论文部分内容阅读
随着无线传感器网络(Wireless Sensor Network,WSN)越来越广泛的应用,其以数据为中心、任务驱动的特点日益凸显。WSN部署的主要目标是从监测环境中获取数据,并从数据分析中提取有价值的信息,这也是其成功应用的关键所在。但WSN常常会由于网络本身、节点器件软硬件问题及外界恶劣环境的影响而导致监测数据异常。因此需要重点关注和解决两方面问题:一是设计有效的异常数据检测机制,用来从监测数据中寻找异常信息;二是针对未能客观、真实反映监测环境自身变化的误差型数据,设计简捷高效的数据恢复策略。基于以上考虑,论文围绕无线传感器网络中节点异常数据检测和恢复问题进行了较为深入的研究,主要研究内容如下:1.针对现有的WSN节点数据异常检测方法忽视时空协同的不足之处,给出了基于可靠近邻、时空协作的异常数据检测算法DADST。首先对近邻协作的检测算法进行改进,建立了可靠邻居筛选模型,对协作的邻居节点进行可靠性过滤;然后利用节点感知数据的时空相关性建立节点数据稳定性评估模型,来实现WSN节点数据异常的检测工作;最后基于Intel Berkeley实验室公开的IBRL数据集设计仿真实验验证算法的有效性。实验结果表明,DADST算法能在实现高检测准确率的同时保持较低的虚警率。2.针对现有的WSN节点异常数据恢复方法中,忽视节点空间相关性及异常发生时长的缺点,给出了一种改进的基于节点相似度的异常数据填补算法DFNS。首先对传统的节点数据相似性度量方法进行改进,引入空间距离因素,设计了新的相似性度量指标;然后利用可靠近邻筛选模型,为待恢复数据的节点选取符合相似度要求的可靠参考节点;再根据数据恢复的应用场景及异常发生的时长差异,设计不同的数值估计方法进行异常数据的恢复;最后利用IBRL数据集设计仿真实验,对所提DFNS算法从数据恢复的残差大小及分布、单一手段与协同手段恢复效果的差异性等方面进行验证,证明了该算法的有效性。