CN103119990A - 用于基于比特位置压缩比特平面的方法和*** - Google Patents
用于基于比特位置压缩比特平面的方法和*** Download PDFInfo
- Publication number
- CN103119990A CN103119990A CN2010800692712A CN201080069271A CN103119990A CN 103119990 A CN103119990 A CN 103119990A CN 2010800692712 A CN2010800692712 A CN 2010800692712A CN 201080069271 A CN201080069271 A CN 201080069271A CN 103119990 A CN103119990 A CN 103119990A
- Authority
- CN
- China
- Prior art keywords
- bit
- planes
- data
- node
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
提供了用于压缩数字离散节点数据以降低总体功耗的技术。节点数据能够由具有指定数据宽度的多个数据单元来表示,并且也能够被视为与数据单元的在每个比特位置的数据相对应的多个比特平面(710)。可以使用相对于所估计的能耗的可获得的压缩率估计,来为数据单元选择阈值比特位置值(720)。阈值比特位置值能够表示一边界,其中用于压缩和传送比特平面的所估计的能耗小于用于传送未压缩比特平面的所估计的能耗(730)。选择多个比特平面中比特位置值大于阈值比特位置值的比特平面(740)。使用联网节点中的压缩器来压缩比特平面(750)。
Description
背景技术
传感器网络能够将来自许多远程传感器节点的信息搜集到收集器中并且基于在收集器接收的信息来处理数据或者将所收集的数据传送到中央处理器。远程传感器节点能够包括将由传感器监视的能量或输入转换成电信号或数字信号的换能器。远程传感器节点可以离开收集器一定距离并且由于缺少可用的商业电网电力而使用独立的电源,如电池、电容器或太阳能电池。
由于远程传感器节点距收集器的距离,远程传感器节点可以经由无线通信设备向收集器传送具有数据的信号。用于传送数据的功率能够从独立电源放电并且能够降低远程传感器节点从独立电源可获得的有限功率或者缩短远程传感器节点能够使用独立电源的时间。降低远程传感器节点的功耗能够延长独立电源的寿命,增强网络的可靠性,并且延长远程传感器节点能够收集数据的时间。
附图说明
图1是根据实施例的具有网络节点和网络收集器的***的图示;
图2A是根据实施例的由具有指定数据宽度的多个数据单元表示的节点数据的图示;
图2B是根据实施例的由与数据单元的在每个比特位置的数据相对应的多个比特平面表示的节点数据的图示;
图3A是根据实施例的比特平面压缩的图示;
图3B是根据实施例的具有阈值比特位置、最高有效比特(MSB)和最低有效比特(LSB)的数据单元的图示;
图4A是根据实施例的未压缩节点数据的图示;
图4B是根据实施例的具有比特位置值大于阈值比特位置值的经压缩比特平面和比特位置值小于或等于阈值比特位置值的未压缩比特平面的节点数据的图示;
图5是根据实施例的远程传感器网络节点的图示;
图6是根据实施例的图示用于基于比特位置来压缩数字离散节点数据以降低联网节点的总体功耗的方法的流程图;和
图7是根据实施例的图示用于基于比特位置来压缩数字离散节点数据以降低联网节点的总体功耗的方法的流程图。
具体实施方式
拥有本公开的相关领域技术人员将想到的本文所图示的特征的替换和另外的修改以及本文所图示的技术的原理的额外的应用被视为在本技术的范围内。不同图中的相同附图标记表示相同的要素。
如图1中所图示,网络可以包括可以经由发射机和接收机与另一个网络节点100c通信的网络节点100a或者网络节点可以与网络收集器180通信。网络节点可以经由无线、光学、光纤、有线、红外线或类似类型的通信信道与其他网络节点或网络收集器通信。网络节点可以是传感器节点或远程传感器网络节点。网络可以是传感器网络。网络节点可以用于搜集数据,如压力、加速度和温度,并且可以被定位在距离网络收集器一距离的指定位置。网络节点可以是低功耗设备或电池供电的设备。
网络收集器180可以从网络节点收集数据,并且网络收集器可以将数据组合和处理成信息的数据库。网络收集器可以包括处理器、存储设备、发射机和/或接收机和电源。收集器可以处理大量信息并且可能不具有与网络节点相同的功耗约束。收集器的电源可以包括商业生产的交流电(AC)电网。
如在图2A中所图示的,节点数据228可以由具有指定数据宽度的多个数据单元来表示。例如,数据宽度可以是2比特、3比特、4比特、8比特、12比特、16比特、4字节宽,或具有多个数据单元的任何数据宽度(如在图2A中)。在一些配置中,数据将被加符号(sign)并且符号比特能够用在数据宽度中。可以使用数据总线将节点数据的数据单元顺序地从一个元件发送到节点的另一个元件(例如,从传感器发送到处理器)。例如,第一数据单元A 204之后可以是数据单元 B 206、C 208、D 214、E 216、F 218、G 224、H 226和其他数据单元。数据单元可以具有最高有效比特(MSB) 272和最低有效比特(LSB) 202、其中从MSB到LSB按顺序是比特262、252、242、232、222、212。在一个示例中,数据单元也可以对应于随时间推移进行的数据测量的序列,其中每个数据单元表示单个测量。
如图2B中所图示的,节点数据可以被视为多个比特平面,其中每个比特平面对应于数据单元的在每个比特位置的数据。比特平面能够指数据在存储器中的位置。例如,数据单元 A 204的八(8)个比特(图2A)能够位于八(8)个相应比特平面 200、210、220、230、240、250、260、270的每个上的相同点。0比特比特平面200可以包括数据单元的零位置比特202,且对于其他比特平面和数据单元的比特也是同样的。节点数据中的数据单元或比特平面中的每个比特可以表示节点数据的不同水平或分辨率。每个比特平面可以具有类似的分辨率。
