节能有效的无线传感器网络状态信息收集算法.doc

第6期刘琳等：节能有效的无线传感器网络状态信息收集算法135节能有效的无线传感器网络状态信息收集算法刘琳1,2，于海斌1，曾鹏1(1. 中国科学院 沈阳自动化所，辽宁 沈阳 110016；2. 中国科学院 研究生院，北京 100039)摘 要：网络状态信息收集协议既要保证信息收集的准确性、实时性，又要保证协议算法的轻量级特性。为解决上述矛盾问题，提出了一种轻量级的、能量有效的、基于无损聚合的层次分簇数据收集机制（QTBDC）。QTBDC首先对网络节点编码并在节点间建立起一个逻辑层次簇结构，然后利用各个子簇状态数据的相似性和编码的连续性，实现了网内无损聚合。该监测机制使得网络状态信息的收集在不丢失数据细节信息的情况下，数据通信量大大减少。经过仿真分析表明，该方法与现有经典数据收集方法相比，实现了节能，延长了网络的生命期。关键词：无线传感器网络；信息收集；无损聚合；区域四叉树中图分类号：TP393 文献标识码：A 文章编号：1000-436X(2009)06-0126-09Energy-efficient algorithm for network status information collecting in wireless sensor networksLIU Lin1,2, YU Hai-bin1, ZENG Peng1(1. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China;2. Graduate School of the Chinese Academy of Sciences, Beijing 100039, China)Abstract: The protocol of network status information collection guaranteed not only authenticity of the collected information but also lightweight of the collection algorithm. To solve the contradiction problem, a lightweight, energy efficient, in-network lossless aggregation and hierarchical cluster was proposed based on data collecting mechanism (QTBDC). In QTBDC, all the nodes in WSN were encoded and a logical multi-level cluster was constructed among the nodes. Making use of the similarity of network status data and continuity of node codes in sub-cluster, in-network lossless aggregation could be realized. Without losing details of network status data, this monitoring mechanism reduced communication cost significantly. Simulations show that, compared with the classical data collecting methods, the QTBDC makes WSN save more energy and therefore WSN sustains longer life cycle. Key words: wireless sensor networks; data collecting; lossless aggregation; range quad-tree1 引言 收稿日期：2008-06-21；修回日期：2009-03-08基金项目：国家自然科学基金资助项目（60434030）；国家杰出青年科学基金资助项目（60725312）Foundation Items: The National Natural Science Foundation of China(60434030); The National Science Fund for Distinguished Young Scholars (60725312)信息收集技术是无线传感器网络（WSN, wireless sensor networks）的重要研究内容之一，目前的研究绝大部分针对环境感知数据的收集技术。