数据收集问题研究外部用户如何通过无线传感器网络从受监视区域收集传感数据。
感器节点由于自组织而形成网络。据收集的问题在于找到一种有效且可靠的方式来将传感数据传输给用户以进行分析和多跳处理。年来，关于数据收集的研究非常广泛，特别是在减少数据收集，数据收集协议和网络数据收集计划期间的数据传输方面。规模地。
结以上方面的数据收集问题。线传感器网络集成了微计算机技术，分布式计算机技术和现代网络技术[1-3]，已成为当今重要的高性能技术。
线传感器网络中的重要研究问题之一是数据收集。本原理是通过传感器节点的自组织形成网络，并将收集到的数据以多跳的形式发送到基站以进行相应的处理。线传感器网络通常包括传感器，聚合节点和基站。自传感器节点的数据经过多个节点后到达接收节点，然后通过Internet或卫星网络传输给用户。理完数据后，用户通过接收节点将控制命令和计划命令发送到网络。感器节点由电池供电，其节点能量受到限制[4]。线传感器网络具有动态性强和监视数据量大的特点，但是它们的通信能力，电源能力和IT能力有限。正的无线传感器网络主要用于工业控制[5]，智能家居[6]，医疗[7]，农业和环境监测[8]，目标跟踪[9]和物流管理[10]。传感器网络的许多应用中，数据收集需要传输大量的传感数据。
络中传输了大量的感知数据，这将导致通信过载。信开销是传感器网络能耗的最重要方法。统计，数据传输所消耗的能量占整个传感器网络能耗的80％。少数据传输量可以降低能源成本，从而延长网络的生命周期。数据收集算法中有许多减少数据传输量的方法。如，基于采样的数据收集方法，基于数据压缩的数据收集方法和基于数据共享的数据收集方法。自传感器网络的数据收集问题的范围非常广泛。数据收集协议到多通道计划，从静态网络到移动网络的数据收集，存在许多研究问题。文将从多个方面系统地分析和介绍数据收集问题，例如如何减少数据收集过程中的数据传输，恒温阀芯数据收集协议以及规划大规模网络数据收集。考文献[11]提出了一种在大规模传感器网络中计算近似中值K的方法。K中值表示给定集合S，在集合S中找到第K个最小值，而n是集合S的大小。献[12]提出了一种聚合算法基于采样（ε，δ）。于采样，在ε极限内产生误差的可能性不大于δ。献[13]在从传感器节点到融合中心的一小部分数据采样之后，估计了感知环境并指导了网络资源的分配。精确地，融合中心根据估计的感知环境选择性地激活某些节点，以便遵守某些错误限制。种动态采样方法有效地节省了能源开销。献[14]提出了一种在线算法，以在给定能量成本上限的情况下最小化近似比的误差。算法基于区域采样，将网络划分为几个不重叠的区域，并根据预定义的能源预算计算近似的聚合结果。考文献[15]使用基于卡尔曼滤波的估计方法来自动动态地调整采样率，从而减少传输量并提高估计的精度。献[16]提出了一种近似随机的采样方法。
方法仅对与网络规模成比例的某些节点进行采样，这使得获得接近随机采样方法的效果和准确性成为可能。献[17]研究了数据聚合操作对网络性能的影响。献[18]总结了几种数据压缩方法。
中，最常见的是通过聚合传输尽可能少的数据。合操作仅在基于特定查询的应用程序中更有效，但不适用于常规的数据收集方法。献[19]研究了来自传感器网络的数据的空间相关性对数据压缩的影响。献[20]还提出了一种基于数据的空间相关性来压缩分布式数据的方法。献[21]研究了非结构化数据的聚合方法。常，数据聚合方法基于树结构或其他固定结构。文提出了两种汇总非结构化数据的方法。外，文献[22]研究稀疏网络中数据聚合的方法，而文献[23]研究传感器网络中数据聚合方法的安全性问题。无线传感器网络中，已经对数据聚合操作产生了许多研究结果[24-29]。总操作通常包括查找最大值，最小值，总和，平均值，中位数和数量。数方法包括基于采样的方法[30-31]，基于压缩检测的方法[32]，基于蒙特卡洛的方法[33]和基于统计分析的方法[34- 35]。据不同的应用场景，物体检测技术也会有所不同。合算法可以分为集中式算法和分布式算法。多数集中式算法必须从整个网络中获取信息，并且通信开销通常不适用于传感器网络应用程序。们越来越多地使用分布式聚合算法。布式聚合算法包括基于聚类的算法，基于多路径的算法和基于聚合树的算法[36]。应用共享传感器网络可以提高网络利用率[37-40]。是，将传感器网络共享多个任务会增加网络计算和通信成本，从而缩短网络生命周期。输尽可能少的数据以满足多个应用程序的需求是减少通信成本的有效方法。献[41]研究了多任务数据共享。是在他正在研究的问题中，每个任务仅需要按自己的周期收集数据。无线传感器网络中共享数据的研究目标是在共享的多任务传感器网络中收集最少的数据以满足所有任务的需求。传感器网络中优化请求的问题还必须收集尽可能少的数据以满足每个请求的需求[42-43]。是通常需要解决的问题是如何在网络中进行分布式规划，然后通过数据聚合来减少数据量。据库系统中涉及的多查询优化问题也必须减少数据量[44-45]。是这类问题更加强调如何最大化当前表达式，然后通过限制查询数量来减少数据量。查询优化问题可以通过查找常见的SQL表达式来减少不必要的重复子查询。Krishnamurthy等人研究了在数据流系统中共享汇总查询数据的问题[46]。究人员主要处理汇总查询，例如最小值，最大值，总和和计数。他正在研究的问题中，必须至少分析一次数据流并将其分成几个片段。能共享多个请求覆盖的片段。
