CN105916216B - 一种自适应无线传感器网络安防报警方法 - Google Patents
一种自适应无线传感器网络安防报警方法 Download PDFInfo
- Publication number
- CN105916216B CN105916216B CN201610463804.4A CN201610463804A CN105916216B CN 105916216 B CN105916216 B CN 105916216B CN 201610463804 A CN201610463804 A CN 201610463804A CN 105916216 B CN105916216 B CN 105916216B
- Authority
- CN
- China
- Prior art keywords
- node
- network
- module
- sensor
- removable
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种自适应无线传感器网络安防报警方法，每个无线传感器网络节点间通过无线链路组成一个无线传感器网络，从而可将陌生人员的入侵信号通过无线网络回传给监控控制中心，以达到安防报警的目的。采用贝叶斯网络作为概率学习的推理机，使本系统成为具有机器学习能力的智能系统。在节点充分聚集后，系统使用K均值聚类算法对成片的传感器节点进行聚类分簇，并在每簇中选取几个工作节点正常运转，而多余的节点则可以转入休眠状态，通过这种方法可以有效降低全网实时工作的传感器节点数量，降低总体功耗，在工作节点的电能消耗殆尽以后转用休眠节点进行报警。
Description
技术领域
本发明涉及电子信息领域，特别是一种自适应无线传感器网络安防报警方法。
背景技术
居民小区安防报警系统或重要区域安全监控报警系统是人们日常生活中常见的一种安全防护设施，它的主要目的是对一定区域进行实时检测，发现异常入侵的人或物体并及时汇报安防监控中心以便安保人员采取积极主动措施防范盗窃、破坏和恐怖袭击等事件的发生，具有重要的现实意义。目前现有的安防系统大多采用固定线缆布置，需事先为检测点设计好安放位置，布置电线和信号线并将其全部连接至控制中心实现报警。而现实中有些场景地形复杂或无稳定电源来源，因而无法有效采用固定线缆方式布置，给系统的设计和安装运行带来困难。在此情况下无线传感器网络就可被用于解决该问题。采用无线传感器网络布置区域安防报警系统，由于无线网络的结构可随时调整，则传感节点的位置也不必事先确定，电源可以采用节点自带的锂电池供给，信号通过无线链路传递，则整个报警网络的拓扑结构可以随时进行自适应调整，大大增强的整个网络的适应性和便携性，可做到随时随处布置，任意增添删减节点，实时调控整网功耗和传输链路，大大增强了系统对不同环境的适应性。而采用无线传感器网络又带来两大功能性问题：一是场景的适应性问题，二是有限能源所带来的网络运行寿命的问题。
现有专利如已授权专利200610114627.5采用不可移动的无线传感节点和基站来检测包括温/湿度、烟雾、红外和可燃气体在内的几种指标，并进行报警。而已授权专利201420038434.6则主要针对煤矿环境，通过便携式无线传感节点来检测井下环境和工人生命指标，系统本身不具有自适应性。其余相关专利，如申请号为201410740067.9，201310648869.2，201410711520.3，201310141806.8，201310646657.0，201510367281.9，201210046883.0的七个专利都采用ZigBee无线传感器网络构成安防系统，但这些系统都着眼于结构和功能上的描述，并未对网络的可重构性和自适应性作出描述，即它们的无线节点皆不能移动，网络也没有自适应学习和变化的算法。
发明内容
本发明的目的在于提供一种自适应无线传感器网络安防报警方法，以克服现有技术中存在的缺陷。
为实现上述目的，本发明的技术方案是：一种自适应无线传感器网络安防报警方法，包括一网关节点以及与该网关节点匹配的复数个可移动传感器节点，且按照如下步骤实现自适应无线传感器网络安防报警：
步骤S1：以所述网关节点为中心，在所述网关节点的外围布设有多圈可移动传感器节点，形成环状结构，并对各可移动传感器节点中的组网模块进行配置，建立无线传感器网络，覆盖被检测区域；
步骤S2：按地理毗邻关系将所述被检测区域进行分块划分，按距离所述网关节点中心距离的远近建立贝叶斯网络，其中，贝叶斯网络节点表征每个被检测区域分块，并通过对贝叶斯网络节点的概率值进行初始化，从而对每块被检测区域的概率进行初始化；
