Метод и алгоритмы управления потоками данных в беспроводных системах промышленного мониторинга тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Иванова, Ирина Алексеевна

• Иванова, Ирина Алексеевна
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Иванова, Ирина Алексеевна

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СПОСОБОВ УПРАВЛЕНИЯ ПОТОКАМИ ДАННЫХ В БЕСПРОВОДНЫХ СИСТЕМАХ ПРОМЫШЛЕННОГО МОНИТОРИНГА

1.1. Организация передачи данных в беспроводных системах промышленного мониторинга

1.1.1 Объекты и способы промышленного мониторинга с помощью беспроводных систем

1.1.2 Технологии беспроводных сенсорных сетей как основа сбора и передачи данных в системах промышленного мониторинга

1.2 Управление информационными потоками в беспроводных системах промышленного мониторинга

1.2.1 Способы формирования схемы передачи данных в беспроводных системах

1.2.2 Способы агрегации данных в беспроводных системах

1.2.3 Коммуникационные модели передачи данных в беспроводных системах

1.3 Постановка задачи управления потоками данных в беспроводных системах промышленного мониторинга и пути ее решения

1.4 Выводы

ГЛАВА 2. РАЗРАБОТКА МЕТОДА УПРАВЛЕНИЯ ПОТОКАМИ ДАННЫХ В БЕСПРОВОДНЫХ СИСТЕМАХ ПРОМЫШЛЕННОГО МОНИТОРИНГА

2.1. Зона покрытия беспроводной сенсорной сети

2.1.1. Основные понятия и определения элементов зоны покрытия беспроводной сенсорной сети

2.1.2. Определение Аг-зонного перекрытия периметра

2.1.3 Алгоритм определения границ зоны покрытия

2.2. Алгоритм управления схемой обмена данными беспроводной системы промышленного мониторинга

2.2.1 Формирование дерева передачи данных

2.2.2 Управление схемой обмена данными в беспроводной системе с использование кода Прюфера

2.3 Выводы

ГЛАВА 3. ОРГАНИЗАЦИЯ СИСТЕМЫ ЗАПРОСОВ К БАЗЕ ДАННЫХ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ В УСЛОВИЯХ

НЕОПРЕДЕЛЕННОСТИ

3.1 Основные операции манипулирования данными в БД БСС

3.2 Система управления запросами к базе данных в БСС

3.2.1 Структура запроса

3.2.2 Структура менеджера запроса

3.2.3 Схема управления запросами

3.3. Операторы запросов

3.3.1 Основные операторы

3.3.2 Процедура использования оператора CASE для организации запросов к БД

3.3.3 Процедура использования оператора WITHIN 106 / 3.4. Модули базы данных

3.5. Выводы

ГЛАВА 4. РЕАЛИЗАЦИЯ АЛГОРИТМОВ УПРАВЛЕНИЯ В БЕСПРОВОДНЫХ СИСТЕМАХ ПРОМЫШЛЕННОГО

МОНИТОРИНГА

4.1. Апробирование алгоритма определения зоны покрытия беспроводной сенсорной сети

4.2. Оценка энергопотребления беспроводной системы в задаче промышленного мониторинга

4.3. Апробирование системы запросов к потокам данных в беспроводных системах промышленного мониторинга

4.4. Методика управления потоками данных в беспроводных системах промышленного мониторинга

Введение диссертации (часть автореферата) на тему «Метод и алгоритмы управления потоками данных в беспроводных системах промышленного мониторинга»

Актуальность работы.

В настоящее- время наблюдается увеличение числа техногенных катастроф, что требует разработки новых подходов к, системам, мониторинга. Федеральный закон № 68-ФЗ «О защите населения и территорий от чрезвычайных ситуаций природного и техногенного характера» от 21 декабря 1994 г. (в редакции от 19 мая 2010 г.) определяет необходимость разработки методов и средств мониторинга в промышленности. Наиболее перспективным направлением является сбор данных с сенсоров и передача информации с помощью беспроводной системы (БС).

Беспроводные системы обладают рядом принципиально новых возможностей, таких как мобильность, автономность, децентрализованное управление.

БС могут быть использованы во многих прикладных областях: оборона государства, комплексная безопасность сфер государственной деятельности, контроль окружающей среды, мониторинг промышленного оборудования, охранные системы, управление энергоснабжением, мониторинг физиологического состояния человека и т.д. Основным элементом "БС является сенсорный узел, включающий датчики, микроконтроллер, радиоприемопередатчик, автономный источник питания. Беспроводная система, использующая сенсорные узлы в целях мониторинга, называется беспроводной сенсорной сетью (БСС).

