张 娜

基于遗传压缩感知的无线传感器网络数据压缩方法

张 娜

(河南城建学院计算机科学与工程学院 河南 平顶山 467036)

考虑到无线传感器网络WSNs能量、通信带宽、计算能力及成本有限，不适合大规模数据传输，同时存在数据冗余，需要进行数据压缩处理，提出一种新的基于遗传算法的压缩感知CS(Compressive Sensing)重构方法，应用于无线传感器网络数据压缩中。详细阐述分布式WSNs数据压缩特点，压缩感知基本理论，基于遗传算法的CS重构新方法以及在WSNs数据压缩中的应用。通过实验仿真证明，从压缩比、节点平均能耗、网络生存时间和网络时延四个方面，与DCCM算法及CCS算法的WSNs数据压缩算法进行比较，提出的算法具有较高的压缩比，提高了采集数据的重构精度，降低了数据冗余度和网络通信量，提高了网络效率。

无线传感器网络 压缩感知 遗传算法 压缩比 生命周期

0 引 言

随着WSNs不断的发展，信号采集需要的带宽和数据量现已成几何方式增长。因此必须建立新型采样机制以减少成本、通信量、延时、能源消耗和信息数据量[1]。WSNs的能量消耗常常直接决定了整个系统的稳定性与可靠性，而数据压缩对提升无线传感器网络的通信吞吐量非常显著[2]。传感器网络的能量消耗最主要集中于三个部分，分别为信号采样、信号处理与信号传输，其中能量消耗绝大部分在信号传输环节[3]。压缩传输信号可以有效地减少能量消耗，在对WSNs的数据压缩进行设计时应该考虑到两点：(1) 节点处理能力低；……