CN108540310B - 一种基于无线网络协同感知的行为预测方法 - Google Patents

Abstract

本发明公开了一种基于无线网络协同感知的行为预测方法，将无线传感网分为子节点层、母节点层和网关层；子节点通过无线通信技术与母节点之间完成通信，再由母节点将数据转发给网关节点；多个子节点以及母节点之间通过协作以完成行为预测的能力；子节点对应于母节点路由表中的各个路由节点，母节点与其路由表中的多个子节点之间通过协作感知以达到行为预测的能力。本发明网络节点通过无线通信技术实现在目标现场的通信和组网，无线网络节点的感测数据在网络节点之间传输并在网络节点进行共享，通过多个网络节点感测的数据进行具体行为的预测，无线网络节点根据此行为预测结果运行自身对应的工作模式，以实现优化无线网络节点的监测能量消耗。

Description

一种基于无线网络协同感知的行为预测方法

技术领域

本发明涉及一种基于无线网络协同感知的行为预测方法，属于无线传感网络技术领域。

背景技术

无线传感网络在工业、农业、环保、民用以及军事领域都具有广阔的应用前景，主要采用无线节点对某个或多个参量的实时感知以实现监测的目标，在监测过程中通过无线节点的本地采集数据后的自行判别，来分析被监测的参量超标或非超标。还有一种主流监测方式是数据传输至后台再进行分析、处理，该模式下需要设计和开发连接无线传感网和移动通信网的传感网网关，作为无线传感网络的控制中心，能够主动扫描其覆盖范围内的所有网络节点，管理整个无线监测网络完整的路由表，接收来自网络内节点的数据，并对数据进行校正、融合等处理，然后通过移动通信网以无线远传协议发送给后台平台；同时对于后台平台所发的指令给予相应的处理。

从上面的组网模式可以看出，现有无线传感网还主要处于单点(或多点)的采集、传输和处理分析，可以是对某个参量的感知或多个参量的感知。然而，现有的无线网络监测过程还属于单纯的感知，如何基于多无线网络节点之间的协同感知以实现智能行为判别将会有效提升无线传感网络的应用效率。

经过对现有授权发明专利的检索来看，针对无线传感网络和行为分析的发明专利主要包括：已授权发明专利“钻柱振动声波测量方法(200710122793.4)”提出了一种钻柱振动声波测量方法，其特征是将一个采集轴向、切向和横向的三维振动声波传感器组安装在钻柱顶部随钻测量，通过钻柱作为信息传输介质，记录钻进过程中钻头与地层连续作用时产生的自然振动源信号、自然声波信号、钻具或钻头自身的动态行为信号，将这些信号输入到一个无线传感网络的节点盒内，利用无线传输方式，将这些信号传送出去。接受端将信号通过无线传感网络和计算机接口进入计算机系统，对数据进行在线实时分析和解释。已授权发明专利“基于有界模型检验的无线传感网软件代码验证方法(申请号：201410179163.0)”，该发明所述的一种基于有界模型检验的无线传感网软件代码验证方法，该方法首先通过对无线传感网软件源代码分析并建立动态查找表，然后建立软件模型，该模型是无线传感网软件源代码的静态结构和动态行为的抽象，在此基础上定义模型转换规则，实现软件模型转化向C语言的代码转化，最后使用有界模型检验工具对转化后的代码进行有界模型检验。已授权发明专利“基于TD强化学习的无线传感网络入侵检测模型(201310302735.5)”提出了一种基于TD(temporal difference,时序差分)强化学习的无线传感网络入侵检测模型，其是通过TD强化学习对传感器节点的剩余能量进行预测，用于检测具有能量耗尽特征的攻击行为方式，并结合平滑时间窗判定方法将其应用于分簇路由结构的无线传感网络入侵检测模型中。已授权发明专利“一种围栏防入侵无线传感网系统(201110145387.6)”提出一种围栏防入侵无线传感网系统，包括至少两个倾角传感器节点，所述的倾角传感器节点安装在可晃动围栏上，并且组成自组织多跳网络；所述的倾角传感器节点用于监测是否有入侵行为，并将监测的结果发送给监测终端，通过大量的倾角传感器节点组成自组织多跳网络，形成防入侵的监测系统，可以对切割围栏、攀爬围栏的行为进行有效地判断，并将判断结果传送到远程监控终端，第一时间发出预警信息，避免造成经济损失。已授权发明专利“一种基于无线传感网络的酒驾防范系统(201510091178.6)”提出了一种基于无线传感网络的酒驾防范系统，该系统在汽车内部建立一个局域网并通过ZigBee协议传输相关指令，通过酒精传感器测试空气中酒精浓度和使用图像传感器对比瞳孔以及眼球变化来判断驾驶员是否酒驾，以及“酒驾”程度，并对酒后驾驶的驾驶员进行相应处理，可以锁定引擎，通风换气，发送短信，寻求代驾，做到安全出行，防止酒后驾驶的行为出现。