步骤S3：初始化设置后，进入检测学习阶段，通过不断检测入侵的来源，调整贝叶斯网络节点的概率值，并通过聚集移动校正可移动传感器节点的位置，确定无线传感器网络的网络结构；
步骤S4：通过K均值聚类算法对所有可移动传感器节点进行分簇运算，并在每个分簇中选取若干代表性可移动传感器节点保持正常工作，其余可移动传感器节点进入休眠状态来节约能量，且当分簇中代表性可移动传感器节点能源耗尽时，启用休眠状态中的可移动传感器节点进行替代；
步骤S5：通过所述步骤S4中确定的可移动传感器节点对被检测区域进行检测，当检测到入侵触发信号时，将该入侵触发信号上传至所述网关节点，并上传至控制中心进行报警。
在本发明一实施例中，所述可移动传感器节点包括：用于与所述网关节点以及可移动传感器节点间通信的无线组网模块、用于获取所述可移动传感器节点位置的GPS区域定位模块、用于检测入侵的红外入侵检测传感器模块、用于测距的超声波测距模块、用于搭载所述红外入侵检测传感器模块以及所述超声波测距模块的旋转云台、用于改变自身所处位置的履带式位置移动模块、锂电池电源模块以及控制模块。
在本发明一实施例中，所述网关节点与设置于控制中心的信息系统相连；所述网关节点包括：用于与所述可移动传感器节点通信的无线组网模块、用于与所述信息系统通信的有线以太网通讯模块以及由ARM芯片或DSP构成的高性能运算模块。
在本发明一实施例中，所述可移动传感器节点中的无线组网模块以及所述网关节点中的无线组网模块为CC2530嵌入式ZigBee芯片。
在本发明一实施例中，在所述步骤S1中，还包括如下步骤：
步骤S11：对用于形成所述环状结构的环数参数Rn以及每环节点数量Dn进行设置；
步骤S12：按等间隔角度作出测试线，并与所述被检测区域边缘相交于边缘交点，且间隔角度为：360/Dn；
步骤S13：测量所述边缘交点与所述网关节点间的直线距离，根据所述环数参数Rn对该直线距离内的测试线进行等分，并在每个等分点处设置所述可移动传感器节点，进而形成环状结构；
步骤S14：对每个可移动传感器节点按照IEEE 802.15.4ZigBee协议构成所述无线传感器网络。
在本发明一实施例中，在所述步骤S2中，采用扇行计算机自动划分方法，通过等角度间隔辐射线与同心圆对所述被检测区域进行分块划分，并通过贝叶斯网络节点对每个被检测区域分块进行表征，构成具备层级毗邻关系的贝叶斯网络。
在本发明一实施例中，在所述步骤S3中，通过每个可移动传感器节点中的红外入侵检测传感器模块检测入侵来源；检测到入侵触发信号的可移动传感器节点经其对应的无线组网模块，将该入侵触发信号上传至所述网关节点，并上传至控制中心进行报警；按系数提高上传入侵触发信号的可移动传感器节点所在被检测区域分块对应的贝叶斯网络节点的概率值，通过最大期望学习算法在贝叶斯网络中逐层传播，刷新每个贝叶斯网络节点的概率值；每个可移动传感器节点根据当前所在被检测区域的概率值，结合其GPS区域定位模块的位置信息，通过位置移动模块向贝叶斯网络节点概率值高的被检测区域聚集移动。
在本发明一实施例中，所述聚集移动通过所述可移动传感器节点中的履带式位置移动模块实现，聚集移动的方向为面向层级毗邻区域内拥有最高入侵概率值的贝叶斯网络节点对应的被检测区域分块，每次移动的距离为d＝λ·(Ph-Ps)，其中，λ为预设移动系数，用于调节每次移动的距离大小，Ph为毗连区域内的最高入侵概率值，Ps为可移动传感器节点当前所在本检测区域分块的入侵概率值。
在本发明一实施例中，所述最大期望学习算法按照如下步骤实现：
步骤S31：初始化模型参数μ为μ0，并设置μt＝μ0；
步骤S32：已知μt后计算μt+1
步骤S33：生成期望步骤:基于μt计算数据集；
步骤S331：按下述贝叶斯公式计算缺失值v*的条件概率分布:
其中v为观测值集；
步骤S332：通过对缺失值v*赋予权重P(v*|v,μt)来获得步骤S331中的的分数值,并将该分数值加入非完备的数据集来构建完备数据集；
步骤S34：最大化步骤:获得模型参数μt+1的最大似然估计,计算出能使在步骤S332中获得的完整数据集达到最大似然的参数集；
步骤S35：如果算法收敛，则运算停止；否则，令t＝t+1且μt＝μt+1,返回所述步骤S31中继续执行。
在本发明一实施例中，在所述步骤S4中，所述分簇运算通过利用所述K均值聚类算法，将学习聚类后的可移动传感器节点，按其所处位置以及聚集程度，分为多个聚集簇，并在每个簇中选取代表性可移动传感器节点，且根据每个可移动传感器节点中锂电池电源模块的电量来确定代表性可移动传感器节点。
