[TMC 2023] 群智感知的去中心化压缩数据存储

摘要

通过人群感知获取的感测数据通常存储在中央云服务器处，因为涉及大量数据并且感测设备没有足够的空间来存储它们。尽管每个感测设备仅具有有限的存储容量，但是跨越数千个设备的存储的总大小可以是相当大的。鉴于此，本文研究了移动的人群感知系统中的分散存储问题，为基于云的数据存储提供了一种替代方案。通过研究虚拟传感器模型，参与者在目标感测区域中的移动被制定为与该区域相关的数据字段上的随机采样。通过特定的编码算法，数据字段沿着随机采样过程一起被压缩成仅一个测量。每个参与者存储其自己的测量，就好像数据字段的各种压缩快照由不同参与者单独存储一样。 我们进一步研究的恢复算法，重建原始数据字段仔细解码足够的测量。大量的实验验证了所提出的存储方案在各种人群感知场景下，我们的方案实现了优异的性能方面的招募开销，解码时间和解码准确性。