[发明专利]对无线传感器网络异常事件进行分布式检测的方法

说明书

技术领域

本发明涉及一种利用分簇方式对无线传感器网络异常事件进行分布式检测的方法。

背景技术

压缩感知(Compressed Sensing)是近几年来的一项新兴信号处理技术，其核心思想是将数据采样和压缩合并进行，首先采集信号的非自适应线性投影(测量值)，然后根据相应的重构算法由测量值复原信号。压缩感知有两个方面的基本要求：信号的稀疏性，观测基(观测矩阵)与变换基(变换矩阵)的非相关性。对于自然界的任何信号，均存在一个特定的表示空间，使得该信号在此空间具有稀疏性。经相关理论证明，随机矩阵，即元素为随机数的矩阵，与固定的变换基具有很好的非相关性。

压缩感知的数学原理为：设长度为N的矢量信号X在正交变换基Ψ上的变换系数是稀疏的，即：原始信息X为一维N×1向量，X∈R^N，存在一个N×N变换矩阵Ψ，X＝ΨP，其中P亦为一维N×1向量，使得P具有稀疏性。信号的稀疏性是指若向量中非零项的个数为K，K＜N，则称该向量是K-稀疏。

用与变换基Ψ不相关的观测矩阵Φ对原始信息进行线性变换，观测矩阵Φ为一个M×N的矩阵，Φ∈R^M×N(M＜＜N)，并得到观测信号集合Y，即

Y＝ΦX，

Y=ΦX=ΦΨP=Φ~P,]]>

故Y为一维M×1向量。在已知的条件下，可利用优化求解方法从Y中精确地或高概率地重构信号P，继而恢复出原始信号X。

压缩感知技术的最大优点在于能以远低于奈奎斯特采样率的采样速率进行采样，大大减少信号在数据采集和传输过程中消耗的资源和能量。相对于常规的先采样后压缩的分布式信源编码方法，压缩感知的优势在于不需要被处理信号的任何先验信息，且不需要控制信息交换。

无线传感器网络(Wireless Sensor Network，WSN)是通过无线通信的方式形成的一个多跳的且有可能自组织的网络系统，由部署在一定检测区域内的大量微型传感器节点组成，主要功能为协作地感知、采集和处理网络覆盖区域的监测信息，并发送给观察中心(汇聚节点)。一般来说，无线传感器网络中包含大量的广泛分布的节点，故需要传输、分析和处理大量的数据。

无线网络的规模在不断的扩大，内部结构的复杂化以及数据采集及传输处理能力的提高，使无线网络的应用范围不断扩大。事件检测是无线网络很典型的几大应用之一，其应用功能所涉及的领域众多，如对地震的检测、森林防火、城市消防、野生动物保护型跟踪、战场毒气检测等。无线网络可以很好的对大范围、难接触、危险性较大的事件网络进行监控和事件检测。为了可以更加准确和及时的检测事件的发生，必须保证无线网络的节点处于正常工作的状态。但是由于人为或自然损坏、电池耗尽、传感器节点休眠等原因，无线网络常常出现内部传感器节点处于非正常工作状态。因此，及时准确地检测无线传感器自身的运行工作状态是非常必要的。鉴于此，对无线网络中非正常工作节点的检测是保证其完成对所应用的事件网络的准确检测的必要条件。

假设检验等传统的检测方法，重点在于检测事件的统计特征并使误差最小化，这些方法需要考虑噪声的特性。简单假设检验方法的计算复杂度较低，但是它在干扰环境中受影响很大。根据压缩感知和无线传感器网络的特性，压缩感知技术被用于无线传感器网络中，网络的汇聚中心只需要使用一部分奈奎斯特采样速率，就能以较高概率恢复原始信号。在无线传感器网络中，活跃的节点仅占到全部节点的很小一部分，而网络中会发生的节点数更是远远低于节点总数目，因此在无线传感器网络中检测的问题可以归结为压缩感知问题。对基于压缩感知的事件检测，目前研究已经证实，可靠检测信号所需的观测数目要明显低于传统的信号重构所需，如果有一定先验信息，比如知道稀疏域上可能发生异常的位置，那么通过利用这些先验信息，检测结果可以更精确，同时抗干扰能力更强。