专利名称：对无线传感器网络异常事件进行分布式检测的方法
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NX I向量，X e Rn，存在一个NXN变换矩阵Ψ，Χ = ΨΡ， 其中P亦为一维NX I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MXN的矩阵，Φ e Rmxn (M << N),并得到观测信号集合Y，即Y = ΦΧ,Y = φχ = φψρ= φ P，故Y为一维MX I向量。在已知φ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。然而，目前将压缩感知直接用于无线传感器网络异常事件检测的技术还存在障碍。在噪声存在的环境中，如何在没有先验信息的基础上，快速的确定检测方案，使检测结果更加准确，同时能够抑制噪声影响，目前还没有解决。在一个实际网络中，某些特殊位置的节点由于本质上的原因更有可能发生事件，比如火灾，地震等，然而这些都是事先不可预知的。故通过压缩感知技术，在没有先验信息的基础上实现对网络中异常事件的准确检测现成为亟待解决的问题。同时随着无线网络规模的不断扩大，传统压缩感知技术的应用以及路由方式的改进都无法抑制数据传输损耗的增大。这不但使得数据传输的准确性减低， 噪声增大，同时也限制了其传输的距离，是无线传感器网络规模进一步扩大的瓶颈。与此同时，事件在无线传感器网络中的分布是不均匀的，具有突发性和随机性，某些区域可能事件发生的比较密集，而另一些区域事件发生的概率相对较低。因此把无线传感器网络作为一个整体进行监控是不科学的，存在着资源的浪费和监控的漏洞，有很大可能耗费过多监控力度在不经常发生事件的区域而造成对事件频发区域的漏警，这将造成很严重的后果。因此若应用压缩感知技术，对无线传感器网络进行分簇处理也将会使检测性能获得很大的提闻。
发明内容
本发明的目的是提供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。此检测方法旨在分簇的无线传感器网络上应用压缩感知技术，把无线传感器网络人为的区域化、特殊化。这使得观测矩阵的规模减小，由于观测值是由路由节点的线性叠加，因此使压缩感知技术可以在信号采集后传输能量损耗明显减低。并且可以根据不同区域事件的密集度合理分配每个区域的观测数目以及产生合适的观测矩阵，在保证检测能力的同时，大大降低传输损耗，提高检测效率。图I为对无线传感器网络进行分簇式压缩感知的网络模型。本发明实现其目的所采取的技术方案如下本发明所涉及的无线传感器网络包含N个传感器节点，其中，K个传感器节点的初始数据为I的概率大于等于O. 5，其余传感器节点的初始数据始终为0，N > 1，I彡K彡N ;
5所述K个传感器节点中的各传感器节点的初始数据为I的概率保持不变且互不相同；初始数据为I代表该传感器节点有事件发生，初始数据为O代表该传感器节点没有事件发生；本发明分布式检测的方法包括如下步骤(I)采集所述无线传感器网络的所有传感器节点的初始数据，并且根据公式(II) 确定所述无线传感器网络的观测数目，
权利要求
1.一种对无线传感器网络异常事件进行分布式检测的方法，其特征是所述无线传感器网络包含N个传感器节点，其中，K个传感器节点的初始数据为I的概率大于等于O. 5，其余传感器节点的初始数据始终为0，N彡1，I < K < N ;所述K个传感器节点中的各传感器节点的初始数据为I的概率保持不变且互不相同；初始数据为I代表该传感器节点有事件发生，初始数据为O代表该传感器节点没有事件发生；所述分布式检测的方法包括如下步骤(1)采集所述无线传感器网络的所有传感器节点的初始数据，并根据公式(II)确定所述无线传感器网络的观测数目，M = KlogN/K(II)式(II)中，M代表无线传感器网络的观测数目，K代表无线传感器网络中初始数据为I 的概率大于等于O. 5的传感器节点的数量。(2)将所述无线传感器网络的所有传感器节点进行分簇，获得每个簇的当前观测数目， 并分别将每个簇中的所有传感器节点的初始数据构成如式(III)所示的初始向量，X1 = [X1 ⑴，X1 ⑵· · · X1 (j) ...X1 (N1) ](III)式(III)中，X1表示初始向量，X1 (j)表示簇中编号为j的传感器节点的初始数据，N1 表示簇中传感器节点的总数量。(3)利用公式(V)对初始向量进行非相关映射，得到所述每个簇的当前观测向量，
2.根据权利要求I所述的对无线传感器网络异常事件进行分布式检测的方法，其特征是在所述步骤(5)中，所述阈值为O I。
3.根据权利要求I或2所述的对无线传感器网络异常事件进行分布式检测的方法，其特征是在所述步骤(2)中，是先将无线传感器网络的所有传感器节点进行平均分簇，然后利用公式(IV)获得每个簇的当前观测数目，M1 = M/C(IV)式(IV)中，M1表示簇的观测数目，M表示无线传感器网络的观测数目，C表示步骤⑵ 中对无线传感器网络的所有传感器节点进行分簇后所得到的簇的数量。
全文摘要
本发明公开一种对无线传感器网络异常事件进行分布式检测的方法(1)采集所有传感器节点的初始数据，并确定网络的观测数目；(2)将所有节点进行分簇，获得每个簇的当前观测数目，并对每个簇构建初始向量；(3)获得每个簇的当前观测向量；(4)获得各个簇的当前重构数据向量；(5)获得每个簇的当前恢复数据向量；(6)判断各簇中的各节点是否发生漏警或虚警；(7)判断每个簇的加权基追踪重构的次数是否达到预设值若是，则执行步骤(10)；否则，更新簇的加权基追踪重构的加权矩阵参数；(8)更新每个簇的观测数目；(9)更新各簇的随机高斯矩阵后返回执行步骤(3)；(10)计算所有簇的恢复数据向量中的元素值为1的元素总个数。
文档编号H04L29/08GK102594904SQ20121005457
公开日2012年7月18日 申请日期2012年3月4日 优先权日2012年3月4日
发明者夏羽, 张媛, 张宏纲, 赵志峰 申请人:浙江大学