然而在WSN中，由于节点的通信能力较弱、能量有限以及外部环境的干扰，造成网络动态变化快，链路失效、节点死亡等现象时有发生，若对网络状态的变化情况不加管理很容易导致网络性能降低，甚至造成网络过早失效。因此，网络管理成为WSN出现后一个新的研究方向，并引起了研究人员的重视。网络管理就是通过监测网络状态和控制节点间的通信来优化网络的性能1。网络状态监测的主要任务是信息收集，这些信息包括：节点状态（如电池剩余能量、通信功率）、网络拓扑、链路状态、网络覆盖情况等。网络管理者利用收集到的网络状态信息对网络的运行状况进行分析，定位错误发生的位置或者预测将要发生的错误，从而对网络进行有效的配置，延长网络正常运行时间。网络状态信息收集离不开信息发送，而在能量有限的WSN中，通信能耗占网络总能耗的比重最大，减少通信量是算法设计自始至终要考虑的重要因素，因此，研究一种节能高效的信息收集和传输模式是解决问题的关键。状态信息的收集是网络管理的一部分，是为辅助网络正常运行而设计的。WSN的资源有限性要求状态信息收集的过程快速有效，不能长期占用网络资源，还要保证信息收集的精确性。本文以WSN中网络状态监测为背景，以收集详细的网络状态信息为目的，利用相邻区域节点的信息相似性，提出了一种轻量级的、节能高效的基于多层次簇结构的信息收集机制。文章结构安排如下：第2节简要介绍相关研究和存在的问题；第3节是问题描述和本文用到的系统模型定义；第4节是QTBDC算法设计；第5节通过仿真实验评估了算法性能并证明了它的有效性；第6节是结束语。2 相关研究在最初研究阶段，研究人员一般采用直接转发（forwarding directly）的方法收集数据，也就是数据一经采集到就发送到Sink节点，当网络规模较大时采用多跳方式发送。美国缅因州大鸭岛进行的动物习性监测实验2便采用这样的数据收集方式。该方法实现简单，适用于节点数目较少的WSN。当网络规模很大时，网络内部的通信量剧增，尤其是靠近基站的节点，成为WSN中的通信热点，导致该类节点过早的能量耗尽，影响了网络的连通性，从而影响了整个网络的生命期。要使通信量减少，需要减少数据收集过程中的报文发送量，比如减少报文发送次数或减少冗余信息的发送。在WSN的实际应用中，用户需要的通常不是单个节点监测到的数据而是某一地理区域或某一时间段的统计信息。WSN的节点都具备一定的计算能力，而计算能耗远远低于通信产生的能耗，因此，文献3提出了利用节点自身的计算能力对发送数据进行网络内处理（in-network processing）的思想，从而减少网络内部的数据发送量，达到节能的目的。这种设计理念一经提出便成为WSN领域的一个研究热点，在以往大量的信息收集算法研究中，大都采用了网内数据聚合（in-network data aggregation）技术和网内数据压缩技术来达到减少数据通信量的目的。网内数据聚合与采用的路由协议密切相关，目前的研究多采用2种典型结构：树形结构46和分簇结构79。树形结构首先要网络节点之间形成一个聚合树，Sink节点为树根，除叶节点外其他节点都为聚合点。数据在向Sink节点传递过程中在聚合点完成聚合，聚合后的结果由较少报文组成，然后发往上一层的聚合点进行再聚合直至Sink节点。分簇结构把网络节点划分成簇，每个簇选择一个节点作为簇首，簇内节点把数据发送给簇首，在簇首完成聚合，聚合后的数据发送至Sink节点。网内聚合使得数据通信量大大减少，但是上述2种结构均需要聚合点和被聚合点之间的通信连接，WSN网络的不稳定性使得链路失效频繁发生，因此，结构维护会产生很大开销。如果聚合点因能量耗尽或其他原因突然失效，那么该点收集的数据也会丢失导致收集结果不精确。网内数据聚合通过网内处理得到原始数据的统计信息，聚合操作一般有SUM（求和）、AVG（求平均）、MAX（求最大值）、MIN（求最小值）等。上述聚合操作是通过牺牲数据细节信息来换取通信量的减少。但是，在许多科学研究中需要详细的数据对监测的事物进行历史分析或发展前景预测，因此，该类网内聚合方法并不适合所有的应用。数据压缩可以根据不同的压缩比来获取不同精度的数据，压缩后能保持原数据集的特征基本不变。文献10，11从减少冗余报文或者合并报文使之共享报文前缀的角度实现数据压缩，压缩比很低，没有实现真正意义上的数据压缩，而且2种方法需要建立树形的路由进行数据压缩，需要对树进行结构维护。文献12，13采用了小波变换的方法进行数据压缩，压缩比高且能有效地还原数据，但是由于传感器节点的内存和计算能力有限（相对PC机而言），这种数据压缩算法目前还不能直接应用于WSN中。以上均为传感器感知数据的收集方法，基于网络状态监测的数据收集机制也可以采用这些方法。