TWI393376B

TWI393376B - 資料傳輸方法

Info

Publication number: TWI393376B
Application number: TW097145782A
Authority: TW
Inventors: Chin Hao Wu; Yu Chee Tseng; Chi Wen Teng
Original assignee: Inst Information Industry
Priority date: 2008-11-26
Filing date: 2008-11-26
Publication date: 2013-04-11
Also published as: US20100131445A1; TW201021459A

Description

資料傳輸方法

本發明是有關於一種資料傳輸方法，且特別是有關於一種依據資料的空間相關性來壓縮資料傳輸量的資料傳輸方法。

無線感測網路(Wireless Sensor Network，WSN)係透過感測節點擷取各種感測資料，並將感測資料回傳至電腦系統等資料蒐集裝置，進而讓電腦系統可以根據感測資料即時監測環境的變動，或是利用電腦圖學技術來即時還原場景。以圖1之無線感測網路100為例，感測節點A與感測節點B在取得感測資料A與感測資料B之後，必須分別將感測資料A以及感測資料B回傳至電腦系統110。換句話說，無線感測網路100的頻寬必須因應所有感測節點可能同時傳輸的資料量。

然而對於使用無線感測網路的系統來說，高取樣頻率、低傳輸延遲，以及密集星狀網路等需求都會使得無線感測網路的頻寬利用成為系統最大的瓶頸。其中，高取樣頻率的需求是為了擷取細微的動作或環境資訊，進而避免感測資料失真以達成即時顯像。例如在肢體動作擷取中會使用約100赫茲的取樣頻率，而在聲音擷取中一般會使用8000赫茲。高取樣頻率意味著資料產生的速度常常會高於網路的頻寬。而在無線感測網路中，環境的變化也會導致頻寬快速變動，因此造成封包遺失及傳輸延遲等問題。

低傳輸延遲的需求係為了提高資訊還原及呈像時的流暢度。在即時場景還原顯像的應用當中，感測資料必需在相鄰兩個影像框的間隔內傳送到資料蒐集裝置，所還原的影像變化才能平滑逼真。此外，在即時資料辨識的應用中，資料的收集時間亦有上限，超過此時限的資料便失去其參考價值。而能否達成上述需求也會受到頻寬大小的限制。

密集星狀網路則是為了偵測小區域的環境變化，進而讓許多感測節點聚集在彼此的傳輸範圍內，以形成密集的星狀網路。在星狀網路中，任兩個感測節點之間都有直接的連線，因此會造成嚴重的封包碰撞問題，同時也可能減少平均可用的頻寬。

為了在有限的頻寬下達到上述需求，現有的作法是透過資料壓縮的方式來降低資料傳輸量。其中，單點壓縮技術係將各節點的資料直接壓縮後傳送，但並未對資料之間的關連性進行處理。特徵比對壓縮技術則是以建立好的模型取出特徵，再抓出特徵比對將結果歸類。此方法雖然可利用擷取特徵的方式降低資料傳輸量，但可能會產生比對誤差而造成無法還原真正感測資料的問題。另外像是利用鄰近像素的空間相關性預測目前像素值並儲存預測誤差，或是根據感測節點的優先權高低來決定節點的資料傳輸量，雖然都可用來解決頻寬不足的問題，但多半只能針對網路中單一的感測節點進行處理，且資料蒐集裝置也可能面臨無法完整取回原始感測資料的問題。

本發明提供一種資料傳輸方法，將具有空間相關性的資料進行處理，進而在傳輸資料時降低資料量以因應網路頻寬的不足。

為達到上述及其他目的，本發明提出一種資料傳輸方法，適用於包括數個節點及一個資料蒐集裝置的網路。其中，資料蒐集裝置係用以蒐集所有節點所傳送的資料。此方法首先依據傳輸順序選擇其中一個節點去竊聽(overhear)至少一個參考節點傳送至資料蒐集裝置的參考資料。接著，所選擇之節點根據參考資料及對應的預測模組計算一預測資料。在將預測資料以及由所選擇之節點實際擷取到的實際資料進行比較之後，將預測資料與實際資料之間的誤差值傳送至資料蒐集裝置。