相较于现有技术，本发明具有以下有益效果：本发明所提出的一种基于采用可移动式无线传感器网络构成的安防报警系统的安防报警方法，通过在一定区域布置可移动无线传感器网络节点的方式进行安防报警检测。每个无线传感器网络节点都配备有人体红外线检测传感器并搭载在可移动的平台上，网络节点间通过无线链路和ZigBee无线传感网协议组成一个无线传感器网络，从而可将陌生人员的入侵信号通过无线网络回传给监控控制中心，以达到安防报警的目的。为了提高报警系统对环境的适应性并减少能源损耗提高系统的使用寿命，采用贝叶斯网络(Bayesian network)作为概率学习的推理机，使本系统成为具有机器学习(Machine Learning)能力的智能系统。报警网络在触发报警信号的同时会自动分析每个区域发生入侵行为的概率，并通过贝叶斯网络进行学习，从而引导可移动的传感器节点向入侵的高发区域聚集，从而提高检测的准确性。在节点充分聚集后，系统使用K均值(K-means)聚类算法对成片的传感器节点进行聚类分簇，并在每簇中选取几个工作节点正常运转，而多余的节点则可以转入休眠状态，有效降低了全网实时工作的传感器节点数量，降低总体功耗，在工作节点的电能消耗殆尽以后转用休眠节点进行报警，从而在装配固定容量锂电池的情况下可大大延长网络的使用寿命。
附图说明
图1是本发明所提出的一种自适应无线传感器网络安防报警方法组成结构图。
图2是发明一实施例中传感器节点移动平台示意图。
图3是发明一实施例中可移动节点的无线传感器网络自适应学习流程图。
图4是发明一实施例中所有节点围绕控制室网关节点中心做环状排布初始化示意图。
图5是发明一实施例中被检测区域按地理毗连关系划分为分块的示意图。
图6是发明一实施例中通过贝叶斯网络节点表征被检测区域分块所形成的贝叶斯网络。
图7是发明一实施例中可移动节点的无线传感器网络自适应优化过程示意图。
图8是发明一实施例中传感器网络节点无线传感器网络组网模块电路图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
如图1所示，在本实施例中，由传感器节点和网关节点共同构成用于安防报警的可移动式无线传感器网络。传感器节点用于在前端检测入侵信息并按照无线链路的传输规则将其逐跳传递回位于控制室的网关节点实现报警，其可由用于构建无线传感器网络的组网模块、用于获知自身位置的GPS区域定位模块、用于检测陌生人入侵的入侵检测传感器模块和用于改变自身所处位置的移动平台及其控制模块四部分构成。网关节点用于在控制室处将无线传感器网络传来的信号转换为有线网络的信号汇报给控制中心的信息系统，起到一个无线到有线的桥梁作用，其上配备有高性能运算模块，通常由高运算性能的ARM芯片或DSP构成，用于运行无线传感器网络的自适应学习算法、分簇及路由优化算法等。
进一步的，如图2所示，为本实施例中所采用的可移动传感器节点移动平台，包括：平台由履带式移动底座1，可旋转云台2，分别搭载于可旋转云台上的超声波测距模块3以及红外入侵检测传感器模块4，分别搭载在底座固定平台上的组网模块5，GPS区域定位模块6，锂电池电源模块7以及控制模块8。履带式移动底座提供平台移动能力，可旋转云台上搭载的超声波测距模块可辅助平台确定其位置，而可旋转云台本身可帮助超声波测距模块在各个方向角度上测量距离。无线传感器节点搭载在移动平台上便可以进行移动，通过优化算法调整节点的分布位置，实现报警效果和网络功耗的最优化。
进一步的，如图3所示，为本实施例中无线传感器网络进行自适应学习的流程示意图。
初始化时，如图7(a)所示，将所有节点围绕控制室网关节点中心做环状排布，排布方式可是圆形或椭圆形。在本实施例中，可移动传感器节点的具体位置由环数参数Rn和每环节点数量Dn共同决定，这两个参数由用户预设。如图4所示，较佳的，Rn＝2且Dn＝6，则从网关节点中心至检测区域外缘需有两个排布环，在每个排布环上都需要均匀布置6个传感器节点，具体步骤如下：由于Dn＝6，因此在一个环上需要均匀布置6个节点，一个圆周共360°，因此以60°为间隔角度作出测试线，使测试线与检测区域边缘相交，测量交点与网关节点间的直线距离，并根据Rn＝2进行三等分，在两个三等分点处分别布置两个传感器节点，依此规则在以60°角为间隔的六个方向上都这样操作，最后通过一个椭圆环将同一层上的节点串起来即可。进一步的，所有可移动传感器节点依照IEEE 802.15.4ZigBee协议构成无线传感器网络。
