一種基于兩層架構(gòu)的傳感器網(wǎng)絡(luò)事件檢測(cè)算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及網(wǎng)絡(luò)事件檢測(cè)算法技術(shù)領(lǐng)域，尤其設(shè)及一種基于兩層架構(gòu)的傳感器網(wǎng) 絡(luò)事件檢測(cè)算法。
【背景技術(shù)】
[0002] 無(wú)線傳感器網(wǎng)絡(luò)是由大量傳感器節(jié)點(diǎn)W分布式的方式構(gòu)成的網(wǎng)絡(luò)（W下簡(jiǎn)稱傳感 器網(wǎng)絡(luò)）。傳感器網(wǎng)絡(luò)結(jié)合了傳感器、計(jì)算機(jī)、通訊等技術(shù)，可W方便的進(jìn)行數(shù)據(jù)采集、處理 和傳輸。目前傳感器網(wǎng)絡(luò)已經(jīng)在智能交通、智能農(nóng)業(yè)、環(huán)境監(jiān)測(cè)和軍事等領(lǐng)域得到廣泛應(yīng) 用。
[0003] 相比傳統(tǒng)網(wǎng)絡(luò)，傳感器網(wǎng)絡(luò)具有W下特點(diǎn)：1)大規(guī)模部署。傳感器網(wǎng)絡(luò)往往大規(guī)模 部署在難W到達(dá)的復(fù)雜環(huán)境中，如森林、水底等。復(fù)雜的環(huán)境和低廉的價(jià)格導(dǎo)致節(jié)點(diǎn)容易失 效或者產(chǎn)生錯(cuò)誤讀數(shù)，因此在設(shè)計(jì)算法時(shí)應(yīng)考慮容錯(cuò)問(wèn)題。2)自組織。節(jié)點(diǎn)部署后通過(guò)自組 織算法與周圍節(jié)點(diǎn)進(jìn)行通信，自組織形成一個(gè)網(wǎng)絡(luò)。網(wǎng)絡(luò)運(yùn)行過(guò)程中，節(jié)點(diǎn)可能會(huì)出現(xiàn)故 障，運(yùn)就要求網(wǎng)絡(luò)具有自適應(yīng)性，可W動(dòng)態(tài)的配置和管理。
[0004] 如上所述，傳感器網(wǎng)絡(luò)是比較脆弱的，由于攻擊、干擾等，節(jié)點(diǎn)會(huì)產(chǎn)生錯(cuò)誤讀數(shù)，從 而誤報(bào)事件的發(fā)生。如何在進(jìn)行事件探測(cè)的同時(shí)分辨出誤報(bào)，是需要解決的關(guān)鍵問(wèn)題。由于 節(jié)點(diǎn)電池難W更換，因此節(jié)省能量是設(shè)計(jì)算法時(shí)需要考慮的重要因素。
[0005] 錯(cuò)誤讀數(shù)是隨機(jī)產(chǎn)生的，沒(méi)有關(guān)聯(lián)的，而事件發(fā)生是有空間關(guān)聯(lián)性的，一定區(qū)域內(nèi) 的節(jié)點(diǎn)都會(huì)檢測(cè)到事件。當(dāng)前已經(jīng)有一些容忍錯(cuò)誤的事件探測(cè)算法，有基于鄰居的，也有基 于聚簇的。在傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署比較密集，傳感器節(jié)點(diǎn)的度比較高的情況下，基于鄰居的 算法可W達(dá)到較好性能?；诖氐乃惴?，可W更好的使用資源，可W更好的利用聚集的方式 減少網(wǎng)絡(luò)開銷，但是如果一個(gè)事件發(fā)生的區(qū)域比較小，而且跨多個(gè)簇，就很難設(shè)置合適的闊 值。所W在探測(cè)精確率和誤報(bào)率之間需要達(dá)到一個(gè)平衡。
[0006] 基于此本發(fā)明提出一種基于兩層架構(gòu)的傳感器網(wǎng)絡(luò)事件檢測(cè)算法化抓A，利用臨 近節(jié)點(diǎn)的空間相關(guān)性，給予臨近的監(jiān)測(cè)到事件的節(jié)點(diǎn)更多的權(quán)重，W有效區(qū)分事件和誤報(bào)； 利用簇頭判斷事件是否發(fā)生，避免將數(shù)據(jù)都傳回基站，可W進(jìn)一步減少通訊開銷。

【發(fā)明內(nèi)容】

[0007] 基于【背景技術(shù)】存在的技術(shù)問(wèn)題，本發(fā)明提出了一種基于兩層架構(gòu)的傳感器網(wǎng)絡(luò)事 件檢測(cè)算法。
[000引本發(fā)明提出的一種基于兩層架構(gòu)的傳感器網(wǎng)絡(luò)事件檢測(cè)算法，其檢測(cè)算法如下：