Важным фактором - при работе БСС является ограниченная емкость элементов питания, установленных на узлах. В связи с этим на сенсорных узлах выполняется только простейшая первичная обработка данных, ориентированная на уменьшение объема передаваемой информации и минимизацию числа циклов приема-передачи данных. В настоящее время исследования ведутся,- в основном, в области разработки новых протоколов связи. Однако при увеличении количествахенсорных узлов и с учетом того, что БСС работают в неопределенной- помехо-сигнальной обстановке, классическое применение коммуникационных протоколов" теряет свою эффективность.

Решением задач, связанных с оценкой, анализом и эффективным управлением, информационными потоками в БС, занимались ученые: Чинг-Чуан Чанга, Д.А. Молчанова, А.А.Захарова, К.А. Аксенова, JI.G. Волков, М.М. Комаров, С.Г. Ефремов и др. Большое внимание анализу и решению проблем разработки надежных БС, а также созданию программных и аппаратных средств для них уделяют ведущие компании Philips, Ember, Samsung, IBM, Motorola, Freescale Semiconductor, NEC, LG, OKI, «Высокотехнологичные системы» и др.

В последние годы в связи со значительной востребованностью БСС, не смотря на применение новейших технологий в области их аппаратной и программной реализации, проблема эффективного использования ресурсов БСС ощущается особенно остро. В настоящее время по причине наличия узлов с различными характеристиками и различным функциональным назначением практически отсутствуют какие-либо нормативы и методики по организации и управлению потоками данных в БС, однозначные рекомендации по процедурам использования .базы данных БС для хранения информации о состоянии сети и снятых датчиками показаний. В настоящее время заложены только основы для создания методологической базы по построению беспроводных систем промышленного мониторинга.

Для устранения существующих недостатков организации и функционирования БС необходима технология, которая устанавливает связи между узлами для формирования информационные потоки в БСС с целью обеспечения энергосбережения и достоверности отображения состояния объекта мониторинга. В связи с этим, должна быть решена задача разработки схемы обмена данными между большим количеством сенсорных узлов в условиях непрерывной модификации сети.

Задача разработки схемы обмена данными между большим количеством сенсорных узлов может быть решена на основе информации о составе, размере сети и функциональности ее отдельных узлов за счет разработки системы управления запросами для организации сбора и передачи данных в БСС, позволяющей сократить время для принятия решения организации потока данных и минимизировать энергопотребление сенсорной сети.

Актуальность настоящей работы определяется необходимостью разработки метода управления потоками данных в БС промышленного мониторинга, устраняющего недостатки, связанные с неопределенностью количества, характера и состояния узлов БСС.

Использование новой системы управления данными позволит создать качественно новое программное средство, существенно расширяющее перечень задач поддержки принятия решений управления БС в условиях неопределенности и обеспечивающее повышение адекватности и объективности принятия решений при низких временных затратах.

Цель и задачи

Цель диссертационной работы состоит в исследовании и разработке процессов управления потоками данных в БС промышленного мониторинга в условиях неопределенности.

Для достижения цели в диссертации решены следующие основные задачи:

1. Проведен анализ задачи управления потоками данных в БС промышленного мониторинга, современных моделей, методов, алгоритмов управления потоками данных. Выявлены недостатки и определены пути их устранения.

2. Проведен анализ возможности комплексного использования инструментария комбинаторного анализа и методов геометрической вероятности, теории графов для разработки методов управления потоками* данных в БСС в условиях неопределенности.

3. Разработан алгоритм определения зоны покрытия узлов БСС в условиях неопределенности.

4. Разработан алгоритм построения дерева передачи данных с учетом попадания узла в заданную зону покрытия для получения данных с узлов БСС в условиях неопределенности.

5. Разработана автоматизированная система управления потоками данных в БС.

6. Разработана система запросов к базе данных БСС для получения необходимой информации для принятия решения управления потоками данных.

Методы исследования

Для решения поставленных задач использовались методы геометрической вероятности, комбинаторного анализа, сетевых технологий, теории графов, математическое моделирование, технологии объектно-ориентированного программирования.

