Сжатие сенсорных данных с малым расходом оперативной памяти

Бесплатный доступ

Рассматривается задача сжатия скалярных данных в узлах сенсорной сети в потоковом режиме (без накопления блока некомпрессированных данных). Рассмотрено несколько экспериментальных алгоритмов сжатия, основанных на сочетании дельта-кодирования (LPC) с кодированием повторов (RLE). На стадии статистического кодирования применялись: a) код переменной длины с динамическими префиксами, полученными с помощью MTF-преобразования, b) адаптивный бинарный код, c) адаптивные коды Голомба-Райса. Проведено сравнение известных и экспериментальных алгоритмов на 75 источниках сенсорных данных. В тестах достигнуты коэффициенты сжатия порядка 1.5/4/1000000 (мин/медиана/макс) при размере контекста алгоритма сжатия порядка 10 байт.

lpc \ линейное прогнозирующее кодирование \ dtn \ сеть устойчивая к разрывам \ сеть с эпизодической связностью \ распределение лапласа \ адаптивный алгоритм сжатия \ стопка книг \ mtf-преобразование \ rle \ rlgr \ префиксный код \ гамма-код элиаса \ код голомба-райса \ код vbinary

Похожие статьи в разделе Данные

Memory-efficient sensor data compression
Memory-efficient sensor data compression

Shevchuk Yury Vladimirovich

Метод сжатия речевых данных без пауз на основе оптимального квантования по уровню коэффициентов разложения отрезков речевых сигналов по собственным векторам субполосных матриц
Метод сжатия речевых данных без пауз на основе оптимального квантования по уровню коэффициентов разложения отрезков речевых сигналов по собственным векторам субполосных матриц

Жиляков Евгений Георгиевич, Белов Сергей Павлович, Белов Александр Сергеевич, Белов Андрей Сергеевич, Медведева Александра Александровна

Сжатие гиперспектральных данных методом главных компонент
Сжатие гиперспектральных данных методом главных компонент

Минкин Александр Сергеевич, Николаева Ольга Васильевна, Руссков Александр Алексеевич

Сжатие гиперспектральных данных на основе метода кодирования с преобразованием
Сжатие гиперспектральных данных на основе метода кодирования с преобразованием