进一步的，在本实施例中，将检测区域按地理毗连关系划分为若干分块，并按距离中心位置的远近构成贝叶斯网络，每个贝叶斯网络节点代表一个地理区域分块，贝叶斯网络节点概率为该区域可能发生入侵事件的概率。地理区域的划分可按照用户手动指定进行划分，也可以由计算机系统自动生成。如图5所示，在本实施例中，采用一种扇行计算机自动划分方法，通过等角度间隔辐射线和一组同心圆可将整块检测区域划分为1～12号的小块区域，且该间隔角度以及同心圆的半径均通过用户根据实际被检测区域的环境参数进行预设。接着用一个贝叶斯网络节点代表一个分块区域构成如图6所示的贝叶斯网络，该网络反映了物理区域上的毗连关系造成的目标行进概率关系，如果入侵目标出现在区域9则下一步进入5区域并继而进入1区域的概率就会大大增加，可通过贝叶斯网络学习上溯增大节点5和节点1的概率。图中节点0表示网关节点。
进一步的，在本实施例中，初始化完成后，系统进入检测学习阶段，通过不断检测入侵的来源来校正节点所针对的位置，一旦检测到陌生人入侵，除了迅速将报警信号传送到控制室完成报警任务外，还需按系数提高该次入侵发生地点所代表的贝叶斯网络节点的概率值，并通过学习算法在贝叶斯网络中逐层传播。该系数为0～1之间的数值，可调控单次事件对贝叶斯网络节点概率的影响，为用户可设定数值，系数大则单次入侵事件发生对贝叶斯网络节点概率提高的影响就大，反之则影响得小。贝叶斯网络的学习通过下述算法1所述最大期望学习算法进行。
进一步的，概率值刷新后，节点可按照新生成的概率值，通过移动平台向入侵概率高的地区聚集，如图7(b)所示，从而提高网络对该区域的针对性和适应性。聚集运动通过搭载传感器节点的履带式移动底座实现，聚集的方向为面向毗连区域内拥有最高入侵概率值的区域分块，每次移动的距离为d＝λ·(Ph-Ps)，其中λ为移动系数，用于调节每次移动的距离大小，由用户预设指定，Ph为毗连区域内的最高入侵概率值，Ps为本传感器节点所属区域分块的入侵概率值。经过一定阶段的学习和聚集后，学习过程结束，可移动传感器节点位置和网络结构固定下来。
进一步的，在本实施例中，节点位置固定下来以后，可进一步使用K均值聚类算法(K-means)对所有传感器节点进行分簇运算，并在每个分簇中选取若干代表性的传感器节点保持正常工作，其余节点可陷入休眠状态来节约能量，如图7(c)所示，图7(c)中休眠的节点被省略不显示。K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标，其基本步骤如下：
(1)从n个数据对象任意选择k个对象作为初始聚类中心；
(2)根据每个聚类对象的均值(中心对象)，计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；
(3)重新计算每个(有变化)聚类的均值(中心对象)
(4)循环(2)到(3)直到每个聚类不再发生变化为止
在本实施例中，聚类分簇即是利用该原理把学习聚集后的传感器节点按其所处位置和聚集程度，分为多个聚集簇，并在每个簇中选取代表性节点。代表性节点的选取有多种方法，在本实施例中，选取电池剩余能量最多的几个传感器节点做为代表性节点。随着系统运行过一段时间后，当某簇中的代表节点能源耗尽时可启用休眠节点进行替代，从而延长整个检测网络的寿命。
如图8所示，为传感器网络节点无线传感器网络组网模块电路图，模块电路主要采用美国德州仪器公司CC2530嵌入式ZigBee芯片构成，能较好地满足实施要求。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (8)
1.一种自适应无线传感器网络安防报警方法，其特征在于，包括一网关节点以及与该网关节点匹配的复数个可移动传感器节点，且按照如下步骤实现自适应无线传感器网络安防报警：
步骤S1：以所述网关节点为中心，在所述网关节点的外围布设有多圈可移动传感器节点，形成环状结构，并对各可移动传感器节点中的组网模块进行配置，建立无线传感器网络，覆盖被检测区域；
步骤S2：按地理毗邻关系将所述被检测区域进行分块划分，按距离所述网关节点中心距离的远近建立贝叶斯网络，其中，贝叶斯网络节点表征每个被检测区域分块，并通过对贝叶斯网络节点的概率值进行初始化，从而对每块被检测区域的概率进行初始化；
步骤S3：初始化设置后，进入检测学习阶段，通过不断检测入侵的来源，调整贝叶斯网络节点的概率值，并通过聚集移动校正可移动传感器节点的位置，确定无线传感器网络的网络结构；
