CN107332691B - 一种无线传感器网络故障节点检测方法 - Google Patents
一种无线传感器网络故障节点检测方法 Download PDFInfo
- Publication number
- CN107332691B CN107332691B CN201710431311.7A CN201710431311A CN107332691B CN 107332691 B CN107332691 B CN 107332691B CN 201710431311 A CN201710431311 A CN 201710431311A CN 107332691 B CN107332691 B CN 107332691B
- Authority
- CN
- China
- Prior art keywords
- node
- fitting
- nodes
- fault
- event
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
-
- 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)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于无线传感器技术领域,公开了一种无线传感器网络故障节点检测方法,所述无线传感器网络故障节点检测方法在存在事件读数的节点集,存在故障节点,故障节点被误判为事件节点;根据模拟退火算法原理,通过不断变换拟合节点集,对节点集中节点读数进行最小二乘拟合;在事件节点中,寻找出一组拟合效果较优的节点集;通过其他事件节点的读数与其对应的拟合值进行比较,判断出这些节点是否存在故障读数。在只需各个节点把数据发送到簇头,减少节点间通信的能耗;能在节点间不存在空间相关性时,仍能够进行故障检测;算法复杂度低,运行速度快;不但能进行故障检测,还能把拟合结果发送到终端,反应事件区域的具体情况。
Description
技术领域
本发明属于无线传感器技术领域,尤其涉及一种无线传感器网络故障节点检测方法。
背景技术
无线传感网络已经广泛应用在环境的监测与保护、医疗护理以及军事侦察等领域,该网络通过传感器节点感测、采集和处理所覆盖区域的有关信息,并以多跳方式将信息发送给汇聚节点,再通过卫星、互联网等到达终端用户。但是,传感器节点所处的环境比较恶劣,经常位于人们难以到达的区域,而且节点携带的能量有限;传感器节点容易出现硬件故障或软件故障。硬件故障一般是指传感器节点受到损坏,或能量耗尽,不能进行采集和发送数据功能。软件故障是指传感器节点内部软件出现故障,可以进行采集和发送数据功能,但其数据往往是错误的,观测值严重偏离实际值,亦即出现异常值;数据异常值是一个不容忽视的问题,尤其是对感测精确度要求较高的应用领域,数据信息的准确性至关重要,所以异常值检测是无线传感器网络研究中的重要问题之一。WSNs中的异常值是指节点感测到的读数,远远偏离于其他正常数据,当节点在进行监控时,若某一区域出现了事件,则该部分区域的节点会感测到该事件所带来的信息变化。如某个WSNs在监控森林环境时候,若某个区域突然发生火灾,则该区域的WSNs节点收集到的温度、湿度数据会有较大的变化,远远偏离于其他正常区域,出现异常值,也称为事件读数。由于WSNs节点经常处于恶劣的环境,部署于难以达到的地方,而且节点十分廉价,携带的能量有限。因此,WSNs节点容易出现硬件故障或软件故障。硬件故障,亦即是传感器节点硬件受到严重的损坏,此时该节点不能进行收集和发送数据功能,该节点退出传感器网络中,不复使用。软件故障,指的是节点内部软件出现故障。当一个节点出现软件故障时候,虽然其可以继续进行信息的采集和发送功能,但其收集到的数据往往是错误的,也就是出现异常值,此时其读数称为故障读数。文献Distributed self fault diagnosis algorithm for large scale wireless sensornetworks using modified three sigma edit test中,作者提出了一种基于改进的threesigma测试的分布式自诊断算法,先介绍了一般的threesigma测试算法:先假设节点读数服从高斯分布,然后计算节点及其邻居读数的均值和标准差,再利用threesigma原则,判断节点自身是否存在异常值。文章举例说明了当节点邻居数目较低时候,一般的threesigma测试算法容易出现漏判情况。因此,改用中值来代替均值,用归一化的绝对中位差代替标准差,提出了改进的threesigma测试,提高检测精度。然而该算法只能用于异常值类型为偏离读数故障类型,对其他的异常值类型不太适用。文献A Distributed BayesianAlgorithm for Data Fault Detection in Wireless SensorNetworks中提出了一种分布式贝叶斯算法(DBA)。事先假设每个节点都有相同的先验异常概率。利用节点与其邻居节点的读数比较结果,结合贝叶斯定理,计算该节点的后验异常概率。如果某个节点的邻居存在这样的两个节点,它们读数相差很大,但都被判定为正常值,则称该节点为边界节点。边界节点给邻居节点发送请求,获取其邻居的信任度,以此对其邻居节点的后验异常概率进行校准,从而找出网络中的异常值节点。现有文献中考虑的异常值都与实际值有相同的偏差,相邻的两个异常值节点,其读数相似。若异常值为偏移读数故障类型,即在实际值上有很大的上下波动,DBA算法就不能适用该类异常值检测,可能会出现检测精度低误判率高的情况。
