資源描述：
《基于節(jié)點相似性的WSNs故障檢測方法研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、10傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)2014年第33卷第4期?＼≯)研究與探討。p基于節(jié)點相似性的WSNs故障檢測方法研究陳歡歡，黃劍，王楷，李洪兵(重慶大學(xué)自動化學(xué)院，重慶400030)摘要：針對目前多數(shù)無線傳感器網(wǎng)絡(luò)分布式故障檢測的算法都以假設(shè)故障節(jié)點數(shù)據(jù)為離群值為基礎(chǔ)，存在局限性的問題。提出一種基于節(jié)點相似度比較的無線傳感器網(wǎng)絡(luò)故障檢測方法，簇頭節(jié)點根據(jù)簇內(nèi)節(jié)點數(shù)據(jù)的時空相關(guān)性，進(jìn)行節(jié)點相似性度量，實時調(diào)整節(jié)點可信水平，并采用最優(yōu)函數(shù)計算出當(dāng)前實驗的最優(yōu)閾
2、值(0．8)進(jìn)行故障節(jié)點的判斷。通過仿真實驗證明：針對不同的故障模型，算法保持了良好的故障檢測能力，一定程度上解決通用性問題。關(guān)鍵詞：相似性度量；時空相關(guān)性；可信水平；無線傳感器網(wǎng)絡(luò)；故障檢測中圖分類號：TP393文獻(xiàn)標(biāo)識碼：A文章編號：1000-9787(2014)04-0010-04ResearchonWSNsfaultdetectionmethodbasedonnodesimilarityCHENHuan-huan，HUANGJian，WANGKai，LIHong—bing(CoHegeofAutomation，
3、ChongqingUniversity，Chongqing400030，China)Abstract：Aimingatpresentdistributedfaultdetectionalgorithmsforwirelesssensornetworks(WSNs)haveassumethatthefaultnodearebasedonoutliersdata，ithavelimitations．PresentamethodbasedonsimilaritycomparisonofnodesofWSNsfaultdete
4、ction，accordingtocorrelationoftimeandspaceofnodedatawithinthecluster．theclusterheadnodesmeasurethesimilarityamongclusternodes．a(chǎn)ndadjustnodeconfidencelevelreal—time，calculatetheoptimalthresholdvaluewhichis0．8byusingoptimalfunctionincurrentexperimentstojudgefaultn
5、ode．Throughsimulationexperimentsshowthataimingatdifferentfaultmodel，thealgorithmkeepingoodabilityoffaultdetection，andsolvetheproblemofgeneralityinacertainextent．Keywords：similaritymeasurement；timeandspacerelativity；confidencelevel；WSNs；faultdetection0引言基于鄰近度的方法無
6、需對數(shù)據(jù)分布做假設(shè)，代表有容無線傳感器網(wǎng)絡(luò)(WSNs)在環(huán)境監(jiān)測與保護(hù)、目標(biāo)跟錯的貝葉斯故障檢測算法，但該算法在故障節(jié)點數(shù)量大蹤及軍事偵測等領(lǐng)域有著廣泛的應(yīng)用。由于WSNs節(jié)點于非故障節(jié)點數(shù)量時受限。文獻(xiàn)[8]通過比較測量值的差自身資源受限和常在惡劣環(huán)境下工作導(dǎo)致了節(jié)點發(fā)生故障值和歷史數(shù)據(jù)變動量來判斷節(jié)點故障。文獻(xiàn)[9]利用時間的可能性增高。故障導(dǎo)致WSNs對監(jiān)測信息的錯誤分析和冗余來排除瞬時的測量值錯誤對故障節(jié)點判定的影響。文判斷，所以，對WSNs的故障檢測是必不可少的。獻(xiàn)[10]為每個傳感器節(jié)點建立基于Dirich
7、let分布的信譽函目前被廣泛應(yīng)用于該領(lǐng)域的方法主要有基于統(tǒng)計模型數(shù)以此判斷故障節(jié)點。的技術(shù)、基于聚類的技術(shù)、基于分類的技術(shù)、基于鄰近度的以上方法沒有對算法適用的故障類型進(jìn)行討論，僅對技術(shù)等幾大類。基于統(tǒng)計的文獻(xiàn)[3，4]利用直方圖技術(shù)故障的特征和仿真方式進(jìn)行了簡單假設(shè)，因此，不能確定這提取數(shù)據(jù)分布特征，提取異常數(shù)據(jù)，主要適用于高斯分布的些算法在不同故障類型情況下的性能表現(xiàn)。本文針對不同數(shù)據(jù)?；诰垲惖姆椒ㄝ^依賴于的簇內(nèi)數(shù)據(jù)量，文獻(xiàn)[5]的故障模型提出一種基于節(jié)點相似性的故障檢測方法，引采用基于K均值的聚類方法對簇內(nèi)數(shù)據(jù)
8、不斷地進(jìn)行3個入可信度實時調(diào)整節(jié)點可信水平，降低節(jié)點的誤判，具有一子簇的分類以找出故障節(jié)點。基于分類的需事先定義類定的通用性。別，文獻(xiàn)[6]采取支持向量機(jī)的方法對數(shù)據(jù)進(jìn)行分類。收稿日期：2013-09—15基金項目：國家科技支撐計劃資助項目(2011BAJ03B13)；重慶市科技攻關(guān)項目(CSTC2012GG—YYJS40008)