Чичева Марина Александровна, Юзькив Руслан Романович

Короткий адрес: https://sciup.org/143178812

IDS: 143178812   |   УДК: 004.627+004.272.45   |   DOI: 10.25209/2079-3316-2022-13-2-3-33

Список литературы Сжатие сенсорных данных с малым расходом оперативной памяти

  • Fall K. A delay tolerant network architecture for challenged internets // SIGCOMM '03: Proceedings of the 2003 conference on Applications, technologies, architectures, and protocols for computer communications (August 25-29, 2003, Karlsruhe, Germany), New York: ACM.- 2003,- ISBN 978-1-58113-735-4.- pp. 27-34. I f
  • Sadler C.M., Martonosi M. Data compression algorithmes for energy-constrained devices in delay tolerant networks // SenSys '06: Proceedings of the 4th international conference on Embedded networked sensor systems (31 October 2006-3 November 2006, Boulder, Colorado, USA), New York: ACM.-2006,- ISBN 978-1-59593-343-0,- pp. 265-278. .url. f
  • Arrabi S., Lach J. Adaptive lossless compression in wireless body sensor networks // BodyNets '09: Proceedings of the Fourth International Conference on Body Area Networks (April 1-3, 2009, Los Angeles, CA, USA), Brussels: IGST.- 2010.- ISBN 978-963-9799-41-7. f
  • Kolo J. G., Shanmugam S. A., Lim D. W. G., Ang L. M. Fast and efficient lossless adaptive compression scheme for wireless sensor networks // Computers & Electrical Engineering.- 2015,- Vol. 41. pp. 275-287. t
  • Huang F., Liang Y. Towards energy optimization in environmental wireless sensor networks for lossless and reliable data gathering, IEEE International Conference on Mobile Adhoc and Sensor Systems (08-11 October 2007, Pisa, Italy).- 2007,- pp. 1-6. I t
  • Coalson J., Description of the FLAG format, url;
  • Robinson T. SHORTEN: Simple lossless and near-lossless waveform compression, Technical report CUED/F-INFENG/TR. 156.- 1994,- 16 pp. url;
  • Pelkonen T., Cavallaro P., Huang Q., Franklin S., Meza J., Teller J., Veeraraghavan K. Gorilla: a fast, scalable, in-memory time series database // Proceedings of the VLDB Endowment.- 2015,- Vol. 8,- No. 12,- pp. 1816-1827.
  • Lazin E. Compression algorithms in Akumuli. url
  • Jazizadeh F., Afzalan M., Becerik-Gerber В., Soibelman L. EMBED: A dataset for energy monitoring through building electricity disaggregation // e-Energy '18: Proceedings of the Ninth International Conference on Future Energy Systems (June 12-15, 2018, Karlsruhe, Germany), New York: ACM.-2018.- ISBN 978-1-4503-5767-8.-pp. 230-235. 11 f
  • Digital Humidity Sensor SHTW2 (RH/T), Datasheet.- Switzerland: Sensirion AG.- 14 pp. url
  • Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео- М.: ДИАЛОГ-МИФИ,- 2002,- ISBN 5-86404-170-Х.- 384 с. url
  • Ratanaworabhan P., Ke J., Burtscher M. Fast lossless compression of scientific floating-point data // Data Compression Conference, DCC'06 (28-30 March 2006, Snowbird, UT, USA).- IEEE Computer Society.- 2006,- ISBN 0-7695-2545-8,- pp. 133-142. ) @
  • Burtscher M., Ratanaworabhan P. High throughput compression of double-precision floating-point data // Data Compression Conference, DCC'07 (27-29 March, 2007, Snowbird, UT, USA).- IEEE Computer Society.- 2007,- isbn 0-7695-2791-4.- pp. 293-302. ) @
  • Hans M., Schafer R. W. Lossless compression of digital audio, HPL-1999-144.-Hewlett-Packard Company.- 1999.- 37 pp. url
  • Reznik Yu. A. Coding of prediction residual in MPEG-4 standard for lossless audio coding (MPEG-4 ALS) // 2004 IEEE International Conference on Acoustics, Speech, and Signal Processing (17-21 May 2004, Montreal, QC, Canada).- 2004,- ISBN 0-7803-8484-9. url;
  • Cutler C. C. Differential quantization of communication signals, U.S. patent 2605361,- 1950. uRL;t
  • Salomon D. Data Compression. The Complete Reference, 4th ed..- London: Springer-Verlag.- 2007.- ISBN 978-1-84628-602-5.- xxviii+1092 pp.
  • Golomb S. W. Run-length encodings // IEEE Transactions on Information Theory.- 1966,- Vol. 12. No. 3,- pp. 399-401. .url
  • Rice R. F., Plaunt J. R. Adaptive variable-length coding for efficient compression of spacecraft television data // IEEE Transactions on Communication Technology.- 1971,- Vol. 19,- No. 6,- pp. 889-897.
  • Faller N. An Adaptive System for Data Compression, 7th Asilomar Conference on Circuits, Systems, and Computers.- 1973.- pp. 593-597.
  • Marpe D., Schwarz H., Wiegand T. Context-based adaptive binary arithmetic coding in the H.264/AVC video compression standard // IEEE Transactions on Circuits and Systems for Video Technology.- 2003.- Vol. 13.- No. 7 — pp. 620-636. t
  • Рябко Б. Я. Сжатие данных с помощью стопки книг // Проблемы передачи информормации.- 1980.- Т. XVI.- № 4.- с. 16-20.
  • Malvar H. M. Adaptive run-length/Golomb-Rice encoding of quantized generalized Gaussian sources with unknown statistics // Data Compression Conference, DCC'06 (28-30 March 2006, Snowbird, UT, USA).- IEEE Computer Society.- 2006.- ISBN 0-7695-2545-8.- pp. 23-32. urC
  • Durbin J. The fitting of time-series models // JSTOR: Revue de l'Institut International de Statistique.- I960,- Vol. 28,- No. 3,- pp. 233-344.
  • Schiopu I., Munteanu A. Deep-learning-based lossless image coding // IEEE Transactions on Circuits and Systems for Video Technology.- 2020.- Vol. 30. No. 7,- pp. 1829-1842. d t '
  • Goyal M., Tatwawadi K., Chandak S., Ochoa I. DZip: improved generalpurpose loss less compression based on novel neural network 'modeling // 2021 Data Compression Conference, DCC (23-26 March 2021, Snowbird, UT, USA).- IEEE.- 2021,- pp. 153-162. I t
  • Collet Y., Kucherawy M. (eds.) Zstandard compression and the 'applica-tion/zstd' media type, RFC 8878,- 2018,- 54 pp. I t
  • Ziv J., Lempel A. A universal algorithm for sequential data compression // IEEE Transactions on Information Theory.- 1977,- Vol. 23. No. 3-pp. 337-343. url:
  • Duda J. Asymmetric numeral systems: entropy coding combining speed of Huffman coding with compression rate of arithmetic coding.- 2014.- 24 pp. arXivt? 1311.2540 \
  • Rice R. F., Yeh P. S., Miller W. Algorithms for a very high speed universal noiseless coding module, JPL Publication 91-1.- Pasadena: Jet Propulsion Laboratory.- 1991.- 30 pp. url
  • Elias P. Universal codeword sets and representations of the integers // IEEE Transactions on Information Theory.- 1975.- Vol. 21.- No. 2.- pp. 194-203. d t
  • Bentley J.L., Sleator D. D., Tarjan R. E., Wei V. K. A locally adaptive data compression scheme // Communications of the ACM.- 1986.- Vol. 29.- No. 4.-pp. 320-330. t
  • Shevchuk Yu. Vbinary: variable length integer coding revisited // Program Systems: Theory and Applications.- 2018,- Vol. 9,- No. 4(39).- pp. 239-252.
  • Dietz H.G. The Aggregate Magic Algorithms, Aggregate.Org online technical report.- University of Kentucky.- 2021. .url
  • Kiely A. Selecting the Golomb parameter in Rice coding, IPN Progress Report 42-159,- 2004,- 18 pp.
Еще