發(fā)送和壓縮后發(fā)送的總能耗相等的時候，即式(1)等于式(2)，此時壓縮算法的壓縮比損益平衡點CR′為 由于PMCU與Ttran對于特定傳感器節(jié)點來說可以視為常量，故使用來表述其取值。由式(5)可以發(fā)現(xiàn)，對于特定的節(jié)點，CR′的數(shù)值取決于應用對誤差容限e和通信距離d的要求。
步驟07比較壓縮比損益平衡點CR′與預測的最佳壓縮比CR。
步驟08如果CR′≥CR，對原始數(shù)據(jù)進行壓縮操作后發(fā)送。
CR＇指示了壓縮算法可以獲得節(jié)能收益的臨界點，即如果所執(zhí)行的壓縮未能達到臨界點的要求，則壓縮算法將無法獲得節(jié)能收益。由此，當且僅當預測的最佳壓縮比CR小于等于CR′時，壓縮才有可能節(jié)省能量，此時的判決結果為執(zhí)行壓縮操作。
步驟09如果CR′<CR，直接發(fā)送原始數(shù)據(jù)。
CR′<CR表明，預測的最佳壓縮比CR無法達到臨界點CR′的要求，即算法可能獲得的最佳效果都無法達到損益平衡，故此時的判決結果為直接發(fā)送原始數(shù)據(jù)。
步驟10節(jié)點結束一次壓縮判決過程。
為了檢驗節(jié)點級壓縮判決方法對節(jié)點能耗的優(yōu)化作用，我們首先選取采自于實際物理環(huán)境下的傳感器數(shù)據(jù)及適用于該數(shù)據(jù)特性的壓縮算法，以此建立所需的兩種預測模型，即完成壓縮判決方法的學習階段；然后通過仿真，比較傳統(tǒng)的數(shù)據(jù)壓縮算法與結合了壓縮判決方法的數(shù)據(jù)壓縮算法，在等同條件下的能耗差異。
我們所選取的原始數(shù)據(jù)來自于太平洋海洋環(huán)境實驗室的熱帶大氣海洋計劃(TropicalAtmosphere Ocean Project，TAO)。該系統(tǒng)能夠?qū)崟r采集與海洋及氣象相關的數(shù)據(jù)用于后續(xù)研究。此外，我們選擇輕量級時域壓縮算法LTC作為指定的數(shù)據(jù)壓縮算法。輕量級時域壓縮算法(見文獻T.Schoellhammer，B.Greenstein，E.Osterweil，M.Wimbrow，and D.Estrin；Lightweight temporal compression of microclimate datasets；Proceedings of the 29thAnnual IEEE International Conference on Local Computer Networks，2004)是一種針對環(huán)境數(shù)據(jù)的低復雜度數(shù)據(jù)壓縮技術，它充分利用了環(huán)境數(shù)據(jù)連續(xù)及近似線性變化的特性，能夠獲取比傳統(tǒng)基于字典的壓縮算法LZW及小波變換更好的壓縮效果。需要特別指出的是，根據(jù)我們對大量數(shù)據(jù)類型和壓縮算法的仿真，本發(fā)明提出的壓縮判決方法并不局限于特定的數(shù)據(jù)類型和壓縮算法，這里選擇特定的數(shù)據(jù)類型和壓縮算法只是為了更好地說明這一方法所能獲得的效果。
圖4顯示了三類具有代表性的環(huán)境數(shù)據(jù)在輕量級時域壓縮算法作用下所能獲得的最佳壓縮比。其中，橫坐標表述的誤差容限，其單位對應于各類數(shù)據(jù)的國際標準單位。三類數(shù)據(jù)分別為代表速變型數(shù)據(jù)的相對濕度、代表漸變型數(shù)據(jù)的海面壓強以及代表緩變型數(shù)據(jù)的大氣溫度。判決方法需要的壓縮比預測模型即根據(jù)圖4顯示的統(tǒng)計結果，對不同類型的數(shù)據(jù)進行建模得到。我們采用的擬合模型為分段一次函數(shù)，即自變量e為誤差容限，因變量CR為最佳壓縮比。針對上述三種實驗數(shù)據(jù)，相應的參數(shù)取值如表1所示。