在本發明之一實施例中，此方法更包括在所有節點處於離線狀態時，取得每個節點的歷史資料並判斷上述歷史資料彼此之間的空間相關性。接著根據上述歷史資料與對應的空間相關性來建立每個節點的預測模組。

在本發明之一實施例中，其中建立預測模組的步驟包括取得具有較高之空間相關性的歷史資料，並以所取得之歷史資料分別建立對應節點的預測模組。

在本發明之一實施例中，其中建立預測模組的步驟包括透過迴歸分析(regression analysis)法來處理歷史資料以建立預測模組。

在本發明之一實施例中，其中在每個節點建立其預測模組的步驟之後，更包括取得對應於每個預測模組的預測標準誤差。以及根據上述預測標準誤差的高低，決定每個節點係用以計算網路中哪些節點的預測資料，進而判斷傳輸順序。其中，傳輸順序包括所有節點將資料傳送至資料蒐集裝置的先後次序。

在本發明之一實施例中，其中判斷傳輸順序的步驟更包括透過資料分群(data clustering)法對預測標準誤差進行分群處理，以根據處理結果判斷傳輸順序。

在本發明之一實施例中，此資料傳輸方法更包括分別計算利用每個節點去預測其他各節點時，所對應之預測標準誤差的總和。接著定義具有最低之總和的節點為傳輸順序中最早傳送資料的節點。

在本發明之一實施例中，此資料傳輸方法更包括利用每個節點與彼此間的預測方向建立一有向圖。並且將每個節點去預測其他各節點時的預測標準誤差定義為有向圖中所對應之邊緣的代價。接著，依據各邊緣的代價取得有向圖的最小生成樹(Minimum spanning tree)，以及根據所有節點在最小生成樹中的階層關係來定義傳輸順序。

在本發明之一實施例中，此資料傳輸方法更包括在尚未決定順序的所有節點中，計算以各個尚未決定順序之節點作為最後傳送資料之節點所對應的預測標準誤差。接著以具有最低之預測標準誤差的節點作為在尚未決定順序的所有節點中最後傳送資料的節點。反覆執行上述步驟直到所有節點均已決定其順序為止。

在本發明之一實施例中，其中在決定傳輸順序的步驟之後更包括將傳輸順序以及每個節點的預測模組傳送至資料蒐集裝置。

在本發明之一實施例中，其中由所選擇之節點竊聽參考資料的步驟包括在參考節點廣播參考資料時，透過與參考節點之間的無線通訊來竊聽參考資料。

在本發明之一實施例中，其中在所選擇之節點竊聽參考資料的步驟之後，更包括由所選擇之節點對參考資料進行解碼處理。

在本發明之一實施例中，其中所選擇之節點在將誤差值傳送至資料蒐集裝置之前，更包括對誤差值進行編碼處理。而資料蒐集裝置在收到誤差值後，對誤差值進行對應的解碼處理，以及根據所選擇之節點所對應的預測模組、傳輸順序，以及誤差值推算所選擇之節點的實際資料。

在本發明之一實施例中，其中在比較預測資料與實際資料的步驟之後，更包括在預測資料與實際資料之間不具任何誤差值時，所選擇之節點不傳送任何資料至資料蒐集裝置，而是由資料蒐集裝置根據所選擇之節點所對應的預測模組以及傳輸順序，計算其實際資料。

在本發明之一實施例中，其中網路包括無線感測網路(Wireless Sensor Network，WSN)及人體感測網路(Body Sensor Network，BSN)等等，資料蒐集裝置可以是電腦系統，而在每個節點中包括慣性感測器、陀螺儀或方向計等等。

基於上述，本發明係根據資料之間的空間相關性建立預測模組。在網路中的節點準備將擷取到的資料傳送至資料蒐集裝置之前，首先利用預測模組計算預測資料，並將實際擷取的資料與預測資料進行比對，而僅將兩者之間的誤差值傳送至資料蒐集裝置。如此一來，實際上需要傳輸的資料量便會大幅減少，進而避免無線網路因頻寬不足而可能面臨的資料傳輸問題。

