CN104981003B - 一种蛇形时隙存储方法 - Google Patents
一种蛇形时隙存储方法 Download PDFInfo
- Publication number
- CN104981003B CN104981003B CN201510235810.XA CN201510235810A CN104981003B CN 104981003 B CN104981003 B CN 104981003B CN 201510235810 A CN201510235810 A CN 201510235810A CN 104981003 B CN104981003 B CN 104981003B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- event
- time slot
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明是根据事件优先级,结合动态散列位置,提出一种蛇形时隙存储方法,目的是为减少数据传输过程中产生的能量消耗;该策略采用蛇形时隙控制同一网格中只有两个节点来侦听数据,以节省节点空闲侦听带来的能量消耗;在此基础上设计事件散列函数,根据事件的优先级从高到低将事件存储于离查询节点由近及远的网格内,将散列位置旋转至与监测节点最近的网格内,以减少数据存储和数据查询过程中节点的能量消耗。
Description
技术领域
本发明涉及的是无线传感监测网中的一种数据存储方法。可应用于无线传感网络数据存储领域。
背景技术
无线传感器网络中,节点采集数据,因为节点数比较大,带来网络数据传输量巨大。对于某些应用领域,节点采集数据并非实时传输,这样可以将采集的数据保存在节点(又称存储节点)上,需要时可从网内存储节点获取数据。然而,存储节点的选择,直接影响到查询数据效率,以及查询过程和数据传输过程中节点的能量消耗。因此,针对网络数据类型,选择合适的存储节点,设计能量有效的数据存储方法显得尤为重要。
以数据为中心的存储方法提供了一种基于数据属性的信息中介机制,使得数据存储和查询开销得到平衡。Double Ruling方法采用“存储转发”技术实现多点存储,数据按照一定的路径存储并转发,而查询请求也按照一定的路径传播,只要数据的转发路径和查询传播路径相交,查询就能够得到响应。但该方法要求网络是规则的。Combs方法突破了对规则网络的要求,结合push策略与pull策略,构建梳针查询的策略,适合于平面结构的无线传感器网络进行全局查询。数据(或查询请求)传播时沿多跳路径传播,消耗能量的节点太多,网络的能量消耗太大,从而影响网络生命周期。SCOOP方法是一种支持数据多属性查询的自适应分布式动态存储方法。这种方法能够根据实际应用情况自适应的选择存储位置,提高了数据存储和查询的效率;但对于大规模网络,查询节点负荷较大,容易造成热点现象,而且扩展性差,因此只适用于小规模的传感器网络。GHT方法采用基于数据属性的命名,将数据属性集命名为事件,借助于P2P(Peer-to-Peer对等网络)系统的DHT(以数据为中心的散列表)思想,在节点监测到有事件发生时,将事件映射为网络中的存储位置(传感器节点),采用基于位置的路由协议GPSR将数据路由到映射位置最近的节点。查询请求也根据关键字通过散列映射直接路由到相应的位置传感器获取查询结果。该方法为避免节点死亡造成数据丢失的现象,需要对数据进行存储备份。GHT方法中,每类事件只有一个存储节点,会产生通信瓶颈和热点现象;通过散列函数得到的散列位置上可能不存在节点;没有考虑到数据存储和查询过程中的能量开销问题。
发明内容
鉴于蛇形时隙节能方法(SLPS)没有考虑到数据传输过程中节点的能量消耗问题,且越重要的数据,其优先级越高,查询频率也会相应提高;故在蛇形时隙节能方法的基础上,对事件划分优先级,本发明提出一种的蛇形时隙存储方法(P-SLPS),通过缩短数据存储和查询时数据的传输路径,减少能量消耗,延长网络生命周期。蛇形时隙存储方法通过划分网格区域,将特定类型的数据存储在相应的网格中,而不是存储在某个节点上;通过定义事件优先级,将高优先级的事件存储在距离查询节点更近的网络区域,保证高优先级事件最先被搜索到;根据监测节点和存储映射地址计算动态散列位置,将检测事件存储在同一优先级区域内离监测节点最近的存储网格。蛇形时隙存储方法具体如下:
1.网络划分:假设网络区域为一个L*L的正方形区域,节点均匀分布其中,且无线传感器网络符合以下规则:网络有很好的连通性,即节点密度足够大;网络部署后,Sink节点和其它节点不再移动;网络的周界已知,节点可以获得自己的位置坐标;节点间的通信范围相同。另外,网络中事件的产生是随机的,每个事件都有事件类型,不同节点可以产生相同类型的事件和数据。
令Sink节点坐标为(0,0),监测事件有K类,以[L/(K+1)]*i(i=1、2、3...K)为半径,(0,0)为顶点,画圆构成K个圆环区域,分别存储K类事件,如图1所示。每类事件赋予一种优先级,其值由事件按查询频率确定。优先级值越小,事件优先级越高,事件存储区域距离Sink节点越近。如优先级为1的事件存储在离Sink节点最近的圆环区域内。
为了使存储节点距离监测节点更近,提出动态散列位置的概念。首先以Sink节点为顶点,90/n为夹角,将网络区域划分为a、b、c、d...n区。将存储区域划分为网格,如图2所示。
2.节点工作时隙的分配:首先,计算每个网格内的节点个数,以及各个节点到网格中心点的距离,按距离从小到大为节点编号(A、B、C...N),用一个m行n列的矩阵T为网格内的每个节点分配侦听或睡眠时隙。矩阵T中的元素Tij表示节点工作时隙。为保证每个节点睡眠和侦听周期公平,m和n的值尽量接近。矩阵T的行m和列n与网格内节点数量N的关系如公式(1)所示:
