。构成 索引树的HWSN是由10, 000个传感器构成，以偏斜度60%来分布在350mX200m的区域内， 关于其他的一些参数可参见实验参数变量说明。图中Ri(i= 1，2……）代表由一系列网格 构成的节点，网格则是由他们的ID来代表。
[0113] 由图6可以看出该索引树是一个不平衡的二叉树，这是因为每次都是合并传递相 同大小信息包耗能最小的相邻节点对，这也致使具有更大传递信息耗能的节点更靠近索引 树的根节点，以此实现在该索引树中传递信息包时具有最小的总的耗能大小。所以从理论 上分析，该索引树可实现响应查询需求和传递查询结果所需消耗能量的最小化。
[0114] 本发明中所有伪代码都是用java语言编写，为保证实验结果的可比较性，均在同 一台机器上运行。机器为32位Wind〇ws7旗舰版系统，配置的处理器为Intel(R)Core(TM) i5-2400CPU@3. 10GHz，内存为 4. 00GB。
[0115] 用于实验的HWSN由1000、2000、4000、6000、8000以及10000个传感器节点分别进 行构造，这些传感器节点分布在350mX200m的区域中，偏斜度为20%至80%。根据HWSN查询属性的需求，查询属性的类别不可涉于过多，所以设置在HWSN中随机分布有10种感知 属性。每个传感器随机设置有0-9中的一个数值来表示不同的属性。
[0116] 同样假设两个节点间距离至多为r= 50m时才可以进行信息的交流与传递，即设 置r= 50m，也就是每个网格的大小大致为70. 7m。传感器节点分布的偏斜度在20%到80% 之间。在能量消耗模型中，选择Eelec=50，ε amp=〇. l，n=2,设传感器节点与节点之间 传递的数据包大小均为单位比特。并且该实验中的能量的单位都是nj(η焦耳），lnj = 10E-9J(焦耳）。其参数列表如下：
[0117] 表8实验设置参数表
[0118]
[0119] 为分析构造的基于网格分层聚类空间索引树的查询效率，进行了三种实验比较。 图7为具有不同传感器个数的传感器网络在不同偏斜度下，进行整个领域查找关于某一个 属性的传感器节点的能量消耗情况。由图7可看出，传感器网络中分布有相同数量的传感 器节点时，其查找某一单属性的传感器节点的能量消耗随偏斜度的增大而增多。在生活实 际中，如前文所介绍，更多的是这种传感器分布不均的情形，所以该查询更适用于真实WSN 的情况。
[0120] 图8为在由1000个传感器节点构成的HWSN，在不同的偏斜度下，分别查询1、3、5、 7和9个不同属性的传感器节点时所消耗的能量情况。HWSN在以更大的偏斜度分布时，其 查询相同属性个数的传感器节点消耗的能量更少，进一步辅助说明该索引树更适用于分布 不均的情况，或者说是接近于真实的传感器网络。并且由图还可以看出，在查询属性个数增 多时，传感器网络在相同传感器节点个数和分布偏斜度下，其能量消耗并未随之大幅增多， 由此可见，该结合多种感知属性的传感器节点所构成的传感器网络，比只由一种属性所构 成的传感器网络更加的节省能量。该结合多种感知属性的传感器所构成的传感器网络，可 看做是多个只由一种属性所构成的传感器网络合并而成，在这些只由一种属性所构成的传 感器网络中分别进行的单属性查询，可由该结合多种感知属性的传感器所构成的传感器网 络一次性完成，其耗费的能量也将大大减少。
[0121] 图9是基于整个领域中左下角传感器节点分布稀疏领域和右下角分布相对较密 集区域的查询。整个区域偏斜分布为60%，在查询1、3、5、7以及9种属性的传感器节点 时，两个子区域的能量消耗情况如图所示。查询区域以四个参数定义，例如对于稀疏区域 (0,0, 140, 100)表示以（0,0)为起点，即区域的左下角，长宽分别为140m和100m的区域。 图中所比较区域均为140mX100m，传感器节点分布稠密的区域比稀疏的区域查询节点消耗 能量更少，这是由于稠密区域网格与网格之间的权值更小，查询时依据基于分层网格聚类 的空间索引树所走的深度更小，所费能量更少，从而达到索引树的高效性。并且还可以从图 中看出，在两个子区域中查询时所消耗的能量，并不随查询属性的个数更加而大幅增多，这 也佐证了上面所说的，该结合多种感知属性的传感器节点所构成的传感器网络，比只由一 种属性所构成的传感器网络更加的节省能量。以上显示和描述了本发明的基本原理和主要 特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实 施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本 发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要 求保护范围由所附的权利要求书及其等效物界定。
