为了延长无线传感器网络的生命周期并确保其安全运行，本文档为双聚类/数据压缩提供了一种有效的压缩机制。于聚类异常数据，过滤异常节点和划分正常数据来执行双重压缩。过简单的差分压缩减少数据量并保持对压缩数据的编码。真结果表明，与传统的霍夫曼算法和差分压缩编码相比，双聚类数据压缩机制减少了压缩和解压缩时间，降低了功耗。
点同时确保更高的压缩比。线传感器网络;分组 – 双数据压缩;有效图像分类评级：TN92文献标识码：A文章编号：2095-8595（2017）05-095-004电子科技网址：http // www.china-est .com.cn DOI ：10.16453 / j.issn.2095-8595.2017.05.024总结：为了延长无线传感器网络的生命周期并确保安全的网络运行，基于重复数据压缩的高效压缩机制通过分组，可以过滤异常数据和节点，并在此基础上执行重复数据压缩。单的差分压缩编码用于减少数据量并执行纵向编码以进一步压缩。传统的Huffman算法和差分压缩编码相比，仿真结果表明双集群数据压缩机制有助于确保高压缩比，减少压缩和解压缩时间，以及减少能源消耗。KS;双集群数据压缩;有效的介绍无线传感器网络可以收集和处理信息，并通过传感器节点相互通信。于网络结构和运行特性，无线链路容易受到攻击和恶意破坏，并且存在异常的节点和数据。
感器节点由电池供电，通常能量有限，其资源消耗主要集中在处理和传输过程中，消耗最多的模块是通信模块[1，2]。此，有效地减少通信过程中的数据量可以降低传感器节点的功耗，从而延长无线传感器网络的有效寿命。了减少通信过程中的数据量，有必要使用有效的数据压缩技术来处理，抑制已确定或可抵扣的信息，并保留不确定的信息[3-5]。文中设计的双聚类数据压缩算法首先执行聚类分析，然后在每个聚类中执行双重压缩。缩机制可以在工作进程中隔离异常数据点，提高数据压缩效率。重压缩旨在确保在资源消耗低的情况下还原过程进一步提高压缩效率。准数据压缩算法差分编码[6]差分编码的原理适用于数字数据流。数据的第一个元素外，其余元素由每个元素与其前一个元素之间的差异表示。
分编码是将数据作为顺序数据之间的差异进行存储或传输的方式。缩比非常高，数据压缩的目标是通过减少字节数来实现。度编码[7]长度编码的基本原则是用符号值或字符串长度替换具有相同值的连续符号（连续符号形成连续的“行”，长度代码为如此命名），它减少了符号的长度。始数据的长度。列长度编码是连续且准确的编码：如果其中一个符号在传输过程中不正确，则整个编码序列可能会受到影响，序列长度编码无法恢复到原始数据并且需要大量的缓冲器和高质量的通道。文设计的聚类 – 双数据压缩聚类分析聚类分析[8]使用一种简单的聚类k均值方法对网络中的数据进行分类。
果隔离数据点出现在群集过程中，则删除直接过滤可视为异常数据点。节点生成的隔离数据点数超过节点生成数据的1/3时，不仅删除异常孤立数据，而且删除该节点生成的所有数据，并将该节点用作那个入侵节点。离网络。数据压缩在差分编解码过程中，编码和解码过程必须使用基值，并且解码过程必须由数据传输获得的基值的存储值补充。值的设置在压缩精度和差分编码的压缩比中起着至关重要的作用。
于无线传感器网络，数据解压缩的准确性和压缩率会对网络性能和资源消耗产生影响。于有限的网络能量，数据压缩算法不仅应该提高压缩比和压缩时间，还应该提高压缩和传输过程中的能量消耗。此，为了保证数据压缩的压缩性能和能量和资源消耗的效率，本文提出了双压缩：首先进行差分编码。输的数据是：0，0，1，1，0，-1，-1，0，1;假设9个数据需要20个字节，160个比特，差异数据较小，用3比特表示。后差分压缩后的数据长度是27位，与之前的160位相比，压缩比= 27/160 = 16.9％。后，对差分编码数据执行具有较少压缩能量消耗的循环长度编码，并且进一步增加数据压缩率。
如：0，0，恒温阀芯1，1，0，-1，-1，运行长度代码为：（0，2）（1，2）（0，1）（ – 1，2）。以看出，由范围的长度编码的比特数远小于原始字符串的比特数。能仿真使用MTALB软件来模拟数据压缩算法的性能，包括压缩时间，解压缩时间，压缩比和压缩能量消耗。
间性能的比较如图1和图2所示。压缩时间内，与Huffman算法相比，本文设计的聚类双数据压缩算法显着减少，后者仅代表4 ，霍夫曼算法压缩时间的8％;差分算法使解压缩时间加倍。解压缩时间，恒温阀芯与Huffman算法相比，本文设计的双聚类数据压缩算法大大减少，Huffman算法仅占Huffman算法压缩时间的3.4％。这是差分算法的减压时间的两倍。缩率的比较如图3所示。于解压缩率，本文设计的聚类双数据压缩算法的压缩率接近80％，而速率霍夫曼算法和差分算法的压缩率分别为50％和15％。聚类数据压缩算法显着提高了数据压缩率的性能，显示出明显的优势。4显示了压缩能耗的比较。于压缩能量消耗，本文设计的集群双数据压缩算法的压缩能耗明显低于Huffman算法，后者仅代表4 ，5％的霍夫曼算法。差分算法中，能量消耗大约是差分算法的两倍。
压缩数据压缩算法在压缩和解压缩时间，压缩比和功耗方面明显优于Huffman算法。然与差分算法相比在时间性能和功耗方面存在某些缺点，但在压缩比和恢复精度方面明显优于差分算法。论聚类双数据压缩算法不仅可以将类似的数据分组到一个类中，还可以隔离异常数据点和异常节点，降低异常数据产生的传输和处理成本。
此基础上，为了提高压缩比并确保低功耗，使用与差分编码和长度编码相关联的双数据压缩算法来处理数据。
络。虑到所有类型的压缩指标，双集群数据压缩算法可以始终保证压缩比和恢复精度，在能量消耗随时间和压缩方面具有明显优势。长无线传感器网络的使用寿命，提高网络性能。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com