[0009]假設(shè)網(wǎng)絡(luò)由很多低價(jià)的節(jié)點(diǎn)構(gòu)成，在部署后所有的節(jié)點(diǎn)都是靜止的，每個(gè)節(jié)點(diǎn)知 道自己的位置信息，整個(gè)網(wǎng)絡(luò)從邏輯上被劃分成網(wǎng)格，一個(gè)網(wǎng)格形成一個(gè)簇，根據(jù)節(jié)點(diǎn)的剩 余能量為每個(gè)簇選擇一個(gè)簇頭，每個(gè)節(jié)點(diǎn)有一個(gè)唯一的ID，有一系列的鄰居節(jié)點(diǎn)；如果2個(gè) 節(jié)點(diǎn)距離小于或等于通訊距離，他們就是鄰居;如果有監(jiān)聽鏈路，節(jié)點(diǎn)在臨近的網(wǎng)格也有可 能是鄰居;每個(gè)節(jié)點(diǎn)都可W直接或者間接向簇頭報(bào)告，然后簇頭可W利用樹狀路由向基站 報(bào)告；
[0010]當(dāng)節(jié)點(diǎn)Vi檢測(cè)到一個(gè)異常，其向鄰居節(jié)點(diǎn)發(fā)送I，Vi統(tǒng)計(jì)收到I的數(shù)量并包含自己 的，統(tǒng)計(jì)的目的是給具有較高的Si的節(jié)點(diǎn)更多的權(quán)重，另外節(jié)點(diǎn)的度di也是非常重要的衡 量指標(biāo)，1個(gè)節(jié)點(diǎn)的貢獻(xiàn)我們用來(lái)衡量，其中Wi代表權(quán)重，
(2)
[0012]公式帥Tl代表闊值上限，T2代表闊值下限；如果si/(di + l)大于上限，Wi設(shè)置為1; 如果Si/(di + l)介于下限和上限之間，Wi設(shè)置為Si/(di + l);如果Si/(di + l)低于下限，則Wi設(shè) 置為0 ;上述設(shè)置的意義在于Si越大則其貢獻(xiàn)越大;Si占其鄰居總數(shù)的比例越高，其貢獻(xiàn)的可 靠度越高，其權(quán)重就越大；
[0013]最后由簇頭決定事件是否發(fā)生；
(3)
[001引其中2'''表示簇內(nèi)所有出現(xiàn)異常節(jié)點(diǎn)的貢獻(xiàn)的總和，S (I-Xi)表示所有出 現(xiàn)異常的節(jié)點(diǎn)數(shù)目。
[0016] 優(yōu)選地，假設(shè)Pw表示錯(cuò)誤發(fā)生的概率，則在一次采樣中采樣正常的節(jié)點(diǎn)應(yīng)該達(dá)到 1-pw，對(duì)于一個(gè)節(jié)點(diǎn)來(lái)說(shuō)平均應(yīng)該有Si/(di + l)>l-pw，所W我們將Tl設(shè)置為I-Pw;當(dāng)SiAdi + I)>l-Pw，該節(jié)點(diǎn)是一個(gè)正常的節(jié)點(diǎn)，其權(quán)重應(yīng)該為1;當(dāng)Pw<Si/(di + l) < 1-pw，部分認(rèn)同該 節(jié)點(diǎn)的判斷，將T2設(shè)置為Pw,當(dāng)Si/(di + l)含Pw,該節(jié)點(diǎn)很有可能發(fā)生了錯(cuò)誤，所W將其權(quán)重 設(shè)置為0。
[0017] 事件檢測(cè)是傳感器網(wǎng)絡(luò)的重要應(yīng)用，節(jié)點(diǎn)受到干擾會(huì)發(fā)出誤報(bào)，在檢測(cè)事件的同 時(shí)分辨誤報(bào)是需要解決的關(guān)鍵問(wèn)題。本發(fā)明算法總體描述如下：1)節(jié)點(diǎn)檢測(cè)到異常，向鄰居 發(fā)送1;2)每個(gè)檢測(cè)到異常的節(jié)點(diǎn)，統(tǒng)計(jì)其收到1的數(shù)量，然后發(fā)送給簇頭;3)簇頭根據(jù)公式2 確定每個(gè)報(bào)告節(jié)點(diǎn)的權(quán)重;4)簇頭根據(jù)公司3決定事件是否發(fā)生;5)簇頭更新節(jié)點(diǎn)的信任度 模型。
[0018] 本發(fā)明提出的一種基于兩層架構(gòu)的傳感器網(wǎng)絡(luò)事件檢測(cè)算法化抓A，在簇頭利用 臨近節(jié)點(diǎn)的信息，基于闊值測(cè)試，判斷事件是否發(fā)生;在區(qū)分事件和誤報(bào)時(shí)，給予臨近的同 時(shí)發(fā)出警報(bào)的節(jié)點(diǎn)更多的權(quán)重;該算法是自適應(yīng)的，體現(xiàn)在錯(cuò)誤節(jié)點(diǎn)會(huì)被從網(wǎng)絡(luò)中隔離;實(shí) 驗(yàn)顯示在較小的事件區(qū)域時(shí)，算法依然具有較好的效率;相比較基于大多數(shù)投票的的本地 決策算法Vote，算法在體現(xiàn)較高檢測(cè)率的同時(shí)，能夠保持較低的誤報(bào)率，在事件探測(cè)精確和 誤報(bào)率方面達(dá)到良好平衡，也可W有效延長(zhǎng)網(wǎng)絡(luò)生命周期。