经过上述检索的授权专利的分析，其中已授权发明专利：“钻柱振动声波测量方法(200710122793.4)”主要是多参数的采样以及传输处理；已授权发明专利“基于有界模型检验的无线传感网软件代码验证方法(申请号：201410179163.0)”主要通过对无线传感网软件源代码分析并建立动态查找表，然后进行数据建模处理的过程。已授权发明专利“基于TD强化学习的无线传感网络入侵检测模型(201310302735.5)”通过对传感器节点的能量进行预测以及安全防护。已授权发明专利“一种围栏防入侵无线传感网系统(201110145387.6)”主要在于通过多个倾角传感器监测入侵行为以及实现报警。已授权发明专利“一种基于无线传感网络的酒驾防范系统(201510091178.6)”主要实现车内传感器检测酒驾的系统方法。

同时检索了在审的发明专利，主要包括：在审发明专利“一种汽车遥控干扰信号的监测识别与定位方法(201610597834.4)”提出了一种汽车遥控干扰信号的监测识别与定位方法，包括：无线传感网络融合中心根据所要定位的目标信息生成并发送定位指令至无线传感网络阵列节点；无线传感网络阵列节点监测汽车遥控干扰信号源并将监测到的汽车遥控干扰信号源发送至无线传感网络融合中心；无线传感网络融合中心识别汽车遥控干扰信号源；无线传感网络融合中心定位汽车遥控干扰信号源。在审发明专利“一种异构无线传感网络中最差时延感知跨层优化方法(201510099668.0)”提出了一种异构无线传感网络中最差时延感知跨层优化方法，包括以下步骤：网络中的各节点根据当前时隙实际队列和构造的虚拟队列的队列状态，做出决策行为，进而更新当前时隙的队列状态；源节点对数据采集行为进行优化决策；源节点与中间节点根据当前时隙数据队列和虚拟时延队列状态，对数据丢包行为以及路由调度和数据传输功率分配进行优化决策；同时，各节点通过观察能量队列的队列状态并结合电价因素进行能量采集行为决策；经过多次迭代后，使得无线传感网络的队列状态逐渐稳定。在审发明专利“一种基于纳什均衡等级优化的无线感知环境入侵对象方法(201510571764.0)”提出了一种基于纳什均衡等级优化的无线感知环境入侵对象方法，包括如下步骤：步骤1、依据环境入侵对象震动强度，划分环境入侵对象与检测震动节点关联映射表；步骤2、根据环境入侵对象与检测震动节点关联映射表，实现震动感知节点的自主感知和通信行为，建立感知震动信息传输的纳什均衡模型；步骤3、基于感知信息传输的纳什均衡模型，构建感知震动节点信任等级的行为策略的矩阵分析过程；步骤4、求解等级行为策略矩阵方程特征解，获取环境入侵对象优化感知结果。在审发明专利“一种基于ZigBee和云计算的智能家居控制系统(201710320806.2)”提出一种智能家居控制系统，特别是一种基于ZigBee和云计算的智能家居控制系统，主体结构包括信息采集和设备控制模块、ZigBee无线传感网络、家居智能网关、RFID设备、云服务器和移动终端设备，所述信息采集和设备控制模块包括环境信息采集传感器和家居设备控制器，由ZigBee协调器节点、ZigBee路由器节点和ZigBee终端节点构成ZigBee三级树型无线传感网络，构成智能家居的网络骨架，由ZigBee网络对家居设备进行智能调控，并通过云服务器端能够存储并处理用户数据，对用户行为习惯进行深入挖掘，从而生成基于用户行为习惯的家居控制方案，并能够使室内的无线信号辐射保持较低水平。在审发明专利“一种基于蚁群优化和物联网感知的监视终端联动方法(201510571797.5)”提出了一种基于蚁群优化和物联网感知的监视终端联动方法。其主要包括内容：建立统一的监视终端无线通信方案，整合监视终端的空间位置信息、监视对象，采用无线传感网络实现监视终端通信；建立基于蚁群算法的监视终端视频采集优化策略，通过引入干预因子，构造监视终端联动蚁群行为；在物联网通信的基础上，最终实现监视终端基于蚁群行为的联动动作。在审发明专利“基于信任度评估的无线传感网安全定位方法(CN201610184752.7)”提供一种基于信任度评估的无线传感网安全定位方法，为信任实体做出评估行为提供了定位属性集，定位属性集通过量化节点定位过程的关键行为表现从而得以用数值的形式给出信标节点的可信度，同时对阈值加以确定确保在滤除攻击节点的同时不至于影响正常节点的工作；当攻击节点侵入该系统时，随着信任关系的建立该攻击节点便被滤除不参与正常节点的定位过程。在审发明专利“一种利用温度变化来判断蜜蜂分蜂行为的方法(201610892234.0)”提出了一种利用温度变化来判断蜜蜂分蜂行为的方法，由于有蜜蜂分蜂前在巢脾当中的活动，会导致蜂群的温度上升，本设计就是利用温度上升的特性，设置了一个灵敏温度点，也就是分蜂预警温度阈值，其温度变化对应巢内温度变化最敏感；在蜂箱结构的多个巢脾当中，对应每个巢脾设置两个无线温度传感器监测节点，来实现准确的温度检测；分蜂预警温度阈值的获取采用巢温变化算法利用K-means方法进行聚类分析获得，对无线传感网络采集到的温度阈值与分蜂预警温度阈值进行比较，如果温度值大于分蜂预警温度阈值，则可判断巢内发生了分蜂行为。

