一種無線傳感器網(wǎng)絡的故障檢測方法及裝置的制造方法
【專利摘要】本發(fā)明實施例公開了一種無線傳感器網(wǎng)絡的故障檢測方法及裝置，方法包括：獲得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng)參量的系統(tǒng)參量值序列，并對系統(tǒng)參量值進行排序，獲得針對每一個傳感器節(jié)點的系統(tǒng)參量值有序序列，再根據(jù)系統(tǒng)參量值有序序列，計算出每一個傳感器節(jié)點的關系值視圖向量，對當前時間窗內的所有關系值視圖向量進行聚類處理，得到聚類結果，當前時間窗內不屬于所述聚類結果中的關系值視圖向量對應的傳感器節(jié)點確定為故障節(jié)點。應用本發(fā)明實施例，利用了傳感器節(jié)點系統(tǒng)參量間存在的關系，解決了如何通過傳感器節(jié)點中系統(tǒng)參量間存在的關系對無線傳感器網(wǎng)絡進行故障檢測的問題。
【專利說明】
一種無線傳感器網(wǎng)絡的故障檢測方法及裝置
技術領域
[0001] 本發(fā)明涉及無線通信技術領域，特別涉及一種無線傳感器網(wǎng)絡的故障檢測方法及 裝置。
【背景技術】
[0002] 無線傳感器網(wǎng)絡(Wireless Sensor Networks，簡稱為WSN)是一種分布式傳感網(wǎng) 絡，它的末梢是可以感知和檢查外部世界的傳感器。WSN中的傳感器通過無線方式通信，因 此網(wǎng)絡設置靈活，設備位置可以隨時更改，還可以跟互聯(lián)網(wǎng)進行有線或無線方式的連接。通 過無線通信方式形成的一個多跳自組織網(wǎng)絡。
[0003] 通常情況下，無線傳感器網(wǎng)絡由大量低成本且電量有限的傳感器節(jié)點組成，由于 傳感器節(jié)點分布于惡劣、不可控制的環(huán)境中，因此傳感器節(jié)點易于出現(xiàn)故障，進而導致無線 傳感器網(wǎng)絡出現(xiàn)故障。
[0004] 目前，對無線傳感器網(wǎng)絡進行故障檢測，通常利用無線傳感器網(wǎng)絡中傳感器節(jié)點 測量值在時間或空間上的關系來判斷節(jié)點是否出現(xiàn)故障，尚沒有利用到節(jié)點系統(tǒng)參量間存 在的關系對無線傳感器網(wǎng)絡進行故障檢測，不能通過傳感器節(jié)點中系統(tǒng)參量間存在的關系 對無線傳感器網(wǎng)絡進行故障檢測。

【發(fā)明內容】

[0005] 本發(fā)明實施例目的在于提供一種無線傳感器網(wǎng)絡的故障檢測方法及裝置，解決如 何通傳感器過節(jié)點中系統(tǒng)參量間存在的關系對無線傳感器網(wǎng)絡進行故障檢測的問題。
[0006] 為了達到上述目的，本發(fā)明實施例提供了一種無線傳感器網(wǎng)絡的故障檢測方法， 方法包括：
[0007] 獲得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng)參量的系統(tǒng)參量值 序列；
[0008] 對每一個傳感器節(jié)點的所述系統(tǒng)參量值序列中的系統(tǒng)參量值進行排序，獲得針對 每一個傳感器節(jié)點的所述系統(tǒng)參量的系統(tǒng)參量值有序序列；
[0009] 根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參量值有序序列，生成針對每一個傳感器節(jié)點 的關系值視圖向量；
[0010] 根據(jù)當前時間窗內所有傳感器節(jié)點的所述關系值視圖向量，對當前時間窗內的所 有傳感器節(jié)點對應的關系值視圖向量進行聚類處理，得到聚類結果；
[0011]將當前時間窗內不屬于所述聚類結果中的關系值視圖向量對應的傳感器節(jié)點確 定為故障節(jié)點。
[0012] 可選的，所述根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參量值有序序列，生成針對每一 個傳感器節(jié)點的關系值視圖向量，包括：
[0013] 根據(jù)每一個傳感器節(jié)點所述系統(tǒng)參量值有序序列，計算每一個傳感器節(jié)點所述系 統(tǒng)參量的關系值；
[0014] 根據(jù)所述關系值，建立針對每一個傳感器節(jié)點的關系值視圖；
[0015] 根據(jù)當前時間窗內每一個傳感器節(jié)點的所述關系值視圖，生成針對每一個傳感器 節(jié)點的關系值視圖向量。
[0016] 可選的，計算傳感器節(jié)點的所述系統(tǒng)參量的關系值所利用的公式，包括：
[0017]
[0018] 式中，(^,」(1，7)為當前時間窗伸的第1個傳感器節(jié)點中的系統(tǒng)參量義、7對應的關 系值，W為當前時間窗j的大小，Π / i,x, (j-l)Xw+k和Π / i,y, (j-l)Xw+k分別為系統(tǒng)參量值ΠΗ,χ, (j-l)Xw+k 和nu,y, (j-i)xw+k在系統(tǒng)參量x、y對應的有序序列i,x, j和i,y, j中的秩次， 別為有序序列疒i>x, j和V' i,y, j的平均秩次。
[0019] 可選的，所述傳感器節(jié)點的關系值視圖的表征形式為：
[0020]
[0021] 為當前時間窗j中的第i個傳感器節(jié)點的關系值視圖，其中，1為第i個傳感器節(jié) 點所包含的系統(tǒng)參量的數(shù)量，對于V〇^;a，be[l，l] ;ci,j(a，b)=ci,j(b，a)，ci,j(a，a) = l。
[0022] 可選的，所述根據(jù)當前時間窗內所有傳感器節(jié)點的所述關系值視圖向量，對當前 時間窗內的所有傳感器節(jié)點對應的關系值視圖向量進行聚類處理，得到聚類結果，包括：
[0023] a、根據(jù)當前時間窗內所有傳感器節(jié)點的關系值視圖向量，分別計算針對當前時間 窗內每一個傳感器節(jié)點的所述關系值視圖向量的k距離鄰域N k(p)、逆k距離鄰域INk(p)及鄰 基局部密度因子NLDFk(p)，其中，所述關系值視圖向量的鄰基局部密度因子
，式中，k為正整數(shù)，| INk(p) |為所述關系值視圖向量的逆k距離鄰域 中的關系值視圖向量數(shù)目，|Nk(p) |為所述關系值視圖向量的k距離鄰域中的關系值視圖向 量數(shù)目；
[0024] b、判斷當前時間窗內每一個傳感器對應的所述關系值視圖向量的鄰基局部密度 因子NLDFk(p)是否大于或等于1，如果是，確定所述關系值視圖向量為密鄰向量，否則，確定 所述關系值視圖向量為疏鄰向量；
[0025] c、在當前時間窗內存在密鄰向量時，判斷目標密鄰向量是否屬于當前時間窗內已 存在的簇，如果否，建立新簇，將所述目標密鄰向量加入所述新簇中，所述簇為當前時間窗 內的多個傳感器節(jié)點對應的關系值視圖向量的集合；
[0026] d、確定針對目標密鄰向量的所有直接局部密度可達關系值視圖向量，其中，確定 針對所述目標關系值視圖向量的所有直接局部密度可達關系值視圖向量通過下述表達式： NLDFk(p)/(l+thr)<NLDFk(q)<NLDFk(p)X(l+thr)，qeNk(p)，式中，NLDFk(q)為關系值視 圖向量q的鄰基局部密度因子，thr為預設閾值；
[0027] e、將所述直接局部密度可達關系值視圖向量加入到目標密鄰向量所處簇中；
[0028] f、判斷新加入的關系值視圖向量是否存在密鄰向量，
[0029] 如果存在，確定針對新加入的每一個密鄰向量的所有直接局部密度可達關系值視 圖向量，將所有新加入的密鄰向量的所有直接局部密度可達關系值視圖向量確定為直接可 達向量集，將所述直接可達向量集中不屬于目標密鄰向量所處簇的直接局部密度可達關系 值視圖向量加入到目標密鄰向量所處簇中，返回步驟f繼續(xù)執(zhí)行；
[0030] 如果不存在，判斷當前時間窗內是否還存在密鄰向量，如果是，返回步驟c繼續(xù)執(zhí) 行，如果否，將當前時間窗內已存在的簇確定為聚類結果。
