基于WSN的普適計算情景感知關(guān)鍵技術(shù)研究.pdf

1、隨著傳感器技術(shù)、無線通信技術(shù)和計算技術(shù)的不斷發(fā)展和進步，智能化人機交互逐漸成為計算模式發(fā)展的主導(dǎo)趨勢。作為人類試圖擺脫計算設(shè)備對自身活動的束縛進而將互聯(lián)網(wǎng)推廣到物理世界的初步嘗試，普適計算(Pervasive/Ubiquitous Computing)倡導(dǎo)的“以人為本”的理念日益得到人們的認(rèn)可，已有越來越多的應(yīng)用系統(tǒng)原型問世。它們的目標(biāo)都是試圖在人們?nèi)粘９ぷ骱蜕畹沫h(huán)境中廣泛地布設(shè)微型化并且具有一定計算能力的普適設(shè)備，并與已有的互聯(lián)網(wǎng)技

2、術(shù)相結(jié)合以實現(xiàn)移動、無縫、透明和泛在的計算支持和服務(wù)。由于普適計算系統(tǒng)一般都是運行在動態(tài)并且異構(gòu)的計算環(huán)境中，智能實體需要及時地感知環(huán)境的變化，并根據(jù)動態(tài)的場景自適應(yīng)地調(diào)整服務(wù)狀態(tài)。無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)作為普適計算的一個實際延伸，將大量傳感器等微型化計算設(shè)備自組織地聯(lián)接在一起，以滿足人們對探索、利用和管理物理世界的需求。借助WSN，人們可以從更加微觀的角度了解周圍環(huán)境或個體對象所出現(xiàn)

3、的現(xiàn)象、所處的狀態(tài)和所發(fā)生的行為，進而根據(jù)獲取的上述信息對物理環(huán)境或監(jiān)測對象實行反向控制，將邏輯的信息世界與客觀的物理世界緊密地融合在一起，從而實現(xiàn)“無處不在的計算”理念。
　　在普適計算環(huán)境下，基于WSN獲取、傳輸和處理各種情景信息，是普適計算支持和服務(wù)得以實現(xiàn)的關(guān)鍵環(huán)節(jié)。本課題著眼于普適計算環(huán)境下，基于WSN的物理特點和應(yīng)用特性，圍繞情景感知的若干關(guān)鍵技術(shù)問題展開相應(yīng)的深入研究。針對大規(guī)模WSN監(jiān)測區(qū)域中用戶感興趣事件區(qū)域邊緣

4、節(jié)點的檢測、情景信息的統(tǒng)一建模表達(dá)、高層情景信息的推理和預(yù)測以及情景信息的安全融合和傳輸?shù)汝P(guān)鍵技術(shù)問題，系統(tǒng)深入地研究了適于普適計算特殊環(huán)境的解決方案。最后將上述研究成果進行集成，針對老年醫(yī)療健康護理應(yīng)用場景，構(gòu)建了一個情景感知計算中間件UbiCAM原型系統(tǒng)，解決了普適計算環(huán)境下硬件設(shè)備和軟件系統(tǒng)的異構(gòu)性所帶來的系統(tǒng)互操作性問題，從而提高了情景感知應(yīng)用的靈活性。本研究主要內(nèi)容包括：
　?、艦榱四軌蛴行У乇O(jiān)測突發(fā)事件，WSN中一個重

5、要的問題就是事件區(qū)域的邊緣檢測。已有的方法為了優(yōu)化系統(tǒng)性能，大多需要非直接鄰居節(jié)點的信息并且邊緣檢測過程缺乏適應(yīng)性。WSN本質(zhì)上是分布式的，因此可以將其建模為一個多Agent系統(tǒng)，提出了一種能量有效的WSN事件區(qū)域邊緣節(jié)點的檢測算法。每個自治 Agent獨立地連續(xù)檢測并評估其所駐留的二維監(jiān)測區(qū)域網(wǎng)格中傳感器節(jié)點測量值的一致性標(biāo)準(zhǔn)，根據(jù)與環(huán)境交互的反饋，作為對局部環(huán)境輸入激勵的反應(yīng)而相應(yīng)地選擇并執(zhí)行適合的的行為，最終在一個傳感器區(qū)域中能夠

6、自適應(yīng)地有效定位并且標(biāo)記所有的同質(zhì)區(qū)域。通過與同類的邊緣節(jié)點檢測算法(PR-Classifier算法與 T-Fit算法)比較，實驗結(jié)果表明基于自治Agent的邊緣節(jié)點檢測算法在邊界平均距離、節(jié)點總能耗等性能指標(biāo)上具有較好的表現(xiàn)。
　　⑵及時準(zhǔn)確地感知各種情景信息是在普適計算環(huán)境中實現(xiàn)用戶和環(huán)境智能交互的基礎(chǔ)。在利用WSN采集情景信息的應(yīng)用中，由于傳感器節(jié)點本身的物理特性與布設(shè)環(huán)境噪聲的影響，所獲得的情景信息往往具有一定的模糊性和不

7、確定性，傳統(tǒng)的時序預(yù)測方法對此類問題無法有效地解決。利用模糊預(yù)測原理，提出一種基于模糊時序分析的適應(yīng)于普適計算環(huán)境的情景信息預(yù)測方法，并將其應(yīng)用在情景感知中間件 UbiCAM中對用戶的生理體征情景進行預(yù)測。實驗結(jié)果表明該方法能夠?qū)崿F(xiàn)對脈搏、血氧(動脈血)與體溫等模糊體征情景信息的準(zhǔn)確預(yù)測，較好地滿足了實際應(yīng)用的需求。
　?、悄壳昂苌儆醒芯扛鶕?jù)WSN中傳感器節(jié)點之間的實際交互情況建立綜合評價體系，進而對節(jié)點的可信任程度進行量化以實現(xiàn)

8、安全的數(shù)據(jù)融合。借鑒 P2P網(wǎng)絡(luò)安全研究中根據(jù)相關(guān)節(jié)點的評價建立信譽度的思想，利用集對分析(Set Pair Analysis，SPA)不確定性系統(tǒng)理論研究WSN的安全數(shù)據(jù)融合問題，在傳感器節(jié)點的數(shù)據(jù)采集和傳輸階段考慮了對節(jié)點信譽度進行集對分析的結(jié)果，提出一種基于傳感器節(jié)點信譽度集對分析的安全數(shù)據(jù)融合方法。在數(shù)據(jù)采集階段，根據(jù)實際不同應(yīng)用的需求預(yù)設(shè)信譽度的閾值進行原始數(shù)據(jù)的過濾。在數(shù)據(jù)轉(zhuǎn)發(fā)階段，通過評價有效轉(zhuǎn)發(fā)節(jié)點的能量、距離、偏好等屬

9、性信息，從中選擇綜合評價最高的節(jié)點進行數(shù)據(jù)轉(zhuǎn)發(fā)。實驗結(jié)果表明該方法在簇頭節(jié)點能耗、安全概率、融合精度等性能指標(biāo)上較同類的BTSR算法和LEACH算法具有較好的改進。
　　⑷利用WSN在實時、多屬性情景信息采集與傳輸?shù)确矫婢哂械莫毺貎?yōu)勢，設(shè)計并實現(xiàn)了一個普適計算環(huán)境下基于WSN的針對老年醫(yī)療健康護理應(yīng)用的情景感知中間件UbiCAM原型系統(tǒng)，從而有效地分離了底層情景信息的采集與上層感知應(yīng)用的開發(fā)。在硬件部分，詳細(xì)地介紹了作為WSN平臺