背景
無線感測網路(Wireless Sensor Network)由於其電力供應是由電池所提供，無線傳輸和感測皆須消耗相當量的電力，使得無線感測網路的續航力相對顯得不足而造成實際應用上實用性的降低。然而目前在這方面的研究皆只有著重於如何節省能源消耗量，而無有效方法能確切規劃感測器之使用期限，因此我們從另一個方向來提出一種可能的解決方式，以期望能達到使用者所預定的監測時限，方便監測計畫的訂定和付出成本的計算。

目的
基於以上前提，我們希望能夠發展具有以達到任務期限為目標下之無線感測網路感測時程(Acquisition Rate)和突發事件應對的排程技術。儘可能在不同電力供應下，滿足應付查詢(Query)所需之特定突發狀況的同時，還能夠將剩餘的資源做有效的分配利用。
針對這項問題，首先要考慮到感測器的網路拓樸結構採用樹狀結構，因而越是接近伺服器端的節點必須負責傳遞下端子節點的封包，所需消耗的能量將隨子節點的數目而增加。其次在於針對使用者所要求的特定條件，其所需消耗能量的多寡若超出原先統計分析的估計值時，如何重新排程以求儘可能達到原先預定使用期限。

方法
為此我們需要設計一套能有效管理感測排程的查詢系統，針對各種不同的變因得出最佳的排程，並回覆使用者如此執行的可靠度(Confidence)，來決定此查詢的可行性或者需要如何修正。本方法假設網路分布狀態和密度皆為已知且節點分佈為均勻分佈，原因為均勻分佈下能平均的收回各個地區的資料，使得資料的代表性較高。首先會依據過去的統計值，假設為normal distribution，對突發事件的機率和平均耗電量做一估計，接著保留估計期望值加上X倍的容許偏差範圍內電量後，將剩餘電量依據節點數和階層數做平均分配，假設在node初始電力皆相同的情況下，因為越上層的node其負責傳遞的資料量相對越多，因此成為整個系統lifetime的bottleneck。而我們又希望能平均取的各個單位區域的資料，故最佳結果應是各node回收的資料筆數差異度最小，而又同時能將電量盡量使用完以達到最高的資料總量，因此在保留用作事件處理的電量之後，剩餘電量會依據上列最佳解的定義將能源盡可能平均使用，並求出各階層節點的duty cycle。而後根據統計之機率和標準差使用Chebyshev’s Inequality來估計此一系統成功執行的可靠度，並視使用者對此可靠度滿意與否來決定是否要增加保留給突發事件之電量和偵測的頻率(Sample rate)已達到更高的可靠度或是犧牲部分可靠度來換取較高的偵測頻率。

[1]. Adam Silberstein, Kamesh Munagala, Jun Yang, “Energy-efficient monitoring of extreme values in sensor networks”, Special Interest Group on Management of Data (SIGMOD) Conference 2006

[2]. Alan M. Mainwaring, David E. Culler, Joseph Polastre, Robert Szewczyk, John Anderson, “Wireless sensor networks for habitat monitoring”, Proceedings of the First ACM International Workshop on Wireless Sensor Networks and Applications (WSNA) 2002

[3]. Alexandre G. Ciancio, Sundeep Pattem, Antonio Ortega, Bhaskar Krishnamachari , “Energy-efficient data representation and routing for wireless sensor networks based on a distributed wavelet compression algorithm” , International Conference on Information Processing in Sensor Networks (IPSN) 2006

[4]. Arvind Giridhar, P. R. Kumar, “Maximizing the functional lifetime of sensor networks” , International Conference on Information Processing in Sensor Networks (IPSN) 2005

[5]. Barbara Hohlt, Lance Doherty, Eric A. Brewer, “Flexible power scheduling for sensor networks”, International Conference on Information Processing in Sensor Networks (IPSN) 2004

[6]. Hai Liu, Pengjun Wan, and Xiaohua Jia, “Maximal Lifetime Scheduling for Sensor Surveillance Systems with K Sensors to One Target”, IEEE Transactions on Parallel Distributed System (TPDS) 17(12): 1526-1536 (2006)

[7]. Lige Yu, Lin Yuan, Gang Qu, Anthony Ephremides , ”Energy-driven detection scheme with guaranteed accuracy” , International Conference on Information Processing in Sensor Networks (IPSN) 2006

[8]. Qing Cao, Tarek F. Abdelzaher, Tian He, John A. Stankovic, “Towards optimal sleep scheduling in sensor networks for rare-event detection”, International Conference on Information Processing in Sensor Networks (IPSN) 2005

[9]. Ramanan Subramanian, Faramarz Fekri, “Sleep scheduling and lifetime maximization in sensor networks: fundamental limits and optimal solutions”, International Conference on Information Processing in Sensor Networks (IPSN) 2006

[10]. Sangeeta Bhattacharya, Guoliang Xing, Chenyang Lu, Gruia-Catalin Roman, Octav Chipara, Brandon Harris, “Dynamic wake-up and topology maintenance protocols with spatiotemporal guarantees” , International Conference on Information Processing in Sensor Networks (IPSN) 2005

[11]. Victor Shnayder, et al, “Simulating the Power Consumption of Large-Scale Sensor Network Applications”, Proc. ACM SenSys, 2004.