[0031] 為了達到上述目的，本發(fā)明實施例還提供了一種無線傳感器網(wǎng)絡的故障檢測裝 置，裝置包括：
[0032] 第一獲得模塊，用于獲得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng) 參量的系統(tǒng)參量值序列；
[0033] 第二獲得模塊，用于對每一個傳感器節(jié)點的所述系統(tǒng)參量值序列中的系統(tǒng)參量值 進行排序，獲得針對每一個傳感器節(jié)點的所述系統(tǒng)參量的系統(tǒng)參量值有序序列；
[0034] 向量生成模塊，用于根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參量值有序序列，生成針 對每一個傳感器節(jié)點的關系值視圖向量；
[0035] 聚類模塊，用于根據(jù)當前時間窗內所有傳感器節(jié)點的所述關系值視圖向量，對當 前時間窗內的所有傳感器節(jié)點對應的關系值視圖向量進行聚類處理，得到聚類結果；
[0036]確定模塊，用于將當前時間窗內不屬于所述聚類結果中的關系值視圖向量對應的 傳感器節(jié)點確定為故障節(jié)點。
[0037]可選的，所述向量生成模塊，包括：
[0038] 計算子模塊，用于根據(jù)每一個傳感器節(jié)點所述系統(tǒng)參量值有序序列，計算每一個 傳感器節(jié)點所述系統(tǒng)參量的關系值；
[0039] 視圖建立子模塊，用于根據(jù)所述關系值，建立針對每一個傳感器節(jié)點的關系值視 圖；
[0040] 向量建立子模塊，用于根據(jù)當前時間窗內每一個傳感器節(jié)點的所述關系值視圖， 生成針對每一個傳感器節(jié)點的關系值視圖向量。
[0041]可選的，所述計算子模塊，計算所述傳感器節(jié)點所述系統(tǒng)參量的關系值所利用的 公式，包括：
[0042]
-
[0043] 式中，(^,」(1，7)為當前時間窗」中的第;[個傳感器節(jié)點中的系統(tǒng)參量1、7對應的關 系值，W為當前時間窗j的大小，Π / i,x, (j-l)Xw+k和Π / i,y, (j-l)Xw+k分別為系統(tǒng)參量值ΠΗ,χ, (j-l)Xw+k 和mi,y,G-i)xw+k在系統(tǒng)參量x、y對應的有序序列V' i,x,j和V' i,y,j中的秩次：
分 別為有序序列疒i>x, j和V' i,y, j的平均秩次。
[0044] 可選的，所述視圖建立子模塊建立的所述傳感器節(jié)點的關系值視圖的表征形式 為：
[0045]
[0046] 為當前時間窗j中的第i個傳感器節(jié)點的關系值視圖，其中，1為第i個傳感器節(jié) 點所包含的系統(tǒng)參量的數(shù)量，對于Va, Z);(i，be[l，1] ;ci,j(a，b)=ci,j(b，a)，ci,j(a，a) = l。
[0047] 可選的，所述聚類模塊，具體用于：
[0048] A、根據(jù)當前時間窗內所有傳感器節(jié)點的關系值視圖向量，分別計算針對當前時間 窗內每一個傳感器節(jié)點的所述關系值視圖向量的k距離鄰域Nk(p)、逆k距離鄰域INk(p)及鄰 基局部密度因子NLDF k(p)，其中，所述關系值視圖向量的鄰基局部密度因子
式中，k為正整數(shù)，| INk(p) |為所述關系值視圖向量的逆k距離鄰域 中的關系值視圖向量數(shù)目，|Nk(p) |為所述關系值視圖向量的k距離鄰域中的關系值視圖向 量數(shù)目；
[0049] B、判斷當前時間窗內每一個傳感器對應的所述關系值視圖向量的鄰基局部密度 因子NLDF k(p)是否大于或等于1，如果是，確定所述關系值視圖向量為密鄰向量，否則，確定 所述關系值視圖向量為疏鄰向量；
[0050] C、在當前時間窗內存在密鄰向量時，判斷目標密鄰向量是否屬于當前時間窗內已 存在的簇，如果否，建立新簇，將所述目標密鄰向量加入所述新簇中，所述簇為當前時間窗 內的多個傳感器節(jié)點對應的關系值向量的集合；
[0051] D、確定針對目標密鄰向量的所有直接局部密度可達關系值視圖向量，其中，確定 針對所述目標關系值視圖向量的所有直接局部密度可達關系值視圖向量通過下述表達式： NLDFk(p)/(l+thr)<NLDFk(q)<NLDFk(p)X(l+thr)，qeNk(p)，式中，NLDFk(q)為關系值視 圖向量q的鄰基局部密度因子，thr為預設閾值；
[0052] E、將所述直接局部密度可達關系值視圖向量加入到目標密鄰向量所處簇中；
[0053 ] F、判斷新加入的關系值視圖向量是否存在密鄰向量，
[0054] 如果存在，確定針對新加入的每一個密鄰向量的所有直接局部密度可達關系值視 圖向量，將所有新加入的密鄰向量的所有直接局部密度可達關系值視圖向量確定為直接可 達向量集，將所述直接可達向量集中不屬于目標密鄰向量所處簇的直接局部密度可達關系 值視圖向量加入到目標密鄰向量所處簇中，返回步驟F繼續(xù)執(zhí)行；
[0055] 如果不存在，判斷當前時間窗內是否還存在密鄰向量，如果是，返回步驟C繼續(xù)執(zhí) 行，如果否，將當前時間窗內已存在的簇確定為聚類結果。
[0056] 本發(fā)明實施例公開了一種無線傳感器網(wǎng)絡的故障檢測方法及裝置，方法包括:獲 得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng)參量的系統(tǒng)參量值序列，并對系 統(tǒng)參量值進行排序，獲得針對每一個傳感器節(jié)點的系統(tǒng)參量值有序序列，再根據(jù)系統(tǒng)參量 值有序序列，計算出每一個傳感器節(jié)點的關系值視圖向量，對當前時間窗內的所有關系值 視圖向量進行聚類處理，得到聚類結果，當前時間窗內不屬于所述聚類結果中的關系值視 圖向量對應的傳感器節(jié)點確定為故障節(jié)點。應用本發(fā)明實施例，利用了傳感器節(jié)點系統(tǒng)參 量間存在的關系，解決了如何通過傳感器節(jié)點中系統(tǒng)參量間存在的關系對無線傳感器網(wǎng)絡 進行故障檢測的問題。
【附圖說明】
[0057]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0058]圖1為本發(fā)明實施例提供的一種無線傳感器網(wǎng)絡的故障檢測方法的流程示意圖；
[0059] 圖2為本發(fā)明實施例提供的無線傳感器網(wǎng)絡的故障檢測方法中聚類算法的流程示 意圖；
[0060] 圖3(a)為本發(fā)明實施例提供的傳感器節(jié)點的關系值視圖向量的示意圖；
[0061] 圖3(b)為本發(fā)明實施例提供的聚類處理過程中建立新簇的結果示意圖；
[0062] 圖3(c)為本發(fā)明實施例提供的聚類處理過程中將關系值視圖向量加入簇的第一 種過程示意圖；
[0063] 圖3(d)為本發(fā)明實施例提供的聚類處理過程中將關系值視圖向量加入簇的第二 種過程示意圖；
[0064]圖3(e)為本發(fā)明實施例提供的聚類處理過程中建立另一新簇的結果示意圖；
[0065]圖3(f)為本發(fā)明實施例提供的聚類處理過程中將關系值視圖向量加入建立的另 一簇的過程示意圖；
[0066]圖3(g)為本發(fā)明實施例提供的聚類處理的結果示意圖；
[0067] 圖4為本發(fā)明實施例提供的一種無線傳感器網(wǎng)絡的故障檢測裝置的結構示意圖。
【具體實施方式】
[0068] 下面將結合本發(fā)明實施例，對本發(fā)明實施例中的技術方案進行清楚、完整地描述， 顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的 實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都 屬于本發(fā)明保護的范圍。
