工业现场传感器实时数据存储系统设计与实现

针对工业现场中大量的传感器以连续高并发的方式所产生的海量实时数据难以高效可靠存储的问题,设计了基于 Hadoop 与 HBase 的工业现场传感器实时数据存储系统,并利用5台服务器和1个磁盘阵列构建了数据存储系统原型,最后通过仿真程序模拟工业现场传感器实时数据的高并发特性,对所提出的数据存储系统性能进行了验证。实验表明,所提出的工业现场传感器实时数据存储系统数据存储可靠、运行稳定、并发处理能力强。     

一种面向查询的无线传感器网络混合型数据存储算法

提出了一种面向数据查询的混合型的数据存储算法,将数据存储在合适的位置。通过分析采集、存储、查询节点之间的位置关系,存储模式可在集中存储和分布存储之间相互切换。本算法引入了"热点"保护机制,可有效均衡网络能耗。实验结果表明,该算法的能耗均衡性、节点能耗、生命周期和丢包率相比于GHT(Geographic Hash Table)算法有一定的改善。     

带非均匀节点分布无线传感器网络的高效节能数据存储

现有大部分无线传感器网络的分布式数据存储方法都依赖于传感器节点定位系统,这会导致节点消耗大量的能量,而且这些方法主要是针对均匀分布的无线传感器网络的,并不适用于非均匀节点分布的传感网络。为了解决这个问题,提出一种非均匀节点分布传感网络的大数据路由存储算法,其目的在于减少传感器节点的实际分布和地址。为了进一步节省数据存储空间和能量消耗,将布隆过滤器(Bloom filter)集成到节点上,从而进一步减少数据丢失和网络能量消耗。文中算法提供了高效的搜索服务,使数据在网络内的存储分布和路由能量消耗更加均匀,进而提高了网络的生存时间。文中算法在容错情况下通过减少冗余数据来提供高效节能的存储,并进一步减少数据的路由开销和存储空间的浪费。     

基于 Raptor码的无线传感器网络数据分布存储

在无线传感器网络中,经常出现节点失效等意外情况。如何实现数据的分布式存储是无线传感器研究的重点。根据以包为中心编码的相关研究,提出了一种基于Raptor码的无线传感器分布式数据存储方案。 Raptor码是喷泉码的一种,是一种在删除信道上有效的低复杂度的编码。通过预编码形成虚拟节点,使校验包更多的参与LT编码（ Luby transform code）,提高了编码的随机性。实验证明在有噪声条件下,具有优于分布式LT码的性能。     

基于HBase的小文件高效存储方法

基于 Hadoop 平台的相关系统得到了广泛应用。Hadoop 分布式文件系统（Hadoop distributed file system, HDFS）通过分布式的工作方式,负责处理海量文件数据。对 HDFS 而言,海量数据中的小文件存储问题制约着系统高效工作的能力。针对海量数据中小文件读写效率低的情况,提出一种基于 HBase（Hadoop database）的海量小文件高效存储方法,利用 HBase 的存储优势,将小文件直接存储于 HBase,从而有效减少元数据节点服务器（Name-Node）的负载,并对上层应用系统提供透明的访问接口。实验结果表明,该方法可以实现海量小文件的高效存储,提高 HDFS 环境下小文件的读写效率。     

无线传感器网络集群路由协议的研究

目前,各国研究者致力于无线传感器网络的路由协议、MAC层协议、QoS、网络拓扑控制、网络安全等各方面的研究,并取得了一定的研究成果。本文将着重于无线传感器网络集群路由协议的研究。     

无线传感器网络的能耗性能分析

针对无线传感器网络能量有限的问题,基于瑞利衰落信道模型,建立了一种跨越物理层与媒质接入层的能耗模型,并针对IEEE802.11 DCF和时隙ALOHA协议给出了具体的能耗分析. 考虑到无线信道的多变特点与节点饱和度情况,以及用户对信道质量的要求与接入方式,对网络工作过程中的能量消耗进行了详细的分析架构. 最后给出了节点平均功耗与净荷能耗率的仿真与理论分析结果,并仿真分析了发送功率与传输速率变化对能耗的影响. 结果表明,给出的能耗模型理论分析结果与仿真值非常接近,从而验证了模型的有效性;发送功率与传输速率过大、过小都不利于能耗的节省,联合控制更易于提升能耗性能。     

无线传感器反应网络综述

介绍了无线传感器反应网络体系结构和特点,并从设计和开发传感器反应网络协议方面,讨论传感节点-反应节点和反应节点-反应节点协调中存在的问题,探讨反应节点给对通信协议带来的问题与挑战。     

无线传感器网络FM模型实时性分析

为确保Wireless Sensor Network（WSN）传感器节点对已获取信息实时计算与零延时传输,构建了栅格WSN的三维Fornasini-Marchesini（FM）模型,提出了两种解决方案。重点讨论了系统传递函数矩阵满足的约束条件。     

基于ARMA模型的无线传感器网络可信数据采集方法

在传感器节点受到能量和带宽严重制约的情况下,如何合理、有效地利用有限的资源来采集有效、可信的数据,成为当前无线传感器网络(Wireless Sensor Network,WSN)研究的热点问题之一.在分析了大量WSN感知数据的基础上,利用时间序列对数据进行建模处理,得出了适合WSN的数据处理模型ARMA(1,1),同时利用基于移动Agent的中间件技术,提出了基于ARMA的无线传感器网络可信数据采集方法.理论和实验结果表明,该方法可保证采集数据的高度可信,同时显著提高了网络的整体性能,有效的减少网络的能耗,延长了网络的生命周期.     