Научная новизна

1. Разработана математическая модель определения зоны покрытия сети на основе геометрической вероятности. Впервые разработана математическая модель процесса соединения узлов БС на основе кода Прюфера.

2. Разработан алгоритм определения зоны покрытия узлов БСС в условиях неопределенности.

3. Разработан алгоритм построения дерева передачи данных в БС на основе кода Прюфера, отличающийся от существующих способом идентификации узлов.

4. Разработана методика управления потоками данных в БС в условиях неопределенности. Данная методика отличается от существующих тем, что она определяет правила управления БС с неограниченным числом узлов, а также обеспечивает уменьшение их. энергопотребления- посредством минимизации числа циклов приема и передачи данных.

5. Для создания, модификации, управления потоками данных в. БСС создана система структурированных< запросов на основе SQL-подобных языков. Для управления энергетической", эффективностью и целостностью данных предложена новая процедура использования операторов WITHIN и CASE.

6. Разработана автоматизированная система управления потоками данных в БСС, которая состоит из двух модулей: серверного модуля для стационарных узлов (базовых станций) и сенсорного модуля для динамических и случайных узлов.

Практическая значимость

Предложенные модели и методы управления информационными потоками в БС доведены до конкретных алгоритмов, на основе которых создано программное обеспечение (ПО). В результате практического использования разработанного ПО удалось снизить энергетические затраты при управлении и взаимодействии узлов беспроводной сети. Это позволило повысить эффективность прохождения информации по БС.

Разработанное ПО1 «Программное обеспечение автоматизации мониторинга клиентских терминалов спутниковой связи («SWAM Satellite Communication»)» было внедрено в состав программного комплекса, разрабатываемого в ООО КБ «ЭлектронСистема». На данное ПО получено свидетельство о государственной регистрации программ для ЭВМ в Федеральной службе по собственности, патентам и товарным знакам (РОСПАТЕНТ) № 2009612648, 26.05.2009 г.

Разработанные методические положения использованы в учебном процессе при подготовке специалистов на кафедре «Автоматизированные системы управления и информационные технологии» ГОУ ВПО «Московский государственный университет приборостроения и информатики».

Апробация работы

Результаты работы докладывались на международной конференции «Современные направления теоретических и прикладных исследований 2009» (Украина, г. Одесса, 2009 г.), Четвертой Всероссийской научно-практической конференции «Компьютерная интеграция производства и ИПИ-технологии» (г. Оренбург, 2009 г.), Четвертой международной конференции-выставке «Экологические системы, приборы и чистые технологии» (г. Москва, 2010 г.), Пятой международной конференции-выставке «Промышленные АСУ и контроллеры 2010: от А до Я» (г. Москва, 2010 г.).

Основные положения и результаты работы докладывались и обсуждались на кафедрах факультета «Информационные технологии» ГОУ ВПО «Московский государственный университет приборостроения и информатики».

Публикации

По теме диссертации опубликовано 8 научных работ, в том числе, 3 в журналах, рекомендованных ВАК РФ, получено свидетельство о государственной регистрации программ для ЭВМ в Федеральной службе по собственности, патентам и товарным знакам (РОСПАТЕНТ) № 2009612648, 26.05.2009 г.

Структура и объем работы

Диссертация состоит из введения, четырех глав, заключения, списка литературы, состоящего из 125 наименований, и 3-х приложений.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Иванова, Ирина Алексеевна

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Проведенные исследования позволяют сформулировать основные результаты работы.

1. Проведенный анализ задачи управления потоками данных в БС промышленного мониторинга, современных моделей, методов, алгоритмов управления потоками данных показал, что существующие алгоритмы управления не обеспечивают принятия объективных и адекватных решений ввиду недостаточного обоснованного выбора параметров управления.

2. Проведенный анализ методов решения задачи управления потоками данных в БС доказал возможность комплексного использования инструментария комбинаторного анализа и методов геометрической вероятности, теории графов.

3. Разработан алгоритм определения зоны покрытия БСС в условиях неопределенности.

4. Разработана математическая модель и алгоритм построения дерева передачи данных в БС с целью минимизации энергопотребления в условиях неопределенности на основе кода Прюфера.

5. Для реализации разработанного метода и алгоритмов управления потоками данных в БС создана автоматизированная система, состоящая из двух модулей: серверного модуля для стационарных узлов (базовых станций) и сенсорного модуля для динамических и случайных узлов.