公式(1)中,若N为偶数,满足m=n=N/2;若N为奇数,规定矩阵行数m为N/2向上取整,列数n=N-m,m+n个节点对应m×n个工作时隙。
节点工作时隙Tij分配如公式(2)所示:
假设网格内有7个节点(A、B、C、D、E、F、G),则N=7,由公式(1)计算得m=4,n=3。根据公式(2)带入i,j值,构建矩阵T如图3所示。
从第一行第一列开始,自左向右分配连续的时隙,如遇矩阵边界则垂直换到下一行,并以相反的方向在该行继续分配连续的时隙。如图3所示,第一行从左到右为时隙1、2、3,第二行从右到左为时隙4、5、6,以此类推。每个节点被映射到i行或j列,保证每个时隙内有两个节点处于活动状态。矩阵T中,节点对应行或列中的元素表示节点的工作时隙。节点A的活动时隙为1、2、3,其余时隙处于睡眠状态。节点E的活动时隙为1、6、7和12。采用蛇形时序分配方式,在时隙切换时始终保证有节点处于连续工作状态,如时隙1中节点A、E处于工作状态,当时隙1切换到时隙2时,节点E进入休眠状态,节点F从休眠状态进入工作状态,而节点A在时隙1切换到时隙2的过程中始终处于工作状态,这种分配方式避免了时隙切换时的丢包现象,保证了网络运行的可靠性。
3.存储节点的选择:如图4所示,监测节点B(Xb,Yb)监测到事件优先级为K-1的数据,对应存储点应在第K-1层环内。利用散列表映射到散列位置G(Xg,Yg),节点B在区域b中,散列位置G在区域c中,利用监测节点和散列位置坐标计算动态散列位置G0(Xg0,Yg0),其中散列位置G和动态散列位置G0位于同一半径圆弧上,监测节点B和动态散列位置G0位于同一半径轴线上。选择动态散列位置G0所在网格内的工作节点作为事件存储节点,其坐标由公式(3)和公式(4)求得。
4.事件存储:当节点B监测到事件后,经散列运算,得到散列位置G,根据监测节点和散列位置坐标求得离监测节点距离最近的动态散列位置G0,采用地理位置路由(GPSR)方法可以将监测到的事件路由到离动态散列位置所在的网格区域。当数据送至动态散列位置所在网格区域时,采用区域泛洪方式将数据保存在处于侦听模式下的两个节点中,如图5所示。收到数据的节点根据ID编号给监测节点B回复一个ACK应答消息。如果监测节点等待一段时间后,没有收到ACK消息,则认为该数据已经丢失,重新向存储区域发送该数据。数据保存在两个节点中,增加了数据存储的可靠性。
5.事件查询:当用户需要查询相关数据时,Sink节点将查询请求解析优化后,给n个扇形区域各自发送一份查询命令Query(Key,Pr iority)。当查询分组信息传送到要查询的事件类型对应的存储节点后,存储节点会检索自己保存的数据,看是否存在查询需要的数据,若存储节点存在查询请求所需的数据,则将数据发送给查询节点;如果存储节点不存在查询所需的数据,存储节点将转发收到的查询请求信息,如图6所示。
附图说明
图1优先级区域划分
图2事件存储网格划分
图3 4×3矩阵中节点工作时隙分配
图4存储节点选择
图5数据存储示意图
图6数据查询示意图
图7扇形区域数对蛇形时隙存储方法网络生命周期的影响
图8蛇形时隙节能和蛇形时隙存储网络生命周期比较
图9查询事件数量对网络生命周期的影响
图10监测事件数量对网络生命周期的影响
图11事件集中出现对网络生命周期的影响
具体实施方式
采用Matlab平台,对本发明进行实施,具体流程如下:
(1)网络划分:假设100个节点随机部署在200m*200m的区域内,以Sink节点为顶点,以90/6为夹角,将网络区域划分为n(可变)个扇形区域。在各个优先级事件均匀分布的前提下,比较n从1到8时,蛇形时隙存储方法网络生命周期的情况,如图7所示。由图7可知,当n=6时蛇形时隙存储方法网络生命周期最长,取最优划分个数时,有效地降低系统开销。实验选取最佳扇形区域数(n)为6,再将区域按周向间距为50m划分,构成网格区域。
(2)节点工作时隙的分配:依据公式(1)可由网格内的节点个数计算出矩阵T的行数m和列数n。且可由公式(2)计算出矩阵T中的元素Tij(节点工作时隙)。本发明中的节点工作时隙为1s。
(3)存储节点的选择:首先判断监测节点所监测到的是哪个事件优先级上的数据,再利用散列表映射到散列位置G,然后,利用监测节点和散列位置坐标计算动态散列位置G0,最后,选择动态散列位置G0所在网格内的工作节点作为事件存储节点,其坐标由公式(3)和公式(4)求得。
(4)事件存储:获得动态散列位置G0后,采用地理位置路由(GPSR)方法可以将监测到的事件路由到离动态散列位置所在的网格区域,并采用区域泛洪方式将数据保存在处于侦听模式下的两个节点中,如图5所示。收到数据的节点根据ID编号给监测节点回复一个ACK应答消息。若未收到ACK消息,则认为该数据已经丢失,重新向存储区域发送该数据。
(5)事件查询:当用户需要查询相关数据时,Sink节点将查询请求解析优化后,给本发明中的6个扇形区域分别发送一份查询命令Query(Key,Pr iority)。若存储节点存在查询请求所需的数据,则将数据发送给查询节点;如果存储节点不存在查询所需的数据,存储节点将转发收到的查询请求信息。
(6)网络生命周期的比较:蛇形时隙节能方法和蛇形时隙存储存储方法的网络生命周期情况如图8所示。网络运行的初始阶段,两种方法中网内剩余节点数相同,并且在300s时都出现死亡节点,随着网络的运行,死亡节点数增加,蛇形时隙节能方法比蛇形时隙存储方法中节点死亡速度快。蛇形时隙节能方法在1800s时网内剩余节点数量为50个,而蛇形时隙存储方法中的剩余节点数量为73个。由此可以看出蛇形时隙存储方法采用优先级的存储策略降低了网内节点的能量消耗。