步骤S4：通过K均值聚类算法对所有可移动传感器节点进行分簇运算，并在每个分簇中选取若干代表性可移动传感器节点保持正常工作，其余可移动传感器节点进入休眠状态来节约能量，且当分簇中代表性可移动传感器节点能源耗尽时，启用休眠状态中的可移动传感器节点进行替代；
步骤S5：通过所述步骤S4中确定的可移动传感器节点对被检测区域进行检测，当检测到入侵触发信号时，将该入侵触发信号上传至所述网关节点，并上传至控制中心进行报警；
在所述步骤S3中，通过每个可移动传感器节点中的红外入侵检测传感器模块检测入侵来源；检测到入侵触发信号的可移动传感器节点经其对应的无线组网模块，将该入侵触发信号上传至所述网关节点，并上传至控制中心进行报警；按系数提高上传入侵触发信号的可移动传感器节点所在被检测区域分块对应的贝叶斯网络节点的概率值，通过最大期望学习算法在贝叶斯网络中逐层传播，刷新每个贝叶斯网络节点的概率值；每个可移动传感器节点根据当前所在被检测区域的概率值，结合其GPS区域定位模块的位置信息，通过位置移动模块向贝叶斯网络节点概率值高的被检测区域聚集移动；
所述最大期望学习算法按照如下步骤实现：
步骤S31：初始化模型参数μ为μ0，并设置μt＝μ0；
步骤S32：已知μt后计算μt+1
步骤S33：生成期望步骤:基于μt计算数据集；
步骤S331：按下述贝叶斯公式计算缺失值v*的条件概率分布:
其中v为观测值集；
步骤S332：通过对缺失值v*赋予权重P(v*|v,μt)来获得步骤S331中的的分数值,并将该分数值加入非完备的数据集来构建完备数据集；
步骤S34：最大化步骤:获得模型参数μt+1的最大似然估计,计算出能使在步骤S332中获得的完整数据集达到最大似然的参数集；
步骤S35：如果算法收敛，则运算停止；否则，令t＝t+1且μt＝μt+1,返回所述步骤S31中继续执行。
2.根据权利要求1所述的一种自适应无线传感器网络安防报警方法，其特征在于，所述可移动传感器节点包括：用于与所述网关节点以及可移动传感器节点间通信的无线组网模块、用于获取所述可移动传感器节点位置的GPS区域定位模块、用于检测入侵的红外入侵检测传感器模块、用于测距的超声波测距模块、用于搭载所述红外入侵检测传感器模块以及所述超声波测距模块的旋转云台、用于改变自身所处位置的履带式位置移动模块、锂电池电源模块以及控制模块。
3.根据权利要求1所述的一种自适应无线传感器网络安防报警方法，其特征在于，所述网关节点与设置于控制中心的信息系统相连；所述网关节点包括：用于与所述可移动传感器节点通信的无线组网模块、用于与所述信息系统通信的有线以太网通讯模块以及由ARM芯片或DSP构成的高性能运算模块。
4.根据权利要求2或3所述的一种自适应无线传感器网络安防报警方法，其特征在于，所述可移动传感器节点中的无线组网模块以及所述网关节点中的无线组网模块为CC2530嵌入式ZigBee芯片。
5.根据权利要求1所述的一种自适应无线传感器网络安防报警方法，其特征在于，在所述步骤S1中，还包括如下步骤：
步骤S11：对用于形成所述环状结构的环数参数Rn以及每环节点数量Dn进行设置；
步骤S12：按等间隔角度作出测试线，并与所述被检测区域边缘相交于边缘交点，且间隔角度为：360/Dn；
步骤S13：测量所述边缘交点与所述网关节点间的直线距离，根据所述环数参数Rn对该直线距离内的测试线进行等分，并在每个等分点处设置所述可移动传感器节点，进而形成环状结构；
步骤S14：对每个可移动传感器节点按照IEEE 802.15.4ZigBee协议构成所述无线传感器网络。
6.根据权利要求1所述的一种自适应无线传感器网络安防报警方法，其特征在于，在所述步骤S2中，采用扇行计算机自动划分方法，通过等角度间隔辐射线与同心圆对所述被检测区域进行分块划分，并通过贝叶斯网络节点对每个被检测区域分块进行表征，构成具备层级毗邻关系的贝叶斯网络。
7.根据权利要求1所述的一种自适应无线传感器网络安防报警方法，其特征在于，所述聚集移动通过所述可移动传感器节点中的履带式位置移动模块实现，聚集移动的方向为面向层级毗邻区域内拥有最高入侵概率值的贝叶斯网络节点对应的被检测区域分块，每次移动的距离为d＝λ·(Ph-Ps)，其中，λ为预设移动系数，用于调节每次移动的距离大小，Ph为毗连区域内的最高入侵概率值，Ps为可移动传感器节点当前所在本检测区域分块的入侵概率值。
