CN111479235A - 一种用于无线传感器网络节点检测的形式化方法 - Google Patents

Abstract

本发明公开了一种用于无线传感器网络节点检测的形式化方法，在进行节点检测时，首先借助Petri网的建模能力，构建一种基于无线传感器网络的故障检测形式化模型，其次确定形式化模型中的各要素，再构造形式化模型中的规则和结构，通过设置库所、门限阈值、变迁，时间限制和权重，对节点进行精确检测，以减轻重复部署的工作量。本发明将Petri网的建模能力与无线传感器网络的节点检测结合，能够有效的减少相关人员的工作量，避免反复检测节点，提高工作效率。

Description

一种用于无线传感器网络节点检测的形式化方法

技术领域

本发明涉及一种节点检测的形式化方法，具体是指一种用于无线传感器网络节点检测的形式化方法，属于无线传感器网络节点检测的技术领域。

背景技术

无线传感器网络(WSN，Wireless Sensor Network)是由分布式传感器组成的，可用于监测环境、相互通信和传输信息等。该无线传感器网络可以持续、自动的监视指定区域及指定事件。其中，传感器的工作过程是对周围环境进行测量，并将测量所得的数据传输到基站，进行进一步的数据处理。目前，无线传感器网络在智能工业、医疗监测、环境监测、家庭自动化、智能交通、自然灾害救援等多个领域的应用非常广泛。但是，由于无线传感器网络固有的特点和自然环境，其非常容易发生故障或受到恶意攻击，而导致网络中的节点失效。因此，无线传感器网络中的节点检测至关重要。

现有技术中，相关研究给出了通过各种故障检测算法进行无线传感器网络故障诊断的方法。然而，这些方法都是通过仿真的方式实现，而检测过程均在实际部署中运行。因此，当检测结果不能满足要求时，需要调整整个无线传感器网络的部署，然后进行再一次的仿真实验，从而造成频繁部署无线传感器网络的情况，在实际应用过程中大大降低了检测效率。

基于上述，本发明中提出一种用于无线传感器网络节点检测的形式化方法，不仅能够及时发现故障节点和失信节点，同时又能够避免频繁部署无线传感器网络，有效提高检测效率。

发明内容

为了解决现有技术中的问题，本发明的目的在于提供一种用于无线传感器网络节点检测的形式化方法，将Petri网的建模能力与无线传感器网络的节点检测结合，能够有效的减少相关人员的工作量，避免反复检测节点，提高工作效率。

为了达到上述发明的目的，本发明采用的技术方案为：一种用于无线传感器网络节点检测的形式化方法，包括以下步骤：

S1、构建Petri网；

S2、基于Petri网构建形式化模型，并构建该形式化模型中的各个要素；其中，在Petri网的基础上，增加设置以下要素：

权重μ，表示无线传感器网络中各个节点状态的属性值在度量过程中的权重；

时间限制δ，表示无线传感器网络中感知数据的时间；

门限阈值θ，用于判断无线传感器网络中的各个节点是否正常；

S3、构造形式化模型中的规则；

S4、创建形式化模型的结构；

S5、采用形式化模型对无线传感器网络中的节点进行检测。

可选的，所述的S1中，Petri网由库所P、变迁T、弧和令牌组成。

可选的，所述的S2中，形式化模型定义为基于Petri网的八要素组(P，T，I，O，M₀，μ，δ，θ)；其中，P表示库所，T表示变迁，I表示输入函数，定义从库所P到变迁T的弧；O表示输出函数，定义从变迁T到库所P的弧；M₀表示初始标记，记录库所P中的令牌的初始分配。

