TinyDB[18]采用基于关系的数据模式，并对传统的关系模式进行了扩展。它把传感器节点的测量数据定义为一个单一的、无限长的、有两类属性的虚拟关系表：M27128-2F1一类用来定义测量数据，如节点标识符、测量时间、测量数据类型、单位等；另一类用来描述测量数据本身，如温度、位置等。传感器产生的测量数据对应表的一行，对数据的查询就是对这个无限虚拟表的查询。美国斯坦福大学针对WSN开发的STREAM[191系统采用的也是基于关系的数据模式。它把数据流建模为无边界的、只能进行添加操作的元组对（tuple，timestamp）组成的数据流，把关系作为支持更新、插入和删除操作、随时间变化的元组包。其语义建立在3组抽象操作上：关系一关系操作、数据流一关系操作和关系一数据流操作。

   COUGAR[20]_个基于抽象数据类型（Abstract Data Type）的数捃流系统，它采用两种模式对数据进行建模：用对象关系模式来组织建模存储数据；引入一种时间序列模式建模组织传感器监测数据，并定义了相应的关系代数操作、时间序列操作，以及关系及时间序列之间的操作。

   针对传感器测量数据的不确定性，PSRA[21]扩展传统的关系模型到概率数据流关系（Probabilistic Stream Relation）模型，并扩展传统关系模型的操作，在概率数据流模型上定义了Stream Union，Stream Intersection，Stream Select，Streamproject，Stream Join等操作。PSRA通过概率数据流模型有效地解决了WSN的数据不确定性及数据的相互关系等一些特征，并提供了能量高效的操作。

   传感器网络的有些应用并不需要精确的测量数据，例如，对森林防火监控，用温度传感器对周围的环境进行监控，对测量的数据并不需要它的精确值，只需把测量数据划分为低、较低、中、较高、高、极高几个等级。根据这一类应用的特征，文献[22]中提出一种基于粗糙集(Rough Set)理论的数据建模方法。利用粗糙集对数据建模，可以很好地实现数据融合操作，从而减小数据存储量及网络传输量，达到节约能量，延长网络寿命的目的。