TinyDB[18]采用基于關系的數(shù)據(jù)模式，并對傳統(tǒng)的關系模式進行了擴展。它把傳感器節(jié)點的測量數(shù)據(jù)定義為一個單一的、無限長的、有兩類屬性的虛擬關系表：M27128-2F1一類用來定義測量數(shù)據(jù)，如節(jié)點標識符、測量時間、測量數(shù)據(jù)類型、單位等；另一類用來描述測量數(shù)據(jù)本身，如溫度、位置等。傳感器產(chǎn)生的測量數(shù)據(jù)對應表的一行，對數(shù)據(jù)的查詢就是對這個無限虛擬表的查詢。美國斯坦福大學針對WSN開發(fā)的STREAM[191系統(tǒng)采用的也是基于關系的數(shù)據(jù)模式。它把數(shù)據(jù)流建模為無邊界的、只能進行添加操作的元組對（tuple，timestamp）組成的數(shù)據(jù)流，把關系作為支持更新、插入和刪除操作、隨時間變化的元組包。其語義建立在3組抽象操作上：關系一關系操作、數(shù)據(jù)流一關系操作和關系一數(shù)據(jù)流操作。

   COUGAR[20]_個基于抽象數(shù)據(jù)類型（Abstract Data Type）的數(shù)捃流系統(tǒng)，它采用兩種模式對數(shù)據(jù)進行建模：用對象關系模式來組織建模存儲數(shù)據(jù)；引入一種時間序列模式建模組織傳感器監(jiān)測數(shù)據(jù)，并定義了相應的關系代數(shù)操作、時間序列操作，以及關系及時間序列之間的操作。

   針對傳感器測量數(shù)據(jù)的不確定性，PSRA[21]擴展傳統(tǒng)的關系模型到概率數(shù)據(jù)流關系（Probabilistic Stream Relation）模型，并擴展傳統(tǒng)關系模型的操作，在概率數(shù)據(jù)流模型上定義了Stream Union，Stream Intersection，Stream Select，Streamproject，Stream Join等操作。PSRA通過概率數(shù)據(jù)流模型有效地解決了WSN的數(shù)據(jù)不確定性及數(shù)據(jù)的相互關系等一些特征，并提供了能量高效的操作。

   傳感器網(wǎng)絡的有些應用并不需要精確的測量數(shù)據(jù)，例如，對森林防火監(jiān)控，用溫度傳感器對周圍的環(huán)境進行監(jiān)控，對測量的數(shù)據(jù)并不需要它的精確值，只需把測量數(shù)據(jù)劃分為低、較低、中、較高、高、極高幾個等級。根據(jù)這一類應用的特征，文獻[22]中提出一種基于粗糙集(Rough Set)理論的數(shù)據(jù)建模方法。利用粗糙集對數(shù)據(jù)建模，可以很好地實現(xiàn)數(shù)據(jù)融合操作，從而減小數(shù)據(jù)存儲量及網(wǎng)絡傳輸量，達到節(jié)約能量，延長網(wǎng)絡壽命的目的。