可选的，所述的S2中，形式化模型中的要素的形式化描述包含：

无线传感器网络中各个节点状态的属性值，作为令牌；

无线传感器网络中感知数据的时间，表示与变迁相连接的弧上的时间限制，是指允许变迁发生的时间；

无线传感器网络中各个节点状态的属性值在度量过程中的权重，表示与库所相连接的弧上的属性，是指促使令牌从库所进入变迁的概率；

无线传感器网络中决策各个节点是否正常的门限阈值，作为节点进入库所的条件。

可选的，所述的S3中，形式化模型的变迁的启动规则为：

在聚合进程TP_k中，包含多个变迁T；

对于标记M_i下的变迁T_k，k表示第k个变迁，当且仅当满足以下所有条件时才能被启动：

t_k∈δ(T_k)；

Fⁱⁿ(TP_k)>0；

F^out(TP_k)≥θ(P_m)；

M_i≥I(t_k)；

其中，t_k指第k次变迁T_k发生的时间；δ(T_k)指允许变迁T_k发生的时间；Fⁱⁿ(TP_k)指输入聚合进程TP_k中的令牌的属性值；F^out(TP_k)指输出的令牌的属性值；P_m指第m个库所；θ(P_m)指令牌进入库所P_m的门限阈值；M_i表示第i次变迁后的标记；I(t_k)表示输入函数I在时间t_k内的值。

可选的，所述的S3中，形式化模型的变迁的标记规则为：

在聚合进程TP_k中，包含多个变迁T；

当变迁启动时，若输入聚合进程TP_k的令牌数量为n个，则该n个令牌合并形成一个新令牌，聚合进程TP_k输出新令牌的属性值，并且在θ(P_m)的限定下，该新令牌变迁至新的库所P_m中，表示如下：

且F^out(TP_k)≥θ(P_m)；

其中，μ_j指第j个令牌的权重；

指第j个令牌的属性值。

可选的，所述的S4中，形式化模型的结构包含：串行结构、并行结构和选择结构。

可选的，所述的S5中，在无线传感器网络中，对每个节点进行一次检测，具体包含以下步骤：

S51、获取无线传感器网络中当前节点状态的所有属性，每个属性均作为一个令牌；其中，一部分属性为私有属性，用于判断节点是否正常，剩余部分的属性为交互属性，用于判断节点是否异常；

S52、所有私有属性构成并行结构，在满足变迁规则的情况下，根据每个私有属性的权重，输出得到第一综合属性；

S53、所有交互属性构成并行结构，在满足变迁规则的情况下，根据每个交互属性的权重，输出得到第二综合属性；

S54、通过选择结构，判断第一综合属性是否大于第一门限阈值；如是，将当前节点划分为正常节点；如否，由第一综合属性和第二综合属性构成并行结构，将当前节点划分为异常节点；

S55、通过选择结构，判断第二综合属性是否大于第二门限阈值；如是，将当前节点划分为事件节点；如否，将当前节点划分为故障节点。

其中，设置第一时间限制作为与私有属性关联的时间限制；设置第二时间限制作为与交互属性关联的时间限制。

其中，对无线传感器网络中的每个节点进行一次检测，是由j个聚合进程TP₁，TP₂，…，TP_j组成的，检测结果描述为：

串行结构：F^out(TP_j)＝F^out(TP_j-1)×μ_j-1；

并行结构：

选择结构：如果TP_j-1输出的令牌属性值达到门限阈值，则有F^out(TP_j)＝F^out(TP_j-1)；否则，F^out(TP_j’)＝F^out(TP_j-1)；

其中，F^out(TP_k)表示第k个聚合进程TP_k输出的令牌的属性值；μ_k表示第k个聚合进程输入的令牌的权重；在选择结构中，TP_j和TP _j’是互斥的需要二选一的两个聚合进程。

与现有技术相比，本发明提供的用于无线传感器网络节点检测的形式化方法，在进行节点检测时，首先借助Petri网的建模能力，构建一种基于无线传感器网络的故障检测形式化模型，其次确定形式化模型中的各要素，再构造形式化模型中的规则和结构，通过设置库所、门限阈值、变迁，时间限制和权重，对节点进行精确检测，以减轻重复部署的工作量。

本发明将Petri网的建模能力与无线传感器网络的节点检测结合，能够有效的减少相关人员的工作量，避免反复检测节点，提高工作效率。

附图说明

图1是本发明中的形式化模型的基本单元的示意图；

图2是本发明中的形式化模型的串行结构的示意图；

图3是本发明中的形式化模型的并行结构的示意图；

图4是本发明中的形式化模型的嵌套并行结构的示意图；

图5是本发明中的形式化模型的选择结构的示意图；

图6是本发明中的形式化模型的嵌套选择结构的示意图；

图7是本发明中的节点检测的流程图；

图8是本发明中的用于检点检测的形式化模型。

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。

本发明提供的用于无线传感器网络节点检测的形式化方法，包含以下步骤：

S1、构建Petri网；具体为：

所述的Petri网由库所P、变迁T、弧和令牌组成基本结构。在Petri网的图形表示中，库所P(Place)由圆形表示，代表状态；变迁T(Transition)由方形表示，代表动作；令牌(Token)代表库所中的对象，其可以从一个库所移动至另一个库所；弧(Connection)设置在库所和变迁之间，代表状态间的变化。