為讓本發明之上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

圖2是依照本發明之一實施例所繪示之資料傳輸方法的流程圖。請參閱圖2，本實施例是以包括數個節點以及一個資料蒐集裝置的網路為例，說明在各節點準備將資料傳輸至資料蒐集裝置時，如何利用資料的空間相關性達到減少資料傳輸量的目的。其中，網路例如是無線感測網路(Wireless Sensor Network，WSN)或人體感測網路(Body Sensor Network，BSN)，而在每個節點中則包括了慣性感測器、陀螺儀，或方向計等各種感測裝置，用以擷取溫度、溼度、照度、震度、移動量或流量等各種不同的資訊。資料蒐集裝置例如是電腦系統或任何具有資料處理能力的設備，可在取得各節點所回傳的資料後，對資料進行處理並呈現整合後的結果。

首先如步驟210所示，在網路中的各節點處於離線狀態時，根據各節點的歷史資料彼此間的空間相關性，建立各節點的預測模組，並且定義一個特定的傳輸順序。其中，傳輸順序是指網路中各節點將資料傳送至資料蒐集裝置的先後次序。在本實施例中，節點的歷史資料可以是先前擷取過的資料或任何訓練資料，在此並不限制其範圍。而以下將針對如何建立各節點的預測模組以及決定傳輸順序進行更詳細的說明。

在取得網路中各個節點的歷史資料後，可依據各歷史資料的分布趨勢來判斷彼此之間的空間相關性。好比說，趨勢十分接近的歷史資料其空間相關性較高。接下來，根據所有歷史資料與對應的空間相關性來建立每個節點的預測模組。舉例來說，在建立其中一個節點的預測模組時，首先可從其他節點的歷史資料中，找出與本身之歷史資料空間相關性較高(或最高)的資料，接著透過迴歸分析(regression analysis)法來處理具有高空間相關性的歷史資料，進而建立出對應節點的預測模組。在一實施例中，係先利用線性方程式(或非線性方程式)設定預測模組的模型，接著將具有高空間相關性的歷史資料代入模型以建立出完整的預測模組。假設在網路中節點A與節點B的歷史資料彼此間具有最高的空間相關性，那麼在建立節點A的預測模組時，例如會將節點A與節點B的歷史資料代入預測模組的模型，並透過解方程式的方法來建立預測模組。在預測模組建立完成後，便能根據節點B的資料以及預測模組來預測節點A的資料。

預測模組的用途在於利用一個節點的資料去預測另一個節點的資料。然而，以節點A去預測節點B之資料的準確性和以節點B去預測節點A之資料的準確性會有所不同。因此為了判斷由網路中的哪個節點去預測另一個節點會產生較好的預測效果，必須對各個預測模組的準確性進行篩選。一般來說，在計算預測模組的預測標準誤差後，若預測標準誤差越低則表示其預測效果越準確，因此在本實施例中，將取得各預測模組的預測標準誤差，接著透過資料分群(data clustering)法對上述預測標準誤差進行多次的分群處理，並取得最佳的分群結果以作為判斷傳輸順序的依據。如此一來，便可以決定網路中各節點係用以計算其他哪些節點的預測資料，並且可以定義出節點的傳輸順序。好比說，假設以節點A去預測節點B之資料的準確性高於以節點B去預測節點A的資料，那麼在傳輸順序中，節點A把資料傳送至資料蒐集裝置的順序便會早於節點B。如此一來，節點B便可取得節點A所傳送的資料以計算其預測資料。

值得一提的是，本發明針對由一個節點去預測另一個節點的情況提出了兩種決定傳輸順序方式。在一實施例中，首先會分別計算由每個節點去預測其他節點時所對應之預測標準誤差的總和。接著，將具有最低總和的節點定義為傳輸順序中最早傳送資料的節點。換句話說，這個節點將用來預測網路中所有其他節點的資料。

