《精细粒度可调的低延时传感器网络数据传输方法.pdf》由会员分享，可在线阅读，更多相关《精细粒度可调的低延时传感器网络数据传输方法.pdf（11页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103974268 A (43)申请公布日 2014.08.06 CN 103974268 A (21)申请号 201310032923.0 (22)申请日 2013.01.29 H04W 16/18(2009.01) H04W 84/18(2009.01) H04L 1/00(2006.01) (71)申请人 上海携昌电子科技有限公司 地址 200240 上海市闵行区剑川路 951 号 304 室 (72)发明人 王慈 苏昭 董海波 (74)专利代理机构 上海汉声知识产权代理有限 公司 31236 代理人 郭国中 (54) 发明名称 精细粒度可调的低延时传感器网络数。
2、据传输 方法 (57) 摘要 本发明提供一种精细粒度可调的低延时传感 器网络数据传输方法， 该方法根据信号强度等量 纲确定无线器网络的拓扑结构， 定义网络中的叶 节点为传感节点， 而其它非叶节点为传输节点， 传 输节点与其相连的传感节点或传输节点组成子网 络 ； 传感节点负责感知环境物理或化学量， 并将 数据汇聚至传输节点 ； 传输节点兼具传感节点的 功能， 对其它节点传输来的信号做解析、 插值同步 和变换压缩， 最终交织合成为一个数据流。 数据流 随传感器网络带宽自适应调整， 保证系统的正常 运行。 本方法所提出的方法具有计算量低、 延时低 的特点， 可根据传感器网络的带宽限制和节点个 数，。
3、 灵活的调整数据精度， 从而有效增加系统可容 纳的最大节点数， 降低感知信号在网络中传输的 延时。 (51)Int.Cl. 权利要求书 2 页 说明书 6 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书6页 附图2页 (10)申请公布号 CN 103974268 A CN 103974268 A 1/2 页 2 1. 一种精细粒度可调的低延时传感器网络数据传输方法， 其特征在于， 包括以下步 骤 ： 步骤一 ： 无线传感器网络中的所有节点进行互联通信， 根据包含信号强度在内的量纲 确定无线器网络的拓扑结构， 定义网络中的叶节点为传感节点， 。
4、而其它非叶节点为传输节 点， 传输节点兼具传感节点的功能， 传输节点与其相连的传感节点或传输节点组成通信子 网 ； 步骤二 ： 传输节点与其相关联的叶节点通信， 确定通信子网中各节点的传感器的采样 频率， 最终确定通信子网中的最高采样率， 然后该传输节点将改变属性， 对上传传输节点表 现为叶节点 ； 步骤三 ： 传输节点按照通信子网中的最高采样率对各路采样信号进行插值， 实现重采 样 ； 步骤四 ： 传输节点对多路输入信号进行重排、 预测压缩和重组， 组成采样数据块， 并与 上行传输节点通信， 确定整个系统所能承受的最大采样延时， 根据采样延时决定采样数据 块数据以列向量或块的形式传输 ； 步。
5、骤五 ： 判断系统级测试传输速率及采样误差是否满足系统运行要求， 若满足， 系统正 常运行， 否则， 返回步骤四。 2. 根据权利要求 1 所述的精细粒度可调的低延时传感器网络数据传输方法， 其特征在 于， 步骤三中采用线性插值计算在时域或频域实现重采样。 3. 根据权利要求 1 所述的精细粒度可调的低延时传感器网络数据传输方法， 其特征在 于， 步骤四具体为 ： 首先， 采用预测编码对采样数据流进行压缩处理， 将采样数据流切分成大小相等的数 据单元， 若干个数据单元构成一个时隙， 在一个时隙内的第一个数据单元被作为基准信号 单元， 时隙内的后继数据单元均与基准信号单元相对比， 将它们的差值信。
