CN102984730A - 基于信任模型的无线传感器网络分布式探测决策融合方法 - Google Patents

Abstract

本发明是一种基于信任模型的无线传感器网络分布式探测决策融合方法，用于无线传感器网络中解决分布式探测的决策融合问题。该方法通过在汇聚节点保存本地节点的可信度，并将可信度用在系统的决策融合过程中，综合考虑本地节点的可靠性以及通信信道的噪声干扰对本地节点汇报的局部决策值的影响，尽可能地提高系统检测的正确率并减少系统资源的开销。

Description

基于信任模型的无线传感器网络分布式探测决策融合方法

技术领域

本发明提出了一种无线传感器网络中的分布式探测决策融合方法，属于无线传感器网络技术领域。

背景技术

目标检测是无线传感器网络诞生的初衷也是最重要的应用之一，如在战场环境中，判断一个敌方目标（人、坦克、飞机）是否出现对于战争的成败与否有着至关重要的作用。对于一个目标的检测，判断其发生或没有发生，通常是通过获取该目标的发生信号以进行判断，如坦克经过兴趣监测区域ROI（Region of Interesting）时，会产生一定的声音信号，当ROI区域内的每个传感器节点接收到该信号时，将传感数据直接传输给数据融合中心FC（FusionCenter）或者先经过判断将决策传输给FC，FC根据某种判决准则，判决该目标是否发生。在理想环境中，每个节点接收到的目标信号强度都是真实的，因此FC能够根据可靠的数据或决策进行判决。然而实际中，网络环境极为复杂，节点接收到的信号不仅仅来自于潜在的目标事件，同时也受到多种随机噪声的干扰，因此，在进行判断的时候，所做出的判断存在一定的“误判”率。“误判”有两层含义，第一，当目标事件没有发生时，无线传感器网络系统报警该事件发生；第二，当目标事件发生时，却没有进行报警，通常，第一种情况称之为系统“虚警”率（Probability of False Alarm），第二种情况的反面称之为系统“检测”率（Probability ofDetection）。该发明专利的目的即为设计一定的判决准则以及数据传输机制，使得系统的“检测”率尽可能大，同时使得系统的“虚警”率尽可能小。

目前，国内外对无线传感器网络的分布式检测理论已有一定的研究。在经典文献中，Chair.Z与Varshney.P提出了基于贝叶斯准则的多传感器融合的最佳判决Chair-Varshney准则，使得在贝叶斯判决准则下，系统能够达到最大检测率。早在1980年，MIT的Tenny与Scandell就提出了分布式传感器检测的概念，其将贝叶斯判决准则应用于分布式环境中。对分布式检测的理论进行详细的综述，对贝叶斯准则与Neyman-Pearson准则进行了分析与阐述。近年来，牛瑞鑫等人提出了一种应用于大规模无线传感器网络的“counting rule”的简单方法，即每个节点先根据预设的阈值进行判决，再将判决结果0表示没有目标事件发生或者1表示目标事件发生上传给融合中心进行判断，当然，为了节省能量，0可以不用上传。在counting rule的基础上，Katenka.N等人提出了一种基于“本地投票”机制的决策融合策略进行目标检测，其分为两个阶段，首先每个节点根据其邻居节点的判决修正自己的结果，当所有节点都修正完毕，再将判决为1的结果传输给融合中心，其大大降低了系统的判决阈值，减少了系统资源开销。“countingrule”尽管在理论上能够满足一定的要求，但是其结果必须满足无线传感器节点数量非常庞大的前提，需要利用网络中的所有节点进行判决，从某种程度上造成了资源的浪费。“local vote”的方法尽管降低了判决阈值，但是其两阶段的融合方法同样增加了系统开销，并且对于实时性要求较高的系统往往不可行。上述方法都没有考虑到在实际使用过程中，节点发生损坏、无线通信信道的干扰等情况。

发明内容

技术问题：本发明的目的是提供一种基于信任模型的无线传感器网络分布式探测决策融合方法，通过使用节点可信度机制，综合考虑本地节点的可靠性以及通信信道的噪声干扰对本地传感节点上报的局部决策值的影响，尽可能地提高系统的检测正确率并减少系统的资源开销。

