專利名稱：對無線傳感器網絡異常事件進行分布式檢測的方法
技術領域：
本發明涉及一種利用分簇方式對無線傳感器網絡異常事件進行分布式檢測的方法。
背景技術：
壓縮感知(Compressed Sensing)是近幾年來的一項新興信號處理技術,其核心思想是將數據采樣和壓縮合并進行，首先采集信號的非自適應線性投影(測量值)，然后根據相應的重構算法由測量值復原信號。壓縮感知有兩個方面的基本要求信號的稀疏性，觀測基(觀測矩陣)與變換基(變換矩陣)的非相關性。對于自然界的任何信號，均存在一個特定的表示空間，使得該信號在此空間具有稀疏性。經相關理論證明，隨機矩陣，即元素為隨機數的矩陣，與固定的變換基具有很好的非相關性。壓縮感知的數學原理為設長度為N的矢量信號X在正交變換基Ψ上的變換系數是稀疏的，即原始信息X為一維NX I向量，X e Rn，存在一個NXN變換矩陣Ψ，Χ = ΨΡ， 其中P亦為一維NX I向量，使得P具有稀疏性。信號的稀疏性是指若向量中非零項的個數為K，K < N，則稱該向量是K-稀疏。用與變換基Ψ不相關的觀測矩陣Φ對原始信息進行線性變換，觀測矩陣Φ為一個MXN的矩陣，Φ e Rmxn (M << N),并得到觀測信號集合Y，即Y = ΦΧ,Y = φχ = φψρ= φ P，故Y為一維MX I向量。在已知φ的條件下，可利用優化求解方法從Y中精確地或高概率地重構信號P，繼而恢復出原始信號X。壓縮感知技術的最大優點在于能以遠低于奈奎斯特采樣率的采樣速率進行采樣， 大大減少信號在數據采集和傳輸過程中消耗的資源和能量。相對于常規的先采樣后壓縮的分布式信源編碼方法，壓縮感知的優勢在于不需要被處理信號的任何先驗信息，且不需要控制信息交換。無線傳感器網絡(Wireless Sensor Network, WSN)是通過無線通信的方式形成的一個多跳的且有可能自組織的網絡系統，由部署在一定檢測區域內的大量微型傳感器節點組成，主要功能為協作地感知、采集和處理網絡覆蓋區域的監測信息，并發送給觀察中心 (匯聚節點)。一般來說，無線傳感器網絡中包含大量的廣泛分布的節點，故需要傳輸、分析和處理大量的數據。無線網絡的規模在不斷的擴大，內部結構的復雜化以及數據采集及傳輸處理能力的提高，使無線網絡的應用范圍不斷擴大。事件檢測是無線網絡很典型的幾大應用之一，其應用功能所涉及的領域眾多，如對地震的檢測、森林防火、城市消防、野生動物保護型跟蹤、 戰場毒氣檢測等。無線網絡可以很好的對大范圍、難接觸、危險性較大的事件網絡進行監控和事件檢測。為了可以更加準確和及時的檢測事件的發生，必須保證無線網絡的節點處于正常工作的狀態。但是由于人為或自然損壞、電池耗盡、傳感器節點休眠等原因，無線網絡常常出現內部傳感器節點處于非正常工作狀態。因此，及時準確地檢測無線傳感器自身的運行工作狀態是非常必要的。鑒于此，對無線網絡中非正常工作節點的檢測是保證其完成對所應用的事件網絡的準確檢測的必要條件。假設檢驗等傳統的檢測方法，重點在于檢測事件的統計特征并使誤差最小化，這些方法需要考慮噪聲的特性。簡單假設檢驗方法的計算復雜度較低，但是它在干擾環境中受影響很大。根據壓縮感知和無線傳感器網絡的特性，壓縮感知技術被用于無線傳感器網絡中，網絡的匯聚中心只需要使用一部分奈奎斯特采樣速率，就能以較高概率恢復原始信號。在無線傳感器網絡中，活躍的節點僅占到全部節點的很小一部分，而網絡中會發生的節點數更是遠遠低于節點總數目，因此在無線傳感器網絡中檢測的問題可以歸結為壓縮感知問題。對基于壓縮感知的事件檢測，目前研究已經證實，可靠檢測信號所需的觀測數目要明顯低于傳統的信號重構所需，如果有一定先驗信息，比如知道稀疏域上可能發生異常的位置，那么通過利用這些先驗信息，檢測結果可以更精確，同時抗干擾能力更強。然而，目前將壓縮感知直接用于無線傳感器網絡異常事件檢測的技術還存在障礙。在噪聲存在的環境中，如何在沒有先驗信息的基礎上，快速的確定檢測方案，使檢測結果更加準確，同時能夠抑制噪聲影響，目前還沒有解決。在一個實際網絡中，某些特殊位置的節點由于本質上的原因更有可能發生事件，比如火災，地震等，然而這些都是事先不可預知的。故通過壓縮感知技術，在沒有先驗信息的基礎上實現對網絡中異常事件的準確檢測現成為亟待解決的問題。同時隨著無線網絡規模的不斷擴大，傳統壓縮感知技術的應用以及路由方式的改進都無法抑制數據傳輸損耗的增大。這不但使得數據傳輸的準確性減低， 噪聲增大，同時也限制了其傳輸的距離，是無線傳感器網絡規模進一步擴大的瓶頸。與此同時，事件在無線傳感器網絡中的分布是不均勻的，具有突發性和隨機性，某些區域可能事件發生的比較密集，而另一些區域事件發生的概率相對較低。因此把無線傳感器網絡作為一個整體進行監控是不科學的，存在著資源的浪費和監控的漏洞，有很大可能耗費過多監控力度在不經常發生事件的區域而造成對事件頻發區域的漏警，這將造成很嚴重的后果。因此若應用壓縮感知技術，對無線傳感器網絡進行分簇處理也將會使檢測性能獲得很大的提聞。