[0069] 本發(fā)明實施例公開了一種無線傳感器網(wǎng)絡的故障檢測方法及裝置，方法包括:獲 得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng)參量的系統(tǒng)參量值序列，并對系 統(tǒng)參量值進行排序，獲得針對每一個傳感器節(jié)點的系統(tǒng)參量值有序序列，再根據(jù)系統(tǒng)參量 值有序序列，計算出每一個傳感器節(jié)點的關系值視圖向量，對當前時間窗內的所有關系值 視圖向量進行聚類處理，得到聚類結果，當前時間窗內不屬于所述聚類結果中的關系值視 圖向量對應的傳感器節(jié)點確定為故障節(jié)點。
[0070] 下面通過具體實施例，對本發(fā)明實施例進行詳細說明。
[0071] 圖1為本發(fā)明實施例提供的一種無線傳感器網(wǎng)絡的故障檢測方法的流程示意圖； 所述方法可以包括步驟：
[0072] S100:獲得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng)參量的系統(tǒng)參 量值序列；
[0073] 本領域技術人員可以理解的是，在通信技術領域，時間窗通常是指時間窗口，可以 簡單的理解為時間段，舉例而言，預設當前時間窗j的大小為《，則時間窗j從時刻（j-l)Xw 持續(xù)到時刻j Xw，可以簡單的理解為時間窗j為從上一時間窗j-1結束時刻（j-1) Xw的下一 時刻開始到時間窗j結束時刻jXw的時間段，時間段的大小為w;對應第一個時間窗而言，時 間窗j可以理解為從時刻1至時刻jXw的時間段;為例計算的簡便，通常時間窗大小的單位 取秒，如，取時間窗3的大小為10秒，此時表示當前時間窗為從(3-1) X 10+1，至3X10時刻結 束，即表示時間段[21，30]，本實施例中時間窗大小的單位取秒僅為一種具體的舉例，本申 請不對時間窗大小的單位以及時間窗的大小做進一步限定。
[0074] 可知的是，WSN(Wireless Sensor Networks，無線傳感器網(wǎng)絡）是一種分布式傳感 網(wǎng)絡，它的末梢是可以感知和檢查外部世界的傳感器，WSN由大量的傳感器構成，而對于每 一個傳感器來說，其包含多個系統(tǒng)參量，通常統(tǒng)參量包括:接收包計數(shù)(Packet Received)、 發(fā)送包計數(shù)(Packet Transmitted)、自轉發(fā)計數(shù)(Packet Self Transmitted)、執(zhí)行任務數(shù) (Task Executed)、推遲任務數(shù)(Task Posted)、失敗任務數(shù)(Task Failed)和成功任務數(shù) (Task Succeeded)等等，本實施例所提供的方案中，獲得當前時間窗內每一個傳感器節(jié)點 所包含的任意兩個系統(tǒng)參量的系統(tǒng)參量值序列，如時間窗內的第i個傳感器s 1中系統(tǒng)參量X 對應的系統(tǒng)參量值序列用Vi, X, j表不，假設時間窗大小為10秒，在時間窗內每隔5秒收集一次 系統(tǒng)參量值，則在一個時間窗內將對系統(tǒng)參量值采集兩次，獲得2個系統(tǒng)參量值，不難得知， 系統(tǒng)參量值序列Vi, x,j中包含2個系統(tǒng)參量值，例Vi,x,j = {12,15}，為了方便后續(xù)的計算，本 實施例選取傳感器節(jié)點中的接收包計數(shù)和發(fā)送包計數(shù)系統(tǒng)參量，分別記為系統(tǒng)參量X和系 統(tǒng)參量y。
[0075] 值得強調的是，在本發(fā)明實施例中，對于時間窗內所包含的傳感器節(jié)點的數(shù)目不 做具體的限定，對在時間窗內采集系統(tǒng)參量值的時間間隔也不做明確限定；同時，本實施例 中選取的任意兩個系統(tǒng)參量為接收包計數(shù)和發(fā)送包計數(shù)僅為一種具體的示例，本申請并不 對選取的系統(tǒng)參量做進一步的限定。
[0076] S200:對每一個傳感器節(jié)點的所述系統(tǒng)參量值序列中的系統(tǒng)參量值進行排序，獲 得針對每一個傳感器節(jié)點的所述系統(tǒng)參量的系統(tǒng)參量值有序序列；
[0077]所謂排序，就是使一串記錄，按照其中的某個或某些關鍵字的大小，按照遞增或遞 減的排列方式排列起來的操作稱為排序；同時，排序的方法也有很多種，例如冒泡排序、插 入排序、選擇排序、快速排序、堆排序等等。就本發(fā)明實施例而言，可以按照升序的排列方式 對每一個傳感器節(jié)點的系統(tǒng)參量值序列中的系統(tǒng)參量值進行排序，分別得到針對該系統(tǒng)參 量的系統(tǒng)參量值有序序列，當然，也可以按照降序的排列方式對每一個傳感器節(jié)點的系統(tǒng) 參量值序列中的系統(tǒng)參量值進行排序，可以分別得到針對該系統(tǒng)參量的系統(tǒng)參量值有序序 列。需要說明的是，發(fā)明本實施例對排列的具體形式以及排序的方法不做進一步限定。 [00 78] 例如，假設時間窗3中包含有4個傳感器節(jié)點，分別表不為S1、S2、S3、S4_-個傳感 器節(jié)點中系統(tǒng)參量X和系統(tǒng)參量y對應的系統(tǒng)參量值序列分別為:Vi, x, j = {12，15}、Vi,y, j = {12,15}、V2，x，j = {11，13}、V2，y，j = {11，13}、V3，x，j = {12,14}、V3，y，j = {12,14}、V4，x，j = {11， 14}和￥4,丫,」={3,2};將上述各個系統(tǒng)參里值序列￥1,\,」、￥1,丫,」、￥2,\,」、￥2,丫,」、￥3,\,」、￥3,丫,」、 ￥4~和￥ 4,^均按照從小到大即升序的方式進行排序，分別得到疒1^={12，15}、疒1^ = {12，15}、V 2，x，j={ll，13}、V 2，y，j={ll，13}、V 3，x，j={12，14}、V 3，y，j={12，14}、V 4，x，j = {11,14}和疒4|」={2,3}。
[0079] S300:根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參量值有序序列，生成針對每一個傳感 器節(jié)點的關系值視圖向量；
[0080] 本領域技術人員可以理解的是，根據(jù)上述獲得的每一個傳感器節(jié)點中對應系統(tǒng)參 量的系統(tǒng)參量值有序序列，可以利用斯皮爾曼秩關系因子計算當前時間窗內傳感器節(jié)點 Sl 中系統(tǒng)參量X和系統(tǒng)參量y在時間窗j內的關系值，再根據(jù)定義的關系值建立傳感器節(jié)點的 關系值視圖，最后根據(jù)建立的傳感器節(jié)點的關系值視圖生成針對傳感器節(jié)點的關系值向 量。
[0081] 實際應用中，步驟S300可以包括：
[0082] 首先，根據(jù)每一個傳感器節(jié)點所述系統(tǒng)參量值有序序列，計算每一個傳感器節(jié)點 所述系統(tǒng)參量的關系值；
[0083] 可以理解的是，根據(jù)上述獲得的每一個傳感器節(jié)點中對應系統(tǒng)參量的系統(tǒng)參量值 有序序列，可以利用斯皮爾曼秩關系因子計算當前時間窗內傳感器節(jié)點 Sl中系統(tǒng)參量X和 系統(tǒng)參量y在時間窗j內的關系值，具體的，計算所述傳感器節(jié)點的所述系統(tǒng)參量的關系值 所利用的公式，可以包括：
[0084]
-
[0085]式中，Ci, j (X，y)為當前時間窗j中的第i個傳感器節(jié)點中的系統(tǒng)參量X、y對應的關 系值，W為當前時間窗j的大小，n/ i,x, (j-l)Xw+k和n/ i,y, (j-l)Xw+k分別為系統(tǒng)參量值ΠΗ,χ, (j-l)Xw+k 和mi,y,(j-i)xw+k在系統(tǒng)參量x、y對應的有序序列V' i,x,j和V' i,y,j中的秩次，' χ y和％ v j分 別為有序序列疒i>x, j和V' i,y, j的平均秩次。