在另一實施例中，首先利用網路中每個節點與彼此之間的預測方向來建立一個有向圖，並將每個節點去預測其他節點時的預測標準誤差定義為有向圖中所對應之邊緣上的代價。接下來，依據各邊緣的代價取得此有向圖的最小生成樹(Minimum spanning tree)。最後根據各節點在最小生成樹中的階層關係來定義所有節點的傳輸順序。舉例來說，最小生成樹中任一節點的傳輸順序將早於其子節點的傳輸順序。換言之，在最小生成樹中每個父節點都將被用來預測其子節點的資料。

針對不同的網路需求可選擇不同的方式來決定節點的傳輸順序，在此並不加以限制。而在建立各節點的預測模組並定義傳輸順序之後，各個預測模組以及傳輸順序將被傳送至資料蒐集裝置。接著當節點處於線上狀態而可以擷取資料時，如步驟220所示，根據傳輸順序從網路的所有節點中選擇其中一個節點(以下稱之為第一節點)，並取得與第一節點相關的另一個參考節點(以下稱之為第二節點)。其中，第一節點是在尚未處理的所有節點中應最先處理的節點，而第二節點則是在計算第一節點之預測資料時必須參考的節點。換句話說，第一節點與第二節點的資料具有高空間相關性。

由於在網路中各節點彼此之間都具有直接的無線通訊，因此在步驟230中，當第二節點將參考資料以廣播的方式傳送至資料蒐集裝置時，第一節點便能透過無線通訊來竊聽(overhear)此參考資料。在一實施例中，第一節點在竊聽參考資料之後，例如會對參考資料進行解碼處理以取得其內容。

接下來如步驟240所示，第一節點根據參考資料以及在離線狀態所建立的預測模組計算一預測資料。並且在步驟250中，由第一節點實際擷取一實際資料，並將實際資料以及預測資料進行比較來取得兩者之間的誤差值。而如步驟260所示，第一節點將實際資料與預測資料間的誤差值傳送至資料蒐集裝置。在本實施例中，第一節點在傳送誤差值之前會對誤差值進行編碼處理，以更進一步地降低傳輸的資料量。其中，編碼處理例如是霍夫曼(Huffman)編碼等各種壓縮編碼技術，在此並不限制其範圍。必須特別強調的是，第一節點僅會將實際資料與預測資料之間的誤差值傳送至資料蒐集裝置，換句話說，倘若實際資料與預測資料之間沒有誤差值，那麼第一節點便不需要傳送任何的資料。

最後在步驟270中，判斷網路中所有的節點是否都已經處理完畢。倘若仍有節點尚未決定是否需要傳送資料至資料搜集裝置，則回到步驟220，再次根據傳輸順序選擇一個未處理的節點，並取得與預測此節點相關的參考節點，反覆進行圖2之各步驟以由已經傳送過資料的節點來預測尚未處理之節點的資料，直到網路中所有節點均處理完畢為止。

接下來將以資料蒐集裝置的角度對本發明進行說明。資料蒐集裝置在接收到由節點傳送而來的誤差值後，首先將對誤差值進行對應的解碼處理以取得其內容。接著便能根據傳送誤差值之節點所對應的預測模組、傳輸順序，以及誤差值來推算出這個節點實際擷取到的資料。以圖3之網路300為例，假設必須依據節點B的資料(以下稱之為參考資料)來計算節點A的預測資料。那麼在節點A竊聽了節點B傳送給資料蒐集裝置310的參考資料後，節點A會依據其預測模組與參考資料計算出預測資料。若在預測資料與節點A實際擷取的實際資料之間有誤差值存在，節點A會將誤差值傳送至資料蒐集裝置310。而資料蒐集裝置310在接收到節點A傳送來的誤差值之後，可先根據傳輸順序判斷在網路300中是由節點B來預測節點A的資料，因此利用節點B已傳送來的參考資料、節點A所傳送的誤差值以及節點A的預測模組，推算節點A實際擷取的實際資料。然而，在節點A判斷實際擷取的實際資料與預測資料之間沒有任何誤差值時，節點A將不會傳送任何的資料至資料蒐集裝置310，而資料蒐集裝置310可以依據傳輸順序判斷是由節點B來預測節點A的資料，並以節點B先前傳送來的參考資料以及節點A的預測模組，直接計算節點A的實際資料。同時比較圖1與圖3可以發現，圖5之節點A不再需要將實際擷取到的實際資料完整地傳送至資料蒐集裝置310，而只需傳送計算出來的誤差值。透過這樣的方式將能減少網路300整體的資料傳輸量，達到利用空間相關性提升資料壓縮率的目的。

