空时压缩方法（一）_时域和空域压缩的区别-CSDN博客

本文链接：https://blog.csdn.net/u010243513/article/details/48977947

本文探讨了空时压缩方法在无线传感器网络（WSN）中的作用，旨在减少传感器节点的能耗，延长工作时间。通过在时间域和空间域进行压缩，可以高效利用节点间和时序信号的相关性，降低发送模块的能耗。文章介绍了《Low Complexity Sensing for Big Spatio-Temporal Data》文献中提出的一种简单实用的空时压缩机制，包括对时间域和空间域的随机采样方法，并阐述了其压缩后的信号恢复过程。该方法的优势在于不需要额外的协调操作和对路由结构的不敏感性。

摘要由CSDN通过智能技术生成

关于空时压缩，也就是利用空间域内和时间域内的压缩对wsn（无线传感器网络）中传感器收集到的信号（一维信号）进行压缩的方式。这种压缩方式可以有效减少传感器节点的存储、发送、计算量（在传感器中，能耗占据最大的就是发送模块，占到了能耗里的大头）等等耗能部件。从而传输最少的观测值到接收端，而复杂的恢复工作都由接收端来执行。这样一来，可以保证传感器节点能耗小，那么对应的工作时间将大大延长。二来也保证了在接收端可以高精度的恢复出原始信号。

对于wsn这么一个分布式采样系统可以采用单独在时间域内或者空间域内进行压缩，这种独域内的压缩机制不能有效的对节点之间以及时序信号之间的相关性进行提取，这就造成了资源的浪费。不过积极的反面在于，可以利用它们的压缩思想，在空时压缩中体现出来。对某些压缩性能通过不同的压缩机制可以得到改善，而这些压缩机制的获取就是从单域内的压缩中来。

下面就详细介绍几种空时压缩的方式：

首先Low Complexity Sensing for Big Spatio-Temporal Data中提出的空时压缩机制，这篇文献是提出对于大规模传感器网络中的海量信息进行压缩的机制。特点就是简单、实用、易操作。

压缩步奏：

1、对时间域内信号进行随机采样

2、对空间域内信号进行随机采样

数学