1、無線傳感器網(wǎng)絡(luò)(簡(jiǎn)稱WSNs)由于其潛在、廣闊的應(yīng)用前景成為微電子、通信、網(wǎng)絡(luò)與數(shù)據(jù)庫等領(lǐng)域的研究熱點(diǎn)。它集感知、計(jì)算和無線通信為一體,將各類微型傳感器產(chǎn)生的感知數(shù)據(jù)處理后傳送至用戶。對(duì)于用戶而言,其所關(guān)心的是感知數(shù)據(jù),而不是傳感器節(jié)點(diǎn)本身及其構(gòu)成的網(wǎng)絡(luò)。因此,數(shù)據(jù)存儲(chǔ)和查詢處理是無線傳感器網(wǎng)絡(luò)研究中首要解決的問題。目前學(xué)術(shù)界在這方面已取得了不少研究成果,但仍存在著諸多有待研究和解決的問題。本文圍繞無線傳感器網(wǎng)絡(luò)以數(shù)據(jù)為中心這一主線,對(duì)

2、無線傳感器網(wǎng)絡(luò)中的自適應(yīng)數(shù)據(jù)存儲(chǔ)和基于值的Knn查詢處理進(jìn)行了研究。
　　 無線傳感器網(wǎng)絡(luò)中的自適應(yīng)數(shù)據(jù)存儲(chǔ)主要研究如何確定感知數(shù)據(jù)的存儲(chǔ)位置并將數(shù)據(jù)存儲(chǔ)于此,以便查詢請(qǐng)求高效節(jié)能地訪問到相關(guān)數(shù)據(jù)。本質(zhì)上這是一個(gè)信息中介過程:生產(chǎn)者(即收集感知數(shù)據(jù)并將數(shù)據(jù)注入到網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn))將感知數(shù)據(jù)按照某種策略存儲(chǔ)在特定位置,而消費(fèi)者(查詢請(qǐng)求發(fā)起點(diǎn),可能是基站、用戶或傳感器節(jié)點(diǎn))將查詢請(qǐng)求路由到相關(guān)數(shù)據(jù)的存儲(chǔ)節(jié)點(diǎn),后者將滿足查詢條件的

3、結(jié)果返回給消費(fèi)者。無線傳感器網(wǎng)絡(luò)中基于值的Knn查詢處理主要研究如何在傳感器網(wǎng)絡(luò)中查找出與給定查詢值最接近的k個(gè)值。這要求在異構(gòu)、不可靠的傳感器網(wǎng)絡(luò)中實(shí)現(xiàn)高效、可靠的網(wǎng)內(nèi)查詢處理,并且能夠充分利用節(jié)點(diǎn)有限的資源,實(shí)時(shí)地為用戶返回給定查詢值的最近鄰。本文主要貢獻(xiàn)如下:
　　 1.提出了無線傳感器網(wǎng)絡(luò)中面向單一存儲(chǔ)節(jié)點(diǎn)的自適應(yīng)數(shù)據(jù)存儲(chǔ)策略。現(xiàn)有的工作要么只考慮生產(chǎn)者和消費(fèi)者的地理位置,要么只考慮數(shù)據(jù)速率,很少將二者有機(jī)結(jié)合起來,并且

4、數(shù)據(jù)存儲(chǔ)的位置沒有自適應(yīng)地動(dòng)態(tài)變化來減少存取過程中的能量消耗。本文依據(jù)生產(chǎn)者和消費(fèi)者的數(shù)據(jù)速率及地理位置來動(dòng)態(tài)地調(diào)整數(shù)據(jù)的存儲(chǔ)位置,以減少數(shù)據(jù)存取時(shí)的能量消耗。將網(wǎng)絡(luò)中的數(shù)據(jù)存取依據(jù)生產(chǎn)者和消費(fèi)者的關(guān)系建模為“一對(duì)一”模型(一個(gè)生產(chǎn)者,一個(gè)消費(fèi)者)、“多對(duì)一”模型(多個(gè)生產(chǎn)者,一個(gè)消費(fèi)者)和“多對(duì)多”模型(多個(gè)生產(chǎn)者,多個(gè)消費(fèi)者)。基于上述模型提出了兩種利用數(shù)據(jù)速率和地理位置來確定數(shù)據(jù)存儲(chǔ)位置的方法:一種是求解全局最優(yōu)數(shù)據(jù)存儲(chǔ)位置的方法