在审发明专利“一种汽车遥控干扰信号的监测识别与定位方法(201610597834.4)”和“一种基于ZigBee和云计算的智能家居控制系统(201710320806.2)”都属于传统的无线网络的监测应用，前者提出了一种汽车遥控干扰信号的监测识别与定位方法，后者主要是多节点与云端数据交互实现传统监测的一种智能家居控制系统。在审发明专利“一种异构无线传感网络中最差时延感知跨层优化方法(201510099668.0)”、“一种基于纳什均衡等级优化的无线感知环境入侵对象方法(201510571764.0)”、“一种基于蚁群优化和物联网感知的监视终端联动方法(201510571797.5)”、“基于信任度评估的无线传感网安全定位方法(CN201610184752.7)”和“一种利用温度变化来判断蜜蜂分蜂行为的方法(201610892234.0)”都是考虑在无线网络传输过程中，通过经典算法进行处理过程的优化。

经过上述已授权和在审发明专利的检索后分析，在针对多节点协同感知实现行为预测方面基本未有涉及。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于无线网络协同感知的行为预测方法，本发明无线网络节点通过无线通信技术实现在目标现场的通信和组网，无线网络节点的感测数据在网络节点之间传输并在选定的某个网络节点(可以是无线传感网中的普通节点或网关节点，也可以是后台服务器节点)进行共享，通过多个网络节点感测的数据进行具体行为(如加入/离开行为)的预测，无线网络节点根据此行为预测结果运行自身对应的工作模式，以实现优化无线网络节点的监测能量消耗。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明的一种基于无线网络协同感知的行为预测方法，包括以下步骤：将无线传感网分为子节点层、母节点层和网关层，多个子节点、母节点形成感知子网络；子节点通过无线通信技术与母节点之间完成通信，再由母节点将数据转发给网关节点；多个子节点以及母节点之间、感知子网络与后台网管中心之间通过感知数据的关联性，实现行为的识别和预测，即在一个感知子网络中，一个或多个子节点的感知数据作为一个或多个邻居子节点工作状态或感知行为的依据，邻居子节点再根据自身感知数据判断该感知子网络的一个行为状态(对应为感知现场是否存在行为入侵、应急报警等)；行为状态识别根据多子节点感知数据并在网关节点处实现，从而以多节点协作的方式实现行为预测的能力；行为状态识别也可由子节点与母节点，母节点与母节点，或子节点、母节点和网关节点协作的方式完成；所述感知子网络通过网关节点与后台网管中心交互，所述后台网管中心根据不断获取到的感知子网络的多节点反馈的信息，或其通过交互式主动感测方法对感知子网络中的节点的工作模式进行配置、数据上报方式(甚至包括现场人员，对应到现场人员携带的移动终端APP软件的方式)进行管理，实现对感知子网络的感知行为进行判断和预测；所述后台网管中心即是无线传感网的上层管理单元，是无线传感网上层的数据中心、控制中心和行为预测中心；所述子节点对应于母节点路由表中的各个路由节点，所述母节点与其路由表中的多个子节点之间通过协作感知，以达到行为预测的能力。