表1 最佳壓縮比預測模型各參數(shù)值 同理可以獲得壓縮算法執(zhí)行時間的預測模型。由于壓縮算法的執(zhí)行時間與具體數(shù)值無關，僅取決于壓縮比不同引起的所執(zhí)行循環(huán)體的不同，而壓縮比由誤差容限決定，因此可以使用之前獲得的最佳壓縮比CR作為自變量，建立相應的壓縮比-執(zhí)行時間模型，以此間接表征誤差容限與執(zhí)行時間的函數(shù)關系。我們采用的擬合模型為一次函數(shù)，即f(CR)＝pCR+q，自變量CR為預測的最佳壓縮比，因變量f(CR)為壓縮算法執(zhí)行時間預測值，單位為毫秒。其中，參數(shù)的取值為 圖5、圖6和圖7分別顯示了壓縮判決方法作用于速變型數(shù)據(jù)(相對濕度)、漸變型數(shù)據(jù)(海面壓強)以及緩變型數(shù)據(jù)(大氣溫度)時獲取的能量節(jié)省比例。驗證實驗采用的硬件平臺為加州大學伯克利分校開發(fā)的MicaZ試驗節(jié)點，該節(jié)點使用的射頻芯片為CC2420，具有32個可配置的發(fā)射功率級別。以50個數(shù)據(jù)為單位(組)執(zhí)行壓縮，每類數(shù)據(jù)選取20組。為了確保驗證的準確性，所用的原始數(shù)據(jù)不同于判決學習階段使用的統(tǒng)計樣本。能量節(jié)省比例定義為(使用傳統(tǒng)數(shù)據(jù)壓縮的節(jié)點總能耗-結合壓縮判決方法的節(jié)點總能耗)/使用傳統(tǒng)數(shù)據(jù)壓縮的節(jié)點總能耗×100％。
從圖5、圖6和圖7中可以看出，結合了壓縮判決方法的數(shù)據(jù)壓縮算法，作用于各種類型的環(huán)境數(shù)據(jù)，均能獲得節(jié)省能耗的效果。尤其當射頻發(fā)射功率較低時，最大的能量節(jié)省比例可以達到10％～30％。結果表明，當壓縮算法本身無法達到節(jié)省能耗的效果時，壓縮判決方法能夠準確作出預測，并給出相應的能量優(yōu)化控制決策。隨著發(fā)射功率的增大，射頻模塊能耗所占的比重隨之增加，而對數(shù)據(jù)壓縮算法計算能耗的要求則變得相對寬裕，判決方法預測出此種情況下執(zhí)行壓縮更能節(jié)省能耗，故此時的能量節(jié)省比例為0，即傳統(tǒng)的壓縮算法和結合了判決的數(shù)據(jù)壓縮所消耗的總能量相等。
另一方面，壓縮判決方法引入的額外開銷即為MCU執(zhí)行該判決需要消耗的能量，仿真結果標明，判決方法引入的額外開銷通常比壓縮單個數(shù)據(jù)的開銷還要小。同時，由于壓縮判決方法僅當發(fā)射功率或精度要求發(fā)射變化時才會被執(zhí)行，因此其執(zhí)行頻率遠遠低于數(shù)據(jù)壓縮，從而使判決方法本身引入的額外開銷往往可以忽略不計。
實驗證明，在引入很小額外開銷的情況下，本發(fā)明提出的節(jié)點級壓縮判決方法能夠準確地預測出壓縮算法的損益平衡點，并給出能量最優(yōu)的控制決策。在滿足應用需求的前提下，結合了壓縮判決方法的數(shù)據(jù)壓縮算法，既能發(fā)揮壓縮算法在節(jié)省能耗方面的優(yōu)勢，又能有效地避免壓縮算法引入不必要的能量損失，從而使節(jié)點總能耗得到優(yōu)化，延長了節(jié)點的生存周期。
權利要求
1、一種用于無線傳感器網(wǎng)絡的降低能耗的壓縮判決方法，其特征在于，所述方法是在各個無線傳感器的微處理器MCU中依次按以下步驟實現(xiàn)的
步驟(1)，初始化在所述微處理器MCU中設置一個壓縮判決模塊和一個數(shù)據(jù)壓縮模塊
所述壓縮判決模塊從所述微處理器MCU的應用層中提取以下預設的初始信息數(shù)據(jù)類型、精度要求e、以及輕量級時域壓縮算法LTC，上述初始信息在所述無線傳感器節(jié)點部署前是通過用戶接口預先設置的；
所述壓縮判決模塊從所述微處理器MCU的網(wǎng)絡傳輸層提取以下初始信息發(fā)射功率，其數(shù)值取自所述無線傳感器節(jié)點中的消息幀，還有數(shù)據(jù)傳輸速率和MCU計算功率，所述數(shù)據(jù)傳輸速率和MCU計算功率是從所述微處理器MCU的物理層經(jīng)過數(shù)據(jù)鏈路層后，再傳輸?shù)剿鼍W(wǎng)絡層中的；
