CN102547812A - 一种无线传感网络故障检测方法及事件检测方法 - Google Patents

一种无线传感网络故障检测方法及事件检测方法 Download PDF

Info

Publication number
CN102547812A
CN102547812A CN2011103448073A CN201110344807A CN102547812A CN 102547812 A CN102547812 A CN 102547812A CN 2011103448073 A CN2011103448073 A CN 2011103448073A CN 201110344807 A CN201110344807 A CN 201110344807A CN 102547812 A CN102547812 A CN 102547812A
Authority
CN
China
Prior art keywords
img
node
gif
portrait
inline
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011103448073A
Other languages
English (en)
Other versions
CN102547812B (zh
Inventor
徐小龙
耿卫建
李玲娟
杨庚
孔媛媛
许雁飞
王皓
李梦娥
杨李婷
吴家兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201110344807.3A priority Critical patent/CN102547812B/zh
Publication of CN102547812A publication Critical patent/CN102547812A/zh
Application granted granted Critical
Publication of CN102547812B publication Critical patent/CN102547812B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种无线传感网络故障检测方法。本发明的故障检测方法首先利用现有的各类故障检测算法进行初步的故障检测，然后利用事件边界检测算法对初步的故障检测结果进行修正，从而得到更准确的故障检测结果。本发明还公开了一种无线传感网络事件检测方法，首先利用本发明故障检测方法进行故障检测，然后利用时间相关性进行事件检测，通过调整滑动窗口的大小实现对传感网络能耗的控制；同时采用了节点可信度动态调整机制，节点根据网络环境的变化，自动的调整节点可信度的大小。本发明能够根据不同的应用需求自动调节网络的能耗，并且具有较强的容错能力，能够完成事件的检测、预警及确定事件区域的大小，使得无线传感网络具有较长的寿命。