但是与感知数据相比，网络状态数据更简洁，一些网络状态数据可以用很少的几个离散数据表示，比如可以用0、1表示链路空闲或忙，或表示节点死亡或有效；信号强度或节点剩余能量也可以用事先定义好几个级别来表示。因此，这类节点状态数据可以用更少的字节表示，同时，在密集部署的WSN中，此类数据的冗余性更强。本文就是利用网络状态信息这种特性，通过建立一种不需要维护的逻辑结构来解决WSN中网络状态信息收集问题。3 问题描述和模型定义3.1 问题描述在WSN中，节点状态监测信息数据量较少，采样周期也较长，传输网络状态信息的报文中有效数据所占比例较低。因此，实际应用中可以采用信息搭载或报文合并的方法发送该类报文从而减少信息发送量。本文主要讨论如何利用数据相似性对监测数据进行网络内的无损聚合从而使通信量进一步的减少。在WSN中，数据越早被聚合、被聚合的节点数据越多，通信量就会越小。但“早聚合”和“多聚合”往往是一对矛盾。树形数据收集结构可以完成“早聚合”，但是聚合点只能聚合其子树上的数据，不能实现“多聚合”；分簇可以使参与聚合的节点数很多，但若簇很大，簇成员到簇首的距离超出它的通信半径，仍然不能实现“早聚合”。解决这一矛盾需要在数据何时被聚合与多少数据参与聚合之间做出均衡。WSN中用户感兴趣的并非单个传感器节点的监测值，往往是对应一个区域的节点监测信息的统计值，如对应一个特定大小区域节点的平均剩余能量。在不同的应用环境下，这个区域的大小会不同。假设用户感兴趣的最小区域如图1所示的网格，这个网格很小，能够达到用户对区域状态监测的最小粒度。Sink节点由能力较强的无线节点或计算机来担任。网络内节点每隔一定周期把自身状态信息发送给Sink。本文规定数据发送的最小单位为（l，d），称为一个元组。l用来表示节点或网格的位置，可用平面地理坐标来表示；d为节点状态监测值，可表示为网格内节点的平均状态信息或网格内活动节点状态信息。传感器节点发送的状态信息报文由控制报文和数据报文两部分组成。控制报文长度固定，数据报文由若干元组组成，其长度可变，但是存在一个最大值。由于相邻区域的节点功能相似，它们的状态信息比较接近，因此，可以对这些区域的数据进行聚合来减少冗余数据的发送。比如，若相邻网格的d值相同则可以聚合这些数据元组用一个元组来表示，减少报文长度。但是这种方法虽然聚合了数据信息却丢失了位置信息，导致Sink节点无法从收集到的数据中定位异常发生的位置，这样收集到的数据是没意义的。图1 活动节点的选择另外，当网络监测区域很大时，距离Sink较远的节点需要采用多跳的方式传输。多跳数据传输一定程度上增加了数据传输的距离，但同时也增加了丢包率。文献14给出了距离为d的相邻节点进行数据传输报文丢失的概率如式（1）所示。(1)其中，r为节点通信半径。若网络中存在一条路径为h跳，第i跳的距离为di，由式（1）可推导出报文在该路径进行成功传输的概率为(2)可见路径越短（跳数越小），报文传输的成功率越高。此外，在多跳网络中，数据传输时延大部分是由每跳的无线链路竞争、报文处理时间以及报文排队等待时间引起的；更重要的，随着跳数的增加，节点收发、处理数据的次数也相应增加，消耗的能量较多。虽然通过提高发射功率可以增加节点的通信半径，从而减少报文转发次数，但是却引起节点能量迅速耗尽，同时令相邻节点间的通信干扰增大。因此，减少报文传输跳数对数据收集的实时性、可靠性以及节能性意义重大。针对网络状态信息收集中存在的上述问题，本文提出了一种基于四叉树的数据收集结构（QTBDC, quad-tree based data collection structure），按照四叉树（RQT，range quad-tree）的思想对网络节点进行了层次簇划分，结构建立在本地进行，不需要节点间进行交互，因此，节省了簇结构建立和维护的开销。通过对节点进行编码，使其地理位置与一个十进制数一一对应，并且局部区域节点的编码连续，为数据的无损聚合提供了条件。报文的传输限制在一定的区域，使得报文的平均传输路径缩短。3.2 模型定义3.2.1 网络模型本文假设传感器节点在正方形平面监测区域R内随机部署，节点密度为。节点通过无线连接形成连通网络，该网络具有以下性质。1) 传感器节点和Sink（基站）节点一经部署不再移动，Sink节点唯一；2) 所有传感器节点具有相似的能力（计算、通信和能量），并且地位平等；3) 所有节点位置已知，可在部署时通过GPS或其他定位方法测定；4) 传感器节点通信半径相同，为r；5) 传感器节点周期性地向Sink节点发送自身状态信息，各节点的发送周期相同；6) 监测区域、网格大小和Sink节点位置对所有传感器节点已知。