无线传感器网络查询处理关键技术的研究

《无线传感器网络查询处理关键技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonKevTechniquesofQueryprocessingover-一-●一陟勘elessSensorNetworksAThesisinComputerScienceandTechnologyEngineeringbyLiuYuleiAdvisedbyProfessorQinXiaolinSubmittedinPartialFulfillmentoft

2、heRequirementsfortheDegreeofDoctorofPhilosophySeptember,2012承诺书本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本人授权南京航空航天大学可以有权保留送交论文的复印件，允许论文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文。(保密的学位论文在解密后适用

3、本承诺书)作者签名：垄叠墅堡日期：盈I三：．￡：』里南京航空航天大学憾三二学位论文摘要传感器网络在国防军事、医疗服务和交通控制等领域有着广泛的应用前景，近年来成为研究热点。与传统的网络不同，它具有许多显著的特点：传感器节点计算能力、存储能力和通信能力十分有限；节点感知的数据通常含有噪声，具有不确定性：受到节点移动、节点休眠、通信链路失效和周围环境等因素影响，传感器网络的拓扑结构频繁变化。传感器网络具备的上述特点使得开发其应用十分困难。考虑到传感器网络是以数据为中心的网络，用户使用它的主要目的是查询其感知的数据或监控的事件。传感器网络数据管理融合了流数据库、嵌入式数据和

4、分布式数据库等技术，以有效管理传感器数据。它为用户提供简单的查询接口，屏蔽了查询处理的复杂性，能够极大地简化传感器网络应用的开发，己成为重要的传感器网络应用开发支撑软件。传感器节点的能量由电池供应且通常无法更换，能量十分有限。因此能量高效的查询处理技术是传感器网络数据管理系统的核心。本文根据无线传感器网络的特点，研究了无线传感器网络的查询处理技术。主要研究成果包括如下几个方面：(1)空间范围查询用于获得用户感兴趣区域内所有节点的感知数据。空间范围查询处理算法的能耗取决于三个参数：查询消息的转发次数、返回至Sink节点的感知数据数目、平均每个感知数据发送至Sink节点的

5、转发次数。现有算法仅优化了其中的一个参数，而忽略了另外两个参数，导致能耗较大。提出了一种对以上三个参数进行全盘优化的空间范围查询处理算法，通过调度查询区域内的部分节点发送查询消息，在保证查询区域内所有节点接收到查询消息的同时，减少了查询消息的转发次数；利用相邻传感器节点的感知数据具有空间相关性，选择查询区域内的部分代表节点返回感知数据，Sink节点利用这些返回的数据对查询区域内其他节点的感知数据值进行估计，在保证查询结果精度的前提下，减少了返回至Sink节点的感知数据数目。另外，查询区域内节点的感知数据直接利用位置路由协议返回至Sink节点，使得平均每个感知数据发送至

6、Sink节点的转发次数较少。理论分析和仿真实验结果表明，本文提出的算法在能耗方面优于现有的算法。(2)为了减少不规则区域时空查询处理的能量消耗和提高查询结果准确性，首先提出了一种基于R树的集中式不规则区域时空查询处理算法。通过引入R树索引结构，实现对所有传感器节点的空间信息和状态信息的有效管理。然后提出了三种针对不规则区域时空查询的网内查询算法。通过将复杂的不规则查询区域划分为简单的凸多边形，以降低判断节点是否在查询区域内的计算复杂度，且仅需位于不规则查询区域内的节点发送感知数据，减少了算法的能量消耗，仿真实验结果表明，提出的算法优于现有的针对规则区域的时空查询处理算

7、法。(3)针对包含不等值连接条件的流数据复杂聚集查询，草图技术能够计算流数据上等无线传感器网络查询处理关键技术研究值连接大小的高精度近似值，直方图技术能够统计流数据的分布，本文结合了这两种技术的优势，提出了一种能够高效处理流数据上复杂聚集查询的算法。理论分析和实验结果表明，该算法具有较高的精度和较小的空间复杂度。(4)传感器网络主要用于监测被监控区域的状态或发生的事件。当监控区域有事件发生时，用户通过获得以事件发生地为查询点的K近邻查询结果可以对事件发生的原因进行分析并预测其发展趋势。针对现有K近邻查询处理算法能量消耗大且查询成功率低的问题，提出了一