工业生产领域的所述交互式主动感测方法具体步骤如下：

S1，启动辐射监测终端；

S2，远程监控中心生成巡检任务，并推送至企业巡检员的移动客户端APP；

S3，企业用户启动移动客户端APP，并根据任务要求完成巡检任务；

S4，移动客户端APP发起数据采样请求，该请求执行至远程监控中心，并由监控中心平台下发实时采样指令，并由现场辐射剂量数据上报至平台；

S5，移动客户端APP远程访问监控中心平台以获得现场监测数据；

S6，通过手机客户端APP进行现场拍照或视频采样；

S7，现场采样的图像和视频上报至平台；

S8，辐射监控终端执行主动式监测模式；

S9，根据设定的主动式监控机制进行周期性数据采样并上报平台；

S10，若检测到工业生产现场辐射值超标时，辐射监控终端自动上报报警信息，并由平台将报警详情实时推送至对应企业管理用户。

现场巡检监测的工作流程为步骤S2-S7；

除了执行巡检任务外，辐射监控终端都处于主动式监控的工作模式，即步骤S8-S10；

一旦有报警出现，监控中心和企业用户都会及时收到报警提醒，便于迅速处理警情。

基于多网络节点协同感知的主动式监测方法，具体步骤如下：

假设工业生产环境本底辐射剂量阈值为U、辐射源的安全辐射阈值为V、辐射报警阈值为ξ、采样周期为t；

上述网络节点相互之间通过近程无线通信技术进行通信，所述近程无线通信技术包括ZigBee、蓝牙、LoRa和Z-Wave。

上述网络节点包括环境辐射参量监测节点、红外接近监测节点和报警节点。

本发明利用个人移动终端的可灵活、便捷化，以及支持多媒体方式实现监测任务的优势，通过远程监控中心设定巡检任务，并由工业生产企业辐射源管理人员参与到巡检工作流程，以形成对辐射源实现前后端协同监控的管理模式，且规避了传统采用定点部署视频监控系统的成本高、以及灵活性差的不足。本发明提出的一种基于多网络节点协同感知的主动式监测方法，实现工业生产辐射源的在库/出库状态的自动判断，辐射探测节点根据此状态变化运行对应的工作模式，以实现优化探测终端电量消耗的目的，从而最终实现对工业生产可移动辐射源的实时、动态监控。对工业生产辐射源监管来说，该系统体系的建立，将传统的仅被动依赖现场监测数据的管理方式转化为“实时监测+状态识别+定期巡检”的管理方式，优化了现有辐射源的监控方法，建立了前端(企业用户)与后端(环保部门)协同的辐射源安全监控与管理模式。本发明推出的系统方案可有效对工业生产现场可移动辐射源进行主动探测和动态监控，并且该系统可方便复制推广到车联网环境下的车路协同感知、安防场所的入侵检测以及环境现场的应急监测等应用场景。

附图说明

图1为无线传感网分层节点应用模型。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

目前无线传感网络在监测领域正获得越来越广泛的应用，主要采用无线节点对某个或多个参量的实时感知以实现监测的目标，一种是无线节点的本地采集数据后的自行判别，另一种是数据传输至后台再进行判别，如何基于无线网络节点协同感知实现智能行为判别将会有效提升无线传感网络的应用效率。

本发明提出一种基于无线网络节点协同感知的行为预测方法和系统，无线网络节点通过无线通信技术实现在目标现场的通信和组网，无线网络节点的感测数据在网络节点之间传输并在选定的某个网络节点(可以是无线传感网中的普通节点或网关节点，也可以是后台服务器节点)进行共享，通过多个网络节点感测的数据进行具体行为(如加入/离开行为)的预测，无线网络节点根据此行为预测结果运行自身对应的工作模式，以实现优化无线网络节点的监测能量消耗。本发明可应用于工业生产安全监控、车联网环境下的车路协同感知、安防场所的入侵检测以及环境现场的应急监测等应用场景。