[0086] 可以理解的是，例如，對第1個傳感器節(jié)點S1來說，根據(jù)得到的第1個傳感器節(jié)點S1 的系統(tǒng)參量x、y對應的有序序列V' 1>x,」={12，15}、疒1>y,」={12,15}，不難得到第1個傳感器 節(jié)點 S1的系統(tǒng)參量x、y對應的有序序列Wx,」和Wy,」中的秩次πΛ,χ,υ-1)Xw+k={l，2}， π/ι,γ,ο-i)Xw+k={l，2};以及平均秩次川丨v ^.二1.5, ' v y.二1.5;之后再利用上述公式，可 計算出第1個傳感器節(jié)點si的系統(tǒng)參量x、y對應的關系值為〇1,」(1，7) = 1。再如，對第4個傳 感器節(jié)點S4來說，根據(jù)第4個傳感器節(jié)點S4的系統(tǒng)參量x、y對應的有序序列 14}、￥/4,^={2,3}，不難得到第4個傳感器節(jié)點84的系統(tǒng)參量1、7對應的有序序列￥ /4,^和 V'4,y, j 中的秩次 n/4,x, (j-l)Xw+k= { 1,2} ,π/4,y, (j-l)Xw+k= {2,1 };以及平均秩次 〃'| γ y - 1.5 f 〃\vJ = 1.5;之后再利用上述公式，可計算出第4個傳感器節(jié)點S4的系統(tǒng)參量x、y對應的 關系值為 C4,j(x，y)=_l。
[0087] 按照上述求解過程不難得到第2個傳感器節(jié)點s2的系統(tǒng)參量x、y對應的關系值為 C2,j(x，y) = l;第3個傳感器節(jié)點S3的系統(tǒng)參量x、y對應的關系值為C3,j(x，y) = l。
[0088] 其次，根據(jù)所述關系值，建立針對每一個傳感器節(jié)點的關系值視圖；
[0089] 根據(jù)上述在當前時間窗中所獲得的針對每一個傳感器節(jié)點中系統(tǒng)參量的關系值， 建立一個針對每一個傳感器節(jié)點的關系值視圖，例如，當前時間窗內的第2個傳感器節(jié)點 S2,根據(jù)其任意兩個系統(tǒng)參量的系統(tǒng)參量值有序序列可以獲得針對所選兩個系統(tǒng)參量的關 系值，根據(jù)這兩個系統(tǒng)參量可以建立一個2X2的關系值視圖，不難理解的是，如果選取傳感 器節(jié)點中的任意三個系統(tǒng)參量，最后將計算出選取的三個系統(tǒng)參量對應的關系值，可根據(jù) 選取的三個系統(tǒng)參量建立一個3X3的關系值視圖。當然本申請不對選取的系統(tǒng)參量做進一 步限定，同時也不對選取的系統(tǒng)參量的數(shù)目做明確限定。
[0090] 在實際建立關系值視圖時，關系值視圖的表征形式可以為：
[0091]
[0092] 為當前時間窗j中的第i個傳感器節(jié)點的關系值視圖，其中，1為第i個個傳感器 節(jié)點所包含的系統(tǒng)參量的數(shù)量，對于分氐h;.a，be [1，1] ;ci,j(a，b) = Ci,j(b，a)，Ci,j(a，a) = 1〇
[0093] 舉例說明，假設在大小為10秒的時間窗3內包含有4個傳感器節(jié)點，分別為S1、S2、sdP S4，假設每一個傳感器節(jié)點中只包含兩個系統(tǒng)參量，如這兩個系統(tǒng)參量為接收包計數(shù)和發(fā)送 包計數(shù)，分別稱為系統(tǒng)參量X和系統(tǒng)參量y，這里可以認為系統(tǒng)參量X為傳感器節(jié)點中的第1個 系統(tǒng)參量，系統(tǒng)參量y為傳感器節(jié)點中的第2個系統(tǒng)參量，假設已計算出傳感器節(jié)點 S1、S2、S3和 S4針對系統(tǒng)參量X和系統(tǒng)參量y的關系值分別為cij(x，y) = l、C2,j(x，y) = l、C3,j(x，y) = ]^Pc4,j (X，y) =-1;對選取傳感器節(jié)點中的兩個系統(tǒng)參量X和系統(tǒng)參量y來說，可得到對應傳感器節(jié) 點的2X2的關系值視圖；例如，對于傳感器節(jié)點 S1來說，由上述關系值視圖的表征形式不難 確定傳感器節(jié)點81對應的關系值視圖
其中可知的是， (l,l) = ci,j(2,2) = l，ci,j(l，2) = ci,j(2，l) = ci,j(x，y) = l，因此，可得傳感器節(jié)點si 對應 的關系值視目
，按照傳感器節(jié)點81對應的關系值視圖的求解過程，不難得到 傳感器節(jié)點S2、S3和S4對應2X2的關系值視圖分別為
I:和
[0094] 再如，假設在大小為10秒的時間窗3內包含有4個傳感器節(jié)點，分別為si、S2、S3和 S4,假設每一個傳感器節(jié)點中只包含三個系統(tǒng)參量，比如這三個系統(tǒng)參量為接收包計數(shù)、發(fā) 送包計數(shù)和執(zhí)行任務數(shù)，分別稱為系統(tǒng)參量X、系統(tǒng)參量y和系統(tǒng)參量z，這里可以認為系統(tǒng) 參量X為傳感器節(jié)點中的第1個系統(tǒng)參量，系統(tǒng)參量y為傳感器節(jié)點中的第2個系統(tǒng)參量，系 統(tǒng)參量z為傳感器節(jié)點中的第3個系統(tǒng)參量，為了使建立關系式視圖的過程盡量直觀，這里 就以第1個傳感器節(jié)點Si為例，現(xiàn)從系統(tǒng)參量x、y、z中任意選取兩個系統(tǒng)參量，針對選取的 系統(tǒng)參量計算關系值;例如針對系統(tǒng)參量X和系統(tǒng)參量y的關系值為ci, j(x，y) = 1，即cij(l， 2) = 1;針對系統(tǒng)參量X和系統(tǒng)參量z的關系值為ci, j(x，z) = 1，即ci, j( 1，3) = 1;針對系統(tǒng)參 量y和系統(tǒng)參量z的關系值為ci,j(y，z)=-l，即ci,j(2,3)=_l;對選取傳感器節(jié)點si中的三 個系統(tǒng)參量X和系統(tǒng)參量y和系統(tǒng)參量z來說，可得到傳感器節(jié)點 81的3乂3的關系值視圖；由 上述關系值視圖的表征形式不難確定傳感器節(jié)點S1對應的關系值視圖為：
[0095]
[0096] 已知ci,j(l，2) = ci,j(2,1) = 1，ci,j(l，3) = ci,j(3,1) = 1，ci,j(2,3) = ci,j(3,2) = _ 1;〇^(1，1)=(3^(2,2) = (：^(3,3) = 1，代入關系值視圖中，可獲得傳感器節(jié)點81對應的關 系值視圖為：
[0097]
[0098] 建立時間窗內的其他傳感器節(jié)點的關系值視圖與建立傳感器節(jié)點81的過程雷同， 本實施例就補 列舉。由上例不難得知，本發(fā)明實施例在對當前時間窗內的每一個傳感 器節(jié)點選取系統(tǒng)參量時，選取的系統(tǒng)參量可以任意，同時選取系統(tǒng)參量的數(shù)目可以為兩個、 三個或更多，因此，本申請并不對選取的系統(tǒng)參量以及系統(tǒng)參量的數(shù)目做進一步限定。
[0099] 然后，根據(jù)當前時間窗內每一個傳感器節(jié)點的所述關系值視圖，生成針對每一個 傳感器節(jié)點的關系值視圖向量。
[0100] 可以理解的是，上述獲得的關系值視圖為對稱矩陣，為了簡化，本實施例中對上述 獲得的關系值視圖中的上三角矩陣進行提取，生成對應的關系值視圖向量，例如:對于上述 根據(jù)任意兩個系統(tǒng)參量分別建立針對于傳感器節(jié)點 S1、S2、S3和S4的關系值視圖，
來說，進行 上三角矩陣提取后可對應生成關系值視圖向量為:pi= {1}、P2= {1}、P3= {1}和P4= {-1}。 再如，對于根據(jù)任意三個系統(tǒng)參量建立的針對于傳感器節(jié)點S1的關系值視圖：
|來說，進行上三角矩陣提取后可生成關系值視圖向量為:P1=u， 1，-1}〇
