無(wú)線傳感器網(wǎng)絡(luò)中容錯(cuò)事件檢測(cè)算法的研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)是由一組傳感器節(jié)點(diǎn)構(gòu)成的無(wú)線自組織網(wǎng)絡(luò)，實(shí)時(shí)采集各種被監(jiān)控對(duì)象的數(shù)據(jù)加以分析處理，將處理結(jié)果提供給網(wǎng)絡(luò)的使用者。傳感器網(wǎng)絡(luò)中的事件檢測(cè)是利用傳感器節(jié)點(diǎn)對(duì)周圍環(huán)境進(jìn)行檢測(cè)，識(shí)別出具有明顯特征的事件區(qū)域或邊界。事件檢測(cè)是傳感器網(wǎng)絡(luò)的一種重要應(yīng)用，尤其對(duì)于一些緊急事件，如森林火災(zāi)、化學(xué)物質(zhì)泄漏等，通過(guò)傳感器網(wǎng)絡(luò)能及時(shí)準(zhǔn)確地檢測(cè)出事件的發(fā)生區(qū)域。
　　 由于傳感器網(wǎng)絡(luò)監(jiān)測(cè)環(huán)境的影響及節(jié)點(diǎn)部件的不可靠性，節(jié)點(diǎn)很容易發(fā)生故障或

2、產(chǎn)生錯(cuò)誤數(shù)據(jù)，影響事件檢測(cè)的準(zhǔn)確度，而容錯(cuò)事件檢測(cè)可以消除這些影響，故而容錯(cuò)事件檢測(cè)具有較高的理論研究?jī)r(jià)值與實(shí)際應(yīng)用意義。
　　 容錯(cuò)事件檢測(cè)需要考慮事件檢測(cè)和容錯(cuò)處理兩個(gè)方面，使算法具有較高的事件檢測(cè)性能的同時(shí)，也能具有較高的容錯(cuò)性能?，F(xiàn)有的典型容錯(cuò)事件檢測(cè)算法大多利用節(jié)點(diǎn)數(shù)據(jù)的空間相關(guān)性，通過(guò)鄰居節(jié)點(diǎn)的數(shù)據(jù)交換進(jìn)行容錯(cuò)，會(huì)產(chǎn)生較多的能量消耗。
　　 為了進(jìn)行能量高效地容錯(cuò)處理，本文提出了一種基于投票策略的容錯(cuò)事件檢測(cè)

3、算法FEDAV，其核心是利用節(jié)點(diǎn)自身的數(shù)據(jù)相關(guān)性，進(jìn)行節(jié)點(diǎn)內(nèi)容錯(cuò)處理，并在投票處理中，考慮節(jié)點(diǎn)本地決策的可信度和距離因素。FEDAV算法首先基于直方圖對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，相對(duì)于均值和中位數(shù)方法，該方法具有更好的去噪性能。然后，利用屬性相關(guān)性進(jìn)行錯(cuò)誤檢測(cè)，區(qū)分出節(jié)點(diǎn)的錯(cuò)誤狀態(tài)，從而提高后續(xù)投票決策的準(zhǔn)確度。最后，基于節(jié)點(diǎn)決策的可信度和距離權(quán)重進(jìn)行投票處理，糾正節(jié)點(diǎn)錯(cuò)誤，正確判定節(jié)點(diǎn)狀態(tài)，識(shí)別出事件區(qū)域。實(shí)驗(yàn)結(jié)果表明，相對(duì)于Bayesian容

4、錯(cuò)事件檢測(cè)算法，F(xiàn)EDAV算法具有較高的事件檢測(cè)率和較低的誤報(bào)率，其容錯(cuò)性能也明顯優(yōu)于Bayesian算法，并具有較低的能量消耗。
　　 FEDAV算法基于事件閾值進(jìn)行容錯(cuò)事件檢測(cè)，需要具備事件的先驗(yàn)知識(shí)。而傳感器網(wǎng)絡(luò)中的新事件沒(méi)有先驗(yàn)知識(shí)，針對(duì)此類事件檢測(cè)問(wèn)題，本文提出了一種基于相關(guān)性的分布式事件檢測(cè)算法CDA。該算法不依賴于事件閾值，通過(guò)節(jié)點(diǎn)間的協(xié)作，利用時(shí)空相關(guān)性，識(shí)別發(fā)生事件的節(jié)點(diǎn)。首先，根據(jù)當(dāng)前窗口的均值和最近歷史數(shù)據(jù)