综上所述,现有技术存在的问题是:现有的无线传感器网络故障节点检测方法利用节点的空间相关性来进行异常值检测,当网络中存在事件时,事件区域内的节点不具有空间相关性,若此时事件区域内的节点出现软件故障,其感测到的数据不可靠,检测不出故障节点,造成检测精度低误判率高。
发明内容
针对现有技术存在的问题,本发明提供了一种无线传感器网络故障节点检测方法。
本发明是这样实现的,一种无线传感器网络故障节点检测方法,所述无线传感器网络故障节点检测方法在存在事件读数的节点集,存在故障节点,故障节点被误判为事件节点;根据模拟退火算法原理,通过不断变换拟合节点集,对节点集中节点读数进行最小二乘拟合;在事件节点中,寻找出一组拟合效果较优的节点集;通过其他事件节点的读数与其对应的拟合值进行比较,判断出这些节点是否存在故障读数。
进一步,所述无线传感器网络故障节点检测方法包括以下步骤:
步骤一,在网络中,被判定为事件读数节点看作为一个簇,簇内全部的N个成员推举其中一个节点为簇头,并把感测事件读数发给簇头;
步骤二,在簇头中,执行故障检测算法,初始温度T,终止温度T0和用于拟合的节点数目n≤N/2,随机抽取n个节点,形成拟合节点集Ω(0),其所有收集的读数为z(0),对数据的I个维度属性与节点的位置坐标进行最小二乘拟合,计算各个拟合结果R2的平均值并记为初始目标函数值f(z(0)),即f(z(0))等于此时的
步骤三,变换用于拟合的节点集,随机抽一个没在集合里的节点的数据,替换掉随机一个拟合节点集Ω(k-1)的节点的数据,得到新拟合节点集Ω(k),集合里所有节点的读数组成z(k),并计算目标函数值f(z(k)),即此时的
步骤四,计算目标函数与前一次的差值Δf=f(z(k))-f(z(k-1));
步骤五,决定是否接受新的拟合节点集,若接受,则把新拟合节点集Ω(k)替换前一次的拟合节点集Ω(k-1),否则当前拟合节点集继续为前一次的拟合节点集;
步骤六,降温,令T=αT,α为降温比例,反映着降温速度;
步骤七,重复步骤三~步骤六,若温度T低于终止温度T0,或M连续个温度下,目标函数值f(z(k))都没有发生变化,则退火结束,其最终拟合节点集Ω(k)为最优解,此时的目标函数值f(z(k))为极小值;
进一步,所述步骤二中对数据的各个维度与节点的位置坐标进行最小二乘拟合,其具体步骤为:
即
记
A1=[a1,…,ak]T,Xi=(Xi(1),...,Xi(n))T
则有
进一步,所述步骤五中决定是否接受新的拟合节点集z(k)的公式为:
进一步,所述步骤八中最优拟合函数可由下式表示:
G(x,y)=[g1(x,y),...,gI(x,y)]。
马氏距离的计算公式为这里Σ表示节点不出现故障时,读数中多种属性的协方差矩阵,可在网络开始时的一段时间计算获得,作为固定值用于以后的计算。阈值θ为读数所容忍的误差程度,可根据传感器节点上各维度属性的容忍误差值来计算确定,由于拟合后与实际值有所偏差,可在计算结果再乘上一个倍数(如3倍)来确定阈值θ。
本发明的另一目的在于提供一种应用所述无线传感器网络故障节点检测方法的无线传感器网络。
本发明的优点及积极效果为:在检测过程中,簇内几点把数据发送到簇头,各节点只需发送一次信息,而以往的分布式检测,各个节点一般需要收集其所有邻居的读数,才能判断自身是否故障,因此本发明减少节点间通信的能耗;能在节点间不存在空间相关性时,仍能够进行故障检测;不但能进行故障检测,还能把拟合结果发送到终端,反应事件区域的具体情况,簇头节点找出最优拟合后,可以把拟合函数和该事件区域所在位置发送到终端,在终端可以根据拟合函数描出各个维度的感测属性在事件区域的变化情况。
附图说明
图1是本发明实施例提供的无线传感器网络故障节点检测方法流程图。
图2是本发明实施例提供的无线传感器网络事件区域内故障节点检测方法的实现流程图。
图3是本发明实施例提供的网络中存在事件时感测到事件读数的节点位置示意图。
图4是本发明实施例提供的网络中存在事件时事件区域与正常区域的感测温度值示意图。
图5是本发明实施例提供的网络中存在事件时事件区域与正常区域的感测湿度值示意图。
图6是本发明实施例提供的模拟退火过程中平均R方的变化示意图。
图7是本发明实施例提供的对事件区域内的温度拟合结果示意图。
图8是本发明实施例提供的对事件区域内的湿度拟合结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
