【摘 要】
:
无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术,能协作地监测、感知和采集各种环境或监测对象的信息,并进行处理,最终将信息传送给感
论文部分内容阅读
无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术,能协作地监测、感知和采集各种环境或监测对象的信息,并进行处理,最终将信息传送给感兴趣的用户。最近几年无线传感器网络的应用取得了显著地增长,例如国防军事、国家安全、环境监测、交通管理、医疗卫生、制造业、反恐抗灾等领域。在上述应用中,大量的传感器节点被分布到无人值守的环境中。传感器网络是以数据为中心的网络,因此,传感器网络中的数据存储与访问是传感器网络研究的重点。从数据存储的角度来看:1)无线传感器网络可以看成是一种分布式数据库,对无线传感器网络的数据进行管理时可以将数据的逻辑视图与网络中的网络视图进行分离,使得用户只需要关心数据的逻辑结构,无需关心网络结构等细节;2)传感器网络的数据库和传统的分布式数据库有很大差别,传感器网络中传感器节点的能量有限,并且传感器节点数量巨大,很难用传统的分布式数据库管理技术进行分析处理。针对传感器网络中数据库的存储与查询问题本文进行了一些深入的研究,重点解决了以下几个方面的工作:●针对无线传感器网络产生的数据具有海量、高维、异构等特点,提出了一种基于超节点和能量优先的无线传感器网络高效查询算法,以提高传感器网络的查询效率,均衡无线传感器网络的能量消耗;●针对传感器节点的“热点”问题,提出了传感器节点的冷却技术,对能量过低的节点,进行数据转发,防止能量过早消耗完,延长传感器网络的寿命。本文对上述问题进行了系统和深入的研究,提出了一系列针对无线传感器网络的查询的方法和理论成果,具有一定的理论和现实意义。
其他文献
随着多媒体技术和网络技术的飞速发展,数字媒体(数字图像、数字视频、数字音频等)已得到了广泛应用,人们在享受快速获取信息的同时,也面临着盗版、信息失控等非常严重的威胁,因
大粒度服务作为服务计算领域一个新兴的研究领域,受到了越来越多的关注。大粒度服务的出现和应用加强了互联网环境中服务共享、重用和集成的能力。为用户快速构建复杂系统提
文本聚类作为一种无监督的机器学习方法,近年来已成为自然语言处理领域中研究的热点,传统的聚类算法只能将一个样本点划分到一个聚类中,但现实生活中,很多事物的归属并没有特
在信息时代的科学研究中,我们不可避免的会遇到大量的高维数据,这就要求我们对高维数据进行处理。降维算法是处理高维数据的一个重要手段,也是特征提取的重要方式。降维的主要目
电源是电力设施的心脏,在森林防火系统作用不言而喻。相对于深山中的森林防火系统用太阳能风能作为电力供应不失为一种简单、经济的方式。太阳能和风能发电是当今世界上可利用能源中最清洁、最现实、最有开发利用前景的发电方式之一。实际中,太阳能风能单独发电受自然条件的制约非常严重,但在时间和空间上却有很大的互补性。所以将二者结合起来组成混合发电系统,可以在很大程度上解决太阳能风能单独发电时断时续的状况。本论文根
随着科技时代的发展,信息化将步入我们的生活,在教学领域也有了长足的进步,教学方式有了进一步的变化,从书面教学到电脑教学,从二位图片展示,到三维立体模型的表达,能够更生
随着互联网在全球范围的普及,上网人数不断增加,互联网中积累的数据也在成指数级别的增长。这些数据中有相当大的一部分数据为文本数据。怎样有效地分析这些文本数据,并从中
随着信息技术,特别是数据库技术的飞速发展,海量数据的收集、管理和分析变得越来越方便。包括分类挖掘在内的各种数据挖掘技术,在一些深层次的应用中发挥了非常积极的作用。但与
随着互联网技术的进步和广泛应用,特别是近年来移动网络的发展,空间数据的信息量以指数级趋势增长。空间数据库将当前大量毫无关联的数据整合起来,做为强有力的决策依据,在诸
随着移动通信技术和全球定位技术(GPS)快速发展,越来越多的空间对象需要处理位置随时间变化的应用需求。如何有效跟踪和管理空间中的移动对象,成为研究的热点。然而在现实应