Description

一种无线传感网络故障检测方法及事件检测方法
技术领域
本发明涉及一种无线传感网络故障检测方法及事件检测方法，主要用于解决在部分传感器节点发生故障时，无线传感网络在事件与事件边界检测中出现的容错能力与能耗问题，属于无线传感网络、分布式计算的交叉技术领域。
背景技术
从20世纪70年代以来，容错在超大规模集成电路、分布式系统、数据库和互联网等领域得到了充分的重视。容错的内容包括部件可信性、容错体系结构、软件可信性、可信性验证与评估等多方面。到20世纪90年代，软件容错的问题被提了出来，进而发展到网络容错。
无线传感网络中的容错技术是指网络中的一部分节点发生故障时，网络仍然能够完成指定的任务。无线传感网络不仅自身容易发生故障，而且它还容易受到外界环境的影响，因此需要有效的容错技术来满足其可靠性的要求。
已有的容错事件检测方法，部分仅仅是对故障节点的检测，或者是在故障检测的基础上进行的事件或者事件边界检测，采用这些方法往往会忽略在某一特定的情况下，算法检测的性能。如在一般的事件检测算法中，往往会忽略事件边界节点，认为这些节点占少数而不加以考虑，特别是在事件区域较大时，这些节点的数量也会较多，算法很容易将这些节点误判为故障节点，从而导致网络的容错性能下降；部分故障检测算法，在一次故障检测中可能需要多次邻节点间的通信，消耗大量的节点能量；有些事件边界检测算法一旦对某一节点进行了误判，就认为该节点为故障节点，很难再对该节点重新判决，对其进行纠正，从而造成网络节点的利用率下降及网络资源的浪费；有些故障检测算法考虑的故障类型较少，从而造成当某一类故障增多时，算法的容错能力将会很低。
发明内容
本发明所要解决的技术问题在于克服现有技术不足，提供一种无线传感网络故障检测方法及事件检测方法，具有良好的容错能力。
本发明的无线传感网络故障检测方法，包括以下步骤：
步骤1、对于无线传感网络中的每一个传感器节点执行故障检测算法，并返回执行结果：故障或正常节点；
步骤2、执行事件边界检测算法，并返回执行结果：边界节点与非边界节点；对于在步骤1中返回结果为故障的节点，如时间边界检测算法返回的结果为边界节点，则判定其为正常节点；如时间边界检测算法返回的结果为边界节点，则判定其为故障节点。
本发明的故障检测方法首先利用现有的各类故障检测算法进行初步的故障检测，然后利用事件边界检测算法对初步的故障检测结果进行修正，从而得到更准确的故障检测结果。
上述故障检测方法中的故障检测算法可采用现有的各种故障检测算法，例如基于中值的故障检测算法、基于平均值的故障检测算法等，本发明优选基于中值的故障检测算法，具体如下：
根据下式判断节点                                               
Figure 2011103448073100002DEST_PATH_IMAGE002
在t时刻是否为故障节点：
Figure 2011103448073100002DEST_PATH_IMAGE004
  ，
式中，
Figure 2011103448073100002DEST_PATH_IMAGE006
表示节点
Figure 827618DEST_PATH_IMAGE002
在t时刻为故障节点，
Figure 807075DEST_PATH_IMAGE006
表示节点
Figure 649129DEST_PATH_IMAGE002
在t时刻为正常节点， 
Figure 2011103448073100002DEST_PATH_IMAGE008
表示节点的邻域内所有的k个节点在t时刻采集到的数据集合
Figure 2011103448073100002DEST_PATH_IMAGE010
={
Figure 2011103448073100002DEST_PATH_IMAGE012
,,…, 
Figure 2011103448073100002DEST_PATH_IMAGE016
}的中值，
Figure 294929DEST_PATH_IMAGE012
，
Figure 179708DEST_PATH_IMAGE014
，…、
Figure 509059DEST_PATH_IMAGE016
分别是t时刻节点，
Figure 2011103448073100002DEST_PATH_IMAGE018
,…, 
Figure 2011103448073100002DEST_PATH_IMAGE020
所采集到的数据，其中
Figure 2011103448073100002DEST_PATH_IMAGE022
表示节点
Figure 756598DEST_PATH_IMAGE002
的邻节点
Figure 2011103448073100002DEST_PATH_IMAGE024
在t时刻采集到的数据，
Figure 2011103448073100002DEST_PATH_IMAGE026