基于数字水印的无线传感器网络数据安全融合方案

针对无线传感器网络中数据的安全问题,提出了一种基于数字水印的无线传感器网络数据安全融合方案。构建数据融合树将节点分层;叶节点采集数据后加密并向上层节点转发,每个中间节点接收到子节点的数据包之后先判断来源,然后验证数字水印以判断数据的正确性并进行数据融合处理,再将结果继续转发给上层节点,以此类推,直到基站收到数据结果。分析表明,此数字水印算法能够有效防止传感器数据被窃听,还能检测出数据在传输过程中是否被篡改。根据仿真结果,数据融合算法与其他算法相比,降低了单个节点传输数据的能量消耗,从而降低了整个网络的能量消耗,一定程度上延长了网络的生命周期,有一定的实用价值。     

无线传感器网络能量模型

随机抛洒的无线传感器节点形成何种逻辑拓扑结构将直接影响高层通信协议和网络运行能耗,而合理使用有限能量资源是无线传感器网络研究的核心问题.基于传感器节点工作能耗分布特点和数据传输能耗模型,建立传感器节点能量模型和网络传输模式模型,对单跳传输和多跳传输两种方式下的网络总能耗和单节点能耗进行理论计算,并分析不同网络拓扑结构对网络能耗和网络运行的影响.通过理论计算推导出不同网络拓扑结构和传输模式下无线传感器网络总能量消耗公式和网络能耗分布规律,为设计能量有效的无线传感器网络拓扑结构提供指导,为实现无线传感器服务质量体系下的高层通信协议提供理论基础.     

Reliable Data Storage in Heterogeneous Wireless Sensor Networks by Jointly Optimizing Routing and Storage Node Deployment

In the era of big data, sensor networks have been pervasively deployed, producing a large amount of data for various applications. However, because sensor networks are usually placed in hostile environments, managing the huge volume of data is a very challenging issue. In this study, we mainly focus on the data storage reliability problem in heterogeneous wireless sensor networks where robust storage nodes are deployed in sensor networks and data redundancy is utilized through coding techniques. To minimize data delivery and data storage costs, we design an algorithm to jointly optimize data routing and storage node deployment. The problem can be formulated as a binary nonlinear combinatorial optimization problem, and due to its NP-hardness, designing approximation algorithms is highly nontrivial. By leveraging the Markov approximation framework, we elaborately design an efficient algorithm driven by a continuous-time Markov chain to schedule the deployment of the storage node and corresponding routing strategy. We also perform extensive simulations to verify the efficacy of our algorithm.     

一种基于RBF神经网络的无线传感器网络定位模型

在无线传感器网络覆盖区域内的不同位置采集信号强度值,利用径向基函数(RBF)神经网络建立信号强度到节点坐标之间的映射模型,将采集到的信号强度值作为神经网络的输入矢量进行训练,利用训练好的神经网络实现未知节点的定位。实验结果表明,该模型具有较好的定位精度,其平均定位误差低于10%。     

无线传感器网络中的数据融合应用研究

针对无线传感器网络中存在多对一的数据流,能量受限和冗余的低速数据等问题,提出以数据为中心的技术来实现网内数据融合从而达到高效能的数据分发,同时分析最佳化和次最佳化数据融合模型的性能及影响这些性能的因素,并着重分析使用数据融合得到的能量节省及其对鲁棒性和延迟的影响,体现数据融合在大范围的运作场景中的优越性能。     

基于微粒群模型的无线传感器网络节点部署

提出了一种新的基于微粒群模型节点部署优化算法.该算法根据节点的位置信息建立节点部署优化模型,利用微粒群算法求解该优化模型,优化过程中的最优解作为节点的最终配置位置.仿真结果表明该算法有效的改善了网络的覆盖率.     

嵌入式无线传感器网络网关节点的设计与实现

无线传感器网络是新一代的传感器网络,具有非常广泛的应用前景。本文在对无线传感器网络体系结构、网关(Sink)节点的特点、功能分析的基础上,给出了无线传感器网络Sink节点的软硬件设计与实现方案。Sink节点以低功耗嵌入式处理器AR91R40008为核心,uC/os-II为嵌入式实时操作系统,配以内置TCP/IP协议的GPRS模块作为网络数据出口以及TR3000无线收发模块,可以实现高速的数据采集和可靠的数据传送,能够较好地达到低功耗和实时性的要求,最后给出实测结果。