计算机应用与软件
計算機應用與軟件
계산궤응용여연건
Computer Applications and Software
2015年
7期
137-142
,共6页
无线传感器网络%数据恢复%数据丢失%多属性%压缩感知%关联度%差错率
無線傳感器網絡%數據恢複%數據丟失%多屬性%壓縮感知%關聯度%差錯率
무선전감기망락%수거회복%수거주실%다속성%압축감지%관련도%차착솔
Wireless sensor networks%Data recovery%Data loss%Multi-attribute%Compressive sensing%Correlations%Error rate
无线传感器网络应用大都依赖完整的传感器数据,防止数据丢失是一项重要的研究工作,然而由于无线传感器网络的数据丢失模式特殊、丢失率高,当前的数据恢复方案效果不尽如人意.根据Intel Indoor和GreenOrbs两个项目的真实数据,证实了温度和光照的变化之间往往存在很高的关联度.以此为基础,提出一种基于多属性协助和压缩感知的数据恢复精度优化算法(MACS).最后,进行了基于真实数据驱动的仿真实验.仿真结果表明,MACS算法性能优于当前其他算法.一般地,当丢失率低于60％时,MACS算法对所有数据进行恢复的差错率低于5％.即使丢失率达85％,MACS算法也可以对所有数据实现估计且差错率低于10％.
無線傳感器網絡應用大都依賴完整的傳感器數據,防止數據丟失是一項重要的研究工作,然而由于無線傳感器網絡的數據丟失模式特殊、丟失率高,噹前的數據恢複方案效果不儘如人意.根據Intel Indoor和GreenOrbs兩箇項目的真實數據,證實瞭溫度和光照的變化之間往往存在很高的關聯度.以此為基礎,提齣一種基于多屬性協助和壓縮感知的數據恢複精度優化算法(MACS).最後,進行瞭基于真實數據驅動的倣真實驗.倣真結果錶明,MACS算法性能優于噹前其他算法.一般地,噹丟失率低于60％時,MACS算法對所有數據進行恢複的差錯率低于5％.即使丟失率達85％,MACS算法也可以對所有數據實現估計且差錯率低于10％.
무선전감기망락응용대도의뢰완정적전감기수거,방지수거주실시일항중요적연구공작,연이유우무선전감기망락적수거주실모식특수、주실솔고,당전적수거회복방안효과불진여인의.근거Intel Indoor화GreenOrbs량개항목적진실수거,증실료온도화광조적변화지간왕왕존재흔고적관련도.이차위기출,제출일충기우다속성협조화압축감지적수거회복정도우화산법(MACS).최후,진행료기우진실수거구동적방진실험.방진결과표명,MACS산법성능우우당전기타산법.일반지,당주실솔저우60％시,MACS산법대소유수거진행회복적차착솔저우5％.즉사주실솔체85％,MACS산법야가이대소유수거실현고계차차착솔저우10％.