由于可以对节点可用的有限功率,降低网络节点的电子部件和元件的功耗可以扩展节点的功能寿命或功能。节点可以具有包括可用的能量和所花费或消耗的能量的能量预算。
网络节点可以具有有限的计算能力和功耗可用性,但是可以处理大量数据。基于比特位置来压缩数字离散节点数据以降低联网节点的总体功耗的方法可以提供控制压缩器可以利用节点的有限资源压缩多少数据的“旋钮”,其中最可压缩的部分被给予优先。阈值比特位置值可以用于优化节点数据或信号的统计假定的适用性。通过将“噪声”参数包括在可获得的压缩率估计中,该方法可以防止对噪声和噪声很大的数据进行压缩的尝试。阈值比特位置值也可以用于确定哪些比特可以被压缩以及哪些比特可以未经压缩地被存储或发送,以使得通过压缩获得的功率节省比通过相关联的计算引起的功耗重要,并且总功耗在预算内。此外,在允许一定程度的数据损失的应用中,丢弃一些“有噪声的”比特可能是可行的。在这些情况下,一些比特经压缩地被发送,其他未经压缩地被发送,而剩余的比特被丢弃。
例如,在地震采样中,第一比特平面或最高有效比特(MSB)比特平面可以给出数据信号的值的最粗略近似,并且比特平面的比特次序的有效性越低,比特平面对数据的贡献的有效性就越低。因此,每个额外的比特平面可以给出信号的更好近似。样本的属于第一比特平面的比特和指定数目的较低比特次序比特平面可以被称作截断的(truncated)样本。
更远离MSB比特平面的比特平面可以具有更大变化,包括基准样本与邻近或相邻样本之间的二进制值中的改变,并且可能不具有能够被压缩的特性或可能不提供来自压缩的功率节省好处(例如,其中经压缩比特平面的传输和压缩使用比未压缩的比特平面的传输少的功率)。更远离MSB比特平面的比特平面可能易受噪声影响,受噪声影响,或包括由于传感器输入的捕捉机制而引起的噪声。噪声可能是对于想要的信号而言不希望的扰乱。相比未损坏的比特平面,被噪声损坏的比特平面的可压缩性更低。
如图3A中所图示的,比特平面310可以被压缩到经压缩比特流320中。具有较高压缩比率的比特平面可以受益于传送经压缩比特平面,而具有较低压缩比率的比特平面可以受益于传送未压缩比特平面。尽管使用直观2D (二维的) 解释显示了未压缩比特平面,但是比特平面也能够被认为没必要具有2D解释 (例如能够被认为使用1D解释)。
节点数据的MSB比特平面、LSB比特平面或任何比特平面相比节点数据的另一个比特平面可以获得更大的压缩率。例如,相比LSB比特平面,MSB比特平面可以是更加可压缩的,其中在两者之间的比特平面从MSB比特平面到LSB比特平面具有从较大的压缩率到较小的压缩率的数据压缩率。在另一个实施例中,相比MSB比特平面,LSB比特平面可以是更加可压缩的,其中压缩率的范围是从LSB比特平面的高压缩率到MSB比特平面的较低压缩率。为了本文的清楚和图示,MSB比特平面表示节点数据比特平面的最高压缩率,并且LSB比特平面表示节点数据比特平面的最低压缩率,其中比特值更靠近MSB的比特平面相比比特值更远离MSB的比特平面具有更高的压缩率。例如,相比表示3比特的第三比特平面,表示数据单元300 (图3B)中的4比特304的第四比特平面可以是更加可压缩的,因为在数据单元中在位置上4比特比3比特更靠近7比特或MSB 272。
在其中不同比特平面的压缩率从LSB到MSB比特平面不增加的情况下,置换函数可以被应用到比特平面标签,使得在应用适当置换之后,得到的比特平面排序满足压缩率从(置换的) LSB到(置换的) MSB比特平面增加的条件。替换地,作为对使用阈值来确定压缩哪些比特平面和使哪些比特平面未压缩的替代,可以向每个比特平面应用更加通用的二进制函数以确定其是否应当被压缩。对于阈值的特定情况,二进制函数是f(BP)=1(BP>TH),其中BP是比特平面号,TH是阈值,1(.) 是指示符函数,并且f(BP)=1,每当比特平面要被压缩时。
如图3B中所图示的,可以使用相对于比特平面的压缩的所估计的功耗的压缩率估计和传送该比特平面的所估计的功耗来选择用于数据单元300的阈值比特位置值302。压缩率估计可以是压缩比率。压缩率估计可以对于节点数据的类型基于每个比特平面的位置值来估计数据压缩。节点数据的类型可以是加速度数据、地震数据、应变数据、病原体数据、图形数据,数字照片数据,或由传感器生成的其他类型的节点数据。例如,用于地震样本的MSB比特平面压缩比率估计可以是30比1,而用于地震样本的LSB比特平面压缩比率估计可以是1.5比1。可以基于历史数据通过每个比特位置和每种类型的数据确定压缩率估计。压缩率估计可以对于每个比特平面使用统计模型或随机模型。例如,可以对于比特平面的子集计算统计以确定是否能够通过之前处理的值加根据双边几何分布(TSGD)分布的随机变量的函数来很好地建模包括来自该比特平面的子集的对应的比特的值,其能够是比特平面的高数据压缩比率的指示符。压缩率估计可以存储在节点中的数据储存器中。压缩率估计可以存储为表格或参数。压缩算法可以针对数据的类型、数据单元的比特位置和/或比特平面进行定制。
用于处理比特平面的所估计的能耗可以包括对于每种类型的节点数据用于获取或生成比特平面、压缩比特平面、传送比特平面或存储比特平面的能量。用于压缩比特平面的所估计的能量可以是对于一种类型的节点数据用于压缩比特平面的压缩过程的能耗的估计。用于压缩比特平面的所估计的能量可以使用压缩比特平面的历史测量。可以由节点中的数据储存器模块来存储用于比特平面的能耗估计。可以通过能量测量来表示所估计的能耗。所估计的能耗可以是整个比特平面的能量估计或平均每比特成本(乘以比特平面中的比特的总数)。尽管压缩指的是整个比特平面,但为了说明的简单,能量成本指派可以被称为每比特能量成本。使用压缩率比率为10比1的第一示例比特平面,用于传送未经压缩的第一示例比特平面中的平均比特的所估计的能量可以是10微焦耳。对于总的5微焦耳来说,由平均比特成本表示的用于压缩比特平面的所估计的能量(压缩比特平面的能量成本除以比特平面中未压缩比特的总数)可以是4微焦耳,并且由平均比特成本表示的传送经压缩第一示例比特平面中的经压缩比特平面的所估计的能量(传送经压缩比特的能量成本除以比特平面中的未压缩比特的总数)可以是1微焦耳(传送的比特的数量的1/10 x 10微焦耳每个传送的比特)。相比传送未压缩的第一示例比特平面(每个未压缩比特10 μJ),在节点用于压缩和传送第一示例比特平面的平均比特成本(每个未压缩比特5 μJ)可以使用较少的能量或消耗较少能量。