[0101] S400:根據(jù)當前時間窗內所有傳感器節(jié)點的所述關系值視圖向量，對當前時間窗 內的所有傳感器節(jié)點對應的關系值視圖向量進行聚類處理，得到聚類結果；
[0102] 本領域技術人員可以理解的是，聚類，通常是指將物理或抽象對象的集合分成由 類似的對象組成的多個類的過程。由聚類所生成的簇是一組數(shù)據(jù)對象的集合，這些對象與 同一個簇中的對象彼此相似，與其他簇中的對象相異。
[0103] 在對當前時間窗內的所有傳感器節(jié)點對應的關系值視圖向量進行聚類處理時，如 圖 2 所示，可以包括步驟：S401、S402、S403、S404、S405、S406、S407、S408 以及 S409，具體的；
[0104] S401:根據(jù)當前時間窗內所有傳感器節(jié)點的關系值視圖向量，分別計算針對當前 時間窗內每一個傳感器節(jié)點的所述關系值視圖向量的k距離鄰域Nk(p)、逆k距離鄰域INk(p) 及鄰基局部密度因子NLDF k(p)，其中，所述關系值視圖向量的鄰基局部密度因子
式中，k為正整數(shù)，| INk(p) |為所述關系值視圖向量的逆k距離鄰域 中的關系值視圖向量數(shù)目，|Nk(p) |為所述關系值視圖向量的k距離鄰域中的關系值視圖向 量數(shù)目；
[0105] 在聚類算法中，通常是對于一個數(shù)據(jù)集來說的，本發(fā)明實施例將當前時間窗內包 含的所有的傳感器節(jié)點對應的關系值視圖向量作為一個數(shù)據(jù)集D，其中每一個傳感器節(jié)點 對應的關系值視圖向量均作為一個對象，計算數(shù)據(jù)集D中每個對象p的k距離鄰域、逆k距離 鄰域和鄰基局部密度因子。其中，對象P的k距離和k距離鄰域定義如下：
[0106] 定義1:(對象p的k距離)對于任意正整數(shù)k和數(shù)據(jù)集D中的對象p，p的k距離，記作k-distance(p)，定義為p與對象〇之間的距離d(p，o)，其中〇eD，并滿足：
[0107] (1)至少存在k個對象c/ ￡D\{p}，使得d(p，c/ ) < d(p，o)，以及
[0108] (2)至多存在k_l個對象c/ eD\{p}，使得d(p，c/ )<d(p，o)。
[0109] 定義2:(對象p的k距離鄰域)給定對象p的k距離，對象p的k距離鄰域，記作Nk(p)， 包含的對象滿足，其到口的距離不超過口的1^距離。即化（？）= {(1已〇\{?}|(1(?，(1)<1^-distance(p)}，其中q稱為p的k近鄰。
[0110]對象P的逆k距離鄰域定義如下：
[0111] 定義3:(對象p的逆k距離鄰域)對象p的逆k距離鄰域，記作INk(p)，包含的對象滿 足，其k距離鄰域中包含對象p。即INk(p) = {q e D\ {p} | p eNk(q)}，其中q稱為p的逆k近鄰。
[0112] 對象p的鄰基局部密度因子定義如下：
[0113] 定義4:(對象p的鄰基局部密度因子)給定正整數(shù)k，對象p的鄰基局部密度因子，記 作NLDFk(p)，定義為：
[0114]
[0115] 其中，|lNk(p) |為對象p的逆k距離鄰域中的對象數(shù)目，|Nk(p) |為對象p的k距離鄰 域中的對象數(shù)目；
[0116] 舉例而言:假設當前時間窗內包含有8個傳感器節(jié)點，則可已建立一個數(shù)據(jù)集D如 圖3(8)所示，包含有口142、......、P8共8個對象;令k=2,通過上述關系式可得N2(pi) = {p2、 P3}，N2(P2) = {pi、P3}，......，N2(P8) = {p5、P6、P7};
進而 有NLDF2 (P1) = 1 · 5，NLDF2 (p2) = 1 · 5，……，NLDF2 (p8) = 0;上述中的k為預設的數(shù)值，實際計 算時可具體設定，本申請不對其做明確限定。
[0117] 值得強調的是，圖3(a)僅為具體的示例，本申請不對當前時間窗內所包含的傳感 器數(shù)目做明確規(guī)定，但是，數(shù)據(jù)集D中包含的對象數(shù)目與時間窗內所包含的傳感器節(jié)點是一 一對應的。
[0118] S402:判斷當前時間窗內每一個傳感器對應的所述關系值視圖向量的鄰基局部密 度因子NLDFk(p)是否大于或等于1，如果是，確定所述關系值視圖向量為密鄰向量，否則，確 定所述關系值視圖向量為疏鄰向量；
[0119] 根據(jù)計算得到的數(shù)據(jù)集D中每一個對象的鄰基局部密度因子NLDFk(p)與1的大小 關系，判斷每一個對象的屬性，即對象為密鄰對象還是疏鄰對象。
[0120] 定義5:(密鄰對象)給定正整數(shù)k，對象p是密鄰對象，當且僅當NLDFk(p) 2 1。
[0121 ] 定義6:(疏鄰對象)給定正整數(shù)k，對象p是疏鄰對象，當且僅當NLDFk(p) < 1。
[0122] 將上述數(shù)據(jù)集D中每一個對象的鄰基局部密度因子NLDFk(p)與1進行比較，不難得 到，NLDF2 (pi) > 1，NLDF2 (P2) > 1，NLDF2 (P3) > 1，NLDF2 (P4) < 1，NLDF2 (P5) > 1，NLDF2 (P6) > 1， NLDF2(p7)<l，NLDF2(p8)<l;有上述的定義5、定義6可以判定數(shù)據(jù)集D中的對象中密鄰對象 有:口1、口2、口3、口5和口6;密鄰對象有：口4、口7和口8。
[0123] S403:在當前時間窗內存在密鄰向量時，判斷目標密鄰向量是否屬于當前時間窗 內已存在的簇，如果否，建立新簇，將所述目標密鄰向量加入所述新簇中，所述簇為當前時 間窗內的多個傳感器節(jié)點對應的關系值視圖向量的集合；
[0124] 由上述可知的是，數(shù)據(jù)集D中每一個關系值視圖向量均對應作為一個對象，上述已 判斷的密鄰對象有:口142 43 45、和口6和，密鄰對象有$4 47和口8;也就是說，傳感器節(jié)點81、 S2、S3、S5、和S6和對應的關系值視圖向量均為密鄰向量，傳感器節(jié)點S4、S7和S8對應的關系值 視圖向量均為疏鄰向量。
[0125] 根據(jù)上述的判定結果，顯然的在時間窗內存在密鄰對象，對于數(shù)據(jù)集D來說，假設 之前沒有形成任何簇，則目標密鄰對象如Pl·，不屬于任何簇，此時，建立一個新簇，如圖3(b) 所示，實線圈為新建立的簇，同時將目標密鄰對象口:加入到新建立的簇中。值得一提的是， 這里的目標密鄰對象可以選擇上述數(shù)據(jù)集D中已經(jīng)判定為密鄰對象中的任意一個，圖3(b) 僅為一種具體的聚類過程展示，本發(fā)明實施例不對所選擇的目標密鄰對象做進一步限定。
[0126] S404:確定針對目標密鄰向量的所有直接局部密度可達關系值視圖向量，其中，確 定針對所述目標關系值視圖向量的所有直接局部密度可達關系值視圖向量通過下述表達 式:NLDFk(p)/(l+thr)<NLDFk(q)<NLDFk(p)X(l+thr)，qeNk(p)，式中，NLDFk(q)為關系值 視圖向量q的鄰基局部密度因子，thr為預設閾值；
[0127] 聚類運算的關鍵步驟就是要找到與簇中對象相似的其他對象，可以理解的，本發(fā) 明實施例中，以上述已經(jīng)建立的新簇中的目標密鄰對象為基準，搜索相似的關系值視圖向 量，在目標密鄰對象的鄰域內，與目標密鄰對象的鄰基密度因子NLDF k(p)相近的對象稱作 直接局部密度可達對象，即直接密度可達關系值視圖向量。具體的，可通過下述表達式進行 判斷，表達式為:NLDFk(p)/(l+thr)<NLDFk(q)<NLDFk(p)X(l+thr)，qENk(p)，式中，NLDFk (q)為關系值視圖向量q的鄰基局部密度因子，thr為預設閾值。
[0128] 例如，對上述已經(jīng)建立的新簇中的目標密鄰向量如P1進行直接密度可達關系值視 圖向量搜索，假定，預設thr = 0.1，根據(jù)上述的表達式可以求得目標密鄰對象P1的直接局部 密度可達對象為p2、p 3,如圖3(c)所示，對象p2、p3分別箭頭指向目標密鄰對象P1，其中，已知 的是，對象P2、P3均為密鄰對象，即密鄰向量。當然，上述預設閾值thr的取值本申請并不對其 做進一步限定。
