CN115119241B - 一种无线传感器网络链路故障检测方法 - Google Patents
一种无线传感器网络链路故障检测方法 Download PDFInfo
- Publication number
- CN115119241B CN115119241B CN202210703611.7A CN202210703611A CN115119241B CN 115119241 B CN115119241 B CN 115119241B CN 202210703611 A CN202210703611 A CN 202210703611A CN 115119241 B CN115119241 B CN 115119241B
- Authority
- CN
- China
- Prior art keywords
- link
- graph
- nodes
- node
- sub
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000003993 interaction Effects 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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)
- Small-Scale Networks (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种无线传感器网络链路故障检测方法,首先将各传感器之间的信息交互建模为拓扑图;然后基于图分解技术,将无线传感器网络的拓扑图完全分解为只包含环或树的子图;再利用几类分布式迭代算法对每个子图进行链路故障检测,其中,通过观察子图中节点在几类算法中的状态解,可以实现子图上故障链路的精准检测与定位;最后,将故障检测方法遍历全部子图,即实现对待检测无线传感器网络所有故障链路的全部检测及定位。
Description
技术领域
本发明属于链路故障检测技术领域,更为具体地讲,涉及一种无线传感器网络链路故障检测方法。
背景技术
无线传感器网络作为物联网的核心支撑技术,其发展和应用一直是学术界和产业界共同关注的一个焦点。可以预见,传感器网络逐渐渗透到人类生活生产的方方面面是一种必然的趋势。相比传统网络资源,无线传感器网络具有节点数量大、分布范围广、通信和计算资源有限、电源能量受限、应用环境复杂等特性。在内外部因素的相互影响下,无线传感器网络更容易发生故障,造成网络严重损失甚至网络瘫痪。因此如何在传感器网络特殊的工作方式和运行环境下,及时检测和发现网络中的故障,以实现网络的正常运行,是无线传感器网络研究中的一个关键问题,是确保网络可靠性和稳定性的必要手段。
无线传感器网络本质是一种网络系统,面临最基础的问题是网络的故障检测问题。网络故障是指网络拥塞、数据包丢失等造成的链路传输或网络连通失效。故障链路是一类重要的网络故障形式,其表示出现严重信息丢失或延迟超长等现象的链路。无线传感器网络中发生网络拥堵、无线通信干扰、节点能量不足、节点存储空间溢出等都将可能导致链路发生故障。因此必须对故障链路进行识别并修复,否则将影响无线传感器的性能和质量。
在早期的无线传感器网络链路故障检测技术研究中,基于网络层析技术的链路故障检测方法在减少数据包发送量和链路质量估计精度上均具有明显优势,但此类检测方法不能精确定位全部故障链路。
发明内容
本发明的目的在于克服现有检测技术的不足,提供一种无线传感器网络链路故障检测方法,快速实现无线传感器网络中故障链路的精确定位。
为实现上述发明目的,本发明一种无线传感器网络链路故障检测方法,其特征在于,包含以下步骤:
(1)、建立无线传感器网络模型;
设待检测的无线传感器网络由n个节点组成,每个节点代表一个无线传感器,用拓扑图G=(V,L)来描述n个传感器节点之间的正常通信,其中,V={1,2,…,n}为节点集;L={lij}为边集,节点i和节点j为边lij的两端节点;
(2)、对拓扑图G进行图分解;
遍历拓扑图G,找到拓扑图G中长度最大的一个环,记为C1;剔除环C1,然后继续寻找长度次大的一个环,记为C2;以此类推,直到拓扑图G中寻找不到环,假设拓扑图G中共计寻找到p1个环;
在拓扑图G中,剔除所有环,在剩下的图中,将连通的子图视为一棵树,没有边相连的孤立节点同样视为一棵树,假设拓扑图G中共计寻找到p2个树;