使用1.25比1的第二示例比特平面的压缩比率可以显示出在压缩第二示例比特平面时没有能量节省。类似于用于传送未压缩第一比特平面中的平均比特的所估计的能量,用于传送未压缩第二示例比特平面中的平均比特的所估计的能量可以是10微焦耳。对于总的12微焦耳来说,由平均比特成本(压缩比特平面的能量成本除以比特平面中的未压缩比特的总数)表示的用于压缩比特平面的所估计的能量可以是4微焦耳,并且由平均比特成本表示的用于传送经压缩第二示例比特平面中的经压缩比特平面的所估计的能量可以是8微焦耳(传送的比特的数量的1/1.25倍 x 10微焦耳每个传送的比特)。相比传送未压缩的第二示例比特平面(10 μJ每比特),压缩和传送第二示例比特平面(12 μJ每比特)会在节点使用更多能量或消耗更多能量。所以传送未压缩的第二示例比特平面可以优于压缩且然后传送该比特平面。传输功率可以取决于信道条件和其他传输条件随时间变化,所以阈值可以响应于变化的所需传输功率而动态地随时间变化。
再次参考图3B,阈值比特位置值302可以表示数据单元300中的比特位置。例如,阈值比特位置可以是第二比特302。阈值比特位置值可以是一边界,其中对于大于该阈值的比特位置值,用于压缩和传送比特平面的所估计的能耗小于用于传送未压缩的该比特平面的所估计的能耗。例如,一个比特平面可以大于阈值比特位置值,而另一个比特平面可以小于或等于阈值比特位置值。
可以利用大于阈值比特位置值的比特位置值来选择用于压缩的比特平面。例如,阈值比特位置值可以是第二比特302(图3A)。如图4A中所图示的,比特平面可以是比特平面3 332、比特平面4 342、比特平面5 352、比特平面6 362或比特平面7 372,并且可以分别表示数据单元中第三比特232、第四比特242、第五比特252、第六比特262或第七比特272的比特值(图2A)。可以通过压缩器生成图4B所图示的经压缩比特平面3-7 430-470来压缩图4A的比特平面(比特平面3 332、比特平面4 342、比特平面5 352、比特平面6 362或比特平面7 372)。小于或等于阈值比特位置值的比特平面(比特平面0 306、比特平面1 312或比特平面2 322)可以保持未被压缩。
在另外的示例中,节点数据可以是能够被顺序地生成、采样或收集的数据序列或比特流(例如,包括8比特数据值的序列的采样数据)。在基于数据的统计模型来估计压缩率时,以及在对与被指定进行压缩的比特位置(例如,大于阈值比特位置的那些比特位置)相对应的采样数据的比特平面进行压缩时,网络节点可以计算对于与要被压缩的比特相对应的截断的数据值或样本的预测,其中从先前处理的数据值来确定该预测。
然后可以从截断的数据样本中减去该截断的数据样本的预测以生成对应的预测误差。用于比特位置阈值的若干选择的对应的预测误差的序列可以用于计算阈值比特位置值或边界,用于确定要压缩哪些比特以及要将哪些比特未经压缩地存储或发送。在节点数据的每个样本或收集后或在预定数量的样本之后,网络节点可以压缩或编码该数据序列。每个截断的样本的预测误差值中的比特可以在生成或接收数据序列的样本时被编码。
对于作为粗略近似的比特平面,与基准截断的样本相邻的截断的样本将具有类似值的可能性将会高。当相邻的截断的样本将具有类似值的可能性可以为高时,预测误差可以为低。共享类似值的相邻的截断的样本可以具有允许数据压缩的特性。由传感器从自然信号和事件生成的许多测量能够表现出允许比特平面的子集的数据压缩的特性。
在另一个实施例中,基于非截断的数据样本来计算预测误差,并且预测误差值的比特平面被选择性地压缩和不压缩(例如取决于它们相对于比特位置阈值的位置)。
例如,采样的数据可以被示为十个8比特数据值的序列,序列 1。
x8[1..10] = 79,159,88,103,88,124,15,4,7,1 [序列 1]
序列1的8比特数据值可以分别被截断为7比特序列2、6比特序列3和5比特序列 4。截断可以消除最低有效比特。
x7[1..10] = 39,79,44,51,44,62,7,2,3,0 [序列 2]
x6[1..10] = 19,39,22,25,22,31,3,1,1,0 [序列 3]
x5[1..10] = 9,19,11,12,11,15,1,0,0,0 [序列 4]
能够利用在被预测的样本之前的样本来预测序列1-4中的十个样本中的每个。为了说明,假定第一值之前是零并且序列的截断在序列的预测之前。可以计算预测误差的序列,对应于各序列1-4的误差序列1-4。误差e[n]可以由ei[n] = xi[n] – xi[n-1]表示。
e8[1..10] = 79,80,-71,15,-15,36,-109,-11,3,-6 [误差序列1]
e7[1..10] = 39,40,-35,7,-7,18,-55,-5,1,-3 [误差序列2]
e6[1..10] = 19,20,-17,3,-3,9,-28,-2,0,-1 [误差序列3]
e5[1..10] = 9,10,-8,1,-1,4,-14,-1,0,0 [误差序列4]
