机械振动WSNs子带多阶层自适应量化数据压缩方法

针对资源受限的机械振动无线传感器网络传输大量振动数据时导致的内存空间消耗大及传输效率低等问题,提出一种子带多阶层自适应量化数据压缩方法。首先,传感器节点对原始数据进行分块离散余弦变换以确保子带能量集中;然后,采用子带多阶层自适应量化方法对分块变换数据进行量化以减少数据失真,提高重构数据精度;最后,为进一步提升数据的压缩性能和效率,对量化数据进行2 bit过滤游程算术编码处理。将提出的方法与其他数据压缩方法进行对比以验证该方法的性能,试验结果表明,该方法可以在资源受限的机械振动无线传感器网络节点中获得良好的压缩效果,对提高大量振动数据传输效率有重要意义。

机械振动WSN比例补偿跨层同步采集触发方法

针对机械振动无线传感网络同步采集中的同步触发精度低问题,提出了一种比例补偿跨层同步采集触发方法。首先,基于跨层同步架构设计超宽带机械振动无线传感器网络节点,分析采集节点实际采集时钟构成;然后,使用单一硬件定时器作为采集控制时钟,跨层获取同步信息并进行同步触发延时控制;最后,根据周期性同步信息建立节点间的时间比例模型,根据采集节点上行链路时间比例对同步触发延时进行比例补偿,减小同步采集触发误差。实验结果表明,所提方法在单跳网络中同步采集触发误差均值为20 ns,最大值为50 ns,在两跳网络中同步采集触发误差均值为37 ns,最大值为76 ns,有效提高了机械振动无线传感器网络同步采集触发精度。

机械振动WSNs子带峰值自适应量化融合编解码方法

针对智能运维机械振动无线传感器网络多传感器传输振动数据时面临传输数据量大及传输效率低的问题,本文提出一种子带峰值自适应量化融合编解码方法。首先,传感器节点对原始数据进行离散余弦变换以确保子带能量集中;然后提取出子带DCT系数中的离群值,并用子带峰值自适应量化方法对其进行量化以减少数据失真;最后,用字节融合与比特融合方法将多传感器的量化数据进行融合拼接以减少数据冗余。将提出的方法与其他数据压缩方法进行对比以验证本文方法的性能。实验结果表明,该方法在8个节点同时采集传输的机械振动无线传感器网络中,数据压缩比为8.335时,重构信噪比为20.4863 dB,节省37.2%的传输时间,可以有效实现信道资源受限的机械振动无线传感器网络多传感器振动数据的融合压缩。