由于节点位置已知，网络内数据传输采用GPSR路由协议15，该协议中规定每个节点维护一个一跳邻居表，当节点接收到一个报文，它会从邻居表中选择距离目的节点位置最近的邻居作为下一跳。3.2.2 无线通信模型本文假设无线信道是对称的。使用了文献7中给出的一个简单无线通信模型。该模型定义了一个阈值d0，d0的取值与环境有关。当收发节点间的距离dcX)&(sYcY); /El=SE; /父节点为SE兄弟节点else if (sXcY); /Wl=SW; /父节点为SW兄弟节点else if (sXcX)&(sYcX)&(sYcY); /NEl=NE; /父节点为NE兄弟节点endreturn l；/返回选择出的兄弟节点图4 父节点选择4.4 无损数据聚合通过对监测区域进行基于区域四叉树的划分,并按照4.3节中的方法选择出簇首后。簇首之间形成一种逻辑意义上的四叉树结构。每层簇首节点负责收集对应子区域的监测数据并对其进行无损聚合操作。从第0层开始，每层节点把收集到的监测值发送给它的父节点，父节点收集齐4个子节点的信息后，把收集到的信息按其M码从小到大进行排序，如果相邻M码的属性值相等，则合并，只保留M码最小的元组。如图5为划分为3层的WSN，左边网格内为第0层节点收集到的节点剩余能量原始值，这些数据分别发送到各自的父节点（第1层节点），处理后的结果为图5中间数据表内的数据，它们是第0层的元组聚合后的结果，也是发往第2层的源数据。第1层节点处理后的数据为图5最右边的表格，这也是第1层的4个节点发送到Sink节点的源数据。在此例中，最终接收到的数据元组与第0层产生的原始数据相比减少了70.3%。图5 数据合并4.5 路由协议除第0层外，每层节点向它的父节点发送报文时一般要通过多跳才能到达。本文采用简化了的GPSR路由协议，每个节点维护一个长度为8的邻居表，分别记录S、N、W、E、SE、WE、SW和NW 8个方向上邻居节点的M码。边缘节点邻居不足8个时，每个方位若无邻居则表项为空。节点建立路由时会选择8个邻居中距离Sink最近的一个。除非网格内的节点全部失效（很少发生），每个网格内都存在一个活动节点，因此，很少发生GPSR协议中“空洞”的情况，如有发生则采用右手法则来选择下一跳节点。关于GPSR协议的详细设计不属于本文讨论的范围，感兴趣者可参考文献15。因为Sink为根节点，Sink的4个子节点分别位于监测区域SE、WE、SW、NW 4个子区域距离Sink最近的位置。假设活动节点位于每个网格的中心，活动节点数为N，网络区域左下角顶点的坐标为（0，0），Sink节点位于网络区域右上角顶点位置。采用数据收集树方式转发报文时，最大路径长度为，而采用本文提出的收集机制得到的最大路径长度为，这是因为报文传递的最大区域为原区域的1/4，因此，与前者相比最长路径缩短了2倍。路径长度的缩短有利于提高报文发送的成功率和减少传输时延。另外，第0层的原始数据在发送到Sink的过程中，如果未被合并，那么它总是朝着Sink的方向传递，不会发生“折回”的现象。这是因为每层的簇首总是选择距离Sink较近的节点，因此，节点层次的划分和父节点的选择并没有影响选路的效率。5 性能分析5.1 仿真设置利用MATLAB7仿真工具对本文提出的QTBDC数据收集机制和现有的两类典型数据收集方法LEACH和TREE进行了比较。仿真场景设置为：网络节点在监测区域以网格状分布，节点间距相等。节点周期性地向Sink发送自身剩余能量信息。一个数据收集周期定义为所有节点发送自身能量级别到Sink节点的过程。节点剩余能量定义了5个级别4，3，2，1，0，各级别的含义见表1，各能量级别的节点个数占总数的百分比分别为1%，3%，10%，21%，65%。表1能量级别剩余能量级别含义剩余能量（100%表示满）4很高85%，可选择作为高层父节点3较高85%70%，可选择作为低层父节点2高70%50%，可选择作为活动节点1低50%25%，不能担任活动节点0很低10%，建议更换与QTBDC相比较的2种方法分别是基于LEACH协议的数据收集方法（LEACH）和基于树的数据收集方法（TREE）。LEACH协议的详细描述可参考文献7。LEACH方法中规定节点发射功率可调。传感器节点发送数据到簇首，簇首把处理后的数据发送给基站。数据发送通过一跳传输来完成。TREE方法为网络中的节点构成一个负载平衡的数据收集树。算法主要思想是节点向Sink节点发送数据时总是选择负载最小且距离Sink最近的邻居节点作为下一跳。同LEACH协议一样，每个数据收集周期算都要对树结构进行维护。维护的过程为：Sink节点以Flooding的方式发送广播信息，广播的范围只限于周围的邻居节点；每个节点接收Flooding广播的同时记录接收到的邻居节点ID。每当有报文发送至Sink时从这些邻居节点中选取。