一种识别无线传感器网络中错误测量值的方法
【技术领域】
[0001] 本发明属于无线传感器网络技术应用领域，设及一种识别无线传感器网络中错误 测量值的方法。
【背景技术】
[0002] 无线传感器网络是由大量低成本微型传感器节点组成，其目的是感知、采集和处 理外界环境中的各种数据信息，在环境监测和灾难预警等领域发挥着重要作用。无线传感 器对测量数据的准确性和可靠性的要求非常高，但是实际部署的无线传感器网络节点通常 会产生错误的测量值，原因主要有：
[0003] (1)由于传感器节点资源有限，特别是电池供电的情况下，在经历较长时间运行 后，电池不足可能导致传感器节点采集的测量值精度有较大程度的下降，甚至出现偏离实 际情况的错误测量值；
[0004] 似外界环境干扰也可能影响到传感器的测量准确性。传感器节点通常需要直接 暴露在外界环境中，因此容易受到环境因素的干扰，从而导致传感器节点产生偏离实际情 况的错误测量值。
[0005] 运些错误的测量值增加了无线传感器网络的通信开销，浪费了有限的能量。更严 重的是运些错误测量值可能导致错误的判断，严重影响了无线传感器网络的系统工作性 能。例如监测火灾的传感器网络发生误报的后果是非常严重的。
[0006] 为了识别无线传感器网络错误测量值，之前的方法通常利用时间序列或空间序列 来判别异常数据，但是忽略了测量数据之间同时存在空间关联性和时间关联性。
【发明内容】
[0007] 本发明要解决的技术问题在于，如何自动识别出传感器网络中的错误测量值，提 高传感器网络采集数据的准确性。
[0008] -种识别无线传感器网络中错误测量值的方法，包括W下几个步骤：
[0009] Sl: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；
[0010] S2 :确定传感器节点之间的连接边的状态；
[0011] 将无线传感器网络中各传感器节点的当前测量值代入Si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，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，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 ;
[0012] S3 :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；
[0013] 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正确，1表示传 感器节点测量错误；
[0014] 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，依据节点的最新状态识别传感器节点的 当前测量值是否存在错误。
[0015] 所述S4中的每个传感器节点状态概率迭代计算公式为：
[0017] 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，N'表示其中状态为0的连接边的数目；
[0018]probMat(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)和i 在转移矩阵中分别表示转移矩阵的行号和列号，S化）取值为当前传感器节点对应的第k个 邻居节点的初当前状态值；
[0019]当传感器节点与相邻节点之间的连接边初始状态为1时，转移矩阵
[0020] 当传感器节点与相邻节点之间的连接边初始状态为0时，转移矩阵
[002。 其中，0为转移因子，取值为小于50%的正数。
[0022] 所述Sl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)X帕巧hbor(t) +6 (t);
[002引其中，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 器节点自身历史测量值数据，Xwighhf表示传感器节点某个相邻节点历史测量值数据。
[0024] 所述ARX模型采用最小二乘法训练获得。
[0025] 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；
[0026] 所述支持向量机模型利用Sl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XO)，将估计值与自身测量值X(t)作差得到残差a)，W 所有的e"Mghbw(t)作为正样本训练得到的分类模型。
[0027] 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。
[002引其中，步骤Sl和S2在传感器节点上分布式实施，步骤S3和S4在基站集中式实施。 [002引有益效果
[0030] 本发明提供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 练传感器节点之间的线性模型，且利用线性模型判断各传感器节点之间的初始状态；利用 连接边初始状态判断传感器节点的初始状态；结合连接边初始状态和传感器节点的初始状 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，易于实现，可W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。
【附图说明】
[0031]图1为本发明的一种无线传感器网络错误测量值识别方法流程图；
[003引图2为依照本发明中传感器节点训练模型的流程图；
[0033] 图3为依照本发明中基站迭代计算节点最终状态的流程图；
[0034] 图4为本发明的一个实例及测试效果图，其中，（a)为初始状态图，化）为第一次迭 代后的传感器节点状态图，（C)为迭代稳定后的传感器节点状态图。
【具体实施方式】
[0035] 下面将结合附图和实施例对本发明做进一步的说明。
[0036] 一种无线传感器网络的错误测量值自动识别方法，参见图1所示，包括W下步骤：
[0037]S1、利用相邻传感器节点的历史测量值数据训练得到节点之间的线性模型。图2 是训练模型的具体过程，训练阶段是依据节点之间是否存在线性关系生成拓扑图W及训练 各节点与其邻居之间的线性关系模型，包括：
[0038]S101、收集节点自身历史测量值数据X及其邻居节点的历史测量值数据X。= {XneighberInei曲borEZ}，Z表示该节点地理位置邻近节点集合，Xneighber表示某个邻近节点 历史测量值数据。
[0039]S102、对于每一对知，、wghbw〉，训练线性模型：自回归各态经历模型 (AutoRegressiveeXogenous,ARX)。
[0040] 训练ARX模型可采用最小二乘法训练，训练后的ARX(m，n，k)模型为：
[0041 ]X(t)+aiX(t_l)+.. .+a〇X(t_n)=b〇N(t_k)+biN(t-k-l)+...+bmN(t-k-m),其中X(t)是当前传感器节点读数，N(t)是外部输入序列即邻居节点的读数X"pighbDf，k、m分别是 外部输入的时延和数目，n决定了节点读数的自相关程度，k、m、n由训练ARX模型得到，目 标是根据〈X，训练出的线性模型ARX(m，n，k)的均方误差最小。ARX模型中的系数 定义为0，0 =[曰1，...，曰。，b。，bi,. . .，bm]T，由训练数据集<X,Xneighbor〉及相应的m、n、k训 练得到。
[0042]S103、对于每一对〈X，、wghb。六，通过线性模型和邻居节点测量值计算得到一个估 计值X的，并与自身测量值X(t)进行比较得到它们之间的残差：的=巧t)-都)，然 后将所有(t)作为正样本训练一类支持向量机模型。
[0043]S2、在传感器节点采集到待识别的测量值后，各节点分布式检验运些测量值是否 符合之前训练得到的线性关系模型。
[0044] 首先，通过线性模型估计传感器节点的测量值，并计算实际测量值与此估计值之 间的残差，最后将残差输入一类支持向量机模型得