6、号作为预测残差 信号， 并对预测残差信号进行改变换 DCT 变换量化 ； 其次， 上述步骤生成传感器网络的基本数据流， 将采样数据流与基本层数据流进行差 值运算， 对基准信号差值改变换 DCT 变换 ； 之后， 传输节点对基准信号及预测残差信号采用粗量化， 产生基本层， 即粗粒度数据 ； 对基准信号差值采用细量化， 产生增强层， 即细粒度数据 ； 最后， 根据信道实际带宽， 适应性裁剪传输流， 保证基本层传输， 舍弃部分增强层， 保证 系统的正常运行。 4. 根据权利要求 3 所述的精细粒度可调的低延时传感器网络数据传输方法， 其特征在 于， 所述改变换 DCT 变换为逻辑左移位 DCT 系数。
7、变换。 5. 根据权利要求 4 所述的精细粒度可调的低延时传感器网络数据传输方法， 其特征在 于， 所述基准信号的变换为补零左移 4 位 ； 所述预测残差信号的变换为补零左移 2 位 ； 所述 基准信号差值的变换为补零左移 2 位， 所述预测残差差值的变换为补零左移 1 位。 6. 根据权利要求 5 所述的精细粒度可调的低延时传感器网络数据传输方法， 其特征在 于， 步骤四和步骤五之间还包括 ： 父节点在接收到传输节点传输的数据后， 采用数据左移和反 DCT 变换恢复出基本层和 增强层， 并将其叠加恢复出通信子网中所有节点的采样值， 并与自身其他传感节点数据做 权 利 要 求 书 CN 103。
8、974268 A 2 2/2 页 3 类似于该传输节点的处理， 再将新的合成数据流传送至更高层的父节点。 7. 根据权利要求 1 所述的精细粒度可调的低延时传感器网络数据传输方法， 其特征在 于， 所述无线传感器网络中的各节点均采用 STM32W108 射频芯片， 且片内固化 WSN 网络议 栈。 8. 根据权利要求 1 所述的精细粒度可调的低延时传感器网络数据传输方法， 其特征在 于， 所述无线传感器网络的拓扑结构采用树状拓扑结构。 权 利 要 求 书 CN 103974268 A 3 1/6 页 4 精细粒度可调的低延时传感器网络数据传输方法 技术领域 0001 本发明涉及无线传感技术领域。
9、， 具体地， 涉及一种精细粒度可调的低延时传感器 网络数据传输方法。 背景技术 0002 近年来， 基于无线传感器的传感器网络的应用日益广泛。随着传感器网络规模的 扩大， 所需传输的数据量也显著增加， 而无线传感器的带宽有限， 所以数据必须被压缩才能 有效传输。 由于功耗限制， 传感器芯片的计算能力十分有限， 所以必须采用低复杂度的算法 实现数据的压缩和重组。此外， 数据压缩必须具有一定的适应性， 即具有一定的粒度， 以自 适应性的最大程度利用无线网络信道的能力。 0003 中国发明专利 CN101795501A 公开了一种传感器网络物理信号协同压缩感知系 统及感知方法， 该专利设计了重构节点。
10、用于收集来自感知节点的随机映射值及统计量， 完 成随机映射至矩阵的归一化， 并基于压缩感知重建算法实现物理信号重构 ； 中国发明专 利 CN102006626A 公开了一种基于哈夫曼编码和随机优化策略的传感网络数据压缩方法 ； 中国发明专利 CN101909330A（公开于 2010 年 12 月 8） 公开了一种基于近优分簇与局部 虚拟坐标的传感器网络数据压缩方法， 该专利通过调节字典大小来调控数据恢复精度 ； 中 国发明专利 CN102164395A 公开了基于压缩感知的无线传感器网络全局信息本地获取方 法， 该方法采用观测矩阵投影实现压缩和 gossip 传输协议实现高效传输 ； 中国发。
11、明专利 CN102202349A 公开了一种基于自适应最优消零的无线传感器网络数据压缩方法， 该方法引 入无损的自适应最优消零算法， 自适应地寻找最优位数因子对递增排列的感知数据序列进 行消零运算和编码 ； 中国发明专利 CN101932012A 基于最优阶估计与分布式分簇的传感器 网络数据压缩方法 ； 中国发明专利CN102394718A公开了一种传感网络数据压缩编码/解码 方法， 该方法将各采样数据与参考数据做差， 得到相应的游程长度数据， 再对各相对游程长 度数据进行编码 ； 中国发明专利 CN101925091A 公开了一种基于非阈值的无线传感器网络 节点数据压缩方法， 该方法对在一段。