6. Для создания, модификации, управления потоками данных в БС создана система структурированных запросов на основе SQL-подобных языков. Для управления энергетической эффективностью и целостностью данных предложены новые процедуры использования операторов WITHIN и CASE.

ЗАКЛЮЧЕНИЕ

В диссертационной работе был проведен анализ объектов и способов промышленного мониторинга. Показано преимущество БСС над прочими системами. Рассмотрены технологии построения БСС, существующие подходы к передаче данных.

В результате проведенной работы были разработаны метод и алгоритмы управления потоками данных в беспроводных системах промышленного мониторинга. Разработан алгоритм и реализована модель определения зоны покрытия БСС на основе геометрической вероятности. Была разработана математическая модель и алгоритм построения дерева передачи данных на основе кода Прюфера.

Уменьшение время работы сенсорного узла за счет его участия не во всех проводимых опросах, а также исключения ряда повторяющихся запросов за счет агрегирования и ведения истории запросов позволило снизить энергопотребление и увеличенить жизненный цикл БСС. Создана система управления запросами в БСС с использованием схем разделения и агрегации запросов. Разработаны новые процедуры использования операторов SQL-подобного языка CASE и WITHIN для уменьшения количества опрашиваемых сенсорных узлов в зависимости от состояния наблюдаемого объекта. Таким образом, вся сеть может поддерживать баланс потребления энергии. Предложена распределенная схема организации базы данных, включающая в себя серверный (для базовой станции) и сенсорные модули.

На основе методов и алгоритмов было разработано программное обеспечение, которое было использовано при разработке программно-аппартаного комплекса промышленного мониторинга объектов специального назначения в ООО КБ «ЭлектронСистема».

Список литературы диссертационного исследования кандидат технических наук Иванова, Ирина Алексеевна, 2010 год

1. Louis Sirico, Chris Parker, Jeff Thorn, 1.telligent Industrial Sensors Go Wireless, 2010; http.V/rfid.net/basics/wireless-sensor-networks-wsn/1 50-intelligent-industrial-sensors-go-wireless

2. Mareca Hatler, Darryl Gurganious, and Charlie Chi Ph.D Industrial Wireless Sensor Networks Published: March 2010 Pages: 157 (98 figures, 53 tables) http://onworld.com/smartindustries/index.html

3. Иванова И.А. Проблема автоматизации передачи сигнала при ограниченной мощности передатчика // Промышленные АСУ и контроллеры, 2010: №7, с. 15-16.

4. Таненбаум Э. Компьютерные сети, СПб.: ПИТЕР, 2007, 992 с.

5. Воронин А. Сенсорные сети. http://www.technofî-esh.ru/technology/appearance/sensorable.html

6. Сергеевский М. Беспроводные сенсорные сети.// КомпьютерПрес, 2007, №8.

7. Кривченко Т. Технология ZigBee «Коммунальный комплекс России», N4, 2006.

8. Варгаузин В. Радиосети для сбора данных от сенсоров, мониторинга и управления на основе стандарта IEEE 802.15.4 ТелеМультиМедиа №6, 2005.

9. ZigBee Alliance, Association of Companies, "ZigBee Specification 1.0," 2005 Online. Available: http://www.ZigBee.org/

10. И. Е.Баранова, "IEEE 802.15.4 и его программная надстройка ZigBee",2007

11. Семенов' Ю.А. Беспроводные сети- ZigBee и, IEEE 802.15.4, http://book.itep.ni/4/41/zigbee.htm

12. Стандарт ZigBee и платформа MeshLogic: эффективность маршрутизации в режиме "многие к одному" Баскаков С.С. // Первая миля (приложение к журналу «ЭЛЕКТРОНИКА: Наука, Технология, Бизнес»), 2008 г., №2-3

13. Беспроводные сенсорные сети на базе платформы MeshLogic Баскаков С.С., Оганов В.И. // Электронные компоненты, 2006 г., №8

14. Беспроводные сенсорные сети: вопросы и ответы Баскаков С.С. // Автоматизация в промышленности, 2008 г., №4

15. Опыт применения радиочастотных модулей MeshLogic для разработки беспроводных систем сбора данных Баскаков С.С. // Беспроводные технологии, 2009 г., №3

16. Встраиваемые модули MeshLogic для построения беспроводных сенсорных сетей Баскаков С.С. // Встраиваемые системы, 2009 г., №3

17. Оценка энергопотребления беспроводных узлов в сетях MeshLogic Баскаков С.С. // Беспроводные технологии, 2010 г., №1

18. Беспроводная система мониторинга состояния строительных конструкций. Баскаков С.С. // Беспроводные технологии, 2010 г., №3

19. Беспроводной модуль ML-Module-Z: модель энергопотребления. www.meshlogic.ru/data/EnergyModelML-Module-Z.zip.

