基于缓存的MP2P网络数据查询策略研究

移动对等网络由于电池能源、无线带宽的限制和用户的频繁移动而只能提供约束的通信环境.这些特征使得信息共享和数据检索成为一个具有挑战性的问题.扩展缓存技术并将其引入移动对等网络,提出了一种适应于移动对等环境的新的数据查询策略,并给出了算法实现.实验表明,该策略可以有效地支持大规模移动对等网络的可升级的数据查询.     

Multi-Radio无线传感器网络中基于缓存和信道切换的数据查询算法的研究

针对Multi-Radio Multi-Channel传感器网络中链路服务质量和信道冲突等问题,提出并证明了基于缓存和信道切换的数据查询问题是一个NP完全问题.根据数据流守恒和链路-信道等约束条件,建立线性规划方程,得到该问题的最优解模型,并提出了一个多项式时间的近似算法——贪心新覆盖数据算法.该算法采用动态规划策略最小化缓存节点将单位数据包传输到查询节点所需要的路径时延,再贪心选择其具有最小路径时延的缓存节点,收集其新覆盖数据.理论分析和实验结果表明,提出的方案能有效地减少数据收集时延,提高数据查询效率.     

无线传感器网络中的数据查询

无线传感器网络以数据为中心,提供数据采集、处理和查询功能.数据查询是无线传感器网络研究中的重点和热点问题.本文从查询过程的角度出发,对目前传感器网络数据查询研究现状进行了系统总结.在此基础之上,考虑传感器网络的异构性,提出了一种基于感知数据之间的数据信息的查询模型,并设计了感知数据交互必须的数据标签,给出了这种数据查询的应用实例.分析表明,该种数据查询能够大大提高传感器网络的查询效率,同时增强网络的健壮性,延长传感器网络使用寿命.     

传感器网络中的查询处理体系结构研究

介绍了传感器网络中查询处理的一些基本概念和性质,形象地描述了查询处理的体系结构,并对其中用到各项技术进行了介绍和分析,同时还对该领域的研究热点进行了分析和展望。     

断接下查询的缓存处理

移动环境下，由于无线网络可靠性低、费用高，移动主机本身受电源、资源等方面的限制，移动主机经常会主动或被动地处于断接，即没有网络连接的状态．为了提高断接时移动客户对数据的访问能力，有效利用移动缓存，该文提出断接下基于语义缓存的查询处理QPID算法．该算法的主要思路是先找出缓存中与当前查询相关的缓存项，再通过对相关项数据的进一步处理获得缓存中满足查询的结果．试验表明，基于QPID算法的查询处理可以更好地满足断接下客户的查询请求．     

无线传感器网络中基于采样的查询处理方法研究

本文系统介绍了PROSPECTORPROOF算法。PROSPECTORPROOF算法在预先分配一定带宽的基础上,在传感器节点内部将感知数据排序,上传被各节点证明的感知数据的数量。在改进算法中引入了本地过滤策略,使得在查询过程中节点内部实现了感知数据的过滤。改进的算法利用了PROSPECTORPROOF算法中产生的数据作进一步的查询优化,能够缩小查询范围而且能够得到准确的感知数据。较好的实现了查询的基本功能,将系统能量消耗降低了11.5%。     

无线传感器网络中的查询优化技术研究

对于无线传感器网络,用户需要通过查询网络中的感知数据来分析检测某个环境中的物理现象。和节点本地数据处理操作相比,数据通信消耗了网络的大部分能量。因此,如何优化查询以尽量减少数据通信量成为无线传感器网络中数据处理工作的核心技术之一。本文以两个典型的数据管理系统为例,探讨了传感器网络中查询优化的关键技术。     

移动多Sink传感器网络数据查询和收集技术研究现状

在MMS(Mobile Multi-Sink)型传感器网络中,多个移动的Sink节点会随时随地查询和收集数据,因此如何有效解决数据的查询和收集是MMS型传感器网络最基本和具有挑战性的工作.首先根据无线传感器网络的结构将其类型进行划分,之后给出数据查询和收集协议的评价原则,在此基础之上综述了当前的具有典型特点的数据查询和收集协议,并按照已给的原则进行评价.最后给出若干需要解决的问题,为MMS型传感器网络的协议设计提供参考.     

面向聚集查询的语义缓存技术

将目前主要用于小规模数据库查询的语义缓存技术拓展到海量数据库的聚集查询中,以面向聚集查询的语义缓存形式模型为基础,构造了语义缓存StarCache.详细讨论了StarCache中的聚集查询处理、语义缓存替换管理和一致性维护等技术.StarCache已经集成在自主研发的并行数据库中间件StarTP中,并在一项大型国家工程中得到实际应用.     

基于预取机制的传感器网络移动查询技术

无线传感器网络技术所面临的关键问题之一是解决向终端用户提供传送信息的数据服务问题.提出了一种移动环境下满足时间空间约束的数据查询处理技术,结构上由代理体和网络节点两层组成,其中网络节点执行消息预取、查询扩散和数据收集处理功能,通过对用户的运动路线进行预测并向传感节点发出预取消息,由节点自主构建网络查询树,再由数据集中组件完成数据的收集和融合,用户在到达传感区域后能在查询周期结束前获取查询数据.仿真表明该技术能以较低的能量消耗提供高的数据服务质量.     

