无线传感器网络数据管理技术研究进展(4)

无线传感网络的简介

的监测数据值的范围小。相反，下层节点的数据覆盖的地理范围小，但数据值的范围大。在查询数据时，首先选择最高父节点的集合，这些节点覆盖所有查询要求的数据名的范围。然后根据查询要求的空间范围逐层进行遍历，最后得到查询结果。ＤＩＦＳ适用于指定空间范围以及指定数据值范围的单属性的查询要求。

上述索引技术只用于对单一属性数据建立索引，而在异构ＷＳＮ中可具有多种类型传感器，能测量到不同属性的数据。文献［２１］提出了一种支持多属性范围查询的分布式索引技术（Ｄｉｓｔｒｉｂｕｔｅｄ

Ｉｎｄｅｘｆｏｒ

Ｍｕｈｉ－ｄｉｍｅｎｓｉｏｎａｌｄａｔａ，１３ＩＭ）。

ＤＩＭ方法依赖两种技术：局部保持（１０ｃａｌｉｔｙ－ｐｒｅｓｅｒｖｉｎｇ）地理散列和基于地理位置的贪婪周边路由协议ＧＰＳＲ。它首先通过局部保持地理散列函数将一个多维数据映射到二维平面空间的一点，然后应用ＧＰＳＲ将该数据存储在离该点最近的节点上。同样，在查询数据时，根据查询请求的数据要求，通过局部保持地理散列函数获得测量数据所在的区域，并应用ＧＰＳＲ把查询传送到这些区域，从这些区域中提取相应的数据。

５数据模式

现有的ＷＳＮ数据库系统对传感器监测的数据流建模大多为对传统的数据模式进行扩展，主要有基于工作流模式、基于关系模式、基于对象模式。针对ＷＳＮ的一些特殊应用，也可以建立特殊的数据模式。

Ａｕｒｏｒａ系统ｉ２２］是一种面向时间工作流模式建模的系统，其查询建立在Ａｕｒｏｒａ查询代数基础上，包括３个与顺序无关的操作（Ｆｉｌｔｅｒ，Ｍａｐ和Ｕｎｉｏｎ）和４个对顺序敏感的操作（ＢＳｏｒｔ，Ａｇｇｒｅｇａｔｅ，Ｊｏｉｎ和Ｒｅｓａｍｐｌｅ）。Ａｕｒｏｒａ的数据流采

用统一的元组序列形式（ＴＳ，Ａｔ，Ａｚ，…，Ａ），其中ＴＳ为时间

戳，Ａｉ（１≤ｉ≤，ｚ）为与应用相关的数据域，对数据流的操作只有添加操作。Ａｕｒｏｒａ系统针对于高效调度、服务质量和优化结构而设计，以统一处理方式支持连续查询、滑动窗口和其它的一些特别查询。Ｂｏｒｅａｌｉｓ［２３］对Ａｕｒｏｒａ系统进行了扩展，其

数据流为形如（ＴＳ，ｔｕｐｌｅ－ｔｙｐｅ，ｉｄ，Ａｌ，Ａ２，…，Ａ）的元组序

列，其中ｔｕｐｌｅ－ｔｙｐｅ支持插入、删除和替换操作，ｉｄ为元组的标识符。另外，Ｂｏｒｅａｌｉｓ还设计了支持如下操作的数据流引擎：查询的动态更改、查询结果的动态更新。Ａｕｒｏｒａ和Ｂ０一ｒｅａｌｉｓ都实现了分布式数据流模型，可根据网络条件的变化动态配置。

ＴｉｎｙＤＢ［２４］采用基于关系的数据模式，并对传统的关系模式进行了扩展。它把传感器节点的测量数据定义为一个单一的、无限长的、有两类属性的虚拟关系表：一类用来定义测量数据，如节点标识符、测量时间、测量数据类型、单位等；另一类用来描述测量数据本身，如温度、位置等。传感器产生的测量数据对应表的一行，对数据的查询就是对这个无限虚拟表的查询。美国斯坦福大学针对ＷＳＮ开发的ＳＴＲＥＡＭＥ２５］系统采用的也是基于关系的数据模式。它把数据流建模为无边界的、只能进行添加操作的元组对（ｔｕｐｌｅ，ｔｉｍｅｓｔａｍｐ）组成的数据流，把关系作为支持更新、插入和删除操作、随时间变化的元组包。其语义建立在３组抽象操作上：关系一关系操作、数据流一关系操作和关系一数据流操作。

ＣＯＵＧＡＲ［Ｚ６３是一个基于抽象数据类型（Ａｂｓｔｒａｃｔ

Ｄａｔａ

１４

Ｔｙｐｅ）的数据流系统，它采用两种模式对数据进行建模：用对象关系模式来组织建模存储数据；引入一种时间序列模式建模组织传感器监测数据，并定义了相应的关系代数操作、时间序列操作以及关系及时间序列之间的操作。

针对传感器测量数据的不确定性，ＰＳＲＡ［２７］扩展传统的关系模型到概率数据流关系（ＰｒｏｂａｂｉｌｉｓｔｉｃＳｔｒｅａｍＲｅｌａｔｉｏｎ）模型，并扩展传统关系模型的操作，在概率数据流模型上定义了ＳｔｒｅａｍＵｎｉｏｎ，ＳｔｒｅａｍＩｎｔｅｒｓｅｃｔｉｏｎ，ＳｔｒｅａｍＳｅｌｅｃｔ，Ｓｔｒｅａｍｐｒｏｊｅｃｔ，ＳｔｒｅａｍＪｏｉｎ等操作。ＰＳＲＡ通过概率数据流模型有效地解决了ＷＳＮ的数据不确定性以及数据的相互关系等一些特征，并提供了能量高效的操作。

传感器网络的有些应用并不需要精确的测量数据，如对森林防火监控，用温度传感器对周围的环境进行监控，对测量的数据并不需要它的精确值，只需把测量数据划分为低、较低、中、较高、高、极高几个等级。根据这一类应用的特征，文

献［２８］中提出一种基于粗糙集（ＲｏｕｇｈＳｅｔ）理论的数据建模

方法。利用粗糙集对数据建模，可以很好地实现数据融合操作，从而减小数据存储量及网络传输量，达到节约能量，延长网络寿命的目的。

６数据查询处理与优化

６．１数据查询

ＷＳＮ的数据查询应用 …… 此处隐藏：686字，全部文档内容请下载后查看。喜欢就下载吧 ……