当一个令牌代表一个具有多种属性的对象时，该令牌具有一个表示该对象的特定特征的值，例如有一个令牌表示学生(姓名、年龄、性别)。为了便于分析，当需要对时间或延迟进行建模时，每个变迁都有一个时间戳，该时间戳指定了当前变迁的持续时间，因此该时间戳作为弧上的时间属性。

形式上，Petri网定义为PN＝(P，T，I，O，M₀)。其中，P是一组有限的库所；T是一组有限的变迁；I是一个输入函数，用于定义从库所到变迁的定向弧；O是一个输出函数，用于定义从变迁到库所的定向弧；M₀是初始标记，记录库所P中的令牌(Token)的初始分配。需要说明的是，在Petri网的执行过程中，令牌的数量和位置可能会发生变化。

S2、基于Petri网构建形式化模型，并获取该形式化模型中的各要素；

基于S1中所述的构建Petri网的理论，对于一些特定的应用，就可以将Petri网扩展为多功能性的Petri网。在本发明中，根据无线传感器网络的应用特点，从而构建基于Petri网的形式化模型，并对其中的各个要素进行形式化描述。具体包括：

描述无线传感器网络中各个节点状态的属性值(如采集的数据、电量等)；

感知数据的时间；

各个节点状态的属性值在度量过程中的权重；

决策各个节点是否正常的阈值。

其中，节点状态的属性值，作为令牌Token的内容；感知数据的时间，作为与变迁T相连接的弧上的时间限制；各个节点状态的属性值在度量过程中的权重，作为与库所P相连接的弧上的属性；决策各个节点是否正常的阈值，作为节点进入库所P的条件。

因此，所述的形式化模型可描述为基于Petri网的八要素组(P，T，I，O，M₀，μ，δ，θ)；其中，元素P，T，I，O，M₀均为上述S1中对于Petri网的定义；而为了便于描述无线传感器网络中的检点检测过程，在该形式化模型中进行了三项元素的扩展，具体为：

μ为弧上的权重，表示概率或重要性，即表示各个节点状态的属性值在度量过程中的权重，其缺省值为1。在形式化模型中，对于存在的弧(P，T)，μ(P，T)＝w表示促使令牌从库所P进入变迁T的概率为w。如果令牌具有容量c，那么该令牌在进入变迁T后的新容量为c×w。

δ为时间限制，表示无线传感器网络中感知数据的时间；在形式化模型中，δ(T)＝(t₁，t₂)表示变迁T只能在时间t₁和t₂期间发生，特别的，当t₁＝t₂时，表示变迁T只能在t₁时刻发生。

θ为门限阈值，表示无线传感器网络中节点是否正常；在形式化模型中，θ(P)＝r₁表示只有当令牌属性值小于r₁时，该令牌被允许进入库所P。

S3、构造形式化模型中的规则；具体为：

在聚合进程TP_k中，包含多个变迁T，k表示第k个变迁，用Fⁱⁿ描述输入的令牌的属性值，用F^out描述聚合信任值，表示输出的令牌的属性值；对于每个聚合进程TP_k而言，存在Fⁱⁿ(TP_k)和F^out(TP_k)；接着开始定义该形式化模型的变迁规则，包括：

变迁的启动规则为：

对于标记M_i下的变迁T_k，当且仅当满足以下所有条件时才能被启动：

t_k∈δ(T_k)；

Fⁱⁿ(TP_k)>0；

F^out(TP_k)≥θ(P_m)；

M_i≥I(t_k)；

其中，t_k是指第k次变迁T_k发生的时间；δ(T_k)是指允许变迁T_k发生的时间，代表无线传感器网络中的第k次感知数据的时间；Fⁱⁿ(TP_k)是指输入聚合进程TP_k中的令牌的属性值，对于聚合进程TP_k，可能会存在输入多个令牌的情况，因此需要输入的每个令牌的属性值均满足上述条件；F^out(TP_k)是指输出的令牌的属性值；P_m是指第m个库所；θ(P_m)是指令牌进入库所P_m的门限阈值；M_i表示第i次变迁后的标记；I(t_k)表示输入函数I在时间t_k内的值，当前标记M_i中的值必须大于等于输入值，否则变迁无法启动。

