Lightweight Methods to Reduce the Energy Consumption of Wireless Sensor Nodes with Data Compression and Data Fusion

Abstract

The Internet of Things (IoT) has become part of everyday life in the last 10 years, and the intense enthusiasm for it has dissipated. Although the term “Internet of Things” is not as present at the moment, its meaning has not disappeared, but rather the reverse. Internet access devices are now ubiquitous, and the number of these devices is still increasing sharply. Each device with an internet connection can be considered an IoT device. Most of these devices include a sensor or sensors and a wireless connection to the internet. Due to the large number of devices and their location everywhere, IoT devices are often battery powered. Battery operation places demands on the power consumption of devices, as replacing or charging batteries is difficult and expensive when there are a large number of devices and when they are located in a wide area. A typical sensor application is a device for monitoring an environment that transmits data measured by sensors wirelessly at regular intervals. The power consumption of such a device should be so low that the device can run on a battery for up to years without replacing or recharging the battery. This study focused on exploring and developing sensor data compression methods that are as light as possible and suitable for sensor nodes with light computing power. The developed methods are able to compress sensor data in real-time as new measurement values come in. Thus, the amount of data that can be transmitted wirelessly is reduced without sacrificing too much data accuracy. Wireless data transmission is known to be the single largest power consumer in such a sensor node. In addition, by combining other existing data or data that can be openly obtained from the internet, the amount of data measured by IoT devices can be reduced. It is possible to lengthen the measurement interval or reduce the number of sensor nodes themselves. In this study, compression methods based on linear regression were developed, especially for compressing data for measuring environmental quantities. The methods developed proved to be simple, lightweight, and well suited for use in sensor nodes. The methods were shown to allow for a clear reduction in the energy consumption of the sensor node and thus an increase in its lifetime. Keywords: Internet of Things, sensor data, compression algorithms, embedded systems, edge computing

Esineiden internetistä on tullut osa jokapäiväistä elämää kymmenen viime vuoden aikana, mutta samalla suurin innostus aiheeseen on laantunut. Vaikka termi esineiden internet ei ole yhtä paljon pinnalla, sen merkitys ei ole kadonnut mihinkään, vaan päinvastoin. Internet-laitteita on nyt kaikkialla, ja määrä kasvaa edelleen jyrkästi. Jokainen laite, jolla on Internet-yhteys, voidaan laskea kuuluvaksi esineiden internet -laitteisiin. Suurin osa näistä laitteista sisältää anturin tai antureita ja langattoman yhteyden Internetiin. Johtuen laitteiden suuresta määrästä ja niiden sijainnista kaikkialla, esineiden internet -laitteet ovat usein akkukäyttöisiä. Akun käyttö asettaa vaatimuksia laitteiden energiankulutukselle, koska akkujen vaihtaminen tai lataaminen on vaikeaa ja kallista, jos laitteita on paljon ja ne sijaitsevat laajalla alueella. Tyypillinen anturisovellus on ympäristön seurantaan tarkoitettu laite, joka lähettää antureiden mittaamia tietoja langattomasti säännöllisin väliajoin. Tällaisen laitteen energiankulutuksen tulisi olla niin alhainen, että laite voi toimia akulla jopa vuosia vaihtamatta tai lataamatta akkua. Tässä tutkimuksessa keskityttiin tutkimaan ja kehittämään anturidatan pakkausmenetelmiä, jotka ovat mahdollisimman kevyitä ja soveltuvat alhaisen laskentatehon omaaviin anturisolmuihin. Kehitetyt menetelmät pystyvät pakkaamaan anturidataa reaaliajassa, sitä mukaa kuin uusia mittausarvoja tulee. Siten langattomasti lähetettävän datan määrää on mahdollista vähentää menettämättä kuitenkaan liikaa datan tarkkuutta. Langattoman tiedonsiirron tiedetään olevan suurin yksittäinen energiankuluttaja tällaisessa anturisolmussa. Lisäksi yhdistämällä muita olemassa olevia tietoja tai avoimesti Internetistä saatavia tietoja, esineiden internet -laitteiden mittaaman datan määrää voidaan vähentää. Mittausväliä on mahdollista pidentää tai itse anturisolmujen määrää vähentää. Tutkimuksessa kehitettiin lineaariseen regressioon perustuvia pakkausmenetelmiä, erityisesti ympäristösuureiden mittausdatalle. Kehitetyt menetelmät osoittautuivat yksinkertaisiksi, kevyiksi ja soveltuivat hyvin käytettäväksi anturisolmuissa. Menetelmien osoitettiin mahdollistavan anturisolmun energiankulutuksen selkeän vähenemisen ja siten sen käyttöiän pidentämisen. Avainsanat: esineiden internet, anturidata, pakkausalgoritmit, sulautetut järjestelmät, reunalaskenta