Die Fähigkeit des Wireless Sensor Networks (WSN), für die Informationen Verarbeitung, Energieeinsparung Aufgaben und ihre Wirksamkeit hängt weitgehend von der Gewährleistung der Stabilität der Netzwerk-Eigenschaften ab. Unberechenbare Natur von WSN, bei gleichzeitiger strengen Anwendung Anforderungen, erfordert die Einbeziehung der Wartungsmechanismen (Maintenance). Das Ziel dieser Arbeit ist es, der Entwurf einer Reihe von Wartungs-Techniken für die Bewältigung der häufigsten und wichtigen Problemen die auf WSN auswirken.

Diese These definiert vier verschiedene Wartungs-Probleme und präsentiert effiziente und robuste Lösungen. Es wurden in dieser These folgende Probleme behandelt: Localized Energy Hole Profiling - das Lokalisieren der ungleichmäßigen Energieverteilung in dem Netzwerk, Topology Oriented Maintenance - das Finden und Beheben von Unregelmäßigkeiten der Topologie, Distributed k-Connectivity Maintenance - Sicherstellung der Zuverlässigkeit der Kommunikation durch Bereitstellung kostengünstigen Ressourcen lokalisierte k-Konnektivität mit Latenz Garantien, und Adaptive Spatial Sampling - dynamische Anpassung der räumlichen Abtastauflösung, um die Dynamik der überwachten Phänomenen zu entsprechen. Die in dieser These präsentierte Algorithmen zur Bewältigung der vorgestellten oben skizzierten Probleme bilden zusammen Wartung Framework für WSN.

Localized Energy Hole Profiling: WSNs zeigten an ungleichmäßige Energieverbrauch Verteilung induziert durch ungleichmäßige Verteilung der Kommunikationsverkehrs oder durch die Messungsaktivitäten, die sich als Energie Löcher manifestierten. Diese Energie Löcher sind direkte Quelle das Netzwerk-Partitionierung und verusachen die Messungshohlräume. Die These präsentiert neue dezentrale Profiling-Algorithmen für generalisierte Arten von Energie Löcher. Die Algorithmen suchen nach Grenzknoten und verwenden diese als eine Referenz, um die benötigte Energie von Sensorknoten im Energieloch zu berechnen. Diese, wenn aggregiert, erstellen winkligen und radialen Energie-Profile.

Topology Oriented Maintenance: dünne WSN Netzwerken leiden unter Topologie Unregelmäßigkeiten, auch wenn verbunden. Das wirkt negativ auf das Netzwerk Lebensdauer und Reaktionsfähigkeit, z.B.: Sensordaten Liefertreue und Latenz übertragen. Die These zielt direkt auf das Problem mit den vorgeschlagenen Algorithmen, die die Diskrepanz zwischen den Euklidischen und den Schritt (Hop) Entfernungen benutzen, um in-Netzwerk lokalisierte Strategien bereitzustellen. Diese Strategien (i) entdecken effizient generischen Topologie Unregelmäßigkeiten und (ii) identifizieren Standorte für minimale Anzahl von neuen Sensor-Installationen zu Behebung von Topologie Unregelmäßigkeiten und Erhaltung der gewünschten betrieblichen Anforderungen.

Distributed k-Connectivity Maintenance: das gemeinsame Konzept für Bereitstellung von Zuverlässigkeit in WSN basiert auf Gewährleistung globaler k-Konnektivität . Diese Eigenschaft garantiert, dass das Scheitern von bis zu k - 1 Sensorknoten keine Netzwerk-Partitionierung verursacht. These entwickelt eine Technik, die lokalisierte, nachhaltige Wartung, und effiziente Wiederherstellung der WSN k-Konnektivität ermöglicht. Der Ansatz basiert auf dem Prinzip, dass jeder Sensorknoten in seinem Routing-Baum hat mindestens k direkten oder indirekten Nachbarn, die sind platziert näher an der Sink als der Sensorknoten an sich.

Adaptive Spatial Sampling: Eine prominente Anwendung des WSNs ist die Überwachung von dem physikalischen Phänomen. Die überwachten Phänomene neigen oft dazu, unbekannte räumliche Verteilungen zu haben. Diese führen im Laufe der Zeit, entweder zum "under-"oder "over-sampling" von Signalen im Raum. Diese These skizziert einen Voronoi basierten, adaptiven räumlichen Sampling-Algorithmus, der auf die Minimierung der gemessenen Signaländerung an benachbarten Voronoi Sensorknoten zielt. Dieser Ansatz generiert zusätzliche neue Mess-Stellen in der "under-sampling" Regionen um spezifizierte Genauigkeit zu erfüllen.

Die Effektivität und Effizienz aller in dieser These beschriebenen Algorithmen wurden getestet durch umfangreiche Simulationen.