仿真讨论的性能指标如下。能耗：包括网络一个周期数据收集的总能耗以及单个周期节点最大能耗。能量有效性是所有关于WSN的研究都关注的一个重要指标。能量有效性不仅体现算法的节能性使整个网络的能耗最低，还体现在算法是否使网络中的负载均衡使节点的最大能耗最小。路径长度：用路径的跳数表示。跳数影响能耗、数据传输时延和报文发送成功率。网络生命期：定义为网络从开始运行到第一个节点由于能量耗尽而死亡的持续时间（运行的数据收集周期的个数）。仿真用到的参数如表2所示。表2仿真实验参数设置参数值网格大小10m10mSink节点位置网络中心(Center)，网络外部角落(Corner)，网络内部随机(Random)节点划分层数/节点数1/4，2/16，3/64，4/256，5/1024通信半径r50mEelec50nJ/bitfs10pJ/bit/m2mp0.0013pJ/bit/m4数据报文长度12byte报文头长度10byte距离阈值(d0)50m5.2 不同收集策略性能比较当Sink节点位于网络中心，网络规模变化情况下3种数据收集方法网络能耗的比较如图6所示。可以看出，图6中QTBDC方法进行数据收集最节能，而且随着网络规模扩大，能耗情况上升幅度不大，体现了算法的可扩展性。当网络被划分为5层，网络节点数为1 024时，QTBDC的能耗比LEACH低92%，比TREE低78%。这是因为：1）QTBDC对节点位置信息进行了编码，缩短了报文长度；2）QTBDC簇首节点对邻近区域的数据进行了聚合，并对短报文进行合并，使数据报文包含更多信息。上述原因都使得QTBDC方法数据收集过程中的通信量大大减少，因此，通信能耗降低。而LEACH和TREE方法由于发送数据中包含节点的原始位置信息，为保留细节信息很难完成无损聚合操作，因此，数据收集过程中几乎没有网内聚合；另外，两方法周期性的维护开销也使得网络能耗大大增加。因此，两方法总的通信能耗远比QTBDC大。当节点数小于256时，LEACH和TREE能耗接近，但当网络规模变大，LEACH的能耗上升较快，是因为随着节点数增加、网络范围的扩大，LEACH中簇覆盖范围也扩大，因此，簇内越来越多的节点采用多路衰减模型计算通信能耗，能耗与节点通信距离的4次方成正比，导致LEACH能耗增长较快。能耗情况的仿真结果显示出QTBDC具有良好的节能性和扩展性。图6 能耗比较3种方法网络生命期的比较如图7所示。本文网络生命期由网络中节点的最大能耗来决定。生命期越长说明网络内单个节点最大能耗越小，网络节点间的负载均衡性越好。图7表明同样网络场景下QTBDC的生命期较长，充分说明了QTBDC在负载均衡特性上也好于LEACH和TREE。节点过早能量耗尽与网络的数据收集结构有关，如LEACH中簇首要负责整个簇内节点数据收、发，而TREE结构中节点层次越高，转发负载越大，同时又由于数据聚合后的数据量减少比例很小，因此，上述2种结构中个别节点通信负载过重，能量消耗过快。另外，由于LEACH和TREE周期性的结构维护，每个节点都要收、发用于维护结构的控制报文，消耗了能量，导致节点寿命缩短。在QTBDC方法中，地理位置信息的编码技术和无损聚合都使得网络通信量大大减少。尽管高层簇首节承担了较多信息发送任务，但与上述2种收集方法相比，聚合后的数据量远远小于原始数据通信量。QTBDC的结构建立通过本地计算完成，计算能耗远远小于通信能耗，可以忽略不计，因此，QTBDC几乎没有结构维护开销。所以，QTBDC是适用于WSN中数据收集的一种节能有效的方法。图7 网络生命期比较5.3 传输路径跳数由式（2）可以看出，报文发送的路径越短则发送成功的概率越大。在网络部署中相邻节点间的距离相差不是很大，因此，定义路径长度为报文到达目的节点所经历的跳数。TREE和QTBDC都采用多跳通信方式，以下仿真只对这2种方法进行比较。仿真比较了不同的Sink节点位置、不同网络规模下的路径跳数。实线为QTBDC的仿真结果，虚线为TREE的仿真结果。Sink节点位置分别设置在网络中心（Center）、网络边缘4个角落中的一个角（Corner）和网络内随机（Random）3个位置。图8为2种数据收集方式下平均跳数的比较。很明显，QTBDC方式下网络规模对平均跳数的影响不大，总是在一跳和两跳之间。这是因为QTBDC采用层次簇划分，而且层次越高节点数越少。因此，网络中绝大部分节点都参与短路径传输，所以，路径长度平均值较小。网络规模越大，参与短路径传输的节点数也越多，因此，平均路径长度趋于下降。图9为路径最大跳数的比较，QTBDC的报文传输局限于节点所在区域，节点的层次越高，它向高层簇首传输数据的路径越长，但报文传输的范围不会超过监测区域的1/4；而TREE的报文在整个网络区域内传输。