[发明专利]WSN程序中事件过程实例的识别方法、介质和设备在审

专利信息
申请号: 201910898137.6 申请日: 2019-09-23
公开(公告)号: CN110716871A 公开(公告)日: 2020-01-21
发明(设计)人: 孙玉霞;任羽 申请(专利权)人: 暨南大学
主分类号: G06F11/36 分类号: G06F11/36
代理公司: 44245 广州市华学知识产权代理有限公司 代理人: 郑浦娟
地址: 510632 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 指令 实例信息 数据结构 程序运行过程 动态存储 列表存储 时空开销 事件过程 系统操作 中断事件 点信息 非中断 实时性 判定 搜索 跟踪 更新
【说明书】:

发明公开了一种WSN程序中事件过程实例(简称实例)的识别方法、介质和设备,针对于中断事件和非中断事件的实例,首先定义实例中的关键执行点并且设置数据结构,在WSN程序运行过程中执行每条指令时,可以根据该指令所属的关键执行点更新实例信息,从而实时的获取到当前所执行指令对应的实例信息,判定出当前指令所属实例,具有更强的实时性。本发明在实例识别过程中,只需要使用几个恰当的关键执行点,不需要作额外的系统操作假设,因此能够有效提高通用性。另外,本发明实现实例识别,只需要几个数据结构动态存储少量的执行点信息并且实时的跟踪实例的切换即可,不需要利用列表存储和搜索大量信息,因此本发明方法能够明显降低时空开销。

技术领域

本发明涉及软件测试技术领域,特别涉及一种WSN程序中事件过程实例 (简称实例)的识别方法、介质和设备。

背景技术

物联网是信息技术领域的一次重大变革,无线传感器网络(Wireless SensorNetwork),简称WSN,是物联网中感知事物、传输数据的重要手段。部署在被 监测区域内的大量传感器形成一个WSN,这些传感器节点通过无线通信组成一 个多跳的自组织网络。这些节点协同地感知、收集和处理被监测的对象或环境 信息,并通过WSN发送给监测者。

WSN作为物联网(IoT)生态系统的重要组成部分,越来越多地应用于各种应 用领域。它能帮助人类增强感知、改善健康、保护环境等。例如,哈佛大学的 Matt Welsh教授领导开发了一个WSN系统,对厄瓜多尔的活火山进行了持续19 天的观测:该系统采用Mica2传感器节点以100Hz的频率采集地震和声音数据, 次声麦克风节点将所采集的数据发送给基站,而基站将数据实时地传送到离火 山十多公里远的监测中心;监测中心还能远程控制各网络节点;该系统以低耗 费和灵活安全的方式获取了大量的火山监测数据,其价值是不言而喻的。

WSN软件是事件驱动的网络嵌入式软件,它通过协同的事件处理逻辑(即 事件过程)来实现。由于传感器上的硬件资源有限,WSN程序的源码看起来很 简短,然而复杂的系统并发模型使得各种事件过程的动态执行(即事件过程实 例,简称实例)复杂地交织在一起。WSN程序员仅通过查看源码难以预知程序 的动态执行过程,因此程序很容易出错。

近年来,随着WSN应用的日益增加,越来越多的软件错误被报告和关注, 为了提高WSN程序的软件质量,开发各种离线和在线程序分析技术具有重要意 义,作为这些技术的共同基础,迫切需要一种通用的高效、实时的事件过程实 施识别方法。目前主要是通过TinyOS操作系统实现WSN程序的编程和运行, TinyOS并发模型的特点是中断处理模块的抢占执行和任务的推迟执行。由于这 些nesC模块之间相互依赖、复杂交织,TinyOS程序的动态执行过程难以理解、 容易出错。目前市面上和研究领域中的一些不错的事件过程实例分析和测试技 术,虽然可以取得不错的效果,但这些技术仍存在一些不足之处,详述如下:

(1)隐含地假设测试程序的所有任务发布操作都是原子性的。换句话说, 事件-过程-实例是过程实例,不涉及失败的任务发布。然而,大多数WSN应用 程序允许任务发布操作在执行过程中被中断。因此,有必要放宽现有技术的原 子性假设,开发一种更通用的实例识别算法。

(2)某些方法为了实现离线分析,并不主要关注效率和实时性问题。但是 有效的实例识别是实现有效的基于实例的分析的基础。即使对于动态离线分析, 基于实例的程序行为的收集也需要高效的实例识别来支持高效的在线收集。

(3)不能实时确定所有实例点,因此不得不推迟一些实例点的决策。每当 一个实例可能的决策点被发现时,一个程序分析器必须标记这一点,与这可能 已经结束的实例的实时信息保持联系,在未来发现这一点是一个真正的决策点时 回滚到这一点。这种标记和回滚使得动态分析的信息收集逻辑与实例识别逻辑 紧密耦合,导致动态分析过于复杂,容易出错。

发明内容

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于暨南大学,未经暨南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910898137.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top