20. Гайнулин, А.Г. Маршрутизация в. беспроводных сетях с коммутацией каналов // Тезисы докладов VI- международной научно-технической конференции «Будущее технической науки» / НГТУ Н. Новгород: Изд. НГТУ, 2007 - 91 с.

21. Гайнулин, А.Г. Моделирование алгоритма маршрутизации передаваемых данных в беспроводных сетях со смешанными типами коммутации // Вестник Нижегородского Университета им. Н.И. Лобачевского. 2008. - № 1. - 93-99 с.

22. Юдин Д.Б. Задачи и методы стохастического программирования. Изд.2 2010.392 с.

23. Случайные процессы Автор: И.К.Волков, С.М.Зуев, Г.М.Цветкова Издательство: МГТУ им. Н.Э.Баумана Год: 1999 стр.448.

24. Тарасевич Ю.Ю. Перколяция: теория, приложения, алгоритмы 2002. 112 с. Едиториал УРСС

25. Y. Higuchi, "Percolation," Yuseisha, Tokyo, 1992, in Japanese.

26. H. Kesten, "Percolation theory for mathematicians," Birkhauser, Boston,1982.

27. G. Grimmett, "Percolation," Springer—Verlag, New York, 1989.

28. M. V. Mensikov, "Coincidence of critical points in percolation problems," Soviet Mathematics Doklady, vol. 33, pp.856—859, 1986.

29. Д.О. Жуков, A.C. Алешкин, Краевые задачи и теория перколяции в моделях обработки и передачи данных, М.: Машиностроение, 2010, 213с.

30. Lingxuan Ни, David Evans. Localization for Mobile Sensor Networks. Tenth Annual International Conference on Mobile Computing and Networking (ACM MobiCom 2004), 2004.

31. Bartosz Przydatek, Dawn Song, Adrian Perrig. SIA: Secure Information Aggregation in Sensor Networks // In ACM SenSys (Conference on Embedded Networked Sensor Systems), November 2003.

32. Джулиан Хайд Данные на лету: как технология потокового SQL, помогает преодолеть кризис данных в Web 2.0*/Перевод Сергей Кузнецов // http://citforum.ru/database/articles/sqlstream/

33. М.Не Гринев, С.Д1 Кузнецов. Управление данными: достижения и проблемы // http://www.ict.edu.ru/fi/005644/6232 lel-st08.pdf

34. Samuel Madden, Wei Hong, Joseph M. Hellerstein, and Michael Franklin. TinyDB web page, http://telegraph.cs.berkeley.edu/tinydb.

35. N. Tatbul and S. Zdonik, "Window-aware load shedding for aggregation queries over data streams," Proceedings of the 32nd international conference on Very large data bases, 2006, p. 810.

36. Майкл Стоунбрейкер, Угур Гетинтемел, Стэн Здоник. Восемь требований к системе потоковой обработки в реальном времени / Перевод -Сергей Кузнецов // http://citforum.ru/database/articles/stream8req/

37. D.J. Abadi, D. Carney, U. Qetintemel, M. Cherniack, С. Convey, S. Lee, M. Stonebraker, N. Tatbul, and S. Zdonik, "Aurora: a new model and architecture for data stream management," The VLDB Journal, vol. 12, 2003, c. 120-139.

38. Krishnamchari B. Networking Wireless Sensors. — Cambridge University Press, 2005. — c. 202.

39. Иванова И. А. Определение периметра зоны покрытия беспроводных сенсорных сетей // Промышленные АСУ и контроллеры, 2010. № 10, с. 25-30.