变迁的标记规则为：

当变迁启动时，若输入聚合进程TP_k的令牌数量为n个，则该n个令牌会合并成一个新令牌，输出新令牌的属性值，并且在θ(P_m)的限定下，该新令牌变迁至新的库所P_m中，表示如下：

且F^out(TP_k)≥θ(P_m)；

其中，μ_j是指第j个令牌在度量过程中的权重；

是指第j个令牌的属性值。

S4、创建形式化模型的结构；

为了能够满足对无线传感器网络中的某个节点状态进行多属性检测，因此本发明中创建以下的形式化模型的结构：

A、串行结构；如图1和2所示，在串行结构中，两个变迁均涉及的公共位库所可以通过串联连接；

例如，图1中显示了两个基本单元T₁P₂和T₂P₃；在基本单元T₁P₂中，P₁是初始库所，当变迁T₁被启动后，库所P₂被标记，库所P₁中的某个令牌通过变迁T₁进入库所P₂；进一步，在基本单元T₂P₃中，如果变迁T₂被启动后，则库所P₃被标记。在这种情况下，库所P₂是库所P₁和库所P₃的公共库所，因此可形成如图2所示的串行结构，并可表示为T₁P₂→T₂P₃。

B、并行结构；如图3所示，在并行结构中，只有当并行的两个基本单元中均有令牌存在时，与这两个基本单元均涉及的变迁才能启动。

例如，图3中显示了两个并行的基本单元T₁P₂和T₃P₄，将用于启动变迁T₂。当且仅当库所P₂和库所P₄中都有令牌存在时，才能启动变迁T₂。之后，如果库所P₂和库所P₄中的令牌同时满足变迁规则，则库所P₅将被标记。并行结构可表示为T₁P₂||T₃P₄。

进一步，如图4所示，为本发明中基于并行结构实现的嵌套并行结构的示意图，其中的点划线方框表示某些其他的同样基于基本单元形成的复合结构等，在此处简略显示。该嵌套并行结构同样遵循上述的并行结构的基本规则。

C、选择结构；如图5所示，在选择结构中，当库所中存在令牌时，后续均与该库所连接的两个变迁，只有其中之一能被启动，使得令牌在满足变迁规则的情况下，到达新库所。

例如，图5中显示了两个选择的基本单元T₂P₂和T₃P₃，均与库所P₁连接。如果库所P₁中有令牌存在，变迁T₂和T₃中只有其中之一将被启动，在满足变迁规则的情况下，库所P₂和P₃中只有其中之一将被标记。选择结构可表示为

进一步，如图6所示，为本发明中基于选择结构实现的嵌套选择结构的示意图，其中的点划线方框表示某些其他的同样基于基本单元形成的复合结构等，在此处简略显示。该嵌套选择结构同样遵循上述的选择结构的基本规则。

S5、采用形式化模型对无线传感器网络中的节点进行检测；

在节点检测过程中，将节点分为正常节点和异常节点，其中异常节点又包括提供故障数据的故障节点，和提供能够反映环境变化的事件数据的事件节点；为了能够检测并识别正常节点、故障节点和事件节点，首先需确定描述各个节点状态的属性，作为令牌内容。

如图7和图8所示，为本发明中的节点检测的流程图以及用于检点检测的形式化模型，其中，对每个节点进行一次检测具体包含以下步骤：

S51、获取无线传感器网络中当前节点状态的所有属性，每个属性均作为一个令牌；其中，一部分属性为私有属性，用于判断节点是否正常，剩余部分的属性为交互属性，用于判断节点是否异常；

图8中，属性1-4表示私有属性，属性5-7表示交互属性；

S52、所有私有属性构成并行结构，在满足变迁规则的情况下，根据每个私有属性的权重，输出得到第一综合属性；

图8中，私有属性1-4分别位于4个库所中，通过一个变迁T₈构成并行结构，可看作是一个聚合进程，在满足变迁规则的情况下，得到第一综合属性；

S53、所有交互属性构成并行结构，在满足变迁规则的情况下，根据每个交互属性的权重，输出得到第二综合属性；

图8中，交互属性5-7分别位于3个库所中，通过一个变迁T₉构成并行结构，可看作是一个聚合进程，在满足变迁规则的情况下，得到第二综合属性；

S54、通过选择结构，判断第一综合属性是否大于第一门限阈值；如是，将当前节点划分为正常节点；如否，由第一综合属性和第二综合属性构成并行结构，将当前节点划分为异常节点；