通过模拟退火算法和最小二乘算法相结合,能寻找出一组较优可信的节点集,通过对读数进行拟合估计,来判断区域内其他节点是否存在故障读数。而且检测算法需要的能耗低,较以往的算法节省了节点间信息交换的能量消耗,特别适用于多维数据。
下面结合附对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的无线传感器网络故障节点检测方法包括以下步骤:
S101:在存在事件读数的节点集,可能存在一些故障节点,其被误判为事件节点;
S102:根据模拟退火算法原理,通过不断变换拟合节点集,对集合中节点读数进行最小二乘拟合,在事件节点中,寻找出一组拟合效果较优的节点集;
S103:通过其他事件节点的读数与其对应的拟合值进行比较,判断出节点是否存在故障读数。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示,本发明实施例提供的无线传感器网络事件区域故障检测方法可用于环境监测的无线传感器网络中,例如网络部署在森林环境中,传感器感测到环境中的温度和湿度值,当某个区域内的节点感测到事件产生时,可以利用该算法进行故障检测,提高数据的可靠性,具体步骤如下:
步骤1:在网络中,被判定为事件读数节点看作为一个簇,簇内全部的N个成员推举其中一个节点为簇头,并把各自的感测事件读数发给簇头;
步骤2:在簇头中,执行故障检测算法,设定初始温度T,终止温度T0和用于拟合的节点数目n≤N/2,随机抽取n个节点,形成拟合节点集Ω(k),其所有收集的读数为z(0),对数据的温度和湿度值与节点的位置坐标进行最小二乘拟合,拟合模拟采用二元二次多项式,计算各个拟合结果R2的平均值并记为初始目标函数值f(z(0));
步骤3:变换用于拟合的节点集,随机抽一个没在集合里的节点的数据,替换掉随机一个拟合节点集Ω(k-1)的节点的数据,得到新拟合节点集Ω(k),集合里所有节点的读数组成z(k),并计算目标函数值f(z(k)),即此时的
步骤4:计算目标函数与前一次的差值Δf=f(z(k))-f(z(k-1));
步骤5:根据下式来决定是否接受新的拟合节点集,若接受,则把新拟合节点集替换前一次的拟合节点集,否则当前拟合节点集继续为前一次的拟合节点集;
步骤6:降温,令T=αT,α为降温比例,反映着降温速度;
步骤7:重复步骤3-6,若温度T低于终止温度T0,或M连续个温度下,目标函数值f(z(k))都没有发生变化,则退火结束,其最终拟合节点集Ω为最优解,此时的目标函数值f(z(k))为极小值;
下面结合仿真对本发明的应用效果作详细的描述。
1、仿真条件
有200个无线传感器节点均匀地部署在一个100×100的正方形区域中,用来监控该区域的环境温度和湿度。各个节点的信息传输距离为20。每一轮中,各个节点根据其感测的读数判断是否有事件产生,若发生事件,进行事件区域的故障检测,并把事件的估计情况发生到终端。
2、仿真内容
网络中在某一时刻发生事件,如图3所示,圆圈内为事件区域,其节点感测到的温度和湿度值如图4、图5所示。为了寻找事件区域的故障节点,所有被判定为事件读数的节点把其观测值发送到该区域内的簇头节点100,在节点100内执行故障算法。由于这些节点的读数都有两个属性:温度和湿度。因此可以分别作最小二乘拟合,在退火过程的目标函数值可以设为两次拟合效果的R2的均值。每组取其中的10个节点读数,每次退火过程,随机用一个没被选取的节点读数替换上一组其中一个被选取的节点读数,通过MATLAB编程仿真,计算每组节点拟合结果R2的均值,令初始温度设为T=1,降温比例为α=0.9,结束温度为T0=0.01,m=5。
图6中,随着退出次数增大,目标函数值逐渐收敛到1,当温度达到结束温度T0以下时,目标函数值取到极大值0.9868。此时,选取的节点组合为(11、17、18、48、69、107、116、146、180、192)。此时的拟合函数为:
图7和图8中,节点23、33和45的读数的温度值和湿度值与估计值相差很大,而且在模拟退火过程中,只要选取到这三个点其中之一,其拟合结果都不理想,因此可以判定这三个节点发生故障。
WSNs:Wireless SensorNetworks无线传感器网络;N:事件区域的总节点数目;T:初始温度;T0:结束温度;Ω:拟合节点集;n:拟合节点集中节点数目;z(k):拟合节点集中所有节点读数;I:节点读数的维度属性数目;R2:拟合函数的拟合效果判断标准;f(z(k)):退火的目标函数值;θ:判断是否为故障节点的阈值;X:节点感测到的读数;x:节点所在位置的横坐标;y:节点所在位置的纵坐标。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种无线传感器网络故障节点检测方法,其特征在于,所述无线传感器网络故障节点检测方法应用在存在事件读数的节点集中,存在故障节点,故障节点被误判为事件节点;根据模拟退火算法原理,通过不断变换拟合节点集,对节点集中节点读数进行最小二乘拟合;在事件节点中,寻找出一组拟合效果较优的节点集;通过其他事件节点的读数与其对应的拟合值进行比较,判断出这些节点是否存在故障读数;
