传感器网络大数据处理模型关键技术研究

As one of the most important works in the field of computer in the near future, sensor network big data processing plays an important role in cloud computing systems, LOT systems, the military security and so on. Due to the different characteristics of the sensor network, existing large data processing models can not be used in sensor networks, and the researches on the large data processing models of sensor network is not well developed. This topic mainly researches: (1) Design an efficient real-time data storage flow scheduling model with load balancing and sensor data character oriented compression algorithm, for the reason of highly real-time, event unexpectedly, cycle persistent and poor calculation ability sensor networks. (2) For the diversity of the query demands about sensor network, the adaptive high speed data query algorithm would be designed. (3) For the difficult interaction character of sensor data, an interaction service model need to be designed. (4) For the character of data higher-dimensional space-time and the multipurpose of sensor network, universality and unified data analysis algorithm model and the calculating resource scheduling algorithm need to be designed. (5) According to the research targets above, a prototype system of sensor network data processing system would be developed to verify the above basic problem solutions. The result of this topic is of great importance for both theory and practice to the sensor network.

传感器网络大数据处理是当前和未来一段时间计算机领域的重要研究课题之一，在物联网、云计算系统及军事安全方面具有重要作用。由于传感器网络的不同特点，现有传统互联网的大数据处理模型不能直接应用于传感器网络大数据处理。本课题主要研究：（1）针对传感器网络高实时性、事件突发性、周期持续性和节点计算能力弱等特点，设计负载均衡的数据流实时存储调度模型和面向传感网特征的数据压缩算法；（2）针对传感器网络数据获取方式多样化，设计自学习的数据获取快速响应算法；（3）针对传感网数据的复杂交互特点，设计数据交互服务模型；（4）针对传感器网络数据的高维时空特性和多用途特性，设计普适性的统一计算结构模型和计算资源调度算法；（5）针对以上研究目标，开发传感器网络大数据处理原型系统，验证上述问题解决方案。课题的研究成果对于传感器网络大规模数据的应用具有重要的理论意义和实际应用价值。

传感器网络大数据处理在物联网、云计算系统及军事安全等方面具有重要作用，其是计算机领域的一个重要研究方向。由于传感器网络的不同特点，现有传统互联网的大数据处理模型不能直接应用于传感器网络大数据处理。因此，本课题针对传感器网络大数据处理的特点展开研究工作，主要成果包括：（1）针对传感器网络数据的大规模、高维度和时空性等特征，我们设计和实现了多种传感器网络大数据处理方法；（2）针对传感器网络高实时性、事件突发性、周期持续性和节点计算能力弱等特点，我们设计和实现了多个传感器网络大数据资源调度方法；（3）针对传感网数据的复杂交互特点，我们设计和实现了多个传感器网络大数据交互模型；（4）针对传感器网络数据获取方式多样化，我们设计和实现了多种自学习的快速响应算法；（5）针对实际应用，我们开发了传感器网络大数据处理原型系统，并进一步验证了课题研究基本问题的解决方案的联合性能。在上述研究基础上，课题组在包括《IEEE ACCESS》、《International Journal of Distributed Sensor Networks》、《EURASIP Journal on Wireless Communications and Networking》等学术期刊和会议共发表论文24篇，其中SCI 检索6篇次，EI检索16篇次，申请国内专利1项。