本发明将无线传感网分为子节点层、母节点层和网关层，无线传感网节点应用体系如图1所示。子节点通过无线通信技术与母节点之间完成通信，再由母节点将数据转发给网关节点。多个子节点以及母节点之间通过协作以完成行为预测的能力。所述的子节点对应于母节点路由表中的各个路由节点。所述的母节点可以与其路由表中的多个子节点实现多节点的协作感知以达到行为预测的能力，如车联网组网节点的新路由选择、工业生产环节的故障或危险预警等。

下面以工业生产环境感知场景下的实施案例进行说明，本发明提出一种前后端协同的巡检监测模式，可充分发挥当前移动终端客户端APP的自服务优势，由平台侧将日常巡检任务下发至用户客户端APP，并由用户执行巡检操作，从而实现一种闭环、交互式的巡检监测服务模式。监控中心可根据不同辐射源企业的监控需求以制定对应的巡检任务(比如巡检周期的设定、现场上报图像或视频的选择等)。基于移动终端的自身摄像头能力，可随时随地进行任务执行(数据采集、监测图片或视频上报)，节约了区域部署固定摄像头的成本，而且提高了巡检工作的灵活性。

工业生产领域的交互式巡检监测的主要流程如下：

S1，启动辐射监测终端；

S2，远程监控中心生成巡检任务，并推送至企业巡检员的移动客户端APP；

S3，企业用户启动移动客户端APP，并根据任务要求完成巡检任务；

S4，移动客户端APP发起数据采样请求，该请求执行至远程监控中心，并由监控中心平台下发实时采样指令，并由现场辐射剂量数据上报至平台；

S5，移动客户端APP远程访问监控中心平台以获得现场监测数据；

S6，通过手机客户端APP进行现场拍照或视频采样；

S7，现场采样的图像和视频上报至平台；

S8，辐射监控终端执行主动式监测模式；

S9，根据设定的主动式监控机制进行周期性数据采样并上报平台；

S10，若检测到工业生产现场辐射值超标时，辐射监控终端自动上报报警信息，并由平台将报警详情实时推送至对应企业管理用户。

现场巡检监测的工作流程为步骤S2-S7。除了执行巡检任务外，辐射监控终端都处于主动式监控的工作模式(S8-S10)。一旦有报警出现，监控中心和企业用户都会及时收到报警提醒，便于迅速处理警情。

工业生产领域的生产用可移动的辐射源大部分时间处于在库状态(如保管在保险柜中)，当需要的时候再人为取出使用(如用于车间现场对金属构件内部结构实施探伤检测)，检测任务完成后再入库。因此，对可移动的辐射源来说，获得其的准确的在库/出库的信息非常关键。本发明提出一种基于多网络节点协同感知的主动式监测方法。

主动式监测方法将通过现场部署的多个网络节点之间的协同来识别可移动的辐射源的在库/出库的状态，主要处理流程如下：

假设工业生产环境本底辐射剂量阈值为U、辐射源的安全辐射阈值V、辐射报警阈值ξ、采样周期t。

本发明利用个人移动终端的可灵活、便捷化，以及支持多媒体方式实现监测任务的优势，通过远程监控中心设定巡检任务，并由工业生产企业辐射源管理人员参与到巡检工作流程，以形成对辐射源实现前后端协同监控的管理模式，且规避了传统采用定点部署视频监控系统的成本高、以及灵活性差的不足。

工业生产现场可移动辐射源由于其可移动属性，传统监控方法不适用，亟需提供低成本、有效的监测手段。本发明提出了一种可主动感知的可移动的辐射源监控体系，监控现场包括多网络节点(如环境辐射参量监测、红外接近监测、报警节点等)，网络节点相互之间通过近程无线通信网络进行通信。所述的近程无线通信技术包括ZigBee、蓝牙、LoRa、Z-Wave等无线近程标准技术。在此基础上，提出了一种基于多网络节点协同感知的主动式监测方法，实现工业生产辐射源的在库/出库状态的自动判断，辐射探测节点根据此状态变化运行对应的工作模式，以实现优化探测终端电量消耗的目的，从而最终实现对工业生产可移动辐射源的实时、动态监控。

对工业生产辐射源监管来说，该系统体系的建立，将传统的仅被动依赖现场监测数据的管理方式转化为“实时监测+状态识别+定期巡检”的管理方式，优化了现有辐射源的监控方法，建立了前端(企业用户)与后端(环保部门)协同的辐射源安全监控与管理模式。

