到检验结果，即待识别的传感器节点测 量值对是否符合两个传感器节点之间的模型关系，即确定传感器节点间连接边的状态，测 量值符合线性模型时，连接边的状态为"0"，不符合时连接边的状态为"1"，并将该结果上 报给基站。
[0045] S3、基站获得传感器节点上报的检测结果后，通过投票机制初始化每个节点状态， 即若节点有一半或一半W上边的状态为"0"，则该节点初始状态为正确（状态为"0")，否则 为错误（状态为"1")。
[0046] S4、基站根据节点状态和检测结果进行迭代计算，从而确定每一个节点的测量值 是否错误，如图3所示，包括：
[0047] S401、每个传感器节点引入变量临时状态概率Ioca化vidence，Ioca化Vidence表 示传感器节点对自身状态的信任度值。
[0048] 传感器节点Ioca化Vidence初始值计算如下：
其中N表示传感器节点的邻居数目即连接边的数目，N'表示其中状态为0的连接边的数目，即
[0050] S402、迭代更新各节点状态。节点状态概率的迭代公式如下：
[005引其中，i是传感器节点的状态值，取值为0或1 ;N为邻居节点数目，S似表示转移 矩阵的行号，取值为第k个邻居的状态值（"0"表示正确，"1"表示错误），i在转移矩阵中 为转移矩阵的列号。
[0053] 连接边的状态为"1"时，转移矩阵 其中P为转移因子，取值为小于50%的正数，例如20%。
[0054] 每次迭代时取概率较大的状态i作为节点的新状态，如果有节点状态发生了改 变，则重复此迭代过程，直至所有节点状态不再变化。
[00巧]图4给出了一个本发明迭代过程的一个实例，图中传感器节点为灰色时，表示当 前状态被判定为1 ;传感器节点为白色时，表示当前状态被判定为0。
[0056] 在本实例中，待识别的传感器节点测量值中，假设传感器节点4、7、9的为错误测 量值。在存在线性关系的相邻传感器节点之间连接一条边，传感器节点之间的线性关系网 络如图4(a)所示。每条边所对应的状态（"0"表示符合即正确，"1"表示不符合即错误） 表示测量值是否符合它们之间的线性关系模型。为了简化分析，在本实例中假设边是无向 的，即测量值是否符合两个传感器节点之间的线性关系模型是对称的。其中，虽然传感器节 点9出错但其依然符合与传感器节点6、10的线性关系模型，即传感器节点9与传感器节 点6、10之间边的状态保持为"0"。根据多数投票原则，如果有一半及W上的连接边状态为 "1"，则初始化该节点状态为错误"1"。图4(a)中，节点4、5、7、8、9初始状态被判断为错误。
[0057] 图4(b)是第一次迭代的结果。相比于图4(a)中的初始状态，一些传感器节点的状 态发生了改变。W传感器节点9为例，它的两条连接边状态为"0 "，S条连接边状态为"1"， 则Ioca化vidence= [0. 4 0.6]。
[005引设转移矩阵中参数0 = 0. 2,即连接边状态为"0"时转移矩阵为
[0059] 连接边状态为"1"时转移矩阵为
[0060] 则传感器节点 9 状态为"0"的可能性P(state= 0) = 0. 4*0. 8*0. 8*0. 8*0. 8*0. 2 =0. 0328,处于状态为"1"的可能性P(state= 1) = 0. 6*0. 2*0. 2*0. 2*0. 2*0. 8 = 0. 000768,可见P(state= 0)〉p(state= 1)，所W在运一次迭代中，传感器节点9的状态改 变为"0"。同样，节点5和节点8状态也发生改变。
[0061] 图4(c)为迭代稳定后的节点状态图。运一次迭代中，传感器节点9的状态又变为 "1"了。运是因为根据图4(b)中的状态计算下一次迭代中传感器节点9的状态为"0"的可 能性为P(state= 0) = 0. 4*0. 2*0. 8*0. 2*0. 8*0. 2 = 0. 002,状态为"1"的可能性P(state =1) = 0. 6*0. 8*0. 2*0. 8*0. 2*0. 8 = 0. 0123，P(state= 1)〉p(state= 0)，所W将传感 器节点9状态更新为"1"。图4(c)为稳定状态，即往后迭代再没有传感器节点的状态发生 改变。
[0062] 可见，本发明方法有效的识别出节点4、7、9的测量值为错误测量值。