8.根据权利要求1所述的一种自适应无线传感器网络安防报警方法，其特征在于，在所述步骤S4中，所述分簇运算通过利用所述K均值聚类算法，将学习聚类后的可移动传感器节点，按其所处位置以及聚集程度，分为多个聚集簇，并在每个簇中选取代表性可移动传感器节点，且根据每个可移动传感器节点中锂电池电源模块的电量来确定代表性可移动传感器节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610463804.4A CN105916216B (zh) | 2016-06-23 | 2016-06-23 | 一种自适应无线传感器网络安防报警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610463804.4A CN105916216B (zh) | 2016-06-23 | 2016-06-23 | 一种自适应无线传感器网络安防报警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105916216A CN105916216A (zh) | 2016-08-31 |
| CN105916216B true CN105916216B (zh) | 2019-05-03 |
Family
ID=56758440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610463804.4A Active CN105916216B (zh) | 2016-06-23 | 2016-06-23 | 一种自适应无线传感器网络安防报警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105916216B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106604267B (zh) * | 2017-02-21 | 2019-10-25 | 重庆邮电大学 | 一种动态自适应的无线传感器网络入侵检测智能方法 |
| CN108628876A (zh) * | 2017-03-17 | 2018-10-09 | 中国科学院信息工程研究所 | 一种基于聚类分析的自动化指纹特征提取方法 |
| CN106960535A (zh) * | 2017-05-19 | 2017-07-18 | 龙岩学院 | 基于红外传感器的范围性生物入侵预警系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004023413A2 (en) * | 2001-12-17 | 2004-03-18 | Honeywell International Inc. | Architectures of sensor networks for biological and chemical agent detection and identification |
| CN101291267A (zh) * | 2008-03-05 | 2008-10-22 | 中科院嘉兴中心微系统所分中心 | 无线传感网火灾态势监控系统实现方法 |
| CN101872536A (zh) * | 2010-06-24 | 2010-10-27 | 北京航空航天大学 | 一种基于无线传感器网络的入侵监测系统 |
| CN201667719U (zh) * | 2009-05-11 | 2010-12-08 | 北京融商惠通投资有限公司 | 一种无线监测报警系统以及无线广域网通讯设备 |
| CN102737466A (zh) * | 2012-06-07 | 2012-10-17 | 清华大学 | 一种火灾火源位置及强度估计方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030128126A1 (en) * | 2002-01-04 | 2003-07-10 | Burbank Jeffrey H. | Method and apparatus for error warning with multiple alarm levels and types |
-
2016
