异构传感器网络中可持续计算问题的研究：感知、存储与充电

Serving as the bridge connecting the physical world and the cyber space, Wireless Sensor Networks (WSNs) play a key role for the pervasive applications of intelligent Internet of Things (IoT). The increasing growth and integration of application space have been driving WSNs to be of scalability and heterogeneity, which poses a considerable challenge for the sustainability of WSNs. This project investigates the sustainable computing for large-scale heterogeneous WSNs consisting of sensor nodes, storage nodes and charging nodes, from the perspectives of sensing, storage and recharging. 1) For the WSNs with heterogeneous sensing capability, this project will investigate the on-line algorithms for scheduling sensing task, to achieve load balancing; 2) with the help of storage nodes, this project are going to study the distributed storage strategy for the sensed data, aiming at improving the storage reliability and reducing the deployment cost, under the energy budgets of sensor nodes; 3) except for the above where we take into account the energy restriction, this project will investigate how to scheduling multiple charging nodes such that the charging efficiency is maximized so as to ensure the system sustainability. By providing efficient solutions to the above open problems, this project would lay a significant foundation for the theoretical analysis and practical applications of heterogeneous WSNs.

无线传感器网络作为连接物理世界和信息世界的桥梁，是智能物联网应用推广的关键和瓶颈。应用空间的不断增长和集成促使无线传感器网络向规模化和异构化方向发展，对系统的可持续性提出了巨大挑战。本项目针对由传感器节点、存储节点和充电节点组成的大规模异构无线传感器网络，从感知、存储和充电三个方面解构其可持续计算空间。1）本项目拟针对感知异构传感器网络研究实时感知任务的在线调度策略，实现负载的均衡；2）本项目还拟研究基于存储节点的分布式数据存储策略，在满足传感器节点能量预算的基础上提高存储可靠性和降低系统部署成本；3）除了上述的在数据感知和存储中考虑能量的约束作用，本项目还拟研究多移动充电节点的调度策略，提高其充电效率，保障系统的可持续性。综上所述，本项目对大规模异构无线传感器网络可持续计算研究，将为其实际应用提供重要的理论基础和方法支撑。

无线传感器网络与物联网在最近的十余年内得到了迅速的发展，受到了学术界和工业界的广泛关注。然而，传感器设备有限的资源与其在多种场景中的广泛部署和应用需求之间的矛盾仍然是一个亟待解决的问题。本项目针对无线传感器网络与物联网系统的可持续性展开研究：一方面，本项目围绕无线传感器网络与物联网系统的数据感知、数据传输、数据存储、数据处理，在不同的系统层次设计了一系列能量节省（甚至无需能量）的算法，在保障系统性能的同时，尽可能延长系统寿命；另一方面，本项目研究了自采能技术和无线充电技术，设计了面向自采能传感器网络的感知和组网策略以及面向可充电传感器网络的移动充电节点调度策略，充分利用外部的能量资源以优化系统可持续性。进一步地，由于无线传感器网络与物联网系统部署的不确定性，本项目研究了面向资源受限无线传感器网络与物联网系统的分布式机器学习算法，平衡学习代价与学习性能，实现系统决策的智能化，支撑系统的可持续性。截止目前，发表项目相关高水平论文14篇，包括SCI一区期刊5篇、CCF B类期刊和会议4篇、CCF C类会议4篇，申请国家发明专利7项。获得2020 ACM China SIGAPP新星奖、IEEE IPCCC 2020最佳论文奖、CSoNet 2019最佳论文奖以及WASA 2019最佳论文提名。本项目的研究成果可以为保障无线传感器网络及物联网系统的可持续性提供技术支撑，推进无线传感器网络及物联网在多个应用各领域的发展。