發明內容
本發明的目的是提供一種利用分簇方式對無線傳感器網絡異常事件進行分布式檢測的方法。此檢測方法旨在分簇的無線傳感器網絡上應用壓縮感知技術，把無線傳感器網絡人為的區域化、特殊化。這使得觀測矩陣的規模減小，由于觀測值是由路由節點的線性疊加，因此使壓縮感知技術可以在信號采集后傳輸能量損耗明顯減低。并且可以根據不同區域事件的密集度合理分配每個區域的觀測數目以及產生合適的觀測矩陣，在保證檢測能力的同時，大大降低傳輸損耗，提高檢測效率。圖I為對無線傳感器網絡進行分簇式壓縮感知的網絡模型。本發明實現其目的所采取的技術方案如下本發明所涉及的無線傳感器網絡包含N個傳感器節點，其中，K個傳感器節點的初始數據為I的概率大于等于O. 5，其余傳感器節點的初始數據始終為0，N > 1，I彡K彡N ;
5所述K個傳感器節點中的各傳感器節點的初始數據為I的概率保持不變且互不相同；初始數據為I代表該傳感器節點有事件發生，初始數據為O代表該傳感器節點沒有事件發生；本發明分布式檢測的方法包括如下步驟(I)采集所述無線傳感器網絡的所有傳感器節點的初始數據，并且根據公式(II) 確定所述無線傳感器網絡的觀測數目，
權利要求
1.一種對無線傳感器網絡異常事件進行分布式檢測的方法，其特征是所述無線傳感器網絡包含N個傳感器節點，其中，K個傳感器節點的初始數據為I的概率大于等于O. 5，其余傳感器節點的初始數據始終為0，N彡1，I < K < N ;所述K個傳感器節點中的各傳感器節點的初始數據為I的概率保持不變且互不相同；初始數據為I代表該傳感器節點有事件發生，初始數據為O代表該傳感器節點沒有事件發生；所述分布式檢測的方法包括如下步驟(1)采集所述無線傳感器網絡的所有傳感器節點的初始數據，并根據公式(II)確定所述無線傳感器網絡的觀測數目，M = KlogN/K(II)式(II)中，M代表無線傳感器網絡的觀測數目，K代表無線傳感器網絡中初始數據為I 的概率大于等于O. 5的傳感器節點的數量。(2)將所述無線傳感器網絡的所有傳感器節點進行分簇，獲得每個簇的當前觀測數目， 并分別將每個簇中的所有傳感器節點的初始數據構成如式(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)表示簇中編號為j的傳感器節點的初始數據，N1 表示簇中傳感器節點的總數量。(3)利用公式(V)對初始向量進行非相關映射，得到所述每個簇的當前觀測向量，
2.根據權利要求I所述的對無線傳感器網絡異常事件進行分布式檢測的方法，其特征是在所述步驟(5)中，所述閾值為O I。
3.根據權利要求I或2所述的對無線傳感器網絡異常事件進行分布式檢測的方法，其特征是在所述步驟(2)中，是先將無線傳感器網絡的所有傳感器節點進行平均分簇，然后利用公式(IV)獲得每個簇的當前觀測數目，M1 = M/C(IV)式(IV)中，M1表示簇的觀測數目，M表示無線傳感器網絡的觀測數目，C表示步驟⑵ 中對無線傳感器網絡的所有傳感器節點進行分簇后所得到的簇的數量。
全文摘要
本發明公開一種對無線傳感器網絡異常事件進行分布式檢測的方法(1)采集所有傳感器節點的初始數據，并確定網絡的觀測數目；(2)將所有節點進行分簇，獲得每個簇的當前觀測數目，并對每個簇構建初始向量；(3)獲得每個簇的當前觀測向量；(4)獲得各個簇的當前重構數據向量；(5)獲得每個簇的當前恢復數據向量；(6)判斷各簇中的各節點是否發生漏警或虛警；(7)判斷每個簇的加權基追蹤重構的次數是否達到預設值若是，則執行步驟(10)；否則，更新簇的加權基追蹤重構的加權矩陣參數；(8)更新每個簇的觀測數目；(9)更新各簇的隨機高斯矩陣后返回執行步驟(3)；(10)計算所有簇的恢復數據向量中的元素值為1的元素總個數。
文檔編號H04L29/08GK102594904SQ20121005457
公開日2012年7月18日 申請日期2012年3月4日 優先權日2012年3月4日
發明者夏羽, 張媛, 張宏綱, 趙志峰 申請人:浙江大學