，
Figure 435448DEST_PATH_IMAGE012
表示节点
Figure 252094DEST_PATH_IMAGE002
在t时刻采集到的数据， 
Figure 2011103448073100002DEST_PATH_IMAGE028
>0。
优选地，所述边界检测算法具体如下：
假设表示节点的测量值，节点
Figure 325540DEST_PATH_IMAGE002
的邻域内共有k个节点，
Figure 2011103448073100002DEST_PATH_IMAGE032
，
Figure 2011103448073100002DEST_PATH_IMAGE034
分别为正常区域与事件区域的期望特征值；对于节点
Figure 435011DEST_PATH_IMAGE002
的邻域内节点的测量值
Figure 2011103448073100002DEST_PATH_IMAGE036
，若满足条件
Figure 2011103448073100002DEST_PATH_IMAGE038
，则将该节点的测量值分到集合A中，若满足条件
Figure 2011103448073100002DEST_PATH_IMAGE040
，则将该节点的测量值分到集合B中，到节点
Figure 489686DEST_PATH_IMAGE002
的k个邻节点的测量值被划分完毕时，若最终结果满足
Figure 2011103448073100002DEST_PATH_IMAGE042
就认为该节点为事件边界节点，否则为非事件边界节点；其中
Figure 387979DEST_PATH_IMAGE042
表示集合A、B中元素个数的最小值，
Figure 2011103448073100002DEST_PATH_IMAGE044
，
Figure 2011103448073100002DEST_PATH_IMAGE046
，
Figure 2011103448073100002DEST_PATH_IMAGE048
是用户根据不同的应用定义的正整数，
Figure 2011103448073100002DEST_PATH_IMAGE050
为预设的边界检测阈值。
所述边界检测阈值
Figure 844499DEST_PATH_IMAGE050
可根据实际需要选取，本发明中根据下式确定：
，
其中，R为节点
Figure 871010DEST_PATH_IMAGE002
的通信半径，density为平均网络密度。
根据上述故障检测方法，还可得到本发明的无线传感网络事件检测方法，包括以下步骤：
步骤1、对于无线传感网络中的每一个传感器节点，在其采集数据的开始时刻，首先判断该节点所具有的能量是否小于预设的最小能量门限值，如是，表示该节点能量不足，将该节点的可信度调整为最小值并通知基站；否则转步骤2；
步骤2、使用本发明的无线传感网络故障检测方法进行故障检测；
步骤3、若步骤2返回的结果为故障节点，则将该节点的可信度进行减1操作，直到减到最小值为止，并在可信度为最小值时通知基站，表示该节点为故障节点；否则若节点的可信度未达到最大值，则将该节点的可信度进行加1操作，直到加到最大值为止；
步骤4、执行如下的事件检测算法，若此时该节点的可信度小于最大值，则不采用该节点检测的结果，并将该节点其排除在外：
Figure 2011103448073100002DEST_PATH_IMAGE054
当滑动窗口只有一个数据时，若此时刻E=1就认为有事件发生，否则没有事件发生；当滑动窗口中的数据多于一个并且小于窗口大小时，如果在滑动窗口的数据中检测为E=1的个数大于E=0的个数，则认为此时刻有事件发生，否则没有事件发生；当滑动窗口满时，如果滑动窗口内的数据检测为E=1的个数超过C，则认为此时刻有事件发生；其中E表示节点可能的状态，
Figure 2011103448073100002DEST_PATH_IMAGE056
，
Figure 2011103448073100002DEST_PATH_IMAGE058
为正常传感器节点在正常区域内的期望函数值，为正常传感器节点在事件区域内的期望函数值，
Figure 412981DEST_PATH_IMAGE012
为传感器节点在t时刻的测量值，C为不大于滑动窗口大小的正整数；
步骤5、重复执行步骤4，直到T是L*Ts的整数倍时转至步骤1，其中T为网络运行时间，L为滑动窗口大小，Ts为节点采样周期。
相比现有技术，本发明的无线传感网络事件检测方法具有以下有益效果：
（1）综合利用了无线传感网络中节点具有时间相关性和空间相关性的特点，使得无线传感网络既具有较高容错能力的同时又具有较低的能量消耗、较长的寿命。
（2）功能性强，既具有事件检测的能力，又能够确定事件区域的大小。