[0129] S405:將所述直接局部密度可達關系值視圖向量加入到目標密鄰向量所處簇中；
[0130] 可以理解的，將上述針對目標密鄰對象?1獲得的直接局部密度可達對象p2、p3加入 到目標密鄰對象P1m處簇中，此時目標密鄰對象P1所處簇將增加2個對象，目標密鄰對象 ?1 所處簇擴大，如圖3(c)中的虛線圈所示。
[0131] S406:判斷新加入的關系值視圖向量是否存在密鄰向量，
[0132] S407:如果存在，確定針對新加入的每一個密鄰向量的所有直接局部密度可達關 系值視圖向量，將所有新加入的密鄰向量的所有直接局部密度可達關系值視圖向量確定為 直接可達向量集，將所述直接可達向量集中不屬于目標密鄰向量所處簇的直接局部密度可 達關系值視圖向量加入到目標密鄰向量所處簇中，返回步驟S406繼續(xù)執(zhí)行；
[0133] 如圖3(d)所示，顯然目標密鄰對象?1所處的簇，即實線圈中的對象p2、p3均為密鄰 對象，根據(jù)上述的求解直接局部密度可達對象的表達式可分別得到對象P2的直接局部密度 可達對象為P3、P4,對象P3無直接局部密度可達對象，可以將直接局部密度可達對象為P3、P4 確定為直接可達向量集；圖3(d)中所示對象p2的直接局部密度可達對象P3、P4分別箭頭指向 密鄰對象P2，其中，已知的是，對象P3為密鄰對象，即密鄰向量;對象P4為疏鄰對象，即疏鄰向 量。直觀的可以得知，直接可達向量集中的對象P3已經(jīng)屬于目標密鄰對象口:所處的簇中，而 直接可達向量集中的對象P4不屬于目標密鄰對象 ？1所處的簇，因此將對象P4加入到目標密 鄰對象Pi所處的簇中，此時，目標密鄰對象處的簇又增加1個對象，目標密鄰對象?:所處 的簇擴大為圖3(d)中所示的虛線圈。
[0134] 如圖3(e)所示，新加入的對象P4為疏鄰對象，可見目標密鄰對象?1所處的簇中新加 入的對象中沒有密鄰對象了，因此，目標密鄰對象P1所處的簇生成，可將已生成的簇命名為 Clo
[0135] S408:如果不存在，判斷當前時間窗內是否還存在密鄰向量，如果是，返回步驟 S403繼續(xù)執(zhí)行；
[0136] S409:如果否，將當前時間窗內已存在的簇確定為聚類結果。
[0137] 如圖3(e)所示，可見簇C1中已經(jīng)沒有未計算直接局部密度可達對象的密鄰對象 了，而數(shù)據(jù)集D中卻依然存在密鄰對象，可知的還有對象p 5、p6為密鄰對象，所以需要返回步 驟S403繼續(xù)執(zhí)行聚類過程，可以理解的如圖3(e)所示，此時，取密鄰對象p 5為目標密鄰對 象，由于目標密鄰對象p5不屬于已經(jīng)建立的簇C1，因此重新建立一個新簇，并將目標密鄰對 象P5加入到新建立的簇中，形成如圖3(e)中所示的包含目標密鄰對象p 5的實線圈。
[0138] 依次的，根據(jù)上述求解直接局部密度可達對象的表達式，可得到新建立簇中的目 標密鄰對象p5的直接局部密度可達對象為P6、P7,其中，直接局部密度可達P6為密鄰對象，直 接局部密度可達對象P7為疏鄰對象，如圖3(f)所示，直接局部密度可達對象p 6、p7分別箭頭 指向目標密鄰對象P5。
[0139] 由上述簇C1的聚類過程可以容易的得知，將上述求得的直接局部密度可達對象 p6、P7加入到目標密鄰對象口5所處簇中，新加入的直接局部密度可達對象P6、P7中，密鄰對象 P6沒有直接局部密度可達對象，而直接局部密度可達對象P7為疏鄰對象，所以生成新簇，將 其命名為C2,如圖3(g)中的實線圈C2所示。
[0140] 此時，當前數(shù)據(jù)集D中僅剩下對象P8,且對象P8為疏鄰對象，所以當前數(shù)據(jù)集D中不 存在密鄰對象，因此，將數(shù)據(jù)集D中已經(jīng)建立的簇C1、C2確定為聚類結果，如圖3(g)所示，其 中，簇C1中包含對象PI、P2、P3、P4 ;簇C2中包含對象P5、P6、P7。
[0141] S500:將當前時間窗內不屬于所述聚類結果中的關系值視圖向量對應的傳感器節(jié) 點確定為故障節(jié)點。
[0142] 不難理解的是，在上述的聚類結果中已經(jīng)形成兩個簇，分別為簇Cl、簇C2,如圖3 (g)所示，其中，簇C1中包含對象口142 43 44;簇02中包含對象口5、口6 47。在數(shù)據(jù)集0中，顯而 易見的有對象P8既不屬于簇C1，也不屬于簇C2,因此可以確定數(shù)據(jù)集D中存在對象P8為異常 對象，進一步的，異常對象P8所對應的傳感器節(jié)點即為故障節(jié)點。
[0143] 值得強調的是，上述圖3(a)-圖3(g)中所展示的各對象間的關系僅為本發(fā)明實施 例中的一種具體示例，本申請并不對聚類的結果做進一步限定，只要滿足上述聚類規(guī)則均 在本發(fā)明實施例的保護范圍內。
[0144] 需要說明的是，上述以簇C1、簇C2以及關系值視圖向量Pl、p2、……、p8為例進行說 明，僅為本發(fā)明的一具體實例，并不夠成對本發(fā)明的限定。
[0145] 應用本發(fā)明圖1所示實施例，通過獲得當前時間窗內每一個傳感器節(jié)點所包含的 任意兩個系統(tǒng)參量的系統(tǒng)參量值序列，并對系統(tǒng)參量值進行排序，獲得針對每一個傳感器 節(jié)點的系統(tǒng)參量值有序序列，再根據(jù)系統(tǒng)參量值有序序列，計算出每一個傳感器節(jié)點的關 系值視圖向量，對當前時間窗內的所有關系值視圖向量進行聚類處理，得到聚類結果，當前 時間窗內不屬于所述聚類結果中的關系值視圖向量對應的傳感器節(jié)點確定為故障節(jié)點。有 效的利用了傳感器節(jié)點系統(tǒng)參量間存在的關系，解決了如何通過傳感器節(jié)點中系統(tǒng)參量間 存在的關系對無線傳感器網(wǎng)絡進行故障檢測的問題。
[0146] 圖4為本發(fā)明實施例提供的一種無線傳感器網(wǎng)絡的故障檢測裝置的結構示意圖； 所述裝置可以包括:第一獲得模塊100，第二獲得模塊200，向量生成模塊300，聚類模塊400， 確定模塊500;
[0147] 其中，第一獲得模塊100,用于獲得當前時間窗內每一個傳感器節(jié)點所包含的任意 兩個系統(tǒng)參量的系統(tǒng)參量值序列；
[0148] 第二獲得模塊200,用于對每一個傳感器節(jié)點的所述系統(tǒng)參量值序列中的系統(tǒng)參 量值進行排序，獲得針對每一個傳感器節(jié)點的所述系統(tǒng)參量的系統(tǒng)參量值有序序列；
[0149] 向量生成模塊300,用于根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參量值有序序列，生成 針對每一個傳感器節(jié)點的關系值視圖向量；
[0150] 實際應用中，向量生成模塊300可以包括:計算子模塊，視圖建立子模塊以及向量 建立子模塊(圖中未不出）；
[0151]其中，計算子模塊，用于根據(jù)每一個傳感器節(jié)點所述系統(tǒng)參量值有序序列，計算每 一個傳感器節(jié)點所述系統(tǒng)參量的關系值；
[0152] 可以理解的，計算子模塊，在計算傳感器節(jié)點系統(tǒng)參量的關系值時所利用的公式， 可以包括：
[0153]
[0154] 式中，(^,」(1，7)為當前時間窗」中的第;[個傳感器節(jié)點中的系統(tǒng)參量1、7對應的關 系值，W為當前時間窗j的大小，Π / i,x, (j-l)Xw+k和Π / i,y, (j-l)Xw+k分別為系統(tǒng)參量值ΠΗ,χ, (j-l)Xw+k 和mi，y，(j-i)xw+k在系統(tǒng)參量x、y對應的有序序列V7 i，x，j和V7 i，y，j中的秩次，·. ·和/??. ·分 "少，/ 別為有序序列疒i,x, j和V' i,y, j的平均秩次。