将单独的一个环或一棵树作为一个子图,记为Gz=(Vz,Lz),z=1,2,...,p,p=p1+p2,其中,Vz为子图Gz的节点集,Lz={lz,ij}为子图Gz的边集,Gz中第i个节点和第j个节点为边lz,ij的两端节点;
(3)、遍历每一个子图,给每个子图中的每个节点赋初值,其中,第z个子图Gz的第i个节点的初值记为xz,i[0];
(4)、无线传感器网络的链路故障检测;
(4.1)、在子图Gz中,定义第i个节点的邻居集合为定义为邻居集合/>中的邻居节点的数量;
(4.2)、遍历子图Gz中各节点的邻居集合,找到所有节点中邻居节点个数最多的邻居集合,其节点数量记为
(4.3)、设置更新步长T,且满足
(4.4)、对子图Gz中每个节点,将更新步长T、初值记为xz,i[0]代入式(1),得:
其中,xz,i[k]表示第k次迭代时第i个节点的状态值,i,j∈Vz,且i≠j;表示存在链路故障情况下子图Gz中第i个节点的实际邻居集合,且/>
对公式(1)进行迭代收敛求解,进而得到每个节点的状态解为x'z,i,i=1,...,nz;
(4.5)、判断子图Gz中各节点的解是否满足如果不满足,则跳转至步骤(4.6);否则,执行下列步骤:
(4.5.1)、遍历子图Gz中各节点的邻居集合,找到所有节点中邻居节点个数最少的邻居集合,其节点数量记为
(4.5.2)、重新设置更新步长且满足/>
(4.5.3)、对子图Gz中每个节点,将重新设置后的更新步长初值记为xz,i[0]代入式(2),得:
对公式(2)进行迭代收敛求解,进而得到每个节点的状态解为
(4.5.4)、对子图Gz中每个节点,保持每个节点的初值及更新步长不变,代入式(3),得:
对公式(3)进行迭代收敛求解,进而得到每个节点的状态解为
(4.5.5)、遍历子图Gz中各链路lz,ij∈Lz,判断其两端节点是否满足且如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合/>如果不满足,则判定链路lz,ij无故障;
(4.5.6)、对子图Gz检测结束,输出故障链路集合
(4.6)、如果不满足则执行下列步骤:
(4.6.1)、遍历子图Gz中各链路lz,ij∈Lz,判断其两端节点是否满足x'z,i≠x'z,j,如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合如果不满足,则判定链路lz,ij无故障;
(4.6.2)、继续检测Gz中除去集合外的剩余链路是否发生故障,检测方法为:遍历各剩余链路,对于链路lz,ij,改变xz,i[0]为x* z,i[0],且x* z,i[0]≠xz,i[0],Gz中其他节点的初值不变;
(4.6.3)、对链路lz,ij的两端节点按照式(1)进行迭代收敛求解,进而得到两端节点的状态解为和/>再判断/>是否满足,如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合/>如果不满足,链路lz,ij无故障;
(4.6.4)、对子图Gz检测结束,并将所有的故障链路记录入故障链路集合
(4.7)、当遍历完各子图后,得到拓扑图G中的故障链路集合
至此,待检测的无线传感器网络的所有故障链路全部检测完成。
本发明的发明目的是这样实现的:
本发明一种无线传感器网络链路故障检测方法,首先将各传感器之间的信息交互建模为拓扑图;然后基于图分解技术,将无线传感器网络的拓扑图完全分解为只包含环或树的子图;再利用几类分布式迭代算法对每个子图进行链路故障检测,其中,通过观察子图中节点在几类算法中的状态解,可以实现子图上故障链路的精准检测与定位;最后,将故障检测方法遍历全部子图,即实现对待检测无线传感器网络所有故障链路的全部检测及定位。
同时,本发明一种无线传感器网络链路故障检测方法还具有以下有益效果:
(1)、本发明提出了一种基于分布式迭代算法的链路故障检测方法;在该算法中,将初始状态数据注入到传感器中,各传感器通过几类不同的分布式迭代算法得到不同的状态解,这几类算法的执行需要建立在环以及树的一些子图上,通过观察并对比各链路两端传感器节点的状态解,可以准确定位故障链路的位置。
(2)、本发明与经典的分布式链路故障检测方法相比,本发明采用的几类分布式迭代算法均具有较低的时间复杂度。该检测方法对故障链路的数量和分布没有限制,因此可以应用于具有大量未知故障链路的大规模传感器网络。此外,本发明无需对网络中故障链路的相关性做任何假设。