（3）能耗较低，在执行故障检测算法后，节点不需要在与其他节点通信，而是直接利用故障检测算法中与其他节点通信的数据进行事件边界的检测。故障检测算法是周期执行的，一方面减少了节点通信所花费的能耗，另一方面保持着较高的容错能力。
（4）节点利用率高，由于节点可信度恢复机制的使用，使得由于某种原因（如节点发生瞬时测量值错误）造成节点可信度降低，当该故障结束时，节点的可信度能够恢复到正常，又能被网络重新使用，节约了资源。
（5）容错能力强，方法首先进行了故障检测，又使用了节点的可信度恢复机制，并且当某一节点的可信度不是最大值时，其他节点不采用该节点采集的数据，减少了故障节点对其他正常节点的影响，使得算法的容错能力增强。
附图说明
图1是具体实施方式中边界检测阈值
Figure 675259DEST_PATH_IMAGE050
确定方法原理示意图；
图2是事件检测算法执行时机示意图；
图3是本发明的事件检测方法流程图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明：
本发明的事件检测方法是一种改进性和综合性的方法，通过对基于空间相关性的故障检测算法与基于时间相关性的事件检测算法的改进和综合而提出的，首先采用故障检测算法对节点故障进行初步检测，然后通过事件边界检测算法对初步故障检测结果进行修正以防止对事件边界节点的误判，最后利用事件检测算法进行事件检测。在整个事件检测过程中还引入了节点的可信度恢复机制，保证了无线传感网络具有更强的容错能力和可靠性。为了方便描述，我们假设，传感器节点随机分布在某一区域内，并且具有相同的通信半径，节点的数据采集周期为Ts，滑动窗口的大小为L=5，在T=（n-L）*Ts时刻开始采集数据，以节点为例，其邻域N(
Figure 522178DEST_PATH_IMAGE002
)内具有10个节点（包含节点
Figure 467000DEST_PATH_IMAGE002
本身），其中N(
Figure 383266DEST_PATH_IMAGE002
)={
Figure 388131DEST_PATH_IMAGE002
，
Figure 888383DEST_PATH_IMAGE018
，…，
Figure DEST_PATH_IMAGE062
}，代表领域内所有的邻居节点，其中
Figure 173049DEST_PATH_IMAGE024
表示节点
Figure 411132DEST_PATH_IMAGE002
领域内的第j个节点。定义
Figure 398680DEST_PATH_IMAGE012
，
Figure 183840DEST_PATH_IMAGE014
，…，
Figure DEST_PATH_IMAGE064
分别是在t时刻节点，
Figure 342737DEST_PATH_IMAGE018
,…, 
Figure 817581DEST_PATH_IMAGE062
所采集到的数据，其中
Figure 907896DEST_PATH_IMAGE022
表示节点
Figure 718507DEST_PATH_IMAGE002
的邻节点
Figure 658913DEST_PATH_IMAGE024
在t时刻采集到的数据，表示节点
Figure 872649DEST_PATH_IMAGE002
在t时刻采集到的数据。本发明的无线传感网络事件检测方法，包括以下步骤：
步骤1、对于无线传感网络中的每一个传感器节点，在其采集数据的开始时刻，首先判断该节点所具有的能量是否小于预设的最小能量门限值，如是，表示该节点能量不足，将该节点的可信度调整为最小值并通知基站；否则转步骤2；
步骤2、采用以下方法进行故障检测：
步骤201、对于无线传感网络中的每一个传感器节点执行故障检测算法，并返回执行结果：故障或正常节点；
本发明中的故障检测算法可使用现有的各种算法，优选基于中值的故障检测算法。采用中值策略进行故障检测，在很大程度上避免了错误的邻居测量值对测量精度的影响，具有较高的识别率和较低的误判率，而且算法的时间复杂度也较低。基于中值的故障检测算法具体如下：
假设节点
Figure 236634DEST_PATH_IMAGE002
的邻域N(
Figure 152201DEST_PATH_IMAGE002
)内具有k个节点（包含节点本身），其中N(
Figure 597537DEST_PATH_IMAGE002
)={
Figure 173618DEST_PATH_IMAGE002
，
Figure 659088DEST_PATH_IMAGE018
,…, 
Figure 392558DEST_PATH_IMAGE020
}，代表
Figure 628367DEST_PATH_IMAGE002
领域内所有的邻居节点，其中
Figure 268077DEST_PATH_IMAGE024
表示节点
Figure 360667DEST_PATH_IMAGE002