对于预测误差的每个序列——误差序列1-4,可以计算序列的元素的绝对值的平均和平方的平均。假定用于i比特数量的预测误差是一些随机变量Ri的样本,那么所计算的数量可以分别是a=E[|Ri|]和v=E[Ri 2]的估计a’和v’,其中E[]表示期望值。此外,如果对于一些参数t,0 < t < 1,适当常数C,和所有整数r,Ri根据以零为中心的双边几何分布(TSGD)来分布,即,P(Ri = r) = C·t |r| ,那么 v 可以表示为 v = V(a)= a2 + a·sqrt(a2+1)。表1可以总结从样本序列1和截断的样本序列2-4计算的经验估计a’和v’,v的可替换估计v”=V(a’),和v”与v’之间的相对差或v误差。在来自TSGD的典型样本中,v”和v’中的百分比差可以很小。
表1]
比特 | a' | v' | v" | v 误差 |
8 | 42.5 | 3147.50 | 3613.0 | 12.88% |
7 | 21.0 | 782.80 | 882.5 | 11.30% |
6 | 10.2 | 193.80 | 208.6 | 7.09% |
5 | 4.8 | 46.00 | 46.6 | 1.23% |
通过将序列数据截断至5比特,v”与v’之间的相对差能够显著降低。将判定阈值或v误差值设置在5%,与截断到5比特的数据样本序列-序列4的序列相对应的预测误差可以具有通过TSGD 建模的分布。
压缩器可以通过适当的哥伦布码来编码5比特预测误差序列(误差序列4),并且发射机可以传送经编码的5比特预测误差。可以根据现有技术中已知的公式从统计中收集哥伦布码参数。在该说明中,每个数据值的剩余的3比特(通过截断至5比特而被消除的那些)可以未经压缩地被传送或存储。
所选的比特平面的压缩可以使用数据压缩领域中已知的技术,使用基于哥伦布编码、算术编码和/或游程编码的压缩方法。如先前所说明的,这些编码技术通常可以被应用于预测误差或所变换的数据(预测误差能够被视为经变换的数据的特殊情况)。
现在将描述网络节点配置的示例,如图5所图示的。网络节点(或节点)500可以包括传感器550、发射机530、压缩器520、处理器510、数据储存器模块560和电源540。传感器550可以将可测量输入转换成电信号或数字数据。网络节点可以获取通过数据单元组织的节点数据并且选择用于数据单元的阈值。网络节点可以压缩大于阈值的最高有效比特或最高有效比特平面,并且传送大于阈值的经压缩的最高有效比特或经压缩的最高有效比特平面。然后,网络节点可以传送小于阈值的未压缩的最低有效比特或未压缩的最低有效比特平面。
传感器550可以是能够将一种类型的能量或可测量输入转换成数字数据或节点数据的换能器。换能器能够进行从电、机械、电磁、光子、光伏、声学的或能够被转换的任何其他形式的能量至电信号或数字数据的转换。例如,换能器可以将与运动、光、温度(热)、pH、湿度、声音、压力或气流相关联的能量转换成电信号或数字数据。换能器的可测量输入可以包括由活体(包括植物或动物)或人类操作员进行的输入。节点可以包括模数转换器 (ADC) 来将模拟电传感器输出信号转换成离散的数字节点数据。
发射机530可以使用任何电子或光学设备用于无线通信。发射机可以经由线或光缆进行传送。发射机可以被配置为使用低功率部件或消耗低量的功率。
压缩器520可以包括压缩模块或无损数据压缩过程,用于压缩节点数据或节点数据的一部分,因此通过使用解压缩过程来解压缩节点数据的解压缩器可以重建或恢复原始数据。网络收集器可以具有解压缩器,该解压缩器能够在没有与压缩过程的数据准确度的任何损失的情况下从经压缩节点数据重建原始节点数据。压缩器可以编码或压缩节点数据。压缩器可以包括编码器或编码处理器。压缩器可以使用哥伦布码来编码节点数据。压缩器可以是基于低复杂度估计和编码程序的无损压缩器。节点的压缩器可以替换地是基于统计的压缩器或统计压缩器,诸如算术编码器,其能够在一个比特平面接一个比特平面的序列中根据单独比特平面实现。压缩器也可以是具有可控制压缩功率的用于所感测数据的低复杂度压缩器,在该情况下,能够选择可获得的压缩比率和对应的功耗以最小化总体功耗。压缩器可以是嵌入传感器550的低复杂度无损数据压缩器。
压缩器520可以包括有损数据压缩模块,用于压缩节点数据或节点数据的一部分,使得通过适当的解压缩器可以获得原始数据的近似。所重建的数据相对于原始数据可能表现出一些失真,并且因此,可能存在一定程度的数据损失。由于较好的数据压缩比率和较低的压缩和传输功耗,相比于无损数据压缩,有损压缩会带来总体功率节省。示例性有损数据压缩方法可以包括丢弃(即,不传送)一些噪声最大的比特平面。
处理器510可以将节点数据分段、将节点数据组织到比特平面中,或指派用于建立经压缩比特平面与未压缩比特平面之间的边界的阈值比特位置值。处理器可以包括压缩器或压缩器的压缩功能。
数据储存器模块560可以用于存储来自传感器的经压缩或未压缩节点数据或原始数字数据。数据储存器可以是存储器设备。数据储存器可以是RAM、EPROM、闪盘驱动、光驱、磁硬盘驱动或用于存储电子数据的其他介质。
电源540可以是自备电源,如电化学的设备(例如,电池)或电子器件(例如,电容器、超级电容器或超级电容、电感器、太阳能电池或能够存储能量的类似电设备)。自备电源可以使用可再生的能量源独立于商业AC电网来生成电功率,包括但不限于使用风力、热能、太阳能、太阳热能或生物燃料的设备。自备电源在充电、更新或更换前可能具有有限的可用能量或功率。
节点500的电子部件可以通过使用处理器510、压缩器520、发射机530、传感器550或数据储存器模块560从电源540消耗功率。
在另一个实施例中,用于基于阈值比特位置压缩数字离散节点数据的***可以包括具有处理器510、压缩器520、发射机530、电源540、传感器550或存储设备560的网络节点500。处理器可以选择阈值比特位置值。压缩器可以压缩比特平面。发射机可以传送未压缩和经压缩比特平面,包括经压缩比特平面。该***可以用在传感器网络中。传感器网络可以具有拥有有限功率的传感器节点,如地震感测或天气感测。
在另一个配置中,压缩器可以将多个比特视为单个数字并且以诸如哥伦布码的适当代码压缩数字的串。所述多个比特平面可以是大于(或等于)阈值比特位置值或小于(或等于)阈值比特位置值的相邻的比特平面。发射机可以传送未压缩和经压缩比特平面,包括经压缩比特平面。
