Jim Chou等‘36]提出了傳感器網(wǎng)絡(luò)的分布式壓縮數(shù)據(jù)傳輸模型。其主要思想是在所有的傳感器節(jié)點(diǎn)中，M27C2001-10F1選擇一個(gè)節(jié)點(diǎn)發(fā)送完整的數(shù)據(jù)到匯聚節(jié)點(diǎn)，其他節(jié)點(diǎn)只發(fā)送壓縮后的信息。匯聚節(jié)點(diǎn)收到數(shù)據(jù)后，通過壓縮數(shù)據(jù)和未壓縮數(shù)據(jù)之間的相關(guān)性進(jìn)行解壓縮，從而恢復(fù)原始數(shù)據(jù)。實(shí)現(xiàn)該方法的關(guān)鍵問題在于需要一個(gè)低復(fù)雜度、支持多壓縮率的壓縮算法和一種簡(jiǎn)單、高效的相關(guān)性跟蹤算法。進(jìn)一步地，Jim Cho等‘37]等提出了一個(gè)簡(jiǎn)單的預(yù)測(cè)模型，用于跟蹤和確定節(jié)點(diǎn)數(shù)據(jù)之間的相關(guān)性。

   Sundeep Pattem等[38]討論了相關(guān)性對(duì)數(shù)據(jù)壓縮效果的影響。采用聯(lián)合熵和位跳值分別來度量被壓縮信息的大小和數(shù)據(jù)傳輸?shù)目偰芎�，�?duì)比分析了DSC( Distributed  Source  Coding)、RDC  (Routing-Driven Compression)  矛口  CDR( Compression-Driven Routing)這3神不同處理策略下的能耗情況。理論分析結(jié)果

表明，相關(guān)性較低時(shí)，沒有信息可以壓縮，RDC方法能耗較低；關(guān)性較高時(shí)，通過壓縮可以節(jié)省大量能耗，CDR節(jié)能效果較好。另外，在相關(guān)性處于中等范圍時(shí)，RDC和CDR兩者性能相當(dāng)，這表明可以采用一種混合式方法進(jìn)行處理，即傳感器節(jié)點(diǎn)形成較小的集群，集群內(nèi)的數(shù)據(jù)在集群首領(lǐng)處聚合，集群首領(lǐng)沿著最短路徑向Sink節(jié)點(diǎn)傳輸聚合結(jié)果[39,40】。