线传感器网络通过部署在监视区域中的大量传感器节点从网络覆盖区域中的检测对象收集信息，并通过通信将收集的信息提供给最终用户无线多跳。由算法是数据收集的基本问题。须通过路由方法将所有数据发送到基站，以进行相关处理。感器网络中有几种路由协议，特别是Gossiping协议[47]，SPIN协议[48]，Directed Diusion协议[49]，Rumor协议[50]，LEACH协议[51]等。即。数据收集过程中，使用了更多的路由协议，例如树形路由和地理路由。无线传感器网络中，地理路由协议允许数据包通过无线多跳传输到达指定地理位置附近的节点，因此具有广阔的应用前景。前，已经对地理路由算法进行了很多研究，基本过程几乎相同，当贪婪模式失败时全部切换到外围模式。传感器网络的许多应用中，数据收集必须传输大量的传感数据。量的检测数据通过路由方式传输到接收节点，不可避免地导致数据冲突。据冲突不仅会导致重传，从而降低吞吐量，而且还会丢失数据。TDMA方法是一种有效的方法，可以避免冲突并增加高负载网络中的吞吐量[52-54]。天已经出现了许多有关TDMA的工作，其目的是减少TDMA时隙的数量或设计分布式TDMA算法[55-57]。是这些研究工作都是针对通用数据通信的TDMA算法而设计的。献[58]研究了基于TDMA的数据收集问题。定路由树及其对应的干扰图，每个节点必须将数据发送到基站。标是找到最小的时隙数，以便可以将来自该节点的所有数据发送到基站。
献[58]证明了这个问题的复杂性，并给出了两种算法。种是基于节点的计划算法，另一种是分层计划算法。文档还分析了所提出的算法，但没有给出大概的报告。少数据冲突和提高网络吞吐量的另一种有效方法是使用多通道技术。多通道通信中，不同的通道不会互相干扰。于采用了多通道机制，因此可以同时通信尽可能多的链路，从而提高了网络吞吐量。经获得了关于多通道调度问题的大量研究结果。献[59-61]研究了聚合操作的多通道调度问题。献[62-64]讨论了多通道MAC协议。考文献[65]在网络中创建了几棵树，每棵树使用不同的通道来提高网络吞吐量。献[66]研究了快速多通道数据收集过程中吞吐量和延迟之间的权衡。现有的多信道研究中，选择具有足够大的跨信道频率的信道以确保信道之间的正交干扰。是，这种选择将导致可用通道数量的减少。究表明，适当减小频率范围并增加可用信道数可以提高网络吞吐量。数据收集过程中，数据传输通常通过树形路由完成。究必须检查如何执行TDMA和多通道规划，以便网络上所有节点的数据都可以在最短的时间内到达树的根。时，还必须考虑在发生信道间干扰时如何最小化由信道间干扰引起的数据丢失的问题。量研究表明，多通道复用可以大大提高网络吞吐量[67-69]。年来，已经开发了许多多通道传输协议，例如MCMAC [70]，TMMAC [71]，MMSN [63]等。是，这些努力允许为网络中的每个链路分配时隙，以使它们不会相互干扰。际上，对于数据聚合网络中的多通道调度问题，足以将时隙分配给所构造的路由树上的链路，而不是分配给网络中的所有链路。络范围内的数据收集和聚集问题显示出一些相关性[72]，但是它们并不完全相同。个网络数据收集算法的目标是从网络上的所有节点收集原始数据，而数据聚合算法则是收集聚合结果。小化延迟是数据收集问题的研究内容[102-103]。丹（Gandham）等人。出了一种编程算法[73]。算法需要3N个时间间隔。中，N是节点数。Yu等。经提出了另一种调度算法[74]，它需要24D 6Δ 16个时隙。中D是网络的直径，Δ是节点的最大程度。些任务的目的是减少延迟，以便将数据尽快发送到基站。Wu等。提出了TMCP（基于树的多通道协议）[65]。协议将网络分为几个子树，树之间使用不同的通道，树中使用相同的通道。
标是减少树内的干扰。[60]中，该算法首先建立路由树；然后，其次，它为每个节点分配一个通道，以便其下的所有子节点都通过该通道发送数据。为树中的链接分配时隙，以免彼此干扰。信道分配过程中，该算法优先将信道分配给破坏性最大的节点。种分配方法是集中式的，不适用于传感器网络。[60]中，算法的上限为maxΔ2 1，其中Δ2是网络形成的图中2个跃点内的相邻节点数。
Δ（G）为图的程度，则[60]中算法的上限为O（Δ（G）2）。献[66，71]提出了两种针对UDG网络和非UDG网络的调度算法。该算法中，针对UDG网络提出的算法的上限为8μαΔ（T）。中，μα是与网格的大小有关的函数，而Δ（T）是所构建的路由树的程度。对非UDG网络提出的算法的上限为O（Δ（T）log n）。中，（T）是构建的路由树的程度，n是网络中的节点数。
种算法都是集中式的。通道调度的研究也包括多通道调度的研究[75-77]。多信道多无线网络中，每个节点包含多个收发器，每个收发器可以独立发送和接收数据，从而可以进一步提高数据传输容量。户必须从网络中的传感器收集数据到基站，以进行诸如区域监视，事件发现，事件探索和事件预测之类的处理。此，数据收集问题已成为传感器网络的研究重点之一。文从以下几个方面描述数据收集问题：如何在数据收集过程中减少数据量，如何在数据聚合过程中减少数据量以及路由协议和问题在数据收集过程中进行计划。分别分析和介绍了相关的研究工作。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com