分布式小波压缩方法

;;; 传感器网络监测的实际环境中，传感器节INA137PA点采集的很多监测属性值如温度、湿度、露点温度和振动等在连续时间内的变化较小，多数邻近的数据相同或者近似。小波变换是一种能同时表征信号时域和频域行为的数学工具[26]，具有多分辨分析的特性，在不同的尺度或者压缩比下仍然能保持信号的统计特性，对压缩阵发性数据流非常有效。将传感器网络中采集到的原始数据变换到小波域来进行处理，以实现对原始数据的压缩是传感器网络中一种有效的数据处理方法。
;;;;文献提出了基于区间小波变换的数据压缩算法，利用小波理论中的快速Mallat分解算泫对采样的传感数据进行小波分解，在量化阶段对小波变换后得到的高频系数和低频系数进行阈值处理，根据量化级将小波系数映射到某个整数区间。由于分解后的传感信号能量集中在低频系数上，小波系数按一定的规律出现，因此进而应用游程编码（即对数据流中连续出现多次相同数值的数据以个数和数值的形式来表示），以取得进一步的压缩效果。
;;; Ciancio等[28]基于小波变换中的提升因数分解方法，提出了无线传感器网络中的分布式小波数据压缩算法。该算法将小波系数重定义为通往中心节点的数据流，通过计算部分小波系;数，利用网络中的自然数据流来聚集数据。
;;; 文献[29]研究了传感器网络中的单向提升小波变换问题。当数据沿着传感器网络路由向簇头节点传送时，路由节点使用该数据和邻居节点的广播数据计算小波变换，取得了较好的数据压缩效果。
;;; 此外，考虑到对非规则分布的传感器网络数据处理问题，文献在传感器网络的小波数据处理中提出了非规则小波数据处理的概念，构造了新的小波变换基函数，并证明了该类基函数的特性及差错限制。