[0155] 視圖建立子模塊，用于根據(jù)所述關系值，建立針對每一個傳感器節(jié)點的關系值視 圖；
[0156] 視圖建立子模塊在實際建立的傳感器節(jié)點的關系值視圖的表征形式可以為：
[0157]
[0158] 為當前時間窗j中的第i個傳感器節(jié)點的關系值視圖，其中，1為第i個傳感器節(jié) 點所包含的系統(tǒng)參量的數(shù)量，對于Va, h;a，be[l，1] ;ci,j(a，b)=Ci,j(b，a)，Ci,j(a，a) = l。
[0159] 向量建立子模塊，用于根據(jù)當前時間窗內每一個傳感器節(jié)點的所述關系值視圖， 生成針對每一個傳感器節(jié)點的關系值視圖向量。
[0160] 聚類模塊400,用于根據(jù)當前時間窗內所有傳感器節(jié)點的所述關系值視圖向量，對 當前時間窗內的所有傳感器節(jié)點對應的關系值視圖向量進行聚類處理，得到聚類結果； [0 161]實際應用中，聚類模塊400,具體用于：
[0162] A、根據(jù)當前時間窗內所有傳感器節(jié)點的關系值視圖向量，分別計算針對當前時間 窗內每一個傳感器節(jié)點的所述關系值視圖向量的k距離鄰域N k(p)、逆k距離鄰域INk(p)及鄰 基局部密度因子NLDFk(p)，其中，所述關系值視圖向量的鄰基局部密度因子
式中，k為正整數(shù)，|lNk(p)|為所述關系值視圖向量的逆k距離鄰域 τη、」大亦η且wmp」里3又目，|Nk(p) |為所述關系值視圖向量的1^距離鄰域中的關系值視圖向 量數(shù)目；
[0163] B、判斷當前時間窗內每一個傳感器對應的所述關系值視圖向量的鄰基局部密度 因子NLDFk(p)是否大于或等于1，如果是，確定所述關系值視圖向量為密鄰向量，否則，確定 所述關系值視圖向量為疏鄰向量；
[0164] C、在當前時間窗內存在密鄰向量時，判斷目標密鄰向量是否屬于當前時間窗內已 存在的簇，如果否，建立新簇，將所述目標密鄰向量加入所述新簇中，所述簇為當前時間窗 內的多個傳感器節(jié)點對應的關系值向量的集合；
[0165] D、確定針對目標密鄰向量的所有直接局部密度可達關系值視圖向量，其中，確定 針對所述目標關系值視圖向量的所有直接局部密度可達關系值視圖向量通過下述表達式： NLDFk(p)/(l+thr)<NLDFk(q)<NLDFk(p)X(l+thr)，qeNk(p)，式中，NLDFk(q)為關系值視 圖向量q的鄰基局部密度因子，thr為預設閾值；
[0166] E、將所述直接局部密度可達關系值視圖向量加入到目標密鄰向量所處簇中；
[0167] F、判斷新加入的關系值視圖向量是否存在密鄰向量，
[0168]如果存在，確定針對新加入的每一個密鄰向量的所有直接局部密度可達關系值視 圖向量，將所有新加入的密鄰向量的所有直接局部密度可達關系值視圖向量確定為直接可 達向量集，將所述直接可達向量集中不屬于目標密鄰向量所處簇的直接局部密度可達關系 值視圖向量加入到目標密鄰向量所處簇中，返回步驟F繼續(xù)執(zhí)行；
[0169]如果不存在，判斷當前時間窗內是否還存在密鄰向量，如果是，返回步驟C繼續(xù)執(zhí) 行，如果否，將當前時間窗內已存在的簇確定為聚類結果。
[0170]確定模塊500,用于將當前時間窗內不屬于所述聚類結果中的關系值視圖向量對 應的傳感器節(jié)點確定為故障節(jié)點。
[0171]應用本發(fā)明圖4所示實施例，通過獲得當前時間窗內每一個傳感器節(jié)點所包含的 任意兩個系統(tǒng)參量的系統(tǒng)參量值序列，并對系統(tǒng)參量值進行排序，獲得針對每一個傳感器 節(jié)點的系統(tǒng)參量值有序序列，再根據(jù)系統(tǒng)參量值有序序列，計算出每一個傳感器節(jié)點的關 系值視圖向量，對當前時間窗內的所有關系值視圖向量進行聚類處理，得到聚類結果，當前 時間窗內不屬于所述聚類結果中的關系值視圖向量對應的傳感器節(jié)點確定為故障節(jié)點。有 效的利用了傳感器節(jié)點系統(tǒng)參量間存在的關系，解決了如何通過傳感器節(jié)點中系統(tǒng)參量間 存在的關系對無線傳感器網(wǎng)絡進行故障檢測的問題。
[0172]需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實 體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存 在任何這種實際的關系或者順序。而且，術語"包括"、"包含"或者其任何其他變體意在涵蓋 非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要 素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備 所固有的要素。在沒有更多限制的情況下，由語句"包括一個……"限定的要素，并不排除在 包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
[0173] 本說明書中的各個實施例均采用相關的方式描述，各個實施例之間相同相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于裝置實 施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關之處參見方法實施例 的部分說明即可。
[0174] 本領域普通技術人員可以理解實現(xiàn)上述方法實施方式中的全部或部分步驟是可 以通過程序來指令相關的硬件來完成，所述的程序可以存儲于計算機可讀取存儲介質中， 這里所稱得的存儲介質，如:R0M/RAM、磁碟、光盤等。
[0175] 以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在 本發(fā)明的精神和原則之內所作的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍 內。
【主權項】
1. 一種無線傳感器網(wǎng)絡的故障檢測方法，其特征在于，所述方法包括： 獲得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng)參量的系統(tǒng)參量值序列； 對每一個傳感器節(jié)點的所述系統(tǒng)參量值序列中的系統(tǒng)參量值進行排序，獲得針對每一 個傳感器節(jié)點的所述系統(tǒng)參量的系統(tǒng)參量值有序序列； 根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參量值有序序列，生成針對每一個傳感器節(jié)點的關 系值視圖向量； 根據(jù)當前時間窗內所有傳感器節(jié)點的所述關系值視圖向量，對當前時間窗內的所有傳 感器節(jié)點對應的關系值視圖向量進行聚類處理，得到聚類結果； 將當前時間窗內不屬于所述聚類結果中的關系值視圖向量對應的傳感器節(jié)點確定為 故障節(jié)點。2. 根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參 量值有序序列，生成針對每一個傳感器節(jié)點的關系值視圖向量，包括： 根據(jù)每一個傳感器節(jié)點所述系統(tǒng)參量值有序序列，計算每一個傳感器節(jié)點所述系統(tǒng)參 量的關系值； 根據(jù)所述關系值，建立針對每一個傳感器節(jié)點的關系值視圖； 根據(jù)當前時間窗內每一個傳感器節(jié)點的所述關系值視圖，生成針對每一個傳感器節(jié)點 的關系值視圖向量。3. 根據(jù)權利要求2所述的方法，其特征在于，計算傳感器節(jié)點的所述系統(tǒng)參量的關系值 所利用的公式，包括：式中，cu(X，y)為當前時間窗j中的第i個傳感器節(jié)點中的系統(tǒng)參量x、y對應的關系值， W為當前時間窗j的大小，Π!' i,x, (j-l)Xw+k和n/ i,y, (j-l)Xw+k分別為系統(tǒng)f"_ θ k和 nu,y, (j-i)xw+k在系統(tǒng)參量x、y對應的有序序列i,x,j和i,y, j中的秩次 卜別 為有序序列，i,x, j和疒i,y, j的平均秩次。