基于数据相关性压缩方法
发布时间:2012/4/9 19:17:13 访问次数:1104
Jim Chou等提出了传感器网络的分 ISO122U布式压缩数据传输模型。主要思想是在所有的传感器节点中，选择一个节点发送完整的数据到汇聚节点，其他节点只发送压缩后的信息。汇聚节点收到数据后，通过压缩数据和未压缩数据之间的相关性进行解压缩，从而恢复原始数据。实现该方法的关键问题在于需要一个低复杂度、支持多压缩率的压缩算法和一种简单、高效的相关性跟踪算法。进一步地，Jim Clio等[22]等提出了一个简单的预测模型，用于跟踪和确定节点数据之间的相关性。
Sundeep Pattem等[23]讨论了相关性对数据压缩效果的影响。采用联合熵和位，跳值分别来度量被压缩信息的大小和数据传输的总能耗，对比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)这3种不同处理策略下的能耗情况。理论分析结果表明，相关性较低时，没有信息可以压缩，RDC方法能耗较低；相关性较高时，通过压缩可以节省大量能耗，CDR节能效果较好。另外，在相关性处于中等范围时，RDC和CDR两者性能相当，这表明可以采用一种混合式方法进行处理，传感器节点形成校小的集群，集群内的数据在集群首领处聚合，集群首领沿着最短路径向Sink节点传输聚合结果。
Sundeep Pattem等[23]讨论了相关性对数据压缩效果的影响。采用联合熵和位，跳值分别来度量被压缩信息的大小和数据传输的总能耗，对比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)这3种不同处理策略下的能耗情况。理论分析结果表明，相关性较低时，没有信息可以压缩，RDC方法能耗较低；相关性较高时，通过压缩可以节省大量能耗，CDR节能效果较好。另外，在相关性处于中等范围时，RDC和CDR两者性能相当，这表明可以采用一种混合式方法进行处理，传感器节点形成校小的集群，集群内的数据在集群首领处聚合，集群首领沿着最短路径向Sink节点传输聚合结果。
Jim Chou等提出了传感器网络的分 ISO122U布式压缩数据传输模型。主要思想是在所有的传感器节点中，选择一个节点发送完整的数据到汇聚节点，其他节点只发送压缩后的信息。汇聚节点收到数据后，通过压缩数据和未压缩数据之间的相关性进行解压缩，从而恢复原始数据。实现该方法的关键问题在于需要一个低复杂度、支持多压缩率的压缩算法和一种简单、高效的相关性跟踪算法。进一步地，Jim Clio等[22]等提出了一个简单的预测模型，用于跟踪和确定节点数据之间的相关性。
Sundeep Pattem等[23]讨论了相关性对数据压缩效果的影响。采用联合熵和位，跳值分别来度量被压缩信息的大小和数据传输的总能耗，对比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)这3种不同处理策略下的能耗情况。理论分析结果表明，相关性较低时，没有信息可以压缩，RDC方法能耗较低；相关性较高时，通过压缩可以节省大量能耗，CDR节能效果较好。另外，在相关性处于中等范围时，RDC和CDR两者性能相当，这表明可以采用一种混合式方法进行处理，传感器节点形成校小的集群，集群内的数据在集群首领处聚合，集群首领沿着最短路径向Sink节点传输聚合结果。
Sundeep Pattem等[23]讨论了相关性对数据压缩效果的影响。采用联合熵和位，跳值分别来度量被压缩信息的大小和数据传输的总能耗，对比分析了DSC (Distributed Source Coding)、RDC (Routing-Driven Compression)和CDR( Compression-Driven Routing)这3种不同处理策略下的能耗情况。理论分析结果表明，相关性较低时，没有信息可以压缩，RDC方法能耗较低；相关性较高时，通过压缩可以节省大量能耗，CDR节能效果较好。另外，在相关性处于中等范围时，RDC和CDR两者性能相当，这表明可以采用一种混合式方法进行处理，传感器节点形成校小的集群，集群内的数据在集群首领处聚合，集群首领沿着最短路径向Sink节点传输聚合结果。
相关技术资料- 4-9基于数据相关性压缩方法
热门点击
公网安备44030402000607