- 2016-06-23 CN CN201610463804.4A patent/CN105916216B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004023413A2 (en) * | 2001-12-17 | 2004-03-18 | Honeywell International Inc. | Architectures of sensor networks for biological and chemical agent detection and identification |
| CN101291267A (zh) * | 2008-03-05 | 2008-10-22 | 中科院嘉兴中心微系统所分中心 | 无线传感网火灾态势监控系统实现方法 |
| CN201667719U (zh) * | 2009-05-11 | 2010-12-08 | 北京融商惠通投资有限公司 | 一种无线监测报警系统以及无线广域网通讯设备 |
| CN101872536A (zh) * | 2010-06-24 | 2010-10-27 | 北京航空航天大学 | 一种基于无线传感器网络的入侵监测系统 |
| CN102737466A (zh) * | 2012-06-07 | 2012-10-17 | 清华大学 | 一种火灾火源位置及强度估计方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105916216A (zh) | 2016-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| He et al. | Collaborative sensing in internet of things: A comprehensive survey | |
| Ramson et al. | Applications of wireless sensor networks—A survey | |
| Ahmed et al. | Probabilistic coverage in wireless sensor networks | |
| CN105916216B (zh) | 一种自适应无线传感器网络安防报警方法 | |
| Kuo et al. | An intelligent positioning approach: RSSI-based indoor and outdoor localization scheme in Zigbee networks | |
| Alippi et al. | RTI goes wild: Radio tomographic imaging for outdoor people detection and localization | |
| CN102608571B (zh) | 一种面向野生动物的无线传感器网络的目标定位方法 | |
| EP2478712A1 (en) | A monitoring method, a monitoring system and a sensor station | |
| CN108521340A (zh) | 一种物联网局域故障定位与自适应屏蔽系统和方法 | |
| CN106960535A (zh) | 基于红外传感器的范围性生物入侵预警系统 | |
| CN101865993A (zh) | 一种基于二值传感器自组网的目标跟踪方法 | |
| CN110022530B (zh) | 一种用于地下空间的无线定位方法和系统 | |
| CN206757825U (zh) | 基于红外传感器的范围性生物入侵预警系统 | |
| Alkhathami et al. | Border surveillance and intrusion detection using wireless sensor networks | |
| Son et al. | Implementation of the real-time people counting system using wireless sensor networks | |
| CN115224794A (zh) | 一种基于物联网技术的配电网监测方法 | |
| CN110488900B (zh) | 基于wsn的智能精准农业综合控制系统 | |
| JP2007018390A (ja) | 侵入物体検知方法および装置およびプログラム | |
| EP3759516B1 (en) | Systems and methods using multiple modalities for occupancy sensing | |