图8中，第一综合属性后续连接的是一个选择结构，可看作是一个聚合进程，如果满足变迁T₁₀，即第一综合属性大于第一门限阈值，则将节点划分为正常节点；如果满足变迁T₁₁，即第一综合属性小于等于第一门限阈值，则将节点划分为异常节点；

S55、通过选择结构，判断第二综合属性是否大于第二门限阈值；如是，将当前节点划分为事件节点，表示当前节点位于事件区域边缘并检测到事件的情况；如否，将当前节点划分为故障节点。

图8中，异常节点后续连接的也是一个选择结构，可看作是一个聚合进程，如果满足变迁T₁₂，即第二综合属性大于第二门限阈值，则将节点划分为事件节点；如果满足变迁T₁₃，即第二综合属性小于等于第二门限阈值，则将节点划分为故障节点。

其中，由于无线传感器网络中数据的感知和节点的检测是周期性的，因此设置第一时间限制δ₁(T_i＝1，…，4)，作为与私有属性关联的时间限制；同时，在私有属性检测后得到第一综合属性小于第一门限阈值的情况下，还设置了第二时间限制δ₂(T_i＝5，…，7)，作为与交互属性关联的时间限制。

对无线传感器网络中的每个节点进行一次检测，可以看成是由j个聚合进程TP₁，TP₂，…，TP_j组成的，根据该j个聚合进程之间的不同结构，检测结果可描述为：

串行结构：F^out(TP_j)＝F^out(TP_j-1)×μ_j-1；

并行结构：

选择结构：如果TP_j-1输出的令牌属性值达到门限阈值，则有F^out(TP_j)＝F^out(TP_j-1)；否则，F^out(TP_j’)＝F^out(TP_j-1)；

其中，F^out(TP_k)表示第k个聚合进程TP_k输出的令牌的属性值；μ_k表示第k个聚合进程输入的令牌的权重；在选择结构中，TP_j和TP_j’是互斥的需要二选一的两个聚合进程，即TP_j-1要么向TP_j变迁，要么向TP_j’变迁。

其中，其中，F^out(TP_k)表示第k个聚合进程TP_k输出的令牌的属性值；μ_k表示第k个聚合进程输入的令牌的权重。

实验结果表明，本发明所提供的用于无线传感器网络节点检测的形式化方法，在基于Petri网构建得到的形式化模型中引入时间限制、权重和门限阈值这3个要素，是极其适用于无线传感器网络中的节点形式化检测的，可实现对节点的精确检测，有效减少相关人员的工作量，避免反复检测节点，提高工作效率。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (10)

1.一种用于无线传感器网络节点检测的形式化方法，其特征在于，包含以下步骤：

S1、构建Petri网；

S2、基于Petri网构建形式化模型，并构建该形式化模型中的各个要素；其中，在Petri网的基础上，增加设置以下要素：

权重μ，表示无线传感器网络中各个节点状态的属性值在度量过程中的权重；

时间限制δ，表示无线传感器网络中感知数据的时间；

门限阈值θ，用于判断无线传感器网络中的各个节点是否正常；

S3、构造形式化模型中的规则；

S4、创建形式化模型的结构；

S5、采用形式化模型对无线传感器网络中的节点进行检测。

2.根据权利要求1所述的用于无线传感器网络节点检测的形式化方法，其特征在于，所述的S1中，Petri网由库所P、变迁T、弧和令牌组成。

3.根据权利要求2所述的用于无线传感器网络节点检测的形式化方法，其特征在于，所述的S2中，形式化模型定义为基于Petri网的八要素组(P，T，I，O，M₀，μ，δ，θ)；

其中，P表示库所，T表示变迁，I表示输入函数，定义从库所P到变迁T的弧；O表示输出函数，定义从变迁T到库所P的弧；M₀表示初始标记，记录库所P中的令牌的初始分配。