所述无线传感器网络故障节点检测方法包括以下步骤:
步骤一,在网络中,被判定为事件读数节点看作为一个簇,簇内全部的N个成员推举其中一个节点为簇头,并把感测事件读数发给簇头;
步骤二,在簇头中,执行故障检测算法,初始温度T,终止温度T0和用于拟合的节点数目n≤N/2,随机抽取n个节点,形成拟合节点集Ω(0),其所收集的读数为z(0),对数据的I个维度属性与节点的位置坐标进行最小二乘拟合,计算各个拟合结果R2的平均值并记为初始目标函数值f(z(0)),即f(z(0))等于此时的
步骤三,变换用于拟合的节点集,随机抽一个没在集合里的节点的数据,替换掉随机一个拟合节点集Ω(k-1)的节点的数据,得到新拟合节点集Ω(k),集合里所有节点的读数组成z(k),并计算目标函数值f(z(k)),即此时的
步骤四,计算目标函数与前一次的差值Δf=f(z(k))-f(z(k-1));
步骤五,决定是否接受新的拟合节点集,若接受,则把新拟合节点集Ω(k)替换前一次的拟合节点集Ω(k-1),否则当前拟合节点集继续为前一次的拟合节点集;
步骤六,降温,令T=αT,α为降温比例,反映着降温速度;
步骤七,重复步骤三~步骤六,若温度T低于终止温度T0,或M连续个温度下,目标函数值f(z(k))都没有发生变化,则退火结束,其最终拟合节点集Ω(k)为最优解,此时的目标函数值f(z(k))为极小值;
2.如权利要求1所述的无线传感器网络故障节点检测方法,其特征在于,所述步骤二中利用最小二乘法的进行拟合的步骤以及拟合效果具体如下:
即:
记:
A1=[a1,…,ak]T,Xi=(Xi(1),…,Xi(n))T;
则有:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710431311.7A CN107332691B (zh) | 2017-06-08 | 2017-06-08 | 一种无线传感器网络故障节点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710431311.7A CN107332691B (zh) | 2017-06-08 | 2017-06-08 | 一种无线传感器网络故障节点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107332691A CN107332691A (zh) | 2017-11-07 |
CN107332691B true CN107332691B (zh) | 2021-01-26 |
Family
ID=60195109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710431311.7A Active CN107332691B (zh) | 2017-06-08 | 2017-06-08 | 一种无线传感器网络故障节点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107332691B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733161A (zh) * | 2018-05-10 | 2018-11-02 | 南京思达捷信息科技有限公司 | 一种运行大数据的系统及其方法 |
CN109709396A (zh) * | 2018-12-13 | 2019-05-03 | 西安电子科技大学 | 基于无线传感器网络的电磁频谱监测系统及方法 |
CN110266527B (zh) * | 2019-06-11 | 2020-10-02 | 同济大学 | 基于空间相关性的传感器节点故障分类报警方法及装置 |
CN110413949B (zh) * | 2019-08-02 | 2021-03-09 | 湖南联智科技股份有限公司 | 一种呈递增或递减变化趋势的数据处理方法 |
CN111770514B (zh) * | 2020-06-28 | 2022-07-08 | 湖北工业大学 | 一种无线自组网主干网优化生成方法 |
CN113114473B (zh) * | 2021-04-02 | 2022-03-01 | 西南石油大学 | 一种基于农业区块链物联网感知层节点的信用评估系统 |
CN115237680B (zh) * | 2022-09-22 | 2023-02-21 | 南京拓界信息技术有限公司 | 一种分布式数据恢复系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867486A (zh) * | 2010-06-08 | 2010-10-20 | 江苏大学 | 一种无线传感器网络故障诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI398127B (zh) * | 2008-04-08 | 2013-06-01 | Ind Tech Res Inst | 無線感測網路及其取樣頻率設定方法 |