附图说明
图1是本发明一种无线传感器网络链路故障检测方法流程图;
图2是无线传感器网络拓扑的图分解示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明一种无线传感器网络链路故障检测方法流程图。
在本实施例中,如图1所示,本发明一种无线传感器网络链路故障检测方法,包含以下步骤:
S1、建立无线传感器网络模型;
在本实施例中,如图2所示,待检测的无线传感器网络由n=17个节点组成,每个节点代表一个无线传感器,假设该网络中多条链路发生故障。用拓扑图G=(V,L)来描述17个传感器节点之间的正常通信,其中,V={1,2,…,17}为节点集;L={lij}为边集,节点i和节点j为边lij的两端节点;故障链路在拓扑图G中表示为两个节点之间虚线的边;
S2、对拓扑图G进行图分解;
遍历拓扑图G,找到拓扑图G中长度最大的一个环,记为C1;剔除环C1,然后继续寻找长度次大的一个环,记为C2;以此类推,直到拓扑图G中寻找不到环,假设拓扑图G中共计寻找到p1个环;
在拓扑图G中,剔除所有环,在剩下的图中,将连通的子图视为一棵树,没有边相连的孤立节点同样视为一棵树,假设拓扑图G中共计寻找到p2个树;
将单独的一个环或一棵树作为一个子图,记为Gz=(Vz,Lz),z=1,2,...,p,p=p1+p2,其中,Vz为子图Gz的节点集,Lz={lz,ij}为子图Gz的边集,Gz中第i个节点和第j个节点为边lz,ij的两端节点;
在本实施例中,图2是无线传感器网络拓扑的图分解示意图,其中虚线为无线传感器网络中的故障链路,实线为无故障的链路。按照上述图分解方法,含有17个节点的拓扑图G最终被分解为由环和树组成的7个子图,依次记为G1~G7。
S3、遍历每一个子图,给每个子图中的每个节点赋初值,其中,第z个子图Gz的第i个节点的初值记为xz,i[0];
在本实施例中,每个传感器节点赋初值为:
x1,1[0]=6,x1,2[0]=x2,1[0]=5.5,x1,3[0]=5,x1,4[0]=x3,1[0]=4.5,x1,5[0]=x2,2[0]=4,
x1,6[0]=x2,3[0]=3.5,x3,2[0]=3,x3,3[0]=2.5,x2,4[0]=x7,1[0]=2,
x6,1[0]=x7,2[0]=1.5,x5,1[0]=x7,3[0]=1,x6,2[0]=x7,4[0]=0.5,x7,5[0]=0,
x4,1[0]=x7,6[0]=-0.5,x4,2[0]=x7,7[0]=-1,x5,2[0]=x6,3[0]=-1.5,x4,3[0]=x6,4[0]=-2;
S4、无线传感器网络的链路故障检测;
S4.1、在子图Gz中,定义第i个节点的邻居集合为定义为邻居集合/>中的邻居节点的数量;
S4.2、遍历子图Gz中各节点的邻居集合,找到所有节点中邻居节点个数最多的邻居集合,其节点数量记为
S4.3、设置更新步长T,且满足
S4.4、对子图Gz中每个节点,将更新步长T、初值记为xz,i[0]代入式(1),得:
其中,xz,i[k]表示第k次迭代时第i个节点的状态值,i,j∈Vz,且i≠j;表示子图Gz中第i个节点的实线邻居的集合,且/>
对公式(1)进行迭代收敛求解,进而得到每个节点的状态解为x'z,i,i=1,...,nz;
S4.5、判断子图Gz中各节点的解是否满足如果不满足,则跳转至步骤S4.6;否则,执行下列步骤:
S4.5.1、遍历子图Gz中各节点的邻居集合,找到所有节点中邻居节点个数最少的邻居集合,其节点数量记为
S4.5.2、重新设置更新步长且满足/>
S4.5.3、对子图Gz中每个节点,将重新设置后的更新步长初值记为xz,i[0]代入式(2),得:
对公式(2)进行迭代收敛求解,进而得到每个节点的状态解为
S4.5.4、对子图Gz中每个节点,保持每个节点的初值及更新步长不变,代入式(3),得:
对公式(3)进行迭代收敛求解,进而得到每个节点的状态解为
S4.5.5、遍历子图Gz中各通信链路lz,ij∈Lz,判断其两端节点是否满足且/>如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合/>如果不满足,则判定链路lz,ij无故障;
S4.5.6、对子图Gz检测结束,输出故障链路集合
S4.6、如果不满足则执行下列步骤:
S4.6.1、遍历子图Gz中各通信链路lz,ij∈Lz,判断其两