Muitas pesquisas em redes de sensores sem fio (RSSF) têm sido desenvolvidas nos últimos anos, com foco na economia de energia dos nós sensores. Para alcançar este objetivo, tais pesquisas utilizam como estratégia a redução de dados enviados na rede. Neste trabalho, é proposta uma estratégia eficiente de agregação e predição de dados em RSSF, com o objetivo de reduzir o volume de dados enviados através da rede e assim maximizando a vida útil desta. A estratégia de predição proposta, chamada ADAGA-p, é baseada em um modelo de regressão linear, utilizando dados obtidos a partir de um ou vários sensores. Além disso, ADAGA-p é totalmente distribuído, sendo executado em rede por vários sensores distribuídos em uma RSSF. Resultados experimentais demonstram que ADAGA-p é capaz de reduzir o consumo de energia em RSSF.

Palavras-chave: Banco de Dados, Agregação, Predição de Dados, Redes de Sensores Sem Fio

Ver menos

Over the past few years, many research works in Wireless Sensor Networks (WSN) have been focused on node power saving. In order to achieve this goal, the amount of data sent over the node network should be reduced. In this work, we propose an efficient strategy that aggregates and predicts data in WSN, aiming at to reduce the data volume sent over the network and thus maximizing the network lifetime. The proposed prediction strategy, denote ADAGA-p, is based on linear regression model, using data acquired from one or several sensors. Furthermore, ADAGA-p is fully distributed, being executed in-network by several sensors distributed in a WSN. Experimental results show that ADAGA-p is able to reduce power consumption in WSN.

Keywords: DataBase, Aggregation, Data Prediction, Wireless Sensor Networks Ver menos