作为物联网的重要组成部分,无线传感器网络得到了广泛的研究,其中,网内信息处理技术在提高网络服务质量、降低网络能量消耗、延长网络寿命等方面均具有重要作用,是无线传感器网络的热点研究领域之一。本毕业论文以无线传感器网络网内信息处理技术为研究点,对目标协同定位追踪技术、安全数据融合技术、数据查询技术以及源节点隐私保护技术等进行了研究,针对现有方案存在的不足,提出了更加完善、合理的解决方案。本文的创新点主要包括:1)提出了基于平面图理论的网内目标协同定位追踪方案,该方案将网内节点覆盖区域和覆盖漏洞区域均考虑在内。针对不同网络区域,本文基于k阶近邻图和GG平面图等几何结构设计了两种目标监测模式,即追踪目标模式和围捕目标模式。在追踪目标模式中,方案通过引入数据融合技术,提高了目标监测结果的准确性。在围捕目标模式中,方案设计了基于左手定则和右手定则的多边形双向遍历算法,以提高监测过程的连续性。通过结合以上两种模式,无论目标处于网络中何种位置,网络总能够为用户提供良好的目标定位追踪服务。仿真结果表明,本文所提出的方案在目标监测精度、监测过程的连续性以及节能等方面表现优秀。2)提出了基于信誉系统的网内数据安全融合技术,在该技术中,网络以“簇”的方式对传感器节点进行组织管理,每个节点簇单独地运行信誉系统,记录簇内节点的信誉值。进而,本文提出了安全簇头选择算法,降低将敌人俘获节点选为簇头的概率。簇头节点在数据融合过程中充分考虑节点监测值的可靠程度,通过离群点检测技术将不可靠数据剔除,仅将可靠数据进行融合,并将融合结果发送给汇聚节点。最后,汇聚节点通过对数据融合结果进行分析,并向簇内节点进行反馈,以达到加速信誉系统收敛的目的。通过网络中簇内节点、簇头节点以及汇聚节点的紧密协作,方案保证了数据融合结果的准确性和安全性。3)针对基于滤波器的top-k数据查询方案在传感器网络规模较大且环境真实值周期性波动的情况下表现差的缺陷,本文提出了基于定向游走模型的top-k数据查询方案。在该方案中,多个令牌相互独立地在网络中进行游走,通过分析遍历传感器节点的监测值,令牌动态地选择最佳游走方向,尽最大努力寻找网络中的局部极值。汇聚节点通过汇总多个令牌的top-k数据值,得到网络整体的top-k节点监测值。此外,本文还设计了智能top-k数据查询模式选择方案,充分利用不同方案的优势。仿真结果表明,在大规模传感器网络中,本文所提出的方案表现优秀。4)针对全局-局部智能敌人模型,本文提出了基于区域云和锚节点的源节点隐私保护方案。源节点在局部区域基于秘密共享片段构造一片区域云,通过设计传感器节点的行为,使得区域云内部传感器节点在统计学意义上具有不可分辨性。秘密共享片段在区域云的边缘通过虚假源节点以随机路由的方式传送到汇聚节点。当汇聚节点成功收集到一定数量的消息共享片段,便能方便地恢复出原始消息,此时,整个消息传输过程结束。仿真结果表明,本文所设计的方案能够为源节点隐私提供极强的保护,并且在数据传输量和能量消耗方面表现优秀。此外,秘密共享技术的引入还极大地提高了网络数据传输的可靠性。最后,本文分析了所提出的方案存在的缺陷及改进的方法,对无线传感器网络网内数据处理技术的发展方向进行了分析。此外,本文还梳理了无线传感器网络在网外数据存储、传输、应用和安全等方面面临的挑战,探讨了传感器网络与云计算技术和边缘计算技术进行结合的可能性。