领域内的第j个节点。定义，
Figure 919135DEST_PATH_IMAGE014
，…、
Figure 345175DEST_PATH_IMAGE016
分别是在t时刻节点
Figure 608666DEST_PATH_IMAGE002
，
Figure 254411DEST_PATH_IMAGE018
,…, 
Figure 130226DEST_PATH_IMAGE020
所采集到的数据，其中
Figure 240133DEST_PATH_IMAGE022
表示节点
Figure 190639DEST_PATH_IMAGE002
的邻节点在t时刻采集到的数据，
Figure 937938DEST_PATH_IMAGE012
表示节点
Figure 403817DEST_PATH_IMAGE002
在t时刻采集到的数据。
在t时刻，节点
Figure 575822DEST_PATH_IMAGE002
与其领域内节点测量值的差值
Figure DEST_PATH_IMAGE066
：
Figure 992897DEST_PATH_IMAGE066
=
Figure 476093DEST_PATH_IMAGE012
-
Figure 295014DEST_PATH_IMAGE008
其中
Figure 8892DEST_PATH_IMAGE008
表示集合
Figure 615060DEST_PATH_IMAGE010
={
Figure 72586DEST_PATH_IMAGE012
,,…, 
Figure 834055DEST_PATH_IMAGE016
}的中值。
当
Figure 664870DEST_PATH_IMAGE066
的值比较大时，说明节点
Figure 926087DEST_PATH_IMAGE002
可能发生了故障。
中值
Figure 391703DEST_PATH_IMAGE008
的确定：首先将在t时刻节点
Figure 712963DEST_PATH_IMAGE002
领域N(
Figure 22285DEST_PATH_IMAGE002
)内节点所采集到的数据按值从小到大排序，若排序结果为
Figure DEST_PATH_IMAGE068
Figure DEST_PATH_IMAGE070
Figure DEST_PATH_IMAGE072
Figure 572346DEST_PATH_IMAGE070
…
Figure DEST_PATH_IMAGE074
，则：
Figure DEST_PATH_IMAGE076
采用中值而不采用平均值的好处为：均值不能很好的代表样本的实际中心，特别是当样本中部分值严重偏离中心值时，平均值和中值相差很大。中值能够较好的反映实际的数值。只要传感器采集的数据一半以上是正常的，故障节点对中值的影响就会很小。
节点
Figure 273379DEST_PATH_IMAGE002
在t时刻是否为故障节点可以根据下式来判断：
Figure 311742DEST_PATH_IMAGE004
判定条件：如果，则认为节点
Figure 122014DEST_PATH_IMAGE002
在t时刻为故障节点，其中
Figure 519498DEST_PATH_IMAGE028
>0，根据不同的应用场合由用户确定。
步骤202、执行事件边界检测算法，并返回执行结果：边界节点与非边界节点；对于在步骤1中返回结果为故障的节点，如时间边界检测算法返回的结果为边界节点，则判定其为正常节点；如时间边界检测算法返回的结果为边界节点，则判定其为故障节点。
本步骤中的事件边界检测算法根据节点测量值与期望特征值之间的差值，将传感节点在同一时刻采集到的数据分成两类（若它们的值不满足条件即只能将数据分为一类，则说明该节点处于非事件边界区域），分成的两类中节点数目满足一定条件时，就认为该节点为事件边界节点，否则为非事件边界节点。具体如下：
若节点
Figure 310736DEST_PATH_IMAGE002
的邻域内节点的测量值满足条件
Figure DEST_PATH_IMAGE078
，则将节点
Figure DEST_PATH_IMAGE080
的测量值分到集合A中，若满足条件
Figure DEST_PATH_IMAGE082
，则将节点的测量值分到集合B中，直到节点
Figure 267289DEST_PATH_IMAGE002
的邻域内的所有节点的测量值划分完毕，若最终结果满足
Figure 835673DEST_PATH_IMAGE042
就认为节点
Figure 114208DEST_PATH_IMAGE002
为事件边界节点，否则为节点
Figure 59030DEST_PATH_IMAGE002
非事件边界节点。其中
Figure 972366DEST_PATH_IMAGE042