(7)影响网络生命周期的因素:如图9所示,当单位时间内查询事件数目由10增加到40时,蛇形时隙存储方法和蛇形时隙节能方法相比,网络生命周期下降的速度较慢,有效的减少了数据查询过程中的节点的能量消耗,从而延长网络生命周期。
如图10所示,当单位时间内监测事件由10增加到40时,两种策略下的网络生命周期整体趋势都是下降的,但基于动态散列位置的存储策略下降比较快。对比图9和图10可以看出,受事件存储的影响,监测相比查询对网络生命周期的影响更明显,因为查询时查询节点首先要向存储节点发送查询包,相比监测事件传输过程中的能量消耗,查询包传输过程中的能量消耗较少。
从图11看出,当存储事件频率相同,监测事件均匀分布比事件集中出现时的网络生命周期要长,并且当事件存储频率越大,事件集中出现对网络生命周期的影响也越大。
Claims (1)
1.一种蛇形时隙存储方法,其特征在于:根据事件优先级,结合动态散列位置提出的;该方法实施步骤包括:
步骤一、网络划分:令Sink节点坐标为(0,0),监测事件有K类,以[L/(K+1)]*i(i=1、2、3...K)为半径,(0,0)为顶点,画圆构成K个圆环区域,分别存储K类事件;以Sink节点为顶点,90/n为夹角,将网络区域划分为a、b、c、d...n区;将存储区域划分为网格;
步骤二、节点工作时隙的分配:计算每个网格内的节点个数,以及各个节点到网格中心点的距离,按距离从小到大为节点编号(A、B、C...N),用一个m行n列的矩阵T为网格内的每个节点分配侦听或睡眠时隙;
步骤三、存储节点的选择:监测节点B(Xb,Yb)监测到事件优先级为K-1的数据,对应存储点应在第K-1层环内;利用散列表映射到散列位置G(Xg,Yg),节点B在区域b中,散列位置G在区域c中,利用监测节点和散列位置坐标计算动态散列位置G0(Xg0,Yg0),其中散列位置G和动态散列位置G0位于同一半径圆弧上,监测节点B和动态散列位置G0位于同一半径轴线上;选择动态散列位置G0所在网格内的工作节点作为事件存储节点;
步骤四、事件存储:当节点B监测到事件后,经散列运算,得到散列位置G,根据监测节点和散列位置坐标求得离监测节点距离最近的动态散列位置G0,采用地理位置路由算法可以将监测到的事件路由到离动态散列位置所在的网格区域;当数据送至动态散列位置所在网格区域时,采用区域泛洪方式将数据保存在处于侦听模式下的两个节点中;收到数据的节点根据ID编号给监测节点B回复一个ACK应答消息;如果监测节点等待一段时间后,没有收到ACK消息,则认为该数据已经丢失,重新向存储区域发送该数据;
步骤五、事件查询:当用户需要查询相关数据时,Sink节点将查询请求解析优化后,给n个扇形区域各自发送一份查询命令Query(Key,Pr iority);当查询分组信息传送到要查询的事件类型对应的存储节点后,存储节点会检索自己保存的数据,看是否存在查询需要的数据,若存储节点存在查询请求所需的数据,则将数据发送给查询节点;如果存储节点不存在查询所需的数据,存储节点将转发收到的查询请求信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510235810.XA CN104981003B (zh) | 2015-05-11 | 2015-05-11 | 一种蛇形时隙存储方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510235810.XA CN104981003B (zh) | 2015-05-11 | 2015-05-11 | 一种蛇形时隙存储方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104981003A CN104981003A (zh) | 2015-10-14 |
CN104981003B true CN104981003B (zh) | 2018-06-05 |
Family
ID=54276955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510235810.XA Expired - Fee Related CN104981003B (zh) | 2015-05-11 | 2015-05-11 | 一种蛇形时隙存储方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104981003B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101686262A (zh) * | 2009-05-14 | 2010-03-31 | 南京大学 | 一种基于多节点协作的传感器网络存储方法 |
CN103874091A (zh) * | 2014-03-31 | 2014-06-18 | 中国人民大学 | 一种基于传感器网络事件检测的kNN查询方法 |
-
2015
- 2015-05-11 CN CN201510235810.XA patent/CN104981003B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101686262A (zh) * | 2009-05-14 | 2010-03-31 | 南京大学 | 一种基于多节点协作的传感器网络存储方法 |
