[发明专利]一种无线传感器网络故障节点检测方法

说明书

本发明属于无线传感器技术领域，公开了一种无线传感器网络故障节点检测方法，所述无线传感器网络故障节点检测方法在存在事件读数的节点集，存在故障节点，故障节点被误判为事件节点；根据模拟退火算法原理，通过不断变换拟合节点集，对节点集中节点读数进行最小二乘拟合；在事件节点中，寻找出一组拟合效果较优的节点集；通过其他事件节点的读数与其对应的拟合值进行比较，判断出这些节点是否存在故障读数。在只需各个节点把数据发送到簇头，减少节点间通信的能耗；能在节点间不存在空间相关性时，仍能够进行故障检测；算法复杂度低，运行速度快；不但能进行故障检测，还能把拟合结果发送到终端，反应事件区域的具体情况。

技术领域

本发明属于无线传感器技术领域，尤其涉及一种无线传感器网络故障节点检测方法。

背景技术

无线传感网络已经广泛应用在环境的监测与保护、医疗护理以及军事侦察等领域，该网络通过传感器节点感测、采集和处理所覆盖区域的有关信息，并以多跳方式将信息发送给汇聚节点，再通过卫星、互联网等到达终端用户。但是，传感器节点所处的环境比较恶劣，经常位于人们难以到达的区域，而且节点携带的能量有限；传感器节点容易出现硬件故障或软件故障。硬件故障一般是指传感器节点受到损坏，或能量耗尽，不能进行采集和发送数据功能。软件故障是指传感器节点内部软件出现故障，可以进行采集和发送数据功能，但其数据往往是错误的，观测值严重偏离实际值，亦即出现异常值；数据异常值是一个不容忽视的问题，尤其是对感测精确度要求较高的应用领域，数据信息的准确性至关重要，所以异常值检测是无线传感器网络研究中的重要问题之一。WSNs中的异常值是指节点感测到的读数，远远偏离于其他正常数据，当节点在进行监控时，若某一区域出现了事件，则该部分区域的节点会感测到该事件所带来的信息变化。如某个WSNs在监控森林环境时候，若某个区域突然发生火灾，则该区域的WSNs节点收集到的温度、湿度数据会有较大的变化，远远偏离于其他正常区域，出现异常值，也称为事件读数。由于WSNs节点经常处于恶劣的环境，部署于难以达到的地方，而且节点十分廉价，携带的能量有限。因此，WSNs节点容易出现硬件故障或软件故障。硬件故障，亦即是传感器节点硬件受到严重的损坏，此时该节点不能进行收集和发送数据功能，该节点退出传感器网络中，不复使用。软件故障，指的是节点内部软件出现故障。当一个节点出现软件故障时候，虽然其可以继续进行信息的采集和发送功能，但其收集到的数据往往是错误的，也就是出现异常值，此时其读数称为故障读数。文献Distributed self fault diagnosis algorithm for large scale wireless sensornetworks using modified three sigma edit test中，作者提出了一种基于改进的threesigma测试的分布式自诊断算法，先介绍了一般的threesigma测试算法：先假设节点读数服从高斯分布，然后计算节点及其邻居读数的均值和标准差，再利用threesigma原则，判断节点自身是否存在异常值。文章举例说明了当节点邻居数目较低时候，一般的threesigma测试算法容易出现漏判情况。因此，改用中值来代替均值，用归一化的绝对中位差代替标准差，提出了改进的threesigma测试，提高检测精度。然而该算法只能用于异常值类型为偏离读数故障类型，对其他的异常值类型不太适用。文献A Distributed BayesianAlgorithm for Data Fault Detection in Wireless SensorNetworks中提出了一种分布式贝叶斯算法(DBA)。事先假设每个节点都有相同的先验异常概率。利用节点与其邻居节点的读数比较结果，结合贝叶斯定理，计算该节点的后验异常概率。如果某个节点的邻居存在这样的两个节点，它们读数相差很大，但都被判定为正常值，则称该节点为边界节点。边界节点给邻居节点发送请求，获取其邻居的信任度，以此对其邻居节点的后验异常概率进行校准，从而找出网络中的异常值节点。现有文献中考虑的异常值都与实际值有相同的偏差，相邻的两个异常值节点，其读数相似。若异常值为偏移读数故障类型，即在实际值上有很大的上下波动，DBA算法就不能适用该类异常值检测，可能会出现检测精度低误判率高的情况。