在另一个配置中,如图6中的流程图中所图示的,网络节点可以获取节点数据610。网络节点可以将数据单元的数据流组织到比特平面中620。网络节点可以选择阈值比特位置值650。可以选择阈值比特位置,因为相比只传送未压缩的比特平面,大于阈值比特位置值的比特平面的压缩和传输会使用较少能量。用于传送比特平面的能耗的估计642可以用在比特平面的总体所估计的能耗中。所估计的能耗可以包括用于压缩比特平面的用于压缩过程的能耗估计640。选择阈值比特位置值可以使用用于压缩算法的能耗估计、用于传输的能耗估计或比特平面可获得的压缩率估计630。所选的比特平面可以与阈值比特位置值相比较。如果所选的比特平面的比特位置值不大于(小于或等于)阈值660,那么所选的比特平面可以未经压缩地被传送670至网络收集器或另一个网络节点。如果所选的比特平面的比特位置值大于阈值660,则所选的比特平面可以被压缩680且然后经压缩的所选的比特平面可以被传送690至网络收集器或另一个网络节点。使用图6中所图示的方法可以最小化网络节点传送数据所花费或消耗的总体能量。
可以对于指定类型的节点数据选择一次阈值比特位置值。当网络节点监视具有不同阈值比特位置的不同类型的节点数据时,对于每个类型的节点数据,阈值比特位置值可以被存储且被应用到特定类型的节点数据。可以通过采样节点数据并且基于节点数据采样来周期性地重新计算阈值比特位置来选择阈值比特位置值。可以使用用于确定对于网络节点可用的功率的功率监视器来选择和调整阈值比特位置值。
自然信号可以表现出一定程度的信号连续性。因此,可以通过离散的拉普拉斯分布来建模从应用到原始收集的数据的余弦或小波变换引起的预测误差数据和变换数据。节点数据分布或拉普拉斯分布可以具有能够利用哥伦布编码数据压缩的衰减因子。统计能够估计衰减速率。高衰减速率可以生成高压缩比率。相比更复杂的数据压缩编码,哥伦布编码(或译码)可能具有更低的复杂度和更低的功率使用。
信号可能受到可能具有最大功率水平的噪声的影响。噪声的最大功率水平可能影响一些比特平面的值。受噪声影响的比特平面可以绕过压缩且保持未被压缩。
网络节点可以包括比特平面编码器和节点数据的模型。模型可以是具有数据的所选衰减速率的双边几何分布(TSGD)。能够通过计算如TSGD模型的模型的熵来估计压缩率。
在另一个实施例中,可以通过首先确定第一阈值比特位置值使得低于该阈值的比特被视为噪声非常大(如由对预测误差的统计测试所确定的)来估计压缩率。在表1中例示了此类统计测试。应用到有噪声较小的比特的统计模型的熵(或替换地,平均代码长度)被用作这些比特的压缩率的度量,并且噪声非常大的比特未经压缩地被存储或发送,或者甚至它们中的一些可以被丢弃。然后,对于参考整个数据的图4B所图示的噪声较小的比特来确定第二阈值比特位置值。低于该第二阈值的比特位置也是未经压缩地被存储或发送,或者甚至它们中的一些可以被丢弃。
另一个实施例提供了一种方法700,用于基于比特位置来压缩数字离散节点数据以降低联网节点的总体功耗,如图7中的流程图中所示的。该方法包括由联网节点获得710节点数据的操作。节点数据能够由具有指定数据宽度的多个数据单元来表示,并且节点数据被视为与数据单元的在每个比特位置的数据相对应的多个比特平面。之后是选择720用于数据单元的阈值比特位置值的操作。阈值比特位置值的选择能够使用相对于用于多个比特平面的所估计的能耗的可获得的压缩率估计。阈值比特位置值能够表示数据单元中的比特位置。该方法的接下来的操作可以指派730阈值比特位置值以表示一边界,其中用于压缩和传送比特平面的所估计的能耗小于用于传送未压缩的比特平面的所估计的能耗。
方法700还包括选择740多个比特平面中的比特位置值大于阈值比特位置值的比特平面。之后是使用联网节点中的压缩器来压缩750所选的比特平面的操作。
可以使用具有在介质上体现的可执行代码的计算机可读介质来实现基于比特位置来压缩数字离散节点数据以降低联网节点的总体功耗的方法和***。计算机可读程序代码可以被配置为提供在该方法中描述的功能。计算机可读介质可以是RAM、EPROM、闪盘驱动、光驱、磁硬盘驱动或用于存储电子数据的其他介质。另外,用于基于比特位置压缩数字离散节点数据以降低联网节点的总体功耗的方法和***可以被下载为通过在载波或其他传播介质中体现的机器可读数据信号从服务器或远程计算机传递到请求或客户端设备的计算机程序产品。
尽管前述示例在一个或多个特定应用中说明了本发明的原理,但是对本领域普通技术人员将明显的是,在没有发明才能的运用的情况下和在不背离本发明的原理和概念的情况下,能够进行实施方式的形式、使用和细节中的各种修改。因此,本发明不意在受所附权利要求之外的内容的限制。
Claims (15)
1.一种用于基于比特位置来压缩节点数据以降低联网节点的总体功耗的方法,包括:
由联网节点获得节点数据,其中节点数据由具有指定数据宽度的多个数据单元来表示,并且节点数据被视为与数据单元的在每个比特位置的数据相对应的多个比特平面(710);
使用相对于用于多个比特平面的所估计的能耗的可获得的压缩率估计,选择用于数据单元的阈值比特位置值,其中阈值比特位置值表示数据单元中的比特位置(720);
指派阈值比特位置值以表示一边界,其中用于压缩和传送比特平面的所估计的能耗小于用于传送未压缩的比特平面的所估计的能耗(730);
选择多个比特平面中比特位置值大于阈值比特位置值的比特平面(740);和
使用联网节点中的压缩器来压缩比特平面(750)。
2.根据权利要求1所述的方法,其中联网节点包括传感器。
3.根据权利要求1所述的方法,其中用于多个比特平面的所估计的能耗估计由压缩器压缩每个比特平面所使用的压缩过程的能耗。
4.根据权利要求3所述的方法,其中压缩过程包括哥伦布编码。
5.根据权利要求1所述的方法,其中选择阈值比特位置值还包括:计算与在确定用于每个比特平面的可获得的压缩率估计时所使用的比特平面相对应的每个截断的数据样本的预测误差。
6.根据权利要求1所述的方法,其中用于多个比特平面的可获得的压缩率估计使用比特平面或比特平面的收集中每一个的统计模型来估计数据压缩比率。
