基于數據相關性壓縮方法
發布時間:2012/4/9 19:17:13 訪問次數:1095
Jim Chou等提出了傳感器網絡的分 ISO122U布式壓縮數據傳輸模型。主要思想是在所有的傳感器節點中，選擇一個節點發送完整的數據到匯聚節點，其他節點只發送壓縮后的信息。匯聚節點收到數據后，通過壓縮數據和未壓縮數據之間的相關性進行解壓縮，從而恢復原始數據。實現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、高效的相關性跟蹤算法。進一步地，Jim Clio等[22]等提出了一個簡單的預測模型，用于跟蹤和確定節點數據之間的相關性。
Sundeep Pattem等[23]討論了相關性對數據壓縮效果的影響。采用聯合熵和位，跳值分別來度量被壓縮信息的大小和數據傳輸的總能耗，對比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)這3種不同處理策略下的能耗情況。理論分析結果表明，相關性較低時，沒有信息可以壓縮，RDC方法能耗較低；相關性較高時，通過壓縮可以節省大量能耗，CDR節能效果較好。另外，在相關性處于中等范圍時，RDC和CDR兩者性能相當，這表明可以采用一種混合式方法進行處理，傳感器節點形成校小的集群，集群內的數據在集群首領處聚合，集群首領沿著最短路徑向Sink節點傳輸聚合結果。
Sundeep Pattem等[23]討論了相關性對數據壓縮效果的影響。采用聯合熵和位，跳值分別來度量被壓縮信息的大小和數據傳輸的總能耗，對比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)這3種不同處理策略下的能耗情況。理論分析結果表明，相關性較低時，沒有信息可以壓縮，RDC方法能耗較低；相關性較高時，通過壓縮可以節省大量能耗，CDR節能效果較好。另外，在相關性處于中等范圍時，RDC和CDR兩者性能相當，這表明可以采用一種混合式方法進行處理，傳感器節點形成校小的集群，集群內的數據在集群首領處聚合，集群首領沿著最短路徑向Sink節點傳輸聚合結果。
Jim Chou等提出了傳感器網絡的分 ISO122U布式壓縮數據傳輸模型。主要思想是在所有的傳感器節點中，選擇一個節點發送完整的數據到匯聚節點，其他節點只發送壓縮后的信息。匯聚節點收到數據后，通過壓縮數據和未壓縮數據之間的相關性進行解壓縮，從而恢復原始數據。實現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、高效的相關性跟蹤算法。進一步地，Jim Clio等[22]等提出了一個簡單的預測模型，用于跟蹤和確定節點數據之間的相關性。
Sundeep Pattem等[23]討論了相關性對數據壓縮效果的影響。采用聯合熵和位，跳值分別來度量被壓縮信息的大小和數據傳輸的總能耗，對比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)這3種不同處理策略下的能耗情況。理論分析結果表明，相關性較低時，沒有信息可以壓縮，RDC方法能耗較低；相關性較高時，通過壓縮可以節省大量能耗，CDR節能效果較好。另外，在相關性處于中等范圍時，RDC和CDR兩者性能相當，這表明可以采用一種混合式方法進行處理，傳感器節點形成校小的集群，集群內的數據在集群首領處聚合，集群首領沿著最短路徑向Sink節點傳輸聚合結果。
Sundeep Pattem等[23]討論了相關性對數據壓縮效果的影響。采用聯合熵和位，跳值分別來度量被壓縮信息的大小和數據傳輸的總能耗，對比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)這3種不同處理策略下的能耗情況。理論分析結果表明，相關性較低時，沒有信息可以壓縮，RDC方法能耗較低；相關性較高時，通過壓縮可以節省大量能耗，CDR節能效果較好。另外，在相關性處于中等范圍時，RDC和CDR兩者性能相當，這表明可以采用一種混合式方法進行處理，傳感器節點形成校小的集群，集群內的數據在集群首領處聚合，集群首領沿著最短路徑向Sink節點傳輸聚合結果。
相關技術資料- 4-9基于數據相關性壓縮方法
熱門點擊
公網安備44030402000607