CN103874091A (zh) * | 2014-03-31 | 2014-06-18 | 中国人民大学 | 一种基于传感器网络事件检测的kNN查询方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104981003A (zh) | 2015-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shenker et al. | Data-centric storage in sensornets | |
Shen et al. | A distributed spatial-temporal similarity data storage scheme in wireless sensor networks | |
Liu et al. | Balancing push and pull for efficient information discovery in large-scale sensor networks | |
Wang et al. | A mobile-sink based energy-efficient clustering algorithm for wireless sensor networks | |
CN110022234B (zh) | 面向边缘计算的非结构化数据共享机制实现方法 | |
Yu et al. | Achieving optimal data storage position in wireless sensor networks | |
CN102625292A (zh) | 一种社会化间断连接网络动态地址分配及网络性能优化方法 | |
Pandit et al. | Communication-efficient implementation of range-joins in sensor networks | |
CN104981003B (zh) | 一种蛇形时隙存储方法 | |
Chapuis et al. | A horizontally scalable and reliable architecture for location-based publish-subscribe | |
Zhu et al. | Join of multiple data streams in sensor networks | |
Lai et al. | Dynamic balanced storage in wireless sensor networks | |
CN113179313B (zh) | 分布式时空查询方法及系统 | |
Joung et al. | Tug-of-war: An adaptive and cost-optimal data storage and query mechanism in wireless sensor networks | |
CN105049506B (zh) | 一种无线传感数据存储方法 | |
Qaim et al. | State-of-the-Art data replication techniques in IoT-based sensor systems | |
Dyo et al. | Adaptive distributed indexing for spatial queries in sensor networks | |
Tissera et al. | An adaptive approach to information discovery in multi-dimensional wireless sensor networks | |
Tissera et al. | Information discovery in multidimensional wireless sensor networks | |
Tissera et al. | Fast and energy efficient data storage for information discovery in multi-dimensional WSNs | |
Tissera et al. | Energy efficient information discovery approach for range queries in multi-dimensional WSNs | |
Tissera et al. | A novel approach for information discovery in wireless sensor grids | |
Gao et al. | Queries based on data attribute spatial index in wireless sensor networks | |
Lai et al. | Energy-efficient robust data-centric storage in wireless sensor networks | |
Shen et al. | Location-based skyline queries in wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180605 Termination date: 20200511 |
|
CF01 | Termination of patent right due to non-payment of annual fee |