7.根据权利要求6所述的方法,其中用于多个比特平面的可获得的压缩率估计还包括:
从多个比特平面计算预测误差的第一统计,并且从多个比特平面计算预测误差的第二统计;
通过将第一统计的函数的值与第二统计相比较并且基于该比较选择第二阈值比特位置值,来确定第二阈值比特位置值;
通过计算比特位置值大于第二阈值比特位置值的多个比特平面中的至少一个的统计模型的熵来估计数据压缩比率。
8.根据权利要求7所述的方法,其中第一统计包括加符号的数据的绝对值的和,并且第二统计包括加符号的数据的平方的和。
9.根据权利要求1所述的方法,其中用于多个比特平面的可获得的压缩率估计包括存储在与每个比特平面的节点数据相关的节点中的数据压缩比率,并且所估计的能耗包括用于节点中的压缩过程的能耗。
10.根据权利要求1所述的方法,其中数据单元具有最高有效比特(MSB)和最低有效比特(LSB),并且包括MSB的在MSB与阈值比特位置值之间的比特平面被压缩,并且包括LSB和阈值比特位置值的在LSB与阈值比特位置值之间的比特平面未被压缩。
11.根据权利要求1所述的方法,还包括经由无线通信向网络收集器传送未压缩的剩余比特平面,其中剩余比特平面具有小于或等于阈值比特位置值的比特位置值。
12.一种用于基于比特位置来压缩节点数据的方法,包括:
由联网节点获得节点数据,其中节点数据由具有指定数据宽度的多个数据单元来表示,并且节点数据被视为与数据单元的在每个比特位置的数据相对应的多个比特平面(710);
使用用于多个比特平面中的每一个的预测误差来选择用于数据单元的阈值比特位置值,其中阈值比特位置值表示数据单元中的比特位置;
选择多个比特平面中比特位置值大于阈值比特位置值的比特平面(740);和
使用联网节点中的压缩器来压缩比特平面(750)。
13.根据权利要求12所述的方法,其中使用用于多个比特平面中的每一个的预测误差来选择用于数据单元的阈值比特位置值还包括:
从多个比特平面中的每一个计算预测误差的第一统计,并且从多个比特平面计算每个预测误差的第二统计;
通过将第一统计的函数的值与第二统计相比较并且基于该比较选择阈值比特位置值,来确定阈值比特位置值。
14.根据权利要求13所述的方法,其中第一统计包括加符号的数据的绝对值的和,并且第二统计包括加符号的数据的平方的和。
15.一种用于基于比特位置来压缩传感器节点数据以降低传感器联网节点的总体功耗的***,包括:
传感器联网节点(500),用于获得传感器节点数据,其中传感器节点数据由具有指定数据宽度的多个数据单元来表示,并且传感器节点数据被视为与数据单元的在每个比特位置的数据相对应的多个比特平面;
传感器联网节点中的处理器(510),用于使用相对于用于多个比特平面的所估计的能耗的可获得的压缩率估计来选择用于数据单元的阈值比特位置值,其中阈值比特位置值表示数据单元中的比特位置;
其中处理器指派阈值比特位置值以表示一边界,其中对于大于阈值比特位置值的比特位置值,用于压缩和传送比特平面的所估计的能耗小于用于传送未压缩的比特平面的所估计的能耗;
其中处理器选择多个比特平面中比特位置值大于阈值比特位置值的比特平面;
传感器联网节点中的压缩器(520),用于压缩该比特平面;
传感器联网节点中的发射机(530),用于传送未压缩比特平面和经压缩比特平面,包括该比特平面;
电源(540),用于向处理器、压缩器和发射机供电;和
传感器(550),将可测量输入转换成传感器节点数据。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2010/043275 WO2012015389A1 (en) | 2010-07-26 | 2010-07-26 | Method and system for compressing bitplanes based on bit position |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103119990A true CN103119990A (zh) | 2013-05-22 |
Family
ID=45530369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800692712A Pending CN103119990A (zh) | 2010-07-26 | 2010-07-26 | 用于基于比特位置压缩比特平面的方法和*** |
Country Status (4)
Country | Link |
---|---|
US (1) | US20130127637A1 (zh) |
EP (1) | EP2599351A4 (zh) |
CN (1) | CN103119990A (zh) |
WO (1) | WO2012015389A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292458A (zh) * | 2017-08-07 | 2017-10-24 | 北京中星微电子有限公司 | 一种应用于神经网络芯片的预测方法和预测装置 |
CN108429916A (zh) * | 2018-02-26 | 2018-08-21 | 西安万像电子科技有限公司 | 图像编码方法及装置 |
CN117692012A (zh) * | 2024-01-31 | 2024-03-12 | 陕西咸阳杜克普服装有限公司 | 一种智能睡袋温度数据远程监测传输方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8996335B2 (en) | 2011-12-31 | 2015-03-31 | Aktiebolaget Skf | Systems and methods for energy efficient machine condition monitoring of fans, motors, pumps, compressors and other equipment |