这就导致图9中TREE的仿真结果总是高于QTBDC。当Sink位于Corner位置时，仿真结果与4.4节的分析结果相符，TREE的最大传输路径为QTBDC的2倍。图10为长度不同的路径占所有路径的百分比，在QTBDC方式下，4跳以内的路径占98%，当Sink位于网络中心时该比例为100%。当Sink位置为网络内随机位置时，QTBDC得到的最大路径长度为9，但是高于4条的路径占有比例很低，只是个别节点，这是由Sink节点位置的不合理造成的。而TREE方法下，无论Sink节点位置如何，在对应最大路径长度范围内，各长度路径占有比例较均衡，这也是图8中TREE的平均路径长度较大的原因。因此可以看出，Sink节点位置对上述2种方法的最长路径的长度影响较大，但从各长度路径占有比例来看，QTBDC方法报文传输路径绝大部分是短路径，而且路径的平均长度总保持在4跳以内。从上述仿真结果可以判断QTBDC方法具图8 平均跳数比较图9 最大跳数比较图10 不同长度路径占有比例有较好的扩展性，报文成功发送率和实时性与TREE方法相比较高，从而可以推断QTBDC方法收集到的数据精度也会较高，将在以后的研究中对上述指标进行定量分析。6 结束语本文提出了一种简单有效的数据收集机制QTBDC，该方法利用区域四叉树的思想对网络节点进行了层次划分，划分过程在本地完成，节省了构建数据收集结构的通信开销。每层簇首节点对子层节点数据完成无损聚合，聚合算法简单有效，聚合后的数据通信量大大减少，特别适用于数据相似性强的WSN数据收集应用。此外，每层节点只需向它的上一层簇首发送数据，层次越高，节点间的距离越远，但是包含的节点数越少，这样就会使得网络内数据通信的平均路径长度缩短。仿真实验结果表明，采用QTBDC方式进行数据收集在节能的基础上，延长了网络生命期；绝大部分节点的短路径传输提高了报文发送的成功率，从而可以提高数据收集结果的精度。QTBDC充分利用了传感器节点的计算处理能力和局部区域的数据相似性，符合WSN算法设计的轻量级特性。但是，QTBDC的簇首选择策略对通信热点问题考虑不充分，使得某些节点因担任多层的簇首而耗能较多。在以后的工作中会考虑用一种负载均衡的簇首选择策略；另外，对数据收集精度、实时性和可靠性的定量分析也是下一步的研究内容。参考文献：1LEE W L, DATTA A, CARDELL-OLIVER R. Network management in wireless sensor networksA. Handbook of Mobile Ad Hoc and Pervasive Communications, American Scientific PublishersC。 USA, 2006.2SZEWCZYK R, POLASTRE J, MAINWARING A, et al. Lessons from a sensor network expeditionA. Proceedings of the 1st IEEE European Workshop on Wireless Sensor Networks and ApplicationsC. Berlin, 2004.3YAO Y, GEHRKE J E. The cougar approach to in-network query processing in sensor networksJ. Sigmod Record, 2002, 31(3):9-18.4MADDEN S, FRANKLIN M J, HELLERSTEIN J M, et al. TAG: a tiny AGgregation service for ad-hoc sensor networksA. Proceedings of the Fifth Annual Symposium on Operating Systems Design and ImplementationC. Boston, MA, USA, 2002. 131-146.5MOTEGI S, YOSHIHARA K, HORIUCHI H. DAG based in-network aggregation for sensor network monitoringA. International Symposium on Applications and the InternetC. Phoenix, Arizona, USA, 2006. 292-299.6ZHAO Y, GOVINDAN R, ESTRIN D. Residual energy scans for monitoring wireless sensor networksA. Proc