-
2017
- 2017-06-08 CN CN201710431311.7A patent/CN107332691B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867486A (zh) * | 2010-06-08 | 2010-10-20 | 江苏大学 | 一种无线传感器网络故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
基于模拟退火-最小二乘混合的故障测距新方法;李海锋等;《电力系统及其自动化学报》;20080630;第20卷(第3期);第36-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107332691A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107332691B (zh) | 一种无线传感器网络故障节点检测方法 | |
CN108882225B (zh) | 一种无线传感器网络中基于测距的安全定位方法 | |
CN103916896B (zh) | 基于多维Epanechnikov核密度估计的异常检测方法 | |
Yuan et al. | A distributed Bayesian algorithm for data fault detection in wireless sensor networks | |
CN107276999B (zh) | 一种无线传感器网络中的事件检测方法 | |
CN106912067B (zh) | 一种基于模糊神经网络的wsn无线通信模块故障诊断方法 | |
CN109522948A (zh) | 一种基于正交局部保持投影的故障检测方法 | |
Gao et al. | On threshold-free error detection for industrial wireless sensor networks | |
CN102547812B (zh) | 一种无线传感网络故障检测方法及事件检测方法 | |
CN111783845B (zh) | 一种基于局部线性嵌入和极限学习机的隐匿虚假数据注入攻击检测方法 | |
WO2018086025A1 (en) | Node identification in distributed adaptive networks | |
CN110138614B (zh) | 一种基于张量模型的在线网络流量异常检测方法及系统 | |
CN110475246B (zh) | 基于孤立森林和序贯概率比检验的恶意锚节点检测方法 | |
CN108508458B (zh) | 基于机间测距的无人机gps定位故障检测与重构方法 | |
Karthik et al. | Data trust model for event detection in wireless sensor networks using data correlation techniques | |
Chen et al. | Outlier detection technique for RSS-based localization problems in wireless sensor networks | |
CN106792799B (zh) | 一种基于贝叶斯网络的移动传感器网络降噪和校准方法 | |
CN109495313B (zh) | 基于泊松分布故障模型的无线传感器网络故障检测方法 | |
Zhang et al. | Cooperative sensor anomaly detection using global information | |
Zhang et al. | Anomaly detection approach for urban sensing based on credibility and time-series analysis optimization model | |
CN105407496B (zh) | 一种识别无线传感器网络中错误测量值的方法 | |
CN112437440B (zh) | 无线传感器网络中基于相关性理论的恶意共谋攻击抵抗方法 | |
Saihi et al. | Decentralized fault detection in wireless sensor network based on function error | |
CN110266527B (zh) | 基于空间相关性的传感器节点故障分类报警方法及装置 | |
Nakamura et al. | Towards a flexible event-detection model for wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |