基于时间序列预测模型的簇型数据收集机制

？由于温度、光照等物理属性的时空连续性，密集部署的传感器网络中节点感知的数据往往具有很高的时空相关性。这种数据相关性产生的数据冗余会带来通信负担，也会缩短网络的生命周期。提出一种基于预测模型的簇型数据收集机制(cdcf)，探索数据相关性，减少无线传感器网络的通信量。该机制包括一种基于曲线拟合最小二乘法的时间序列预测模型和简单有效的误差控制方法。在数据收集过程中，簇型结构考虑到了数据间的空间相关性,时间序列预测模型探讨数据的时间相关性。实验仿真表明，在较为稳定的网络环境中，相对于收集原始数据，该机制只需10%~20%的通信量就可完成整个网络的数据收集任务；数据误差控制方法可以确保基站恢复数据的误差控制在用户定义的误差范围之内。