Efficient Query-Based Data Collection for Mobile Wireless Monitoring Applications
Efficient Query-Based Data Collection for Mobile Wireless Monitoring Applications
复制标题
针对移动无线监控应用的高效基于查询的数据收集
DOI：
10.1093/comjnl/bxq002
复制
发表时间：
2010-12
期刊：
影响因子：
1.4
通讯作者：
Vasilakos, Athanasios V.
中科院分区：
文献类型：
--
作者：
Cheng, Long;Chen, Canfeng;Chen, Yimin;Xiong, Naixue;Ma, Jian;Shu, Lei;Vasilakos, Athanasios V.
考虑到传感器节点的密集和均匀部署，一个移动的sink移动通过传感场查询特定的感兴趣区域的监测信息。由移动的信宿注入的查询分组被路由到特定区域，并且相应的响应分组被期望经由多跳通信返回。在本文中，我们分析了这样的网络模型，以解决问题的有效数据收集的移动的无线监控应用。我们首先提出了一个会议的位置感知路由（MPAR）协议，路由响应数据包的有效性，然后提出了一个有效的基于查询的数据收集方案（QBDCS）的移动的无线监控应用程序的基础上的MPAR。为了最小化能量消耗和数据包传递延迟，QBDCS选择最佳查询时间注入查询数据包，并为传感器节点转发数据包量身定制路由机制。仿真研究验证了分析结果，并表明QBDCS可以显着降低能量消耗和端到端的交付延迟。
Considering sensor nodes deployed densely and uniformly a mobile sink moving through the sensing field queries a specific area of interest for monitoring information. The Query packet, injected by the mobile sink, is routed to the specific area and the corresponding Response packet is expected to return via multi-hop communication. In this paper, we analyze such a network model to address the problem of efficient data collection for mobile wireless monitoring applications. We first propose a meeting position-aware routing (MPAR) protocol for routing the Response packet efficiently and then propose an efficient query-based data collection scheme (QBDCS) for mobile wireless monitoring applications based on the MPAR. In order to minimize the energy consumption and packet delivery latency, the QBDCS chooses the optimal query time of injecting the Query packet and tailors the routing mechanism for sensor nodes forwarding packets. Simulation study has verified the analysis and demonstrated that the QBDCS can significantly reduce the energy consumption and end to end delivery latency.
登录
查看更多内容
影响因子：
6.8
作者：
Song, Liang;Hatzinakos, Dimitrios
通讯作者：
Hatzinakos, Dimitrios
影响因子：
7.9
作者：
Felemban, E;Lee, CG;Ekici, E
通讯作者：
Ekici, E
DOI：
10.1145/1031495.1031509
发表时间：
2004-11
期刊：
--
影响因子：
--
作者：
K. Seada;Marco Zúñiga;A. Helmy;B. Krishnamachari
通讯作者：
K. Seada;Marco Zúñiga;A. Helmy;B. Krishnamachari
影响因子：
64.8
作者：
M. Bhuyan;D. K. Bhattacharyya;Hossein Homaei;Hamid Reza Shahriari;Jiankun Hu;Yong Yu;Yi Mu;Guilin Wang;Ying Sun;Hassan Jameel Asghar;Josef Pieprzyk;Huaxiong Wang;Jun Zhang;Yang Xiang;Wanlei Zhou;Lei Ye;Lan Zhou;Vijay Varadharajan;M. Hitchens;Lein Harn;Chia-Yin Lee;Changlu Lin;Chin-Chen Chang;Yini Wang;Sheng Wen;Silvio Cesare;Erika Rosas;Olivier Marin;Xavier Bonnaire
通讯作者：
M. Bhuyan;D. K. Bhattacharyya;Hossein Homaei;Hamid Reza Shahriari;Jiankun Hu;Yong Yu;Yi Mu;Guilin Wang;Ying Sun;Hassan Jameel Asghar;Josef Pieprzyk;Huaxiong Wang;Jun Zhang;Yang Xiang;Wanlei Zhou;Lei Ye;Lan Zhou;Vijay Varadharajan;M. Hitchens;Lein Harn;Chia-Yin Lee;Changlu Lin;Chin-Chen Chang;Yini Wang;Sheng Wen;Silvio Cesare;Erika Rosas;Olivier Marin;Xavier Bonnaire
DOI：
10.1109/perser.2007.4283908
发表时间：
2007-07
期刊：
IEEE International Conference on Pervasive Services
影响因子：
--
作者：
P. Jayaraman;A. Zaslavsky;J. Delsing
通讯作者：
P. Jayaraman;A. Zaslavsky;J. Delsing