【主权项】
1. 一种识别无线传感器网络中错误测量值的方法，其特征在于，包括W下几个步骤： 51 :利用无线传感器网络中相邻传感器节点的历史测量数据训练获得传感器节点之间 的测量值线性模型； 52 :确定传感器节点之间的连接边的状态； 将无线传感器网络中各传感器节点的当前测量值代入S1获得的对应传感器节点测量 值线性模型中，依据线性模型的输出结果，即传感器节点测量值是否符合对应传感器节点 之间的线性模型，从而确定各相邻传感器节点之间的连接边的状态，若符合，则对应相邻传 感器节点之间的连接边初始状态为0,否则，为1 ; 53 :依据连接边的状态，采用投票机制对各传感器节点的初始状态进行确定； 所述传感器节点的初始状态为0或1，其中，0表示传感器节点测量值正确，1表示传感 器节点测量值错误； S4:利用各相邻传感器节点之间连接边的状态W及各传感器节点的初始状态，对传感 器节点的两种状态概率均进行迭代计算，每次迭代过程中W状态概率较大值对应的状态作 为传感器节点的最新状态，如果迭代过程中有传感器节点状态发生了改变，则重复此迭代 过程，直到所有传感器节点状态不再变化后，依据节点的最终状态识别传感器节点的当前 测量值是否存在错误。2. 根据权利要求1所述的方法，其特征在于，所述S4中的每个传感器节点状态概率迭 代计算公式为：其中，P(state=i)表示在迭代过程中传感器节点状态state为i时的概率，i表示传 感器节点状态，取值为0或1 ;l〇ca化vidence(i)表示传感器节点对自身状态的信任度值，N表示传感器节点的邻居数目即连接边 的数目，Ν'表示其中状态为0的连接边的数目； p;robMat(S(k)，i)2X2为传感器节点与第k个相邻节点之间的转移矩阵，S(k)表示当前 传感器节点对应的第k个邻居节点的当前状态值； 当传感器节点与相邻节点之间的连接边状态为1时，转移矩阵当传感器节点与相邻节点之间的连接边状态为0时，转移矩闻其中，β为转移因子，取值为小于50%的正数。3. 根据权利要求1所述的方法，其特征在于，所述S1中获得的传感器节点之间的测量 值线性模型为自回归各态经历ARX模型：A(q)X(t) =B(q)、eighhra)+e(t); 其中，A(q)、B(q)是利用历史数据训练得到的系数，e(t)为白噪声；X表示某传感器节 点的历史测量值数据，Xwighhf表示传感器节点某个相邻节点历史测量值数据。4. 根据权利要求3所述的方法，其特征在于，所述ARX模型采用最小二乘法训练获得。5. 根据权利要求1所述的方法，其特征在于，所述依据线性模型的输出结果，判断各传 感器节点是否符合对应相邻传感器节点的线性模型时，采用支持向量机模型进行判断； 所述支持向量机模型利用SI获得的线性模型和传感器节点的相邻节点测量值计算对 应传感器节点的估计值X0)，将估计值与自身测量值X(t)作差得到残差α)，W所有 的e"Mghbw(t)作为正样本训练得到的分类模型。6.根据权利要求1-5任一项所述的方法，其特征在于，所述S3中采用投票机制对各传 感器节点的初始状态进行确定是指若传感器节点的相邻节点线性模型输出结果一半或一 半W上的被判断为该传感器节点符合对应的线性模型，则判断该传感器节点的初始状态为 0,否则为1。
【专利摘要】本发明公开了一种识别无线传感器网络中错误测量值的方法，该方法首先通过训练历史测量数据获得传感器节点之间的线性模型；对于相邻传感器节点新采集的测量值，检验它们是否符合该线性模型，即确定相邻节点之间连接边的状态；然后，利用连接边的状态确定传感器节点的初始状态；最后，结合连接边的状态和传感器节点的最新状态对传感器节点的状态概率进行迭代计算，从而确定传感器节点的当前测量值是否存在错误。该方法充分利用了同一传感器节点测量值间的时间相关性和相邻传感器节点测量值之间的空间相关性，相比于现有技术的单一检测更加稳定可靠，可以快速准确的识别出无线传感器网络中的错误测量值，且不需要依赖工作人员的专业背景知识。
【IPC分类】H04W24/04, H04W84/18, H04W16/22
【公开号】CN105407496
【申请号】CN201510716880
【发明人】高建良, 康雪丹
【申请人】中南大学
【公开日】2016年3月16日
【申请日】2015年10月28日