圖4是依照本發明之一實施例所繪示之節點計算預測資料順序的示意圖。請參閱圖4，網路400包括節點0、節點1、節點2，以及節點3。如圖4中的虛線箭頭所示，假設依據傳輸順序可判斷節點0係用來預測節點1與節點2的資料，而節點2則是用來預測節點3的資料。那麼只要網路400中各個節點的預測模組建立的越準確，在最佳的情況下只有節點0需要將實際擷取到的資料完整地傳送至網路400的資料蒐集裝置(未繪示)。而資料蒐集裝置本身可以根據節點0所傳送的資料、各節點的預測模組以及傳輸順序分別推算出節點1、節點2，以及節點3實際擷取的資料。跟傳統的網路傳輸方式比較起來，資料傳輸量從四筆變為一筆，大幅度地減少了頻寬的需求。且資料蒐集裝置亦能取得節點實際擷取的真實資料，不會因為無法還原出真實資料而造成應用上的不便。

必需特別說明的是，根據不同的網路特性或效能需求，本發明也提供了以多個節點去預測另一個節點的方法。圖5是依照本發明之另一實施例所繪示之資料傳輸方法的流程圖，在本實施例中，並不限制在預測一個節點時需要參考之其他節點的數量。

請參閱圖5，首先如步驟510所示，在網路節點處於離線狀態時，根據各節點之歷史資料彼此之間的空間相關性，建立各節點的預測模組並定義節點的傳輸順序。其中，建立預測模組的方式與前述實施例相似，均是取得具有較高之空間相關性的歷史資料來分別建立對應之節點的預測模組，故在此不再贅述。而本實施例中，定義傳輸順序的方式是不斷地在尚未決定順序的所有節點中，找出最適於在最後傳送資料的節點，從而決定所有節點傳輸資料的先後順序。詳細地說，本實施例反覆地在未決定順序的節點中計算以各節點作為最後傳送資料之節點所產生的預測標準誤差。接著再選擇具有最低之預測標準誤差的節點作為最後傳送資料的節點。舉例來說，假設網路包括了尚未決定傳輸順序的節點A、節點B、節點C，以及節點D。在決定傳輸順序時首先分別計算出將上述四個節點作為最後傳送資料之節點時所對應的預測標準誤差。假設節點A所對應的預測標準誤差最低，那麼節點A便會被定義為最後傳送資料的節點。接著，再次從節點B、節點C，以及節點D這三個節點中，決定最適於在最後傳送資料的是哪個節點，以此類推直到所有節點的先後次序均決定完畢為止。

透過上述方式便能建立出以一個或一個以上的節點來進行預測所適用的傳輸順序。接著在網路節點處於線上狀態後，根據傳輸順序選擇網路中的一個節點與相關的至少一個參考節點(步驟520)。並且在上述參考節點分別將參考資料傳送至資料蒐集裝置時，由所選擇之節點竊聽上述參考資料(步驟530)。接下來，所選擇之節點根據上述參考資料以及預測模組計算其預測資料(步驟540)，並且將預測資料與實際擷取到的實際資料進行比較(步驟550)，以及在預測資料與實際資料之間具有誤差值時，將誤差值傳送至資料蒐集裝置(步驟560)。最後在步驟570中，判斷網路中的所有節點是否都已經處理完畢。若是，則結束本資料傳輸方法的流程；若否，則回到步驟520繼續根據傳輸順序選擇下一個節點，並取得預測此節點時需要參照的至少一個參考節點，透過反覆執行步驟520至步驟570來達到壓縮資料傳輸量的目的。