4. 根據(jù)權利亜:或太的古、比甘牲紅龍豐日(^太佑咸奧書占的主玄估項1圖的表;征開多式；Ci,j為當前時間窗j中的第i個傳感器節(jié)點的夫糸值視圖，其中，1為第i個傳感器節(jié)點所 包含的系統(tǒng)參量的數(shù)量，對于Vd,l);:a，be[l，1] ;ci,j(a，b)=Ci,j(b，a)，Ci,j(a，a) = l。5. 根據(jù)權利要求4所述的方法，其特征在于，所述根據(jù)當前時間窗內所有傳感器節(jié)點的 所述關系值視圖向量，對當前時間窗內的所有傳感器節(jié)點對應的關系值視圖向量進行聚類 為： 處理，得到聚類結果，包括：a、 根據(jù)當前時間窗內所有傳感器節(jié)點的關系值視圖向量，分別計算針對當前時間窗內每 一個傳感器節(jié)點的所述關系值視圖向量的k距離鄰域N k(p)、逆k距*SM密 度因子NLDFk(p)，其中，所述關系值視圖向量的鄰基局部密度因丨 式 中，k為正整數(shù)，I INk(p) I為所述關系值視圖向量的逆k距離鄰域中的關系值視圖向量數(shù)目， |Nk(p) I為所述關系值視圖向量的k距離鄰域中的關系值視圖向量數(shù)目； b、 判斷當前時間窗內每一個傳感器對應的所述關系值視圖向量的鄰基局部密度因子 NLDFk(P)是否大于或等于1，如果是，確定所述關系值視圖向量為密鄰向量，否則，確定所述 關系值視圖向量為疏鄰向量； c、 在當前時間窗內存在密鄰向量時，判斷目標密鄰向量是否屬于當前時間窗內已存在 的簇，如果否，建立新簇，將所述目標密鄰向量加入所述新簇中，所述簇為當前時間窗內的 多個傳感器節(jié)點對應的關系值視圖向量的集合； d、 確定針對目標密鄰向量的所有直接局部密度可達關系值視圖向量，其中，確定針對 所述目標關系值視圖向量的所有直接局部密度可達關系值視圖向量通過下述表達式： NLDFk(p)/(l+thr)<NLDFk(q)<NLDFk(p)X(l+thr)，qeNk(p)，式中，NLDFk(q)為關系值視 圖向量q的鄰基局部密度因子，thr為預設閾值； e、 將所述直接局部密度可達關系值視圖向量加入到目標密鄰向量所處簇中； f、 判斷新加入的關系值視圖向量是否存在密鄰向量， 如果存在，確定針對新加入的每一個密鄰向量的所有直接局部密度可達關系值視圖向 量，將所有新加入的密鄰向量的所有直接局部密度可達關系值視圖向量確定為直接可達向 量集，將所述直接可達向量集中不屬于目標密鄰向量所處簇的直接局部密度可達關系值視 圖向量加入到目標密鄰向量所處簇中，返回步驟f繼續(xù)執(zhí)行； 如果不存在，判斷當前時間窗內是否還存在密鄰向量，如果是，返回步驟c繼續(xù)執(zhí)行，如 果否，將當前時間窗內已存在的簇確定為聚類結果。6. -種無線傳感器網(wǎng)絡的故障檢測裝置，其特征在于，所述裝置包括： 第一獲得模塊，用于獲得當前時間窗內每一個傳感器節(jié)點所包含的任意兩個系統(tǒng)參量 的系統(tǒng)參量值序列； 第二獲得模塊，用于對每一個傳感器節(jié)點的所述系統(tǒng)參量值序列中的系統(tǒng)參量值進行 排序，獲得針對每一個傳感器節(jié)點的所述系統(tǒng)參量的系統(tǒng)參量值有序序列； 向量生成模塊，用于根據(jù)每一個傳感器節(jié)點的所述系統(tǒng)參量值有序序列，生成針對每 一個傳感器節(jié)點的關系值視圖向量； 聚類模塊，用于根據(jù)當前時間窗內所有傳感器節(jié)點的所述關系值視圖向量，對當前時 間窗內的所有傳感器節(jié)點對應的關系值視圖向量進行聚類處理，得到聚類結果； 確定模塊，用于將當前時間窗內不屬于所述聚類結果中的關系值視圖向量對應的傳感 器節(jié)點確定為故障節(jié)點。7. 根據(jù)權利要求6所述的裝置，其特征在于，所述向量生成模塊，包括： 計算子模塊，用于根據(jù)每一個傳感器節(jié)點所述系統(tǒng)參量值有序序列，計算每一個傳感 器節(jié)點所述系統(tǒng)參量的關系值； 視圖建立子模塊，用于根據(jù)所述關系值，建立針對每一個傳感器節(jié)點的關系值視圖； 向量建立子模塊，用于根據(jù)當前時間窗內每一個傳感器節(jié)點的所述關系值視圖，生成 針對每一個傳感器節(jié)點的關系值視圖向量。8. 根據(jù)權利要求7所述的裝置，其特征在于，所述計算子模塊，計算所述傳感器節(jié)點所 述系統(tǒng)參量的關系值所利用的公式，包括：式中，Ci, j U，y)為當前時丨0」W j中的弟i個傳感器節(jié)點中的糸統(tǒng)參量X、y對應的夫糸值， W為當前時間窗j的大小，Π !' i,x, (j-l)Xw+k和n/ i,y, (j-l)Xw+k分別為系統(tǒng)參量值ΠΗ,Χ, G-l)Xw+k和 m"，。-1)Xw+k在系統(tǒng)參量x、y對劍勺有赫列 為有序序列，i,x, j和疒i,y, j的平均秩次。9. 根據(jù)權利要求8所述的裝置，其特征在于，所述視圖建立子模塊建立的所述傳感器節(jié) 點的關系值視圖的表征形式為：C1,j為當前時間窗j中的第i個傳感器節(jié)點的關系值視圖，其中，1為第i個傳感器節(jié)點所 包含的系統(tǒng)參里的數(shù)莖，對于Vft:，fi:;:a，be[l，l];ci,j(a，b)=Ci,j(b，a)，Ci,j(a，a) = l。10. 根據(jù)權利要求9所述的裝置，其特征在于，所述聚類模塊，具體用于： A、 根據(jù)當前時間窗內所有傳感器節(jié)點的關系值視圖向量，分別計算針對當前時間窗內每 一個傳感器節(jié)點的所述關系值視圖向量的k距離鄰域N k(p)、逆k距離鄰域INk(p)及鄰基局部密 度因子NLDFk(P)，其中，所述關系值視圖向量的鄰基局部密度因1式 中，k為正整數(shù)，I INk(p) I為所述關系值視圖向量的逆k距離鄰域中的關系值視圖向量數(shù)目， |Nk(p) I為所述關系值視圖向量的k距離鄰域中的關系值視圖向量數(shù)目； B、 判斷當前時間窗內每一個傳感器對應的所述關系值視圖向量的鄰基局部密度因子 NLDFk(P)是否大于或等于1，如果是，確定所述關系值視圖向量為密鄰向量，否則，確定所述 關系值視圖向量為疏鄰向量； C、 在當前時間窗內存在密鄰向量時，判斷目標密鄰向量是否屬于當前時間窗內已存在 的簇，如果否，建立新簇，將所述目標密鄰向量加入所述新簇中，所述簇為當前時間窗內的 多個傳感器節(jié)點對應的關系值向量的集合； D、 確定針對目標密鄰向量的所有直接局部密度可達關系值視圖向量，其中，確定針對 所述目標關系值視圖向量的所有直接局部密度可達關系值視圖向量通過下述表達式： NLDFk(p)/(l+thr)<NLDFk(q)<NLDFk(p)X(l+thr)，qeNk(p)，式中，NLDFk(q)為關系值視 圖向量q的鄰基局部密度因子，thr為預設閾值； E、 將所述直接局部密度可達關系值視圖向量加入到目標密鄰向量所處簇中； F、 判斷新加入的關系值視圖向量是否存在密鄰向量， 如果存在，確定針對新加入的每一個密鄰向量的所有直接局部密度可達關系值視圖向 量，將所有新加入的密鄰向量的所有直接局部密度可達關系值視圖向量確定為直接可達向 量集，將所述直接可達向量集中不屬于目標密鄰向量所處簇的直接局部密度可達關系值視 圖向量加入到目標密鄰向量所處簇中，返回步驟F繼續(xù)執(zhí)行； 如果不存在，判斷當前時間窗內是否還存在密鄰向量，如果是，返回步驟C繼續(xù)執(zhí)行，如 果否，將當前時間窗內已存在的簇確定為聚類結果。
【文檔編號】H04W24/04GK105897469SQ201610202851
【公開日】2016年8月24日
【申請日】2016年4月1日
【發(fā)明人】李賀, 楊楊, 邱雪松, 高志鵬, 劉倩, 李文璟
【申請人】北京郵電大學