本发明推出的系统方案可有效对工业生产现场可移动辐射源进行主动探测和动态监控，并且该系统可方便复制推广到车联网环境下的车路协同感知、安防场所的入侵检测以及环境现场的应急监测等应用场景。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种基于无线网络协同感知的行为预测方法，其特征在于，包括以下步骤：

将无线传感网分为子节点层、母节点层和网关节点层，多个子节点、母节点形成感知子网络；子节点通过无线通信技术与母节点之间完成通信，再由母节点将感知数据转发给网关节点；

多个子节点以及母节点之间、感知子网络与后台网管中心之间通过感知数据的关联性，实现行为的识别和预测，即在一个感知子网络中，一个或多个子节点的感知数据作为感知一个或多个邻居子节点行为的依据，邻居子节点再根据自身的感知数据判断该感知子网络的一个行为状态；

行为状态识别根据多子节点的感知数据在网关节点处实现，从而以多节点协作的方式实现行为预测的能力；行为状态识别也可由子节点与母节点，母节点与母节点，或子节点、母节点和网关节点协作的方式完成；所述感知子网络通过网关节点与后台网管中心交互，所述后台网管中心根据不断获取到的感知子网络的多节点反馈的信息，通过交互式主动感测方法对感知子网络中节点的工作模式进行配置、数据上报方式进行管理，实现对感知子网络的行为进行判断和预测；

所述子节点对应于母节点路由表中的各个路由节点，所述母节点与其路由表中的多个子节点之间通过协作感知，以达到行为预测的能力；

工业生产领域的所述交互式主动感测方法具体步骤如下：

S1，启动辐射监测终端；

S2，远程监控中心平台生成巡检任务，并推送至企业巡检员的移动客户端APP；

S3，企业巡检员启动移动客户端APP，并根据任务要求完成巡检任务；

S4，移动客户端APP发起数据采样请求，该请求发送至远程监控中心平台，并由远程监控中心平台下发实时采样指令，并由辐射监测终端将现场监测剂量数据上报至远程监控中心平台；

S5，移动客户端APP远程访问远程监控中心平台以获得现场监测剂量数据；

S6，通过移动客户端APP进行现场拍照或视频采样；

S7，将现场拍照的图像和采样的视频上报至远程监控中心平台；

S8，辐射监测终端执行主动式监测模式；

S9，根据设定的主动式监测模式进行周期性数据采样并上报远程监控中心平台；

S10，若检测到工业生产现场辐射值超标时，辐射监测终端自动上报报警信息，并由远程监控中心平台将报警详情实时推送至对应企业管理用户；

现场巡检监测的工作流程为步骤S2-S7；

除了执行巡检任务外，辐射监测终端都处于主动式监测模式，即步骤S8-S10；

一旦有报警出现，远程监控中心平台和企业用户都会及时收到报警提醒，便于迅速处理警情；

基于多网络节点协同感知的主动式监测模式，具体步骤如下：

假设工业生产环境本底辐射剂量阈值为U、辐射源的安全辐射阈值为V、辐射报警阈值为ξ、采样周期为t；

当红外接近监测节点检测到红外接近模块输出高电平电压，说明有人员进入；

触发辐射采集节点高频次连续采样，保存辐射监测值λ _i 入数据库；

如果λ _i 属于（U，V]，说明辐射剂量监测正常，可移动的辐射源保管在库；

如果λ _i ≤U，则进行周期性采样，并记录采样总次数；

当连续采样总次数超出设定阈值，则判断该工业生产用可移动的辐射源已被取出；辐射采集节点进入待机工作模式；

如果λ _i ＞V，置报警标志，触发现场报警器网络节点，立即向监控中心上报工业生产现场辐射报警消息；

在辐射源的状态判断完成后，令i＝i+1；

当红外接近监测节点没有检测到红外接近模块输出高电平电压时，所述触发辐射采集节点进入低频次采样模式，实现间歇式运行阶段；

在下一个时间周期t再重复上述的步骤。

2.根据权利要求1所述的基于无线网络协同感知的行为预测方法，其特征在于，所述后台网管中心即是无线传感网的上层管理单元，是无线传感网上层的数据中心、控制中心和行为预测中心。

3.根据权利要求1所述的基于无线网络协同感知的行为预测方法，其特征在于，所述节点相互之间通过近程无线通信技术进行通信，所述近程无线通信技术包括ZigBee、蓝牙、LoRa和Z-Wave。

Images