【附圖說(shuō)明】
[0019] 圖1為本發(fā)明傳感器網(wǎng)絡(luò)的層次網(wǎng)格圖；
[0020] 圖2為本發(fā)明Vote算法的檢測(cè)率圖；
[0021] 圖3為本發(fā)明Vote算法的誤報(bào)率圖；
[00剖圖4為本發(fā)明TL邸A算法的誤報(bào)率圖；
[0023] 圖5為本發(fā)明TL邸A算法的誤報(bào)率圖。
【具體實(shí)施方式】
[0024] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步解說(shuō)。
[0025] 本發(fā)明提出的一種基于兩層架構(gòu)的傳感器網(wǎng)絡(luò)事件檢測(cè)算法，其檢測(cè)算法如下：
[0026] 假設(shè)網(wǎng)絡(luò)由很多低價(jià)的節(jié)點(diǎn)構(gòu)成，在部署后所有的節(jié)點(diǎn)都是靜止的，每個(gè)節(jié)點(diǎn)知 道自己的位置信息，整個(gè)網(wǎng)絡(luò)從邏輯上被劃分成網(wǎng)格，一個(gè)網(wǎng)格形成一個(gè)簇，根據(jù)節(jié)點(diǎn)的剩 余能量為每個(gè)簇選擇一個(gè)簇頭，每個(gè)節(jié)點(diǎn)有一個(gè)唯一的ID，有一系列的鄰居節(jié)點(diǎn)；如果2個(gè) 節(jié)點(diǎn)距離小于或等于通訊距離，他們就是鄰居;如果有監(jiān)聽鏈路，節(jié)點(diǎn)在臨近的網(wǎng)格也有可 能是鄰居;每個(gè)節(jié)點(diǎn)都可W直接或者間接向簇頭報(bào)告，然后簇頭可W利用樹狀路由向基站 報(bào)告；
[0027] 如圖1所示，網(wǎng)絡(luò)被分成4*4的格子，每一個(gè)簇都有一個(gè)簇頭，簇頭是動(dòng)態(tài)選擇的， 簇內(nèi)其他節(jié)點(diǎn)通過(guò)1跳或者多跳和簇頭聯(lián)系。
[0028] 傳感器網(wǎng)絡(luò)中可能會(huì)發(fā)生各種錯(cuò)誤。我們主要關(guān)注由于噪音或者節(jié)點(diǎn)失效產(chǎn)生的 錯(cuò)誤采樣數(shù)據(jù)。假設(shè)任何節(jié)點(diǎn)都可能W同樣的概率產(chǎn)生錯(cuò)誤數(shù)據(jù)。每個(gè)節(jié)點(diǎn)知道正常采樣 數(shù)據(jù)的范圍，"正常"是指是指沒(méi)有發(fā)生事件時(shí)的采樣數(shù)據(jù)。在正常采樣之外的數(shù)據(jù)我們都 稱之為異常數(shù)據(jù)，基于此，節(jié)點(diǎn)就可W判斷自己的采樣數(shù)據(jù)是正常還是異常。
[0029] 異常數(shù)據(jù)可能是一個(gè)事件，也可能是由于某種錯(cuò)誤導(dǎo)致的。如果一個(gè)異常是由事 件導(dǎo)致的，就需要將該事件上報(bào)給基站;如果一個(gè)異常是由某種錯(cuò)誤導(dǎo)致的，上報(bào)則是沒(méi)有 意義的，需要在網(wǎng)內(nèi)將其過(guò)濾掉，W避免消耗過(guò)多能量。
[0030] -個(gè)事件是一個(gè)圓形區(qū)域(事件區(qū)域的大小將被考慮，W方便為事件設(shè)定合適的 闊值）。對(duì)于一個(gè)較大區(qū)域的事件，相對(duì)容易設(shè)定闊值，因?yàn)橹辽儆幸粋€(gè)簇會(huì)具有足夠數(shù)目 的節(jié)點(diǎn)觀測(cè)到該事件，可W有效區(qū)分事件和誤報(bào)。但是當(dāng)事件區(qū)域縮小后，每個(gè)簇可能只有 少量的事件節(jié)點(diǎn)，運(yùn)樣就為事件檢測(cè)造成一定的困難。
[0031] 為了獲得較高的事件探測(cè)精確率，并保持較低的誤報(bào)率，我們提出基于兩層架構(gòu) 的傳感器網(wǎng)絡(luò)事件檢測(cè)算法（Two-layer base