| US11729372B2 (en) | Drone-assisted sensor mapping | |
| CN105338661A (zh) | 以云端运算为架构使用数据融合演算设计的环境监控方法及装置 | |
| Batista et al. | Wandering detection methods in smart cities: Current and new approaches | |
| Kaundal et al. | Wireless sensor node localization based on LNSM and hybrid TLBO-unilateral technique for outdoor location | |
| TWI510117B (zh) | 感測節點之定位方法及系統 | |
| Son et al. | Development of an automatic people-counting and environment monitoring system based on wireless sensor network in real time; to realize in korea mountains |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201130 Address after: Room 1602, B1 building, Gangli Jinxiu Jiangnan (West District), north of Yinhe 2nd Road and east of Qingyun Road, Suzhou City, Anhui Province Patentee after: Anhui Huiteng Intellectual Property Co.,Ltd. Address before: Cangshan District of Fuzhou City, Fujian Province, on the 350002 Road No. 15 Patentee before: FUJIAN AGRICULTURE AND FORESTRY University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201223 Address after: 233399 Anhui Bengbu Wuhe County Economic Development Zone Industrial Acceleration Center 3, 4 level Patentee after: WUHE ZHIKAI ENVIRONMENTAL PROTECTION TECHNOLOGY CO.,LTD. Address before: Room 1602, B1 building, Gangli Jinxiu Jiangnan (West District), north of Yinhe 2nd Road and east of Qingyun Road, Suzhou City, Anhui Province Patentee before: Anhui Huiteng Intellectual Property Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221103 Address after: F303, 3rd Floor, Building A1, Ailian Community, Longcheng Street, Longgang District, Shenzhen, Guangdong 518172 Patentee after: SHENZHEN TOP SAFUL ELECTRONIC TECH CO.,LTD. Address before: 233399 Anhui Bengbu Wuhe County Economic Development Zone Industrial Acceleration Center 3, 4 level Patentee before: WUHE ZHIKAI ENVIRONMENTAL PROTECTION TECHNOLOGY CO.,LTD. |
|
| TR01 | Transfer of patent right |