随着嵌入式终端和新一代通信技术的发展,物联网作为未来普适计算的载体,其应用前景已在智能家居、智慧城市等领域展露头角。未来物联网将实现人、机、物的信息共享,促进信息世界与物理世界更加紧密的深度融合。目前,物联网中很大一部分设备因其移动性或部署地理位置原因,不得不采用电池供电。对于这部分物联网设备而言,能量消耗便成为了物联网系统设计首要关注的问题。随着网络规模增大,网络中的节点越来越多,且单个节点感知的信息越来越丰富,整个网络中的信息量急剧增长。有限的物理资源与快速增长的感知数据之间的矛盾成为这类低功耗协同感知网络中亟待解决的问题。另一方面,随着物联网在各行各业的广泛应用,用户的服务需求也越来越复杂多样,未来物联网的发展要求网络承载个性化、智慧化的服务。当前,基于不同业务,人们可能在同一区域内部署多个物联网,这种情况造成了资源重复建设和资源利用率低下。基于上述存在的问题,本文进行了相关研究:针对物联网中的感知数据具有冗余性、海量性的特点,研究了去数据压缩和去冗余方案,旨在降低网络内数据量,延长网络的生命周期。同时,为了提高网络物理资源利用率和提供多元化服务,本文还研究了物联网的虚拟化问题。具体研究内容和贡献包括以下部分:一、针对多个节点间因感知区域重叠产生的冗余数据,本文采用分布式信源编码对冗余数据进行聚合。然而,确定每个感知节点的最低编码速率是一件非常困难的事情,因为多个节点的编码速率所要满足的Spelian-Wolf约束集,随感知节点数量的增加呈指数级增长。本文联合考虑了编码速率分配问题和流调度问题,提出了一个跨层优化的框架。通过分析约束集的凸性,证明了该优化框架是一个凸优化问题。为了解决约束集增长问题,本文对原约束集进行了适当松弛,并证明了等价性。随后采用对偶分解,分布式地解出每个节点的最优源编码速率和每条链路上的最优流调度。与固定编码速率方案相比较,本文提出的动态编码速率分配方案能有效地降低数据冗余度和网络中的总数据量,有效延长网络生存周期。二、在多媒体物联网中,传统的视频编码方案无法在这些资源受限的节点上执行。本文研究了基于压缩感知的两层编解码方案及信号稀疏矩阵的构建问题。该方案“简单编码——复杂解码”的架构非常适合物联网。通过两次编码,最大程度地降低了数据量。为了成功地解码压缩后的数据,在第一层解码中,利用单个节点帧间相关性,在解码端构造了第一组稀疏基,该组稀疏基间接使用了运动估计和运动补偿。在第二层解码中,利用相邻节点之间的空间相关性,通过使用字典学习方法构造了第二组稀疏基。该方法根据恢复的质量决定是否重新学习以更新稀疏基。最终汇聚节点使用两组稀疏基来执行l₁范数最小化问题,为每个节点重构原始视频。归功于本文构造的稀疏基,该框架具有较高的压缩率和弹性,且稀疏基提供了更好的稀疏表达。三、现有的物联网仅作为信息采集和传输渠道,服务与网络功能都位于同一套系统内。为了提高网络物理资源利用率和满足不同服务需求,本文研究了物联网的虚拟化和虚拟物联网的嵌入问题。首先描述了采用轻量级虚拟化技术的整体框架,该框架将服务与具体物理网络相剥离,基础网络设施被看作服务池,而不仅是数据传输通道。为解决虚拟物联网的嵌入问题,本文提出了实时处理模型和批处理模型。模型的目标是最大化网络资源利用率和提高物联网服务提供商的收入。在这两类模型中,考虑了多种类型的资源分配和虚拟路径的建立。为了允许多个虚拟节点在同一物理节点上共存,本文还改进了传统的流守恒定律。为了高效求解这两个模型所对应的NP-Hard问题,本文提出了多个启发式算法在多项式时间内寻找次优解。经验证,本文的模型和算法在请求接受率、服务提供商利润和资源利用率方面优于现有方案。