值得一提的是，本發明所提出的資料傳輸方法特別適用在各節點所取得的資料彼此之間呈現高空間相關性的網路。舉例來說，在將無線感測網路應用在肢體復建時，例如會在患者的腿部部署多個感測節點，而在患者執行一連串的復建動作時，感測節點會擷取資料並將資料回傳到電腦系統進而判斷患者動作的正確性。由於肢體動作所產生的資料彼此之間具有相當高的空間相關性，因此在將本發明應用在這樣的系統時，可先在節點處於離線狀態時蒐集多筆肢體動作所產生的資料，進而計算各感測節點資料之間的空間相關性，以建立感測節點的預測模組及傳送資料的順序。而在節點處於線上狀態時，根據傳送資料的先後次序，以所有已傳送過資料的節點來預測尚未處理之節點的資料，並且將誤差值回傳至電腦系統。由於各個感測節點的資料具有相當高的空間相關性，因此能確保預測資料具有很高的準確度，而可以有效地降低必要的資料傳輸量，進而避免因網路頻寬不足而造成資料延遲或遺失等問題。

綜上所述，本發明所述之資料傳輸方法利用節點之資料間的空間相關性，將空間相關性高的資料進行處理，進而在節點需要將資料傳送至資料蒐集裝置時，有效地減少資料傳輸量，從而在低網路頻寬的環境下，確保高取樣頻率、低傳輸延遲，以及密集星狀網路等需求不會因為頻寬限制而受到影響。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，故本發明之保護範圍當視後附之申請專利範圍所界定者為準。