40. Mihaela Cardei, Shuhui Yang, and Jie Wu Fault-Tolerant Topology Control for Heterogeneous Wireless Sensor Networks 2007 IEEE

41. Chi-Fu Huang Yu-Chee Tseng The Coverage Problem in< a Wireless Sensor Network, 2003.

42. Seapahn Meguerdichian, Farinaz Koushanfar, Miodrag Potkonjak, Mani B. Srivastava, Coverage Problems in Wireless Ad-hoc Sensor Networks

43. Walid Osamy, Ahmed M. Khedr, Identifying coverage perimeter of heterogeneous wireless sensor networks, http ://www.dcc .ufla.br/infocomp/artigos/v8.2/artO 6 .pdf

44. Иванов E.B., Козлов B.H., Курикша B.A. «Алгоритм определения координат в беспроводной сенсорной сети» // Труды 8-й Международной научно-технической Конференции «Цифровая обработка сигналов и ее применение», Москва, 2007

45. Dali Wei and Н. Anthony Chan "A Survey on Cluster scheme in Ad Hoc Wireless Networks," IEE Mobility Conference 2005, Guangzhou, China, Nov. 1517, 2005.

46. Haruko Kawahigashi, Yoshiaki Terashima, Naoto Miyauchi, Tetsuo Nakakawaji Modeling Ad hoc Sensor Networks using Random Graph Theory 2005 IEEE

47. Dali Wei, Shaun Kaplan and H Anthony Chan Energy Efficient Clustering Algorithms for Wireless Sensor Networks 2008 IEEE

48. S. Guha and S. Khuller. Approximation algorithms for connected dominating sets. Algorithmica, 20(4), 1998

49. Chen, Y.-Q., Kim, Y.-K., and Yoo, S.-J. Accurate sensor position estimation for wireless sensor networks using neighborhood relationship. IEICE Trans Commwj, E91-B(9):2907-2916, 2008.

50. Moses, O. L., Krishnamurthy, D., and Patterson, R. A self-localization method for wireless sensor networks. EURASIP Journal on Applied Signal Processing, 4:348-358, 2003.

51. Астраков C.H., Ерзин А.И., Залюбовсий. Сенсорные сети и покрытие плоскости кругами,/Дискретный анализ и исследование операций, том 16, №3,2009, 3-19с.

52. Linghe Kong, Xuemei Liu, Zhi Li and Min-You Wu Automatic Barrier Coverage Formation with Mobile Sensor Networks

53. В. Liu, O. Dousse, J. Wang, and A. Saipulla, ''Strong Barrier Coverage of;'Wireless Sensor Networks "ACMMobiHoc, 2008. .

54. A. Chen, S. Kumar, and Т. H. Lab "Designing-Localizedi Algorithms for Barrier Coverage", ACM MobiCom, Canada, 2007.

55. Chi Zhang, Student Member, IEEE, Yanchao Zhang, Member; IEEE, and Yuguang Fang, Fellow, IEEE A Coverage Inference Protocol for Wireless Sensor Networks

56. X. Bai, C. Zhang, D. Xuan, J. Teng, and W. Jia. Full-coverage and k-connectivity (k=14,6) three dimensional networks. In Proc. of IEEE InfoCom '09, Rio de Janeiro, Brazil, April 2009.

57. Y. Bejerano. Simple and efficient k-coverage verification without location information. In Proc. of IEEE InfoCom '08, Phoenix, AZ, April 2008.

58. M. Penrose. Random Geometric Graphs. Oxford University Press, Oxford, 2003.

59. A. Tiwari, F.L. Lewis, S.S. Ge. Wireless sensor network for machine condition based maintenance, in: Proceedings of International Conference on Control, Automation, Robotics, and Vision, 2004, pp. 461-467.

60. D. Tihan, N.D. Georganas. A coverage-preserving node scheduling scheme for large wireless sensor networks, in: Proceedings of ACM Workshop on Wireless Sensor Networks and5 Applications (WSNA), 2002; pp. 32-41.

61. R. Motwani, P. Raghavan, Randomized Algorithms, Cambridge Press,1995.

62. W. Ye, J. Heidemann, and D. Estrin, "Medium access control with coordinated, adaptive sleeping for wireless sensor networks," IEEE/ACM Trans. Netw., vol. 12, no. 6, pp. 493-506, Jun. 2004.

63. Вилекин Н.Я. Комбинаторика, Москва: «Наука», 1969. 328с.

64. Ежов И.И.,. Скороходов А.В., Ядрен ко М.И. Элементы комбинаторики / Перевод с украинского Кулик 3.JL, М.: «Наука», 1977. 80с.

65. Харари Ф., Палмер Э. Перечисление графов / Перевод с английского Г.П. Гаврилова, Москва: «Мир», 1977.