12、时间内无线传感器网络节点所采集时间序列数据流有 效地进行分段折线压缩 ； 中国发明专利 CN101848529A 公开了一种无线传感器网络的多重 主成分分析数据压缩方法， 该方法采用多重主成分分析数据的压缩方法， 在无线传感器网 络的多层路由上迭代使用主成分风行进行数据压缩 ； 中国发明专利 CN102752798A 公开了 一种无线传感器网络数据无损压缩的方法， 该方法对数据差值序列和原始数据初值进行自 适应 Rice 编码， 然后通过无线网络传输至汇聚终端 ； 中国发明专利 CN101350827A（公开于 2009 年 1 月 21） 公开了一种用于无线传感器网络的小波渐进数据压缩方法。。
13、 0004 上述技术针对无线传感器网络中的数据压缩进行研究， 主要采用非投影矩阵设 计、 字典设计、 数据统计和小波变换等方法对传感器数据进行压缩。这些方法的计算量较 大， 且需要通过一定时间段的数据进行学习及分析才能实现， 当无线传感器的计算能力较 弱或对系统采集数据的延时有较高要求时， 上述专利内容的应用将受到极大限制。 说 明 书 CN 103974268 A 4 2/6 页 5 发明内容 0005 针对现有技术中的缺陷， 本发明的目的是提供一种精细粒度可调的低延时传感器 网络数据传输方法， 本发明的计算复杂度低， 数据传输延迟低， 适用于节点计算能力低， 系 统实时性要求高的场合。 0。
14、006 根据本发明的一个方面， 提供一种精细粒度可调的低延时传感器网络数据传输方 法， 包括以下步骤 ： 0007 步骤一 ： 无线传感器网络中的所有节点进行互联通信， 根据信号强度等量纲确定 无线器网络的拓扑结构， 定义网络中的叶节点为传感节点， 而其它非叶节点为传输节点， 传 输节点与其相连的传感节点或传输节点组成子网络 ； 0008 步骤二 ： 传输节点与其相关联的叶节点通信， 确定通信子网各节点传感器的采样 频率， 最终确定通信子网中的最高采样率， 然后该传输节点将改变属性， 对上传传输节点表 现为叶节点 ； 0009 步骤三 ： 传输节点按照子网中的最大采样率对各路采样信号进行插值，。
15、 实现重采 样 ； 0010 步骤四 ： 传输节点对多路输入信号进行重排、 预测压缩和重组， 组成采样数据块， 并与上行传输节点通信， 确定整个系统所能承受的最大采样延时， 根据采样延时决定采样 数据块数据以列向量或块的形式传输 ； 0011 步骤五 ： 系统级测试传输速率及采样误差是否满足系统运行要求， 若满足， 系统正 常运行， 否则， 返回步骤四。 0012 优选地， 步骤三中采用线性插值计算在时域或频域实现重采样。 0013 优选地， 步骤四具体为 ： 0014 首先， 采用预测编码对采样数据流进行压缩处理， 将采样数据流切分成大小相等 的数据单元， 若干个数据单元构成一个时隙， 在一。
16、个时隙内的第一个数据单元被作为基准 信号单元， 时隙内的后继数据单元均与基准信号单元相对比， 将它们的差值信号作为预测 残差信号， 并对预测残差信号进行改变换 DCT 变换量化 ； 0015 其次， 上述步骤生成传感器网络的基本数据流， 将采样数据流与基本层数据流进 行差值运算， 对基准信号差值改变换 DCT 变换 ； 0016 之后， 传输节点对基准信号及预测残差信号采用粗量化， 产生基本层， 即粗粒度数 据 ； 对基准信号差值采用细量化， 产生增强层， 即细粒度数据 ； 0017 最后， 根据信道实际带宽， 适应性裁剪传输流， 保证基本层传输， 舍弃部分增强层， 保证系统的正常运行。 00。
17、18 优选地， 改变换 DCT 变换为逻辑左移位 DCT 系数变换， 采用补零左移位 DCT 系数操 作代替量化以降低传输节点运算复杂度。 0019 优选地， 基准信号的变换为补零左移 4 位 ； 预测残差信号的变换为补零左移 2 位 ； 基准信号差值的变换为补零左移 2 位， 预测残差差值的变换为补零左移 1 位。 0020 优选地， 步骤四和步骤五之间还包括 ： 0021 父节点在接受到传输节点传输的数据后， 采用数据左移和反 DCT 变换恢复出基本 层和增强层， 并将其叠加恢复出子网中所有节点的采样值， 并与自身其他传感节点数据做 类似于该传输节点的处理， 再将新的合成数据流传送至更高层。