技术方案：本发明的基于信任模型的无线传感器网络分布式探测决策融合方法是一种策略性方法，可以单独使用，也可以与现有的分布式探测决策融合算法综合应用。本发明将传感节点可信度参数引入到分布式探测的决策融合过程中，其目标是通过功能简单的可信度权值分析，使本地节点的判断结果进一步量化，将节点是否安全可靠以及通信信道的噪声干扰等因素纳入汇聚节点的决策融合分析中，从而提高汇聚节点处判断的准确性。

本发明提出了一种分布式探测的决策融合方法，包括以下步骤：

步骤1).网络初始化：对N个本地节点设置本地决策阈值t_i；对汇聚节点设置系统决策阈值T₀和每个本地节点可信任度α_i(t₀)；i为本地节点标号，i=1,2,3,…,N；

步骤2)本地节点主要功能为检测目标事件，每隔一段时间使用节点上装载的传感器获得探测值y_i；

步骤3)，通过将探测值y_i与该节点设定的阈值t_i比较，得出一个本地决策值 $I_i=\left\{\begin{array}{ccc}1,& \mathrm{if}& y_i<t_i\\ 0,& \mathrm{if}& y_i\&GreaterEqual;t_i\end{array}\right.;$

步骤4)本地节点使用无线信道将本地决策值I_i发送给汇聚节点；

步骤5)汇聚节点使用接收的的本地决策值I_i和存储在汇聚节点的对应的可信任度α_i通过公式

得到系统的决策值D；H₁为决策判定真，H₀为决策判定假；

步骤6)根据步骤5)中得到的系统决策值D，使用下面的公式对系统决策阈值T_k和本地节点的可信任度α_i(t_k)进行修正，第一次修正时k=0：

$T_{k+1}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_{k+1}\right)}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_k\right)}{T}_k,$ k=0,1,2,3,…

${\mathrm{\&alpha;}}_i\left(t_{k+1}\right)=\left\{\begin{array}{c}{\mathrm{\&alpha;}}_i\left(t_k\right)+r,I_i=D_k\\ {\mathrm{\&alpha;}}_i\left(t_k\right)-r,I_i\&NotEqual;D_k\end{array}\right.,$ k=0,1,2,3,…

其中，T_k是本次决策过程使用的阈值，T_k+1是下一次系统决策时使用的阈值；α_i(t_k)是本次系统决策时节点i的可信度，α_i(t_k+1)是下一次系统决策时节点i的可信度；r是每次可信度调整的单位值；

步骤7)如果需要继续监测目标事件，转步骤2)顺序执行继续实现对感兴趣事件的监控；否则结束。

有益效果：本发明方法提出了一种基于可信度的无线传感器网络分布式探测决策融合方法。本发明使用简单的可信模型辅助系统进行决策分析，具有如下一些显著优点，都是目前其它分布式探测决策融合方法所不具备的：

（1）实用性强：本发明方法将节点发生损坏和信道噪声导致误判的可能考虑在内，对真实的应用场景可能出现的异常情况具备更好的适应能力，从而更加准确有效的做出判断。

（2）节约成本：现有的分布式探测决策融合算法对事件覆盖的节点冗余性有很高的要求，而本发明方法保证在节点冗余降低一半的情况下依然可以保证相近的决策准确率。

（3）良好的自适应能力：本发明方法可以根据系统的实际应用场景的变化，动态地对使用的参数进行调整。当出现节点损坏或者由于天气等原因引起的无线信道噪声过大等影响系统判断的时候，通过参数的自动调整，可以保证系统保持较高的判断准确性。

附图说明

图1是监控节点的分布图。

图2是本发明方法的算法流程图。

具体实施方式

为了方便描述，我们假定有如下应用实例：有N个本地节点直接对感兴趣事件进行监测，对检测数据进行分析后将本地判决结果发送给汇聚节点，汇聚节点根据从本地节点得到的本地决策值得出系统的决策结果。

具体实施方案为：

步骤1)网络初始化。对N个本地节点设置本地决策阈值t_i；对汇聚节点设置系统决策阈值T(0)和每个本地节点可信任度α_i(t₀)；

步骤2)本地节点主要功能为检测目标事件，每隔一段时间使用节点上装载的传感器获得探测值y_i；

步骤3)，通过将探测值y_i与该节点设定的阈值t_i比较，得出一个本地决策值 $I_i=\left\{\begin{array}{ccc}1,& \mathrm{if}& y_i<t_i\\ 0,& \mathrm{if}& y_i\&GreaterEqual;t_i\end{array}\right.;$