一种无线传感器网络的混合路由算法

针对无线传感器网络具有严格的能量限制和有效能量的分散、过量的低比率数据和多节点到单一节点的数据流等特点,提出一种适合于无线传感器网络的混合路由算法(HRA).该算法综合应用以节点为中心路由方式的负载平衡算法、位置为中心路由方式的轨道路由和数据为中心的数据融合等,可改善无线传感器网络在路由、发现和查询方面等通信的性能.经性能分析,该算法能很好地增长网络生命期、减少数据传输量、降低能耗.     

无线传感器网络中基于消息预取的移动查询技术

无线传感器网络技术所面临的关键问题之一是解决向终端用户提供传送信息的数据服务问题。提出了一种移动环境下满足时间空间约束的数据查询处理技术,结构上由代理体和网络节点两层组成,其中网络节点执行消息预取、查询扩散和数据收集处理功能,通过对用户的运动路线进行预测并向传感节点发出预取消息,由节点自主构建网络查询树,再由数据集中组件完成数据的收集和融合,用户在到达传感区域后能在查询周期结束前获取查询数据。仿真结果表明,该技术能保持良好的数据完整性和高的数据服务质量,并且比IEEE802-11的PSM模式多消耗不到24%的能量。     

无线传感器网络中基于模型拟合的可信近似查询处理算法

无线传感器网络的一个重要应用是可信地查询网络中所有节点的监测数据.目前,多数研究主要集中在如何利用节点之间的时空相关性,节省能量地查询感知数据.但是这些方法的查询结果不能满足某些应用对数据的高可信要求,也不能适用于节点之间不存在空间相关性或空间相关性不稳定的情况.针对这一问题,提出了基于模型拟合的可信近似查询处理方法.该方法在感知数据集合上寻找具有最小数据传输比的拟合模型,通过传输模型及其参数来代替传输实际的监测数据.理论分析和实验结果证明,基于模型拟合的可信近似查询处理方法不仅能够节省大量能源而且能够返回满足用户精度要求的可信查询结果.     

一种MANET环境下基于兴趣度的协同缓存策略

MANET网络中由于节点移动的随机性和无线链路的断连性,导致网络拓扑变化频繁,从而降低了数据可访问能力.提出一种基于兴趣度的协同缓存策略(IBCC).其主要思想是:针对节点转发的数据请求消息,引入ω-稳定节点集定义和兴趣度概念,定期挖掘ω-稳定节点集中具有相同兴趣度的数据形成预取集;针对回复的数据消息形成数据定位表,通过查找数据定位表将请求发送给同样拥有该数据但路由跳数较少的节点.该策略提高了在出现链路断接时节点对数据的访问能力.仿真实验结果证明该策略的有效性.     

移动机会网络中接触时间感知的协作缓存策略

数据访问效率一直都是移动机会网络研究中的一个备受关注的问题.协作缓存技术经常被用来提高网络数据访问效率,但是该类网络中节点的强自主移动性和有限的接触时间使得传统的缓存技术无法得到有效应用.首先提出一个新的度量节点在协作缓存中重要程度的指标,即节点重要度.基于此指标,利用贪心算法选择初始缓存节点;利用缓存节点相遇的机会,进行缓存数据的主动再分配.为了适应节点间有限的接触时间,提出了数据分片策略,并使用随机线性网络编码方法对分片进行编码,以解决数据恢复时的赠券收集问题.此外为每个节点确定了缓存边界来限制缓存数据量,从而合理利用缓存空间.最后,通过实验验证了提出的缓存协议能够有效地提高数据访问效率.     

一种基于多路径的传感器网络安全数据传输机制

本文针对传感器网络提出了一种基于多路径的安全数据传输方案,通过在多条路径上分发数据,达到增强机密性和鲁棒性的目的。针对数据机密性,设计基于异或计算的编码方式,使得攻击者解析任何数据片段的难度等同于攻占所有的K条路径。针对传输的鲁棒性,设计了数据分发算法以及备份与校验相结合的容错模式,实现了容忍多条路径失效的数据传输,并且具有适度的数据冗余、理想的路径利用率以及快速的数据恢复能力。     

无线传感器网络中重发问题的理论分析*

针对无线传感器网络信道特性和网络布置等具体问题,以Mica2节点为例,从理论上分析了重发次数、时间窗长度、节点通信半径范围内的节点数量等参数的选取对数据可靠性、节点平均寿命等性能的影响.     

Model Checking Based Classification Technique for Wireless Sensor Networks

Recently, many data mining techniques have been applied to analyze and interpret the huge volume of data collected from wireless sensor networks. Such techniques, especially classification and clustering, have been used to relate raw data and assign a class label (a useful interpretation) to the set of attributes values received from the sensors' nodes. However, building a classifier, such as decision tree, is a cost process in terms of energy consumption due to the large size of the resultant tree. In this article, we propose a model-checking based classification method that relies on cutting-off parts of the decision tree while keeping the performance fixed. The pruning process aims to reduce the size of the tree and, thus, reduce the amount of the energy needed to maintain the classifier. Results have shown energy reduction between 10–15% compared with a nonpruned decision tree.     

基于神经网络的数据融合技术 在谐振式密度传感器中的运用

本文详细讨论了谐振式密度传感器的模型及测量原理,结合人工神经网络传感器数据融合技术实现谐振式密度传感器在线连续高精度测量,为研制新型的智能传感器提供一种思路。