66. Xun Su. A combinatorial algorithmic approach to energy efficient information collection in wireless sensor networks. ACM Trans. Sen. Netw., 3(1):6, 2007.

67. Ying Zhang and Qingfeng Huang A Learning-based Adaptive Routing Tree for Wireless Sensor Networks // JOURNAL OF COMMUNICATIONS, VOL. 1, NO. 2, MAY 2006

68. S. D. Servetto and G. Barrenechea, "Constrained random walks on random graphs: Routing algorithms for large scale wireless sensor networks," in 1st ACM International Workshop on Wireless Sensor Networks and Applications, September 2002.

69. Igor Pak, UCLA Tree bijections IPAM workshop, September 9, 2009

70. Manwon Cho, Dongsu Kimf, Seunghyun Seo and Heesung Shin Colored Prufer codes for /c-edge colored trees // the electronic journal of combinatorics 11 (2004), №10.

71. R.P. Stanley, Emimerative Combinatorics vol. 2, Cambridge University Press (1999)

72. Tim Paulden and David K. Smith Developing new locality results for the Prufer Code using a remarkable linear-time decoding algorithm

73. Jian Li Amol Deshpande Samir Khuller On Computing Compression Trees for Data Collection in Sensor Networks arXiv:0907.5442vl cs.NI. 30 Jul 2009

74. H. N. Gabow, Z. Galil, T. Spencer, and R. E. Tarjan. Efficient algorithms for finding minimum spanning trees in undirected and directed graphs. Combinatorica, 6(2): 109-122, 1986.

75. R. Cristescu, B. Beferull-Lozano, andM. Vetterli. Networked slepian-wolf: Theory and algorithms. In EWSN, 2004.

76. R. Cristescu, В. Beferull-Lozano, M. Vetterli, and R. Wattenhofer. Network correlated data gathering with explicit communication: Np-completeness and algorithms. IEEE/ACM Transactions on Networking, 14(1):41—54, 2006.

77. S. Madden, M. J. Franklin, J. M. Hellerstein, and W. Hong, "TAG: a Tiny Aggregation service for ad-hoc sensor networks," SIGOPS Oper. Syst. Rev., vol. 6, pp. 131-146, 2002.

78. S. R. Madden, M. J. Franklin, J. M. Hellerstein, and W. Hong, "TinyDB: an acquisitional query processing system for sensor networks," ACM Trans. Database Syst., vol. 30, pp. 122-173, March 2005.

79. J. Gehrke and S. Madden, "Query processing in sensor networks," Pervasive Computing,IEEE, vol. 3, pp. 46-55, Jan.-March 2004.

80. C. Chekuri, G. Even, and G. Kortsarz. A greedy approximation algorithmfor the group Steiner problem. Discrete Applied Mathematics, 154(1): 1534, 2006.

81. Samuel Madden, Wei Hong, Joseph M. Hellerstein, and Michael Franklin. TinyDB web page, http://telegraph.cs.berkeley.edu/tinydb.

82. Y. Jie, Y. Bo, S. Lee, and J. Cho, "SAQA: spatial and attribute based query aggregation in wireless sensor networks," Lecture Notes in Computer Science, vol. 4096, pp. 15-24, 2006.

83. P. Kalnis and D. Papadias, "Multi-query optimization for online analytical processing," Information Systems, vol. 28, no. 5, pp. 457-^473, 2003.

84. W. Yu, T. N. Le, J. Lee, and D. Xuan, "Effective query aggregation for data services in sensor networks," Computer Communications, vol. 29, no. 18, pp. 3733-3744, 2006.

85. T. M. Gil and S.Madden, "Scoop: an adaptive indexing scheme for stored data in sensor networks," in Proceedings of the 23rd International Conference on Data Engineering (ICDE '07), pp. 1345-1349, April 2007.

86. C. Y. Ai, R. Y. Du, M. H. Zhang, and Y. S. Li, "Innetwork historical data storage and query processing based on distributed indexing techniques in wireless sensor networks," Lecture Notes in Computer Science, vol. 5682, pp. 264273, 2009.

87. D. Chu, A. Deshpande, J. Hellerstein, and W. Hong. Approximate data collection in sensor networks using probabilistic models. In International Conference on Data Engineering (ICDE), 2006.