表示集合A、B中元素个数的最小值，
Figure 977231DEST_PATH_IMAGE044
，
Figure 477483DEST_PATH_IMAGE046
，是可由用户根据不同的应用定义的正整数。本具体实施方式中，边界检测阈值
Figure 996768DEST_PATH_IMAGE050
是由网络节点密度与节点通信半径共同决定的：一般认为当节点
Figure 906955DEST_PATH_IMAGE002
与事件边界（假如是一条直线）的距离小于等于R/2时，就将节点
Figure 894503DEST_PATH_IMAGE002
视为事件边界节点，R为
Figure 181128DEST_PATH_IMAGE002
的通信半径，由图1可知： 
Figure DEST_PATH_IMAGE084
，其中density为平均网络密度。
步骤3、若步骤2返回的结果为故障节点，则将该节点的可信度进行减1操作，直到减到最小值为止，并在可信度为最小值时通知基站；否则若节点的可信度未达到最大值，则将该节点的可信度进行加1操作，直到加到最大值为止；
为了提高无线传感网络中的节点利用率，本发明方法引入了可信度动态调整机制。可信度是评估一个传感器节点的可信任程度的一个变量，它表示在数次测量中该节点表现为正常节点次数的多少，可信度越高，代表该节点越可靠。将节点的可信度的初始值设置为最大值，随着传感节点的发生故障次数的增多，节点的可信程度逐渐降低，最后减到最小值。
节点发生瞬时测量值故障或者在某一次判决时被误判为故障节点时，若被其他节点察觉，就会认为此节点为故障节点，在下次数据通信时就不再与该节点交换数据，如果节点发生此类故障后又重新恢复正常，而其他节点可能仍然认为此节点是故障节点。为了避免这种情况的发生，采用了节点可信度的恢复机制，即在执行故障检测算法前，首先判断节点的可信度是否等于最小值，若等于最小值，则通知基站该节点采集到的数据是无效的；若大于最小值则执行故障检测算法，若算法执行的结果为正常节点，则将其可信度加1，直到其可信度为最大值时为止，若执行结果为故障节点，则将其可信度减1，直到其值为最小值时为止。
采用节点可信度的恢复机制不仅提高了网络中节点的利用率，而且还对误判节点进行了纠正，使得整个网络的性能大大的提高了。本发明中的可信度动态调整机制具体内容如下：首先判断该节点所携带的能量，若节点所携带的能量小于某一个门限值时，节点的可信度立即减为最小值，并将此信息报告给基站；若在执行故障检测与事件边界检测方法后，该节点为正常节点，就将该节点的可信度加1，直到该节点的可信度恢复到初始状态即最大值时为止，否则，将该节点的可信度减1，直到减到最小值为止；当节点可信度小于初始值时，它可其邻居节点通信，并可以通过相关算法对该节点的可信度采取恢复操作，但其邻节点不采用该节点的数据参与检测算法，该节点却仍然可以作为路由节点参与数据的传输。只有当该传感器的可信度恢复到初始值时，才能参与计算。
本发明中与可信度相关的操作可概括为：
（1）当节点被检测为故障节点时，节点的可信度立即减1，当可信度为最小值时，就将此信息报告给基站。
（2）当节点所携带的能量小于某一个门限值时，节点的可信度直接减为最小值，并将此信息报告给基站。
（3）当节点被检测为边界节点或正常节点时，节点的可信度加1，直到增加为最大值时为止。
步骤4、执行如下的事件检测算法，若此时该节点的可信度小于最大值，则不采用该节点检测的结果，并将该节点其排除在外；事件发生与否根据下式进行判断：
Figure 211268DEST_PATH_IMAGE054
当滑动窗口只有一个数据时，若此时刻E=1就认为有事件发生，否则没有事件发生；当滑动窗口中的数据多于一个并且小于窗口大小时，如果在滑动窗口的数据中检测为E=1的个数大于E=0的个数，则认为此时刻有事件发生，否则没有事件发生；当滑动窗口满时，如果滑动窗口内的数据检测为E=1的个数超过C，则认为此时刻有事件发生；其中E表示节点可能的状态，
Figure 557935DEST_PATH_IMAGE056
，
Figure 534244DEST_PATH_IMAGE058
为正常传感器节点在正常区域内的期望函数值，
Figure 358980DEST_PATH_IMAGE060
为正常传感器节点在事件区域内的期望函数值，
Figure 602880DEST_PATH_IMAGE012
为传感器节点
Figure 120449DEST_PATH_IMAGE002
在t时刻的测量值，C为不大于滑动窗口大小的正整数。
上述事件检测算法的执行时机如图2所示，分别在t=n*Ts，(n+1)*Ts ，…，(n+L-1)*Ts时刻执行事件检测算法。
步骤5、重复执行步骤4，直到T是L*Ts的整数倍时转至步骤1，其中T为网络运行时间，L为滑动窗口大小，Ts为节点采样周期。
本发明事件检测方法的完整流程如图3所示。

Claims (5)

1. 一种无线传感网络故障检测方法，其特征在于，包括以下步骤：
步骤1、对于无线传感网络中的每一个传感器节点执行故障检测算法，并返回执行结果：故障或正常节点；
步骤2、执行事件边界检测算法，并返回执行结果：边界节点与非边界节点；对于在步骤1中返回结果为故障的节点，如时间边界检测算法返回的结果为边界节点，则判定其为正常节点；如时间边界检测算法返回的结果为边界节点，则判定其为故障节点。
2.如权利要求1所述无线传感网络故障检测方法，其特征在于，所述故障检测算法为基于中值的故障检测算法，具体如下：
根据下式判断节点                                               
Figure 2011103448073100001DEST_PATH_IMAGE002
在t时刻是否为故障节点：
Figure 2011103448073100001DEST_PATH_IMAGE004
  ，
式中，表示节点
Figure 364831DEST_PATH_IMAGE002
在t时刻为故障节点，
Figure 993258DEST_PATH_IMAGE006
表示节点
Figure 658375DEST_PATH_IMAGE002
在t时刻为正常节点， 
Figure 2011103448073100001DEST_PATH_IMAGE008
表示节点
Figure 409163DEST_PATH_IMAGE002
的邻域内所有的k个节点在t时刻采集到的数据集合
Figure 2011103448073100001DEST_PATH_IMAGE010
={
Figure DEST_PATH_IMAGE012
,,…, 
Figure DEST_PATH_IMAGE016
}的中值，
Figure 232500DEST_PATH_IMAGE012
，
Figure 461356DEST_PATH_IMAGE014
，…、
Figure 181313DEST_PATH_IMAGE016
分别是t时刻节点，
Figure DEST_PATH_IMAGE018
,…, 
Figure 2011103448073100001DEST_PATH_IMAGE020
所采集到的数据，其中
Figure 2011103448073100001DEST_PATH_IMAGE022
表示节点
Figure 915816DEST_PATH_IMAGE002
的邻节点
Figure 2011103448073100001DEST_PATH_IMAGE024
在t时刻采集到的数据，，
Figure 837111DEST_PATH_IMAGE012
表示节点
Figure 972427DEST_PATH_IMAGE002
在t时刻采集到的数据， 
Figure DEST_PATH_IMAGE028
>0。
3.如权利要求1所述无线传感网络故障检测方法，其特征在于，所述边界检测算法具体如下：
假设表示节点
Figure 628798DEST_PATH_IMAGE002
的测量值，节点
Figure 787247DEST_PATH_IMAGE002
的邻域内共有k个节点，，
Figure DEST_PATH_IMAGE034
分别为正常区域与事件区域的期望特征值；对于节点
Figure 924617DEST_PATH_IMAGE002
的邻域内节点的测量值，若满足条件
Figure DEST_PATH_IMAGE038
，则将该节点的测量值分到集合A中，若满足条件，则将该节点的测量值分到集合B中，到节点
Figure 806117DEST_PATH_IMAGE002
的k个邻节点的测量值被划分完毕时，若最终结果满足
Figure DEST_PATH_IMAGE042
就认为该节点为事件边界节点，否则为非事件边界节点；其中
Figure 69608DEST_PATH_IMAGE042
表示集合A、B中元素个数的最小值，
Figure DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE046
，
Figure DEST_PATH_IMAGE048
是用户根据不同的应用定义的正整数，
Figure DEST_PATH_IMAGE050
为预设的边界检测阈值。
4.如权利要求3所述无线传感网络故障检测方法，其特征在于，所述边界检测阈值
Figure 964620DEST_PATH_IMAGE050
根据下式确定：
，
其中，R为节点
Figure 956279DEST_PATH_IMAGE002
的通信半径，density为平均网络密度。
5.一种无线传感网络事件检测方法，其特征在于，包括以下步骤：
步骤1、对于无线传感网络中的每一个传感器节点，在其采集数据的开始时刻，首先判断该节点所具有的能量是否小于预设的最小能量门限值，如是，表示该节点能量不足，将该节点的可信度调整为最小值并通知基站；否则转步骤2；
步骤2、使用权利要求1-4任一项所述无线传感网络故障检测方法进行故障检测；
步骤3、若步骤2返回的结果为故障节点，则将该节点的可信度进行减1操作，直到减到最小值为止，并在可信度为最小值时通知基站，表示该节点为故障节点；否则若节点的可信度未达到最大值，则将该节点的可信度进行加1操作，直到加到最大值为止；
步骤4、执行如下的事件检测算法，若此时该节点的可信度小于最大值，则不采用该节点检测的结果，并将该节点其排除在外：
当滑动窗口只有一个数据时，若此时刻E=1就认为有事件发生，否则没有事件发生；当滑动窗口中的数据多于一个并且小于窗口大小时，如果在滑动窗口的数据中检测为E=1的个数大于E=0的个数，则认为此时刻有事件发生，否则没有事件发生；当滑动窗口满时，如果滑动窗口内的数据检测为E=1的个数超过C，则认为此时刻有事件发生；其中E表示节点可能的状态，
Figure DEST_PATH_IMAGE056
，
Figure DEST_PATH_IMAGE058
为正常传感器节点在正常区域内的期望函数值，
Figure DEST_PATH_IMAGE060
为正常传感器节点在事件区域内的期望函数值，
Figure 816919DEST_PATH_IMAGE012
为传感器节点
Figure 749847DEST_PATH_IMAGE002
在t时刻的测量值，C为不大于滑动窗口大小的正整数；
步骤5、重复执行步骤4，直到T是L*Ts的整数倍时转至步骤1，其中T为网络运行时间，L为滑动窗口大小，Ts为节点采样周期。
CN201110344807.3A 2011-11-04 2011-11-04 一种无线传感网络故障检测方法及事件检测方法 Expired - Fee Related CN102547812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110344807.3A CN102547812B (zh) 2011-11-04 2011-11-04 一种无线传感网络故障检测方法及事件检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110344807.3A CN102547812B (zh) 2011-11-04 2011-11-04 一种无线传感网络故障检测方法及事件检测方法