4.根据权利要求3所述的用于无线传感器网络节点检测的形式化方法，其特征在于，所述的S2中，形式化模型中的要素的形式化描述包含：

无线传感器网络中各个节点状态的属性值，作为令牌；

无线传感器网络中感知数据的时间，表示与变迁相连接的弧上的时间限制，是指允许变迁发生的时间；

无线传感器网络中各个节点状态的属性值在度量过程中的权重，表示与库所相连接的弧上的属性，是指促使令牌从库所进入变迁的概率；

无线传感器网络中决策各个节点是否正常的门限阈值，作为节点进入库所的条件。

5.根据权利要求3所述的用于无线传感器网络节点检测的形式化方法，其特征在于，所述的S3中，形式化模型的变迁的启动规则为：

在聚合进程TP_k中，包含多个变迁T；

对于标记M_i下的变迁T_k，k表示第k个变迁，当且仅当满足以下所有条件时才能被启动：

t_k∈δ(T_k)；

Fⁱⁿ(TP_k)>0；

F^out(TP_k)≥θ(P_m)；

M_i≥I(t_k)；

其中，t_k指第k次变迁T_k发生的时间；δ(T_k)指允许变迁T_k发生的时间；Fⁱⁿ(TP_k)指输入聚合进程TP_k中的令牌的属性值；F^out(TP_k)指输出的令牌的属性值；P_m指第m个库所；θ(P_m)指令牌进入库所P_m的门限阈值；M_i表示第i次变迁后的标记；I(t_k)表示输入函数I在时间t_k内的值。

6.根据权利要求5所述的用于无线传感器网络节点检测的形式化方法，其特征在于，所述的S3中，形式化模型的变迁的标记规则为：

在聚合进程TP_k中，包含多个变迁T；

当变迁启动时，若输入聚合进程TP_k的令牌数量为n个，则该n个令牌合并形成一个新令牌，聚合进程TP_k输出新令牌的属性值，并且在θ(P_m)的限定下，该新令牌变迁至新的库所P_m中，表示如下：

且F^out(TP_k)≥θ(P_m)；

其中，μ_j指第j个令牌的权重；

指第j个令牌的属性值。

7.根据权利要求6所述的用于无线传感器网络节点检测的形式化方法，其特征在于，所述的S4中，形式化模型的结构包含：串行结构、并行结构和选择结构。

8.根据权利要求7所述的用于无线传感器网络节点检测的形式化方法，其特征在于，所述的S5中，在无线传感器网络中，对每个节点进行一次检测，具体包含以下步骤：

S51、获取无线传感器网络中当前节点状态的所有属性，每个属性均作为一个令牌；其中，一部分属性为私有属性，用于判断节点是否正常，剩余部分的属性为交互属性，用于判断节点是否异常；

S52、所有私有属性构成并行结构，在满足变迁规则的情况下，根据每个私有属性的权重，输出得到第一综合属性；

S53、所有交互属性构成并行结构，在满足变迁规则的情况下，根据每个交互属性的权重，输出得到第二综合属性；

S54、通过选择结构，判断第一综合属性是否大于第一门限阈值；如是，将当前节点划分为正常节点；如否，由第一综合属性和第二综合属性构成并行结构，将当前节点划分为异常节点；

S55、通过选择结构，判断第二综合属性是否大于第二门限阈值；如是，将当前节点划分为事件节点；如否，将当前节点划分为故障节点。

9.根据权利要求8所述的用于无线传感器网络节点检测的形式化方法，其特征在于，设置第一时间限制作为与私有属性关联的时间限制；设置第二时间限制作为与交互属性关联的时间限制。

10.根据权利要求9所述的用于无线传感器网络节点检测的形式化方法，其特征在于，对无线传感器网络中的每个节点进行一次检测，是由j个聚合进程TP₁，TP₂，…，TP_j组成的，检测结果描述为：

串行结构：F^out(TP_j)＝F^out(TP_j-1)×μ_j-1；

并行结构：

选择结构：如果TP_j-1输出的令牌属性值达到门限阈值，则有F^out(TP_j)＝F^out(TP_j-1)；否则，F^out(TP_j’)＝F^out(TP_j-1)；

其中，F^out(TP_k)表示第k个聚合进程TP_k输出的令牌的属性值；μ_k表示第k个聚合进程输入的令牌的权重；在选择结构中，TP_j和TP _j’是互斥的需要二选一的两个聚合进程。

Images