所述壓縮判決模塊再把包括數(shù)據(jù)類型、精度要求e、壓縮算法類型、發(fā)射功率、數(shù)據(jù)傳輸速率、微處理器MCU計算功率在內(nèi)的所述初始信息送入所述微處理器的存儲單元；
所述壓縮判決模塊再把預設的基于所述輕量級時域壓縮算法LTC的一個壓縮比預測模型和一個壓縮執(zhí)行時間的預測模型存入所述微處理器MCU的存儲單元，其中
壓縮比預測模型是自變量e為誤差容限，因變量CR為最佳壓縮比，a、b、c、e1、e2為設定值對應數(shù)據(jù)類型為相對濕度，a等于-0.27、b等于0.88、c等于0.04、e1等于0、e2等于3；對應數(shù)據(jù)類型為海面壓強，a等于-0.59、b等于0.83、c等于0.04、e1等于0、e2等于1.4；對應數(shù)據(jù)類型為大氣溫度，a等于-2.72、b等于0.88、c等于0.04、e1等于0、e2等于0.3；
壓縮執(zhí)行時間的預測模型是f(CR)＝pCR+q，自變量CR為預測的最佳壓縮比，因變量f(CR)為壓縮算法執(zhí)行時間預測值，單位為毫秒，參數(shù)取值為步驟(2)，在所述無線傳感器節(jié)點部署后，所述壓縮判決模塊判斷所述發(fā)射功率和精度要求e是否發(fā)生變化若其中任何一個發(fā)生變化，則啟動所述的方法，其步驟如下
步驟(3)，所述壓縮判決模塊從所述應用層提取以下信息數(shù)據(jù)類型、精度要求e以及算法類型，即所述輕量級時域壓縮算法LTC；
步驟(4)，所述壓縮判決模塊基于應用背景給出的所述誤差精度要求，預測所述輕量級時域壓縮算法所能獲得的最佳壓縮比CR；同時，預測輕量級壓縮算法所需的最短執(zhí)行時間是通過微處理器MCU指令集仿真工具AVR Studio結合MATLAB統(tǒng)計工具，再估計執(zhí)行所述LTC算法所需的最短時間；
步驟(5)，所述壓縮判決模塊從所述網(wǎng)絡傳輸層獲取發(fā)射功率、數(shù)據(jù)傳輸速率以及MCU計算功率；
步驟(6)，所述壓縮判決模塊按下式計算所述LTC算法的壓縮比損益平衡點CR′
其中TMCU為在已知變量誤差精度要求e下，節(jié)點壓縮1個字節(jié)數(shù)據(jù)的時間開銷，根據(jù)步驟(1)所述的壓縮執(zhí)行時間的預測模型而計算得到；d為所述節(jié)點間的通信距離；PRF(d)為所述射頻模塊發(fā)射功率；其中PMCU為所述微處理器的功率，Ttran為節(jié)點發(fā)送1個字節(jié)數(shù)據(jù)所需的時間，由所述數(shù)據(jù)傳輸速率決定；
步驟(7)，比較所述損益平衡點CR′與步驟(4)中得到的預測的最佳壓縮比CR
若CR′≥CR，則對原始數(shù)據(jù)進行壓縮操作后發(fā)送；
若CR′<CR，則直接發(fā)送所述的原始數(shù)據(jù)。
全文摘要
一種用于無線傳感器網(wǎng)絡的降低能耗的壓縮判決方法，屬于無線傳感器網(wǎng)絡技術，尤其是能耗優(yōu)化設計技術領域，在無線傳感器的微處理器MCU的數(shù)據(jù)處理中設立了一個壓縮判決模塊，一旦射頻模塊的發(fā)射功率，或者是用戶的精度要求發(fā)生變化，便可利用預設的執(zhí)行LTC壓縮算法的最佳壓縮比預測模型以及執(zhí)行最短時間預測模型，得到壓縮單字節(jié)數(shù)據(jù)的時間開銷，便可根據(jù)MCU壓縮1字節(jié)數(shù)據(jù)的時間開銷與發(fā)送1字節(jié)的時間開銷之比、MCU的功率與發(fā)射功率之比這兩個參數(shù)，就能確定損益平衡點的最佳壓縮比，以此來判斷壓縮后再發(fā)送還是直接發(fā)送。本發(fā)明能有效地避免不必要的能量損失，最高可達到10％～30％。
文檔編號H04W84/18GK101420740SQ20081023893
公開日2009年4月29日 申請日期2008年12月5日 優(yōu)先權日2008年12月5日
發(fā)明者楊華中, 應蓓華, 偉 劉, 劉勇攀, 蕙 汪 申請人:清華大學