18、的父节点。 说 明 书 CN 103974268 A 5 3/6 页 6 0022 优选地， 无线传感器网络中的各节点均采用 STM32W108 射频芯片， 且片内固化 WSN 网络议栈。 0023 优选地， 无线传感器网络的拓扑结构采用树状拓扑结构。 0024 与现有技术相比， 本发明具有如下的有益效果 ： 本发明的方法根据信号强度等量 纲确定无线器网络的拓扑结构， 定义网络中的叶节点为传感节点， 而其它非叶节点为传输 节点， 传输节点与其相连的传感节点或传输节点组成子网络 ； 传感节点负责感知环境物理 或化学量， 并将数据汇聚至传输节点 ； 传输节点兼具传感节点的功能， 对其它节点传输来的。
19、 信号做解析、 插值同步和变换压缩， 最终交织合成为一个数据流。 数据流随传感器网络带宽 自适应调整， 保证系统的正常运行。本发明所提出的方法具有计算量低、 延时低的特点， 可 根据传感器网络的带宽限制和节点个数， 灵活的调整数据精度， 从而有效增加系统可容纳 的最大节点数， 降低感知信号在网络中传输的延时， 特别适用于节点计算能力低， 系统实时 性要求高的场合。 附图说明 0025 通过阅读参照以下附图对非限制性实施例所作的详细描述， 本发明的其它特征、 目的和优点将会变得更明显 ： 0026 图 1 为本发明精细粒度可调的低延时传感器网络数据传输方法的流程原理图 ； 0027 图 2 为本。
20、发明精细粒度可调的低延时传感器网络数据传输方法应用的网络拓扑 结构图 ； 0028 图 3 为本发明实施例的重采样图像排列示意图。 具体实施方式 0029 下面结合具体实施例对本发明进行详细说明。 以下实施例将有助于本领域的技术 人员进一步理解本发明， 但不以任何形式限制本发明。 应当指出的是， 对本领域的普通技术 人员来说， 在不脱离本发明构思的前提下， 还可以做出若干变形和改进。 这些都属于本发明 的保护范围。 0030 请参阅图 1， 一种精细粒度可调的低延时传感器网络数据传输方法， 包括以下步 骤 ： 0031 步骤一 ： 无线传感器网络中的所有节点进行互联通信， 根据信号强度等量纲确。
21、定 无线器网络的拓扑结构， 定义网络中的叶节点为传感节点， 而其它非叶节点为传输节点， 传 输节点与其相连的传感节点或传输节点组成子网络。 0032 步骤二 ： 传输节点与其相关联的叶节点通信， 确定通信子网各节点传感器的采样 频率， 最终确定通信子网中的最高采样率， 然后该传输节点将改变属性， 对上传传输节点表 现为叶节点。 0033 步骤三 ： 传输节点按照子网中的最大采样率对各路采样信号进行插值， 实现重采 样。 0034 该步骤具体采用线性插值计算在时域或频域实现重采样。 0035 步骤四 ： 传输节点对多路输入信号进行重排、 预测压缩和重组， 组成采样数据块， 并与上行传输节点通信，。
22、 确定整个系统所能承受的最大采样延时， 根据采样延时决定采样 说 明 书 CN 103974268 A 6 4/6 页 7 数据块数据以列向量或块的形式传输。具体为 ： 0036 首先， 采用预测编码对采样数据流进行压缩处理， 将采样数据流切分成大小相等 的数据单元， 若干个数据单元构成一个时隙， 在一个时隙内的第一个数据单元被作为基准 信号单元， 时隙内的后继数据单元均与基准信号单元相对比， 将它们的差值信号作为预测 残差信号， 并对预测残差信号进行改变换 DCT 变换量化 ； 0037 其次， 上述步骤生成传感器网络的基本数据流， 将采样数据流与基本层数据流进 行差值运算， 对基准信号差值。