步骤4)本地节点使用无线信道将本地决策值I_i发送给汇聚节点。

步骤5)汇聚节点使用接收的的本地决策值I_i和存储在汇聚节点的对应的可信任度α_i通过公式

得到系统的决策值D；

步骤6)在每次使用步骤5)中得到的系统决策值D之后，使用下面的公式对系统决策阈值T和本地节点的可信任度α_i进行修正，修正后的值将用于下一次系统决策。

${\mathrm{\&alpha;}}_i\left(t_{k+1}\right)=\left\{\begin{array}{c}{\mathrm{\&alpha;}}_i\left(t_k\right)+r,I_i=D_k\\ {\mathrm{\&alpha;}}_i\left(t_k\right)-r,I_i\&NotEqual;D_k\end{array}\right.,$ k=0,1，2,3,…

$T_{k+1}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_{k+1}\right)}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_k\right)}{T}_k,$ k=0,1,2,3,…

其中，T_k是本次决策过程使用的阈值，T_k+1是下一次系统决策时使用的阈值；α_i(t_k)是本次系统决策时节点i的可信度，α_i(t_k+1)是下一次系统决策时节点i的可信度；r是每次可信度调整的单位值。

例如，首次进行系统决策时使用系统决策阈值T(0)和每个本地节点可信任度α_i(t₀)，通过公式

得到系统的决策值D，然后对这两个参数进行修正，

${\mathrm{\&alpha;}}_i\left(t_1\right)=\left\{\begin{array}{c}{\mathrm{\&alpha;}}_i\left(t_0\right)+r,I_i=D_0\\ {\mathrm{\&alpha;}}_i\left(t_0\right)-r,I_i\&NotEqual;D_0\end{array}\right.$

$T_1=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_1\right)}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_0\right)}{T}_0$

从而动态地反映了应用场景中节点和通信信道的状况。之后，在下一次进行系统决策时使用系统决策阈值T(1)和每个本地节点可信任度α_i(t₁)，通过公式

得到系统的决策值D，

步骤7)如果需要继续监测目标事件，转步骤2)顺序执行继续实现对感兴趣事件的监控；否则结束。

Claims (1)

1.一种基于信任模型的无线传感器网络分布式探测决策融合方法，其特征在与该方法所包含的步骤为：

步骤1).网络初始化：对N个本地节点设置本地决策阈值t_i；对汇聚节点设置系统决策阈值T₀和每个本地节点可信任度α_i(t₀)；i为本地节点标号，i=1,2,3,…,N；

步骤2)本地节点主要功能为检测目标事件，每隔一段时间使用节点上装载的传感器获得探测值y_i；

步骤3)，通过将探测值y_i与该节点设定的阈值t_i比较，得出一个本地决策值 $I_i=\left\{\begin{array}{ccc}1,& \mathrm{if}& y_i<t_i\\ 0,& \mathrm{if}& y_i\&GreaterEqual;t_i\end{array}\right.;$

步骤4)本地节点使用无线信道将本地决策值I_i发送给汇聚节点；

步骤5)汇聚节点使用接收的的本地决策值I_i和存储在汇聚节点的对应的可信任度α_i通过公式

得到系统的决策值D；H₁为决策判定真，H₀为决策判定假；

步骤6)根据步骤5)中得到的系统决策值D，使用下面的公式对系统决策阈值T_k和本地节点的可信任度α_i(t_k)进行修正，第一次修正时k=0：

$T_{k+1}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_{k+1}\right)}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\left(t_k\right)}{T}_k,$ k=0,1,2,3,…

${\mathrm{\&alpha;}}_i\left(t_{k+1}\right)=\left\{\begin{array}{c}{\mathrm{\&alpha;}}_i\left(t_k\right)+r,I_i=D_k\\ {\mathrm{\&alpha;}}_i\left(t_k\right)-r,I_i\&NotEqual;D_k\end{array}\right.,$ k=0,1,2,3,…

其中，T_k是本次决策过程使用的阈值，T_k+1是下一次系统决策时使用的阈值；α_i(t_k)是本次系统决策时节点i的可信度，α_i(t_k+1)是下一次系统决策时节点i的可信度；r是每次可信度调整的单位值；

步骤7)如果需要继续监测目标事件，转步骤2)顺序执行继续实现对感兴趣事件的监控；否则结束。

Images