US9788224B2 (en) * | 2012-05-03 | 2017-10-10 | Samsung Electronics, Co., Ltd. | Energy efficient staggered short transmissions (SST) protocol for wireless sensor networks (WSN) |
US9558566B2 (en) | 2012-08-21 | 2017-01-31 | EMC IP Holding Company LLC | Lossless compression of fragmented image data |
US9350676B2 (en) | 2012-12-11 | 2016-05-24 | Qualcomm Incorporated | Method and apparatus for classifying flows for compression |
CN104952227A (zh) * | 2014-03-31 | 2015-09-30 | 鸿富锦精密工业(深圳)有限公司 | 数据的传输装置及方法 |
US10645360B2 (en) * | 2017-05-31 | 2020-05-05 | Verizon Patent And Licensing Inc. | Methods and systems for transmitting data in a virtual reality system |
KR102385365B1 (ko) * | 2017-07-21 | 2022-04-12 | 삼성전자주식회사 | 전자 장치 및 전자 장치에서 이미지 데이터를 압축하는 방법 |
DE102018009818B4 (de) * | 2018-12-14 | 2021-11-25 | Diehl Metering S.A.S. | Verfahren zum Sammeln von Daten sowie Sensor, Datensammler und Versorgungsnetz |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1276650A (zh) * | 1999-06-03 | 2000-12-13 | 鸿友科技股份有限公司 | 扫描图像实时压缩/解压缩方法 |
US20070253627A1 (en) * | 2006-04-28 | 2007-11-01 | Pixsense Inc. | Efficient content compression and decompression system and method |
CN101686493A (zh) * | 2008-09-27 | 2010-03-31 | 国际商业机器公司 | 用于控制移动设备能耗的***和方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200529104A (en) * | 2003-12-15 | 2005-09-01 | Martrixview Ltd | Compressing image data |
JP4768728B2 (ja) * | 2004-05-13 | 2011-09-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 値のブロックをエンコードする方法および装置 |
US20060048038A1 (en) * | 2004-08-27 | 2006-03-02 | Yedidia Jonathan S | Compressing signals using serially-concatenated accumulate codes |
JP2009065306A (ja) * | 2007-09-05 | 2009-03-26 | Hitachi Ltd | センサノード及びセンサネットワークシステム |
JP4780172B2 (ja) * | 2008-10-10 | 2011-09-28 | ソニー株式会社 | 情報処理装置および方法 |
-
2010
- 2010-07-26 US US13/812,037 patent/US20130127637A1/en not_active Abandoned
- 2010-07-26 EP EP10855423.9A patent/EP2599351A4/en not_active Withdrawn
- 2010-07-26 WO PCT/US2010/043275 patent/WO2012015389A1/en active Application Filing
- 2010-07-26 CN CN2010800692712A patent/CN103119990A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1276650A (zh) * | 1999-06-03 | 2000-12-13 | 鸿友科技股份有限公司 | 扫描图像实时压缩/解压缩方法 |
US20070253627A1 (en) * | 2006-04-28 | 2007-11-01 | Pixsense Inc. | Efficient content compression and decompression system and method |
CN101686493A (zh) * | 2008-09-27 | 2010-03-31 | 国际商业机器公司 | 用于控制移动设备能耗的***和方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292458A (zh) * | 2017-08-07 | 2017-10-24 | 北京中星微电子有限公司 | 一种应用于神经网络芯片的预测方法和预测装置 |