23、改变换 DCT 变换 ； 0038 之后， 传输节点对基准信号及预测残差信号采用粗量化， 产生基本层， 即粗粒度数 据 ； 对基准信号差值采用细量化， 产生增强层， 即细粒度数据 ； 0039 最后， 根据信道实际带宽， 适应性裁剪传输流， 保证基本层传输， 舍弃部分增强层， 保证系统的正常运行。 0040 父节点在接受到传输节点传输的数据后， 采用数据左移和反 DCT 变换恢复出基本 层和增强层， 并将其叠加恢复出子网中所有节点的采样值， 并与自身其他传感节点数据做 类似于该传输节点的处理， 再将新的合成数据流传送至更高层的父节点。 0041 步骤五 ： 系统级测试传输速率及采样误差是否满足。
24、系统运行要求， 若满足， 系统正 常运行， 否则， 返回步骤四。 0042 以上所述的改变换 DCT 变换为逻辑左移位 DCT 系数变换， 采用补零左移位 DCT 系 数操作代替量化以降低传输节点运算复杂度。 具体地， 基准信号的变换为补零左移4位 ； 预 测残差信号的变换为补零左移2位 ； 所述基准信号差值的变换为补零左移2位， 预测残差差 值的变换为补零左移 1 位。 0043 以下同时结合图 2、 图 3， 对本发明的精细粒度可调的低延时传感器网络数据传输 方法进行详细说明。 0044 本发明采用 STM32W108 射频芯片作为核心器件， 该芯片即可以作为传感节点又可 以作为传输节点。。
25、每个节点在片内固化了 WSN 网络议栈， 内嵌协议栈有三种分别是 ZigBee PRO,ZigBee RF4CE, 和 Simplified MAC， 在应用开发过程中， 安装的第三方工具有 IAR EWARM 集成开发环境、 仿真器。 0045 组建完整的 Zigbee 网络有两个步骤 ： 第一步协调器初始化一个网络 ； 第二步是路 由器或终端逐步加入网络。节点加入网络又有两种方法， 一种是子设备通过使用 MAC 层的 连接进程加入网络， 另一种是子设备通过与一个先前指定的父设备直接加入网络。在本发 明中， 采用前者动态组建网络。Zigbee 网络层支持星状、 树状和网络拓扑结构， 在本实施。
26、例 中， 采用树状拓扑建构， 拓扑结构图如图 2 所示。 0046 所有的节点被分为三类 ： 根节点 （co-ordinator） ， 传输节点 （Router） 和终端节点 （end device） 。 为方便描述， 假设所建立的无线传感网络拓扑结构如图2所示。 End device1 和end device2为传感的叶节点， router1既是传感节点又是传输节点， router2是router1 的父节点。 0047 组网完成后， Router1 向其子节点 End device1 和 end device2 查询它们所配置 的采样率 sample-rate1 和 sample-rate。
27、2。假设 Router1 的自身采样率为 sample-rate3。 由 End device1、 end device2 和 Router1 所组成的子网的采样率 sample-rate=maximum （sample-rate1， sample-rate2， sample-rate3） 。假设 End device1 的采样率最高， 则在 说 明 书 CN 103974268 A 7 5/6 页 8 Router1 内对该子网以 End device1 的采样时刻和采样频率为基准， 对 End device2 和 Router1 的采样信号进行重采样， 使得三路信号采样率均为 sample。
28、-rate1。重采样方法可 以在时域或频域实现， 本实例中采用线性插值计算。 0048 重采样后的数据格式如图3所示。 n个通道的数据channel1channeln被馈入传 输节点。这些信道中的采样数据按照时刻 t0 到 tn 对齐。某一个时刻的所有通道采样数据 被串接为一个列向量vector， 数个vector可以做成一个传输数据块。 传输节点router1向 router2 传输数据的最小单元为一个一维的 vector。与传输一维 vector 相比， 以 2 维块形 式传输数据的压缩效率及传输效率更高。传感器网络建立时， 系统将采样延时要求广播给 所有的传输节点及叶节点。传输节点在做数。
