外文翻译---基于最长寿命的无线传感器网络连续查询处理

《外文翻译---基于最长寿命的无线传感器网络连续查询处理》由会员分享，可在线阅读，更多相关《外文翻译---基于最长寿命的无线传感器网络连续查询处理（25页珍藏版）》请在毕设资料网上搜索。

1、 中文 8100 字， 5100 汉字， 24800 英文字符 出处： Kalpakis K, Tang S. Maximum lifetime continuous query processing in wireless sensor networksJ. Ad Hoc Networks, 2010, 8(7):723741. 毕业设计 (论文 )外文资料翻译 学 院 ： 电子工程学院 专业班级 ： 电子信息工程 学生姓名 ： 学 号： 指导教师 ： 外文出处 ： Ad Hoc Networks 附 件 ： 1.外文资料翻译译文； 2.外文原文 指导教师评语： 签名： 年 月 日 基于最长

2、寿命的无线传感器网络连续查询处理 Konstantinos Kalpakis* , Shilang Tang 计算机科学部门和电气工程部门 ,马里兰大学 ,巴尔摩 摘要 监测应用成为无线传感器网络（ WSNS）最重要的应用之一。这类应用通常具有长期运行的复杂查询处理技术且通过传感器流对此处理技术进行评估。基于无线传感器网络中传感器的能量有限，高效节能查询的评价对于延长系统 使用寿命来说是至关重要的 使用期限指的是此网络查询从开始到停止所执行其预定任务的最早时间。 我们通过使用表达 式树对复杂查询进行建模。我们考虑使无线传感器网络的使用期限最大化以达成表达式树 T 的持续网络内评估，因此可在 基

3、站 获得其根值。网络内评估意味着对于算符 T 的评估可能会推至网络节点且同样意味着对 T进行重复评估（每轮一次）。持续的网络内 T 评估需要解决以下问题的两个方面：（ 1）相对于网络节点的 T 的运算符，变量和变量的放置（ 2）以上量值对于适当网络节点的路径选择，网络节点需要使用以上量值评估运算符。 我们对其复杂性进行了分析，并且为 T 节点在 WSN 传感器节点上的放置提供了一种简单而有效的算法。我们所提出的运算符放置算法试图 使总传输数据量最小化。 T 的放置可引起一定的最大使用期限并行流（ MLCF）问题。我们提供的算法可以找到解决 MLCF 问题的近优积分方案，其中一种便是收集路径，一

4、定数量的积分流被路由。我们对于 T 的持续网络内评估包括以上放置和路由算法。 实验证明，我们的做法能够一贯地、有效地找到对于无线传感网络表达式树的持续网络内评估的最大使用期限解决方案。 2010 Elsevier B.V. All rights reserved. 1.介绍 远程监控是无线传感 器网络最具有吸引力的应用之一。像环境监测和 建筑 监测，它们通常会在 兴趣点 处通过 传感器 不断的运行查询数据流。例如有一种查询应用，可以在火山监测中每五分钟报告当前活动的情况，这是由于传感器的加工和相关表面振动，气压和温度，气体密度的变化，磁场变异等因素所产生的数据流测量，如何让这些因素运用在这些查

5、询中并得到长时间高效地成功处理和操作的无线传感器网络运行是部署的一个重要的问题，有些问题不可行，是由于经常 补充传感器电池的能量成本过高。 在本文中，我们在无线传感器网络中考虑长期运行复杂的查询并且对此技术进行评估的任务。 此类查询有多个运算符依赖的函数，并要求每一轮每次重复评估运算符。由于在传感器网络中通信前传感器耗能所产生的数据量，我们把目标推向处理网络查询 18。我们的模型运用非循环图 Q 且对 Q 进行详细的描述，其内部节点与子节点用操作数运算符 （函数）查询、它们的叶用常量或变量表达。 Q 的每个顶点都有其重要性且每一组都可放置候选网络节点。在 Q 的每个顶点上有一组源传感器节点，其

6、用于分配查询结果给该变量。 在网络 DAG 中评价连续 Q 的表达 根 需要解决以下两个方面的任务：（ a）在Q 的网络节点上安置变量和常量的运算符，（ b）寻址适合 的操作数网络节点，需要他们来评价操作数。这两点内容是有联系的，因为在 G 的布局上某些源到目标的路由选择要求传感器节点之间以何种方式寻址，这对决定执行寻址的安置具有主要影响。 虽然在网络查询中有许多重要的优化目标需要连续评估（如响应时间，可靠性等）。由于部分传感器能耗和着手分析如何分离方面的任务，我们主要是提高系统的最大限度寿命 - 直到传感器网络寿命结束之前完成其执行的预定任务。我们发现，在我们的实验评估中显示，在路由方面有一

7、个最佳解决方案，来有效地分离的路由和安置。 在安置任务方面找到最佳的解决方案，我们需 要考虑最低通信成本的位置（ MCP）。 MCP 问题是在 Q 的单个评价期间对于已分配 Q 的一个或多个顶点使其在网络节点之间传送数据的总量最小化。 MCP 问题即使是 Q 有着成本优势并以单位为 1 的高度树，但还是 MAX SNP-hard。我们描述了一个简单而有效的贪婪启发式，我们称之为 GREEDYMCP 算法，在实际显示中证明最佳的解决 MCP问题的方案可用 GREEDYMCP 算法来 实现。 找到一个最佳的解决寻址方案，是我们解决使用并行流最大寿命的（ MLCF）问题。 MLCF 问题是并行的流量

8、为给定的一组源的目标提供数据传输速率以解决系统最大寿命的问题。我们为 MLCF 问题提供了一个有效的，简单的算法 ,在网络的 n 个节点中对于部分源目的地 N 为了满足带有并行流数据通信要求，其算法在 n + N 路径中发现了最大限度的分数阶系统寿命 To，我们称之为ALGRSM-MLCF 的算法。由分数四舍五入下来，我们得到了一个关于 MLCF 问题最佳并行流解决方案，其 a=（ To n N +1） /T。在实践中往往 Ton+N， a 1。我们的实验表明， ALGRSM MLCF 优于现有的寻址算法，但可在系统的寿命和能耗方面应用 MLCF 问题。 ALGRSM MLCF 是一种基 于修正单形法 (RSM) 的迭代算法。 我们在网络中连续查询 Q 的评估的方法有 GREEDYMCP 和 ALGRSM-MLCF 两