Publications (2)

Publication Number Publication Date
CN102547812A true CN102547812A (zh) 2012-07-04
CN102547812B CN102547812B (zh) 2014-04-16

Family

ID=46353512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110344807.3A Expired - Fee Related CN102547812B (zh) 2011-11-04 2011-11-04 一种无线传感网络故障检测方法及事件检测方法

Country Status (1)

Country Link
CN (1) CN102547812B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103338474A (zh) * 2013-07-24 2013-10-02 清华大学 基于无线传感器网络的链路检测方法
CN103533570A (zh) * 2013-09-27 2014-01-22 中国科学技术大学苏州研究院 多维数据环境下无线传感器网络内传感器节点维护的方法
CN103561418A (zh) * 2013-11-07 2014-02-05 东南大学 基于时间序列的异常检测方法
CN104486786A (zh) * 2014-11-26 2015-04-01 北京邮电大学 一种无线传感器网络的故障检测方法
CN105636094A (zh) * 2016-03-16 2016-06-01 中国地质大学（武汉） 基于分簇压缩感知的无线传感网预警方法及系统
CN107204792A (zh) * 2017-05-19 2017-09-26 华为技术有限公司 一种检测方法以及装置
CN111343260A (zh) * 2020-02-19 2020-06-26 北京航空航天大学 一种用于多云部署的流处理系统容错方法
CN116388401A (zh) * 2023-05-31 2023-07-04 国网吉林省电力有限公司辽源供电公司 一种变电站设备控制方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101257355A (zh) * 2008-04-08 2008-09-03 杭州电子科技大学 一种无线传感器网络节点故障检测方法
CN101959218A (zh) * 2009-10-25 2011-01-26 苏州大学 基于伸展树的事件区域检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101257355A (zh) * 2008-04-08 2008-09-03 杭州电子科技大学 一种无线传感器网络节点故障检测方法
CN101959218A (zh) * 2009-10-25 2011-01-26 苏州大学 基于伸展树的事件区域检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李桂丹等: "分布式无线传感器网络容错事件边界检测", 《计算机工程与应用》 *
高建良等: "基于加权中值的分布式传感器网络故障检测", 《软件学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103338474A (zh) * 2013-07-24 2013-10-02 清华大学 基于无线传感器网络的链路检测方法
CN103338474B (zh) * 2013-07-24 2016-01-20 清华大学 基于无线传感器网络的链路检测方法
CN103533570A (zh) * 2013-09-27 2014-01-22 中国科学技术大学苏州研究院 多维数据环境下无线传感器网络内传感器节点维护的方法
CN103561418A (zh) * 2013-11-07 2014-02-05 东南大学 基于时间序列的异常检测方法
CN104486786A (zh) * 2014-11-26 2015-04-01 北京邮电大学 一种无线传感器网络的故障检测方法
CN104486786B (zh) * 2014-11-26 2018-03-02 北京邮电大学 一种无线传感器网络的故障检测方法
CN105636094A (zh) * 2016-03-16 2016-06-01 中国地质大学（武汉） 基于分簇压缩感知的无线传感网预警方法及系统
CN107204792A (zh) * 2017-05-19 2017-09-26 华为技术有限公司 一种检测方法以及装置
CN111343260A (zh) * 2020-02-19 2020-06-26 北京航空航天大学 一种用于多云部署的流处理系统容错方法
CN111343260B (zh) * 2020-02-19 2021-05-28 北京航空航天大学 一种用于多云部署的流处理系统容错方法
CN116388401A (zh) * 2023-05-31 2023-07-04 国网吉林省电力有限公司辽源供电公司 一种变电站设备控制方法及系统
CN116388401B (zh) * 2023-05-31 2023-08-25 国网吉林省电力有限公司辽源供电公司 一种变电站设备控制方法及系统

Also Published As

Publication number Publication date
CN102547812B (zh) 2014-04-16

Similar Documents

Publication Publication Date Title
CN102547812A (zh) 一种无线传感网络故障检测方法及事件检测方法
US10805174B2 (en) Using machine learning to monitor link quality and predict link faults
CN105915388B (zh) 一种基于分布式网络的传感器故障检测方法及系统
CN102612065B (zh) 无线传感器网络监控异常事件的快速容错检测方法
CN105325023B (zh) 用于小区异常检测的方法和网络设备
CN103533571B (zh) 基于投票策略的容错事件检测方法
CN106792864A (zh) 网元状态的处理方法及装置
CN1981446A (zh) 用于改善网络上采集的传感器数据的可靠性的设备和方法
US20080318643A1 (en) Method of reducing power consumption in a ue when the ue is in idle mode
CN102572908B (zh) 一种分布式无线传感网络节点故障检测方法
CN107332691B (zh) 一种无线传感器网络故障节点检测方法
CN103605096B (zh) 在线调整电网状态检测系统参数的方法与系统
CN101848478A (zh) 一种无线传感器网络故障的处理方法
CN112882445B (zh) 用于智能制造的5g及区块链智能监控和管理系统
CN111982334A (zh) 温度修正方法及装置、计算机存储介质、处理器
CN106294076A (zh) 一种服务器关联故障预测方法及其系统
CN101257355A (zh) 一种无线传感器网络节点故障检测方法
CN116227363B (zh) 一种传感分布优化的洪灾预警方法
CN107294767B (zh) 一种直播网络传输故障监测方法及系统
CN115022022B (zh) 一种基于节点过往行为分析的Raft共识机制改进方法
RU2013130664A (ru) Способ выполнения диагностики конструкции, подверженной нагрузкам, и система реализации упомянутого способа
CN116455729A (zh) 一种基于链路质量评估模型的故障链路检测与恢复方法
CN107371175B (zh) 一种使用协作预测的自组织网络故障检测方法
CN109855232B (zh) 空调系统故障处理方法、模块机系统
CN101237357A (zh) 工业无线传感器网络故障在线检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20120704

Assignee: Jiangsu Nanyou IOT Technology Park Ltd.

Assignor: Nanjing Post & Telecommunication Univ.

Contract record no.: 2016320000213

Denomination of invention: Fault detection method of wireless sensor network and event detection method thereof

Granted publication date: 20140416

License type: Common License

Record date: 20161118

LICC Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model
EC01 Cancellation of recordation of patent licensing contract
EC01 Cancellation of recordation of patent licensing contract

Assignee: Jiangsu Nanyou IOT Technology Park Ltd.

Assignor: Nanjing Post & Telecommunication Univ.

Contract record no.: 2016320000213

Date of cancellation: 20180116

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140416

Termination date: 20191104