29、据传输时， 根据信号延时要求， 减去多跳时延， 求取传输节点所允许的采样信号发送时延。假设采样间隔为 1ms， 传输节点毗邻根节点， 且 有 10 个叶节点， 系统允许的采样延时为 1 秒忽略传输时间及系统传输接受解码时间， 则最 大传输数据块有 100 个 vector 组成。 0049 为进一步降低数据量， 本实例采用变换加量化的方式对数据进行压缩。鉴于整数 DCT（离散余弦） 变换的计算量低， 变换效率， 我们采用改变换 DCT 对向量数据或块数据进行 变换， 对 DCT 系数做逻辑左移操作， 变换后的信号能量主要集中在少数几个 DCT 系数上。在 使用中， 采用有损压缩， 如标量量化，。
30、 进一步降低数据量。 0050 在本实例中， 除变换压缩策略外， 还引入预测编码提高压缩效率。采用预测编 码时， 图 3 所示的采样数据流被切分成大小相等的数据单元， 数据单元可以是 vector 或 block。 若干个数据单元构成一个时隙。 在一个时隙内的第一个数据单元被作为基准信号单 元， 时隙内的后继数据单元均与基准信号单元相对比， 它们的差值信号， 即残差信号， 被 DCT 变换及量化。 0051 基准信号及预测残差信号的幅度不同， 所以 DCT 变换后的能量级别也不同， 所以 需要采用不同的量化系数进行量化。在本例中， 采用补零左移位操作代替量化以降低传输 节点运算复杂度。对于基准。
31、信号， 移位位数为 4 位 ； 对于预测残差信号的移位位数为 2 位。 0052 上述步骤生成传感器网络的基本数据流， 该数据流的码率低， 采样信号精确度低， 粒度粗。由于传感器采样数据具多样性， 所以产生的基本数据流的带宽可能小于传输节点 的上传能力或其父节点的接受能力。 在本案例中， 采用更精细粒度的数据， 即增强层补偿粗 粒度数据的误差。精细粒度层的处理对象是采样数据流与基本数据流的差值， 所采用的变 换及量化策略与基本层大致相同， 即对差值信号进行整数 DCT 变换， 再通过移位实现数据 压缩。与基本层不同的是对于基准信号差值的变换， 采用补零左移 2 位， 而对预测残差差值 变换， 。
32、采用补零左移 1 位。 0053 移位后， 多数基准信号及预测残差信号的 DCT 系数将被置零。非零 DCT 系数主要 集中在低频段。采用游程编码， 从低频向高频扫描。基本层包括基准信号基本层和预测信 号基本层被优先传输， 在本实施方案下， 基本层能可靠完全传输。随后传输增强层数据， 增 强层数据采用低频至高频扫描， 逐块传输方式。当传输节点带宽在时间间隙内不能完全传 输完增强层时， 舍弃部分增强层数据， 而保证下一个时间间隙内的基本层数据传输。 0054 无线传输网络建立后， 时隙长度固定不变。 在本实例中， 时隙长度为1min。 时隙的 交替可以增强系统的抗干扰能力， 避免传输中产生的误码。
33、的影响。 0055 作为 Router1 父节点的 Router2， 在接受到 Router1 传输的数据后， 采用数据左移 说 明 书 CN 103974268 A 8 6/6 页 9 和反 DCT 变换恢复出基本层和增强层， 并将其叠加恢复出 Router1 子网中所有节点的采样 值， 并与自身其他感知节点数据做类似于 Router1 节点的处理， 再将新的合成数据流传送 至更高层的父节点。 0056 最后， 系统级测试传输速率及采样误差是否满足系统运行要求， 若满足， 系统正常 运行， 否则， 调整量化策略、 参数。 0057 以上对本发明的具体实施例进行了描述。需要理解的是， 本发明并不局限于上述 特定实施方式， 本领域技术人员可以在权利要求的范围内做出各种变形或修改， 这并不影 响本发明的实质内容。 说 明 书 CN 103974268 A 9 1/2 页 10 图 1 说 明 书 附 图 CN 103974268 A 10 2/2 页 11 图 2 图 3 说 明 书 附 图 CN 103974268 A 11 。