CN108429916A (zh) * | 2018-02-26 | 2018-08-21 | 西安万像电子科技有限公司 | 图像编码方法及装置 |
CN108429916B (zh) * | 2018-02-26 | 2020-07-31 | 西安万像电子科技有限公司 | 图像编码方法及装置 |
CN117692012A (zh) * | 2024-01-31 | 2024-03-12 | 陕西咸阳杜克普服装有限公司 | 一种智能睡袋温度数据远程监测传输方法 |
CN117692012B (zh) * | 2024-01-31 | 2024-05-10 | 陕西咸阳杜克普服装有限公司 | 一种智能睡袋温度数据远程监测传输方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2012015389A1 (en) | 2012-02-02 |
EP2599351A4 (en) | 2015-05-20 |
US20130127637A1 (en) | 2013-05-23 |
EP2599351A1 (en) | 2013-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103119990A (zh) | 用于基于比特位置压缩比特平面的方法和*** | |
CN116192971B (zh) | 智能云能源运维服务平台数据管理方法 | |
Kolo et al. | An adaptive lossless data compression scheme for wireless sensor networks | |
US20170294689A1 (en) | Battery-system-deterioration control device, and method thereof | |
CN103379136A (zh) | 一种日志采集数据压缩方法、解压缩方法及装置 | |
CN102752798B (zh) | 一种无线传感器网络数据无损压缩的方法 | |
CN102202349B (zh) | 基于自适应最优消零的无线传感器网络数据压缩方法 | |
CN108234464B (zh) | 用于信号集中监测***的采集数据高效压缩方法 | |
Campobello et al. | Comparison of local lossless compression algorithms for wireless sensor networks | |
Zeinali et al. | Impact of compression and aggregation in wireless networks on smart meter data | |
Fehér et al. | Smart meter data compression using generalized deduplication | |
Kagita et al. | A lossless compression technique for Huffman-based differential encoding in IoT for smart agriculture | |
Al-Qurabat et al. | A Bi-level data lowering method to minimize transferring big data in the sensors of IoT applications | |
Maurya et al. | Median predictor based data compression algorithm for wireless sensor network | |
US20180294819A1 (en) | Method and system for compressing data from smart meter | |
EP2381579A1 (en) | Method for compressing/decompressing data | |
Acimovic et al. | Efficient distributed multiresolution processing for data gathering in sensor networks | |
Song et al. | Lightweight server-assisted HK compression for image-based embedded wireless sensor network | |
CN106572093B (zh) | 一种无线传感器阵列数据压缩方法及*** | |
Sun et al. | Intersensor collaboration in distributed quantization networks | |
Ren et al. | A normal distribution encoding algorithm for slowly-varying data compression in wireless sensor networks | |
Elaskary et al. | Hybrid DCT/Quantized Huffman compression for electroencephalography data | |
CN102841356A (zh) | 用于北斗发送通用航空器经纬位置数据的多模型压缩方法 | |
JP5338560B2 (ja) | 画像処理装置および画像処理方法 | |
CN114827287A (zh) | 一种数据的压缩方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130522 |