88. B. Krishnamachari, D. Estrin, S. Wicker. The impact of data aggregation in wireless sensor networks, in: Proceedings of IEEE International Conference on Distributed Computing Systems Workshops (ICDCSW), 2002, pp. 575-578.

89. P. Bonnet, J. Gehrke, and P. Seshadri, "Towards sensor database systems," Mobile Data Management, 2001, pp. 3-14.

90. L. Giirgen, С. Labbe, С. Roncancio, and'V. Olive, "SStreaM: A model for representing sensor data and sensor queries," Int. Conf. on Intelligent Systems And Computing: Theory And Applications (ISYC), 2006.

91. Sensor Network Ш^Ш Sh To-Be (2010. 6), c. 49-63.

92. Сэм Алапати, Oracl Database 1 lg. Руководство администратора баз данных. М.: Вильяме, 2010, стр.1440.

93. Алекс Кригель, Борис Трухнов. SQL. Библия пользователя. М.: Вильяме, 2010, стр.752.

94. A. Silberstein, R. Braynard, and J. Yang. Constraint-chaining: On energy-efficient continuous monitoring in sensor networks. In SIGMOD, 2006.

95. T. van Dam and K. Langendoen, "An adaptive energy-efficient mac protocol for wireless sensor networks," in Proc. 1st ACMSenSys Conf., Los Angeles, CA, Nov. 2003, pp. 171-180.

96. W. Choi, S.K. Das. A novel framework for energy-conserving data gathering in wireless sensor networks, in:. Proceedings of IEEE International Conference on Computer Communications (INFOCOM), 2005, pp. 1395-1404.

97. W. Choi. A novel framework for energy and application-aware data gathering in wireless sensor networks. Ph.D. dissertation, UT Arlington, 2005.

98. Dali Wei and H. Anthony Chan Energy Efficient Dynamic Cluster Algorithm for Ad Hoc Sensor Networks

99. Кудряшов Ю.Б., Перов Ю.Ф., Рубин А.Б. Радиационная биофизика: радиочастотные и микроволновые электромагнитные излучения. М.: МГУ им. М.В. Ломоносова, 2008, стр. 184.

100. Ю.Б. Кудряшов. Радиационная биофизика (ионизирующие излучения). М.: МГУ им. М.В. Ломоносова, 2004, стр. 448.114. Seitl, ЖШЩ21 d|o|EH

101. ШШ да Я|<Н», Vol.16, No. 2,2009.

102. В. Di Chiara, М. Nonato , R. Sorrentino , M. Strappini , L. Tarricone Sviluppo di ambienti evoluti per pianificazione ottimale di- reti wireless QUADERNI DELLA SOCIETA ITALIANA DI ELETTROMAGNETISMO, VOL.1, N. 2 LUGLIO 2005 c. 86-93.

103. F.D'Andreagiovanni, Instradamento ottimo con vincoli di QoS in reti di telecomunicazioni Tesi di Laurea Specialistica, 2006

104. A.Cerrone, Progetto di algoritmi di ottimizzazione per il QoS routing in reti con architettura DiffServ/MPLS, 2005

105. S. Ci, M. Guizani, and H. Sharif, "Adaptive clustering in wireless sensor networks by mining sensor energy data," Computer Communications, vol. 30, no. 14-15, pp. 2968-2975, 2007.

106. C.M. Усманов. Радиация. Справочные материалы. Изд. Владос,2001, стр.176.

107. H. Gupta, S.R. Das, Q. Gu, Connected sensor cover: self-organization of sensor networks for efficient query execution, in: Proceedings of ACM Mobile Adhoc Network Symposium (MOBIHOC), 2003, pp. 189-199.

108. X. Hong, M. Gerla, H. Wang. Load balanced, energy-aware communications for mars sensor networks, in: IEEE Aerospace, vol. 3, 2002, pp. 1109-1115.

109. Riccardo Crepaldi. Algoritmi di localizzazione per reti di sensori: progettazione e realizzazione di una piattaforma sperimentale. PhD thesis, Universita degli Studi di Padova Dipartimento di Ingegneria dell'Informazione, 2006.

110. I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Cayirci, Wireless sensor networks: a survey, Computer Networks 38 (4) (2002) 393-422.

111. И.И. Елисеева, M.M Юзбашев. Общая теория статистики. 2004, стр. 656.

112. F. Garwood, The variance of the overlap of geometrical figures with reference to a bombing problem, Journal of Biometrika 34 (1947) 1-17.