5、(ODS);另一種是求解局部最優(yōu)存儲(chǔ)位置的方法(NDS)。此外,用整型規(guī)劃給出最優(yōu)數(shù)據(jù)傳輸模式(ODTS)。實(shí)驗(yàn)結(jié)果顯示:相對(duì)ODS而言,NDS大大減少了計(jì)算復(fù)雜性,只需要ODS5％的計(jì)算代價(jià)就能在70％的情況下達(dá)到相同的效果,而且訪問延遲幾乎相同。
　　 2.研究了無線傳感器網(wǎng)絡(luò)中面向多個(gè)存儲(chǔ)節(jié)點(diǎn)的自適應(yīng)數(shù)據(jù)存儲(chǔ),給出了樹狀拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)中數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)的最優(yōu)位置,提出了一種面向網(wǎng)狀拓?fù)浣Y(jié)構(gòu)的基于聚類的分布式自適應(yīng)數(shù)據(jù)存儲(chǔ)策略(C

6、BDS),并實(shí)現(xiàn)了三種基于聚類的數(shù)據(jù)存儲(chǔ)算法。與現(xiàn)有的工作相比,我們首次利用聚類技術(shù)在無線傳感器網(wǎng)絡(luò)中實(shí)現(xiàn)了分布式數(shù)據(jù)存儲(chǔ),其核心旨在減少數(shù)據(jù)存儲(chǔ)過程中的能量消耗,延長(zhǎng)網(wǎng)絡(luò)的生命周期。首先,結(jié)合數(shù)據(jù)速率和地理位置信息分析了數(shù)據(jù)存儲(chǔ)的相關(guān)代價(jià),將集中式存儲(chǔ)、本地存儲(chǔ)和分布式存儲(chǔ)歸結(jié)為統(tǒng)一的存儲(chǔ)模型。其次,對(duì)在樹狀拓?fù)浣Y(jié)構(gòu)中如何依據(jù)數(shù)據(jù)速率選擇數(shù)據(jù)存儲(chǔ)位置進(jìn)行了理論分析。再次,在網(wǎng)狀拓?fù)浣Y(jié)構(gòu)中,通過引入傳感器節(jié)點(diǎn)圖、數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)圖及有效劃分

7、等概念,將數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)選擇問題轉(zhuǎn)化為傳感器節(jié)點(diǎn)聚類問題,繼而提出了一種基于聚類的分布式數(shù)據(jù)存儲(chǔ)策略(CBDS),實(shí)現(xiàn)了三種基于聚類的數(shù)據(jù)存儲(chǔ)方法。大量實(shí)驗(yàn)結(jié)果顯示:較于以前的數(shù)據(jù)存儲(chǔ)策略,CBDS極大地減少了能量消耗,延長(zhǎng)了網(wǎng)絡(luò)的生命周期,同時(shí)也降低了訪問延遲。
　　 3.研究了無線傳感器網(wǎng)絡(luò)中基于值的kNN查詢處理,提出了快照型和連續(xù)型Knn查詢的計(jì)算方法。此前相關(guān)工作絕大多數(shù)集中于基于位置的Knn查詢處理,尚未對(duì)快照型基于值

8、的Knn查詢提出有效的解決辦法。本文在描述無線傳感器網(wǎng)絡(luò)中kNN查詢的基礎(chǔ)上,提出了h-kNN、f-kNN和c-kNN三種基于值的kNN查詢處理方法。針對(duì)快照型Knn查詢,提出了一種值空間映射方法h-kNN,其利用值關(guān)系保持的哈希函數(shù),將值相近的數(shù)據(jù)存儲(chǔ)在相同或相鄰的節(jié)點(diǎn),以便查詢時(shí)對(duì)查詢值也采用同樣映射后在小范圍內(nèi)搜尋即可獲得結(jié)果。針對(duì)連續(xù)型kNN查詢,提出了f-kNN和c-kNN兩種計(jì)算方法。f-kNN是基于過濾器的計(jì)算方法,其通過