100．．．無線感測網路

110．．．電腦系統

210～270．．．本發明之一實施例所述之資料傳輸方法的各步驟

300、400．．．網路

310．．．資料蒐集裝置

510～570．．．本發明之另一實施例所述之資料傳輸方法的各步驟

圖1是習知之無線感測網路的示意圖。

圖2是依照本發明之一實施例所繪示之資料傳輸方法的流程圖。

圖3是依照本發明之一實施例所繪示之資料傳輸方法的示意圖。

圖4是依照本發明之一實施例所繪示之節點計算預測資料順序的示意圖。

圖5是依照本發明之另一實施例所繪示之資料傳輸方法的流程圖。

Claims

一種資料傳輸方法，用於包括多個節點及一資料蒐集裝置的一網路，其中該資料蒐集裝置用以蒐集上述節點所傳送的資料，該方法包括：在上述節點處於一離線狀態時，決定上述節點將資料傳送至該資料蒐集裝置的一傳輸順序，其中決定該傳輸順序的步驟包括：在上述節點處於一離線狀態時，取得每一上述節點的一歷史資料；判斷每一上述歷史資料彼此之間的一空間相關性；根據上述歷史資料與對應之該空間相關性，建立每一上述節點的一預測模組；取得對應每一上述預測模組的一預測標準誤差；分別計算利用每一上述節點去預測其他節點時所對應之上述預測標準誤差的一總和；以及定義具有最低之該總和的該節點為該傳輸順序中最早傳送資料的該節點；當上述節點處於一線上狀態時，依據該傳輸順序選擇上述節點其中之一竊聽(overhear)至少一參考節點分別傳送至該資料蒐集裝置的一參考資料；根據上述參考資料以及對應於所選擇之該節點的該預測模組計算一預測資料；比較該預測資料與所選擇之該節點擷取的一實際資料；以及傳送該預測資料與該實際資料之間的一誤差值至該資料蒐集裝置。
如申請專利範圍第1項所述之資料傳輸方法，其中建立該預測模組的步驟包括：取得具有較高之該空間相關性的上述歷史資料；以及以所取得之上述歷史資料分別建立對應之上述節點的該預測模組。
如申請專利範圍第1項所述之資料傳輸方法，其中建立該預測模組的步驟包括：透過一迴歸分析(regression analysis)法建立該預測模組。
如申請專利範圍第1項所述之資料傳輸方法，其中判斷該傳輸順序的步驟更包括：透過一資料分群(data clustering)法對上述預測標準誤差進行分群處理，以根據處理結果判斷該傳輸順序。
如申請專利範圍第1項所述之資料傳輸方法，更包括：利用每一上述節點與彼此間的一預測方向建立一有向圖；定義每一上述節點去預測其他節點時的上述預測標準誤差為該有向圖中所對應之一邊緣的一代價；依據上述代價取得該有向圖的一最小生成樹(Minimum spanning tree)；以及根據上述節點在該最小生成樹中的階層關係定義該傳輸順序。
如申請專利範圍第1項所述之資料傳輸方法，其中在決定該傳輸順序的步驟之後更包括：傳送該傳輸順序以及每一上述節點的該預測模組至該資料蒐集裝置。
如申請專利範圍第1項所述之資料傳輸方法，其中由所選擇之該節點竊聽上述參考資料的步驟包括：在上述參考節點廣播上述參考資料時，所選擇之該節點透過與上述參考節點之間的一無線通訊竊聽上述參考資料。
如申請專利範圍第1項所述之資料傳輸方法，其中在所選擇之該節點竊聽上述參考資料的步驟之後更包括：由所選擇之該節點對上述參考資料進行一解碼處理。
如申請專利範圍第1項所述之資料傳輸方法，其中傳送該誤差值至該資料蒐集裝置的步驟更包括：所選擇之該節點在傳送該誤差值之前，對該誤差值進行一編碼處理。
如申請專利範圍第9項所述之資料傳輸方法，其中在對該誤差值進行該編碼處理並傳送該誤差值至該資料蒐集裝置的步驟之後更包括：該資料蒐集裝置對該誤差值進行對應的一解碼處理；以及根據所選擇之該節點所對應的該預測模組、該傳輸順序，以及該誤差值推算所選擇之該節點的該實際資料。
如申請專利範圍第1項所述之資料傳輸方法，其中在比較該預測資料與該實際資料的步驟之後更包括：若該預測資料與該實際資料之間不具該誤差值，所選擇之該節點不傳送任何資料至該資料蒐集裝置；以及由該資料蒐集裝置根據所選擇之該節點所對應的該預測模組以及該傳輸順序，計算所選擇之該節點的該實際資料。
如申請專利範圍第1項所述之資料傳輸方法，其中該資料蒐集裝置包括一電腦系統。
如申請專利範圍第1項所述之資料傳輸方法，其中在每一上述節點中包括一慣性感測器、一陀螺儀以及一方向計其中之一。
如申請專利範圍第1項所述之資料傳輸方法，其中該網路包括一無線感測網路(Wireless Sensor Network，WSN)及一人體感測網路(Body Sensor Network，BSN)。
一種資料傳輸方法，用於包括多個節點及一資料蒐集裝置的一網路，其中該資料蒐集裝置用以蒐集上述節點所傳送的資料，該方法包括：在上述節點處於一離線狀態時，決定上述節點將資料傳送至該資料蒐集裝置的一傳輸順序，其中決定該傳輸順序的步驟包括：在上述節點處於一離線狀態時，取得每一上述節點的一歷史資料；判斷每一上述歷史資料彼此之間的一空間相關性；根據上述歷史資料與對應之該空間相關性，建立每一上述節點的一預測模組；取得對應每一上述預測模組的一預測標準誤差；以及在尚未決定順序的所有節點中，反覆計算以每一尚未決定順序之節點作為最後傳送資料之節點所對應的該預測標準誤差，並以具有最低之該預測標準誤差的該節點作為在尚未決定順序的所有節點中最後傳送資料的該節點，直到所有節點皆已決定其順序為止；當上述節點處於一線上狀態時，依據該傳輸順序選擇上述節點其中之一竊聽至少一參考節點分別傳送至該資料蒐集裝置的一參考資料；根據上述參考資料以及對應於所選擇之該節點的該預測模組計算一預測資料；比較該預測資料與所選擇之該節點擷取的一實際資料；以及傳送該預測資料與該實際資料之間的一誤差值至該資料蒐集裝置。