【主权项】
1. 一种无线传感器网络中多属性查询方法，其特征在于，包括以下几个步骤： (1) 根据用户需求设定查询区域和查询属性； (2) 基于构造的索引树，初始化查询节点为根节点； (3) 根据倒排文件判断该节点是否包含所需查询的传感器，如果不包含则在该节点的 查询结束，如果最开始查询的根节点就不包含所需查询属性的传感器，则直接退出查询，返 回结果为空；如果包含所需查询的传感器，再判断该节点是否为叶节点，如果是，则将查询 到的传感器数据写入查询结果集，如果不为叶节点，则继续查询该节点的左右孩子节点，以 左右孩子节点作为查询节点，继续查询操作； (4) 返回所述查询结果集，即得到所需查询区域内的所需查询属性的传感器数据。2. 根据权利要求1所述的无线传感器网络中多属性查询方法，其特征在于，步骤（2) 中，所述索引树的构造方法如下： (2-1)定义传感器节点类和网格单元类：所述传感器节点类包括节点横纵坐标和属 性，所述属性即为该传感器节点所感知的信息属性；所述网格单元类包括该网格内的传感 器节点集合和倒排文件； (2-2)网格化传感器网络区域：将整个传感器分布的区域划分为等大小的网格，所述 网格都是正方形，并且网格的边长都是r是传感器节点与传感器节点间可交流信息 的半径长度； (2-3)采用一个二维矩阵来表示网格矩阵； (2-4)构造索引树的树节点类； (2-5)选择树节点的头结点：为每一个树节点选择头结点来进行数据的聚合和查询的 传递，选择最接近聚簇几何中心位置的传感器节点最大的优先权成为头结点； (2-6)树节点合并：依次计算相邻节点间的权值，不断进行合并，形成索引树根节点； (2-7)构造索引树：将合并节点和头结点的选择过程一直循环到形成索引树的根节 点，从而得到该索引树。3. 根据权利要求2所述的无线传感器网络中多属性查询方法，其特征在于，步骤（2-3) 中，采用一个二维矩阵来表示网格矩阵的方法如下： 设Pi代表不同的传感器节点，网格数组中的每个网格都包含有不同数量的一种或者 多种属性传感器节点，遍历每个网格中所包含的传感器节点，建立每个网格关于传感器属 性的倒排文件；用不同的形状来代表不同属性的传感器节点，总共有al，a2, a3三种属性的 传感器节点，分别对应着矩形、圆形和三角形节点； 对应于不同网格划分的网格倒排文件表，其中第一列代表网格ID，是由网格矩阵的行 row及列col，和网格矩阵的列数cols来计算的，即ID = rowXcols+col，第二列是网格在 网格矩阵中的坐标，第三列则是对应于每个网格的倒排文件，它由一系列的条目组成，每个 条目都包括属性，标记a，属性a的频率，属性为a的传感器节点序列。4. 根据权利要求2所述的无线传感器网络中多属性查询方法，其特征在于，步骤（2-4) 中，所述索引树的树节点类构造方法如下： 每个树节点包括其自身的Id、父节点、子节点、倒排文件、头结点，初始叶节点父节点和 子节点为空，自身Id即为其网格的Id，倒排文件即构成它的网格的倒排文件；由具有倒排 文件和网格编号ID的网格集合构造该索引树的初始叶节点，此时树节点的数目即叶子节 点的数目，即整个领域中划分网格的数量。5.根据权利要求2所述的无线传感器网络中多属性查询方法，其特征在于，步骤（2-6) 中，节点相邻，即该两个节点中存在相邻的网格，网格相邻即两个网格处于地理位置上的相 邻，拥有相同的一个网格边；然后选取相邻节点间具有最大的权值的两个节点，合并合成新 的节点，并将该两个节点设为新节点的孩子节点，新节点设为该两节点的父亲节点，新节点 的倒排文件也是由该两节点的倒排文件进行合并而得。
【专利摘要】本发明公开了一种无线传感器网络中多属性查询方法，包括以下步骤(1)根据用户需求设定查询区域和查询属性；(2)基于索引树初始化查询节点为根节点；(3)根据倒排文件判断该节点是否包含所需查询的传感器，如果不包含则在该节点的查询结束，如果最开始查询的根节点就不包含所需查询属性的传感器，则直接退出查询，返回结果为空；如果包含所需查询的传感器，再判断该节点是否为叶节点，如果是，则将查询到的传感器数据写入查询结果集，如果不为叶节点，则继续查询该节点的左右孩子节点，以左右孩子节点作为查询节点，继续查询操作；(4)返回查询结果集，即得到所需查询区域内的所需查询属性的传感器数据。本发明能量消耗小且查询效率高。
【IPC分类】H04W84/18, G06F17/30
【公开号】CN105357775
【申请号】CN201510628919
【发明人】周长兵, 赵登, 舒磊
【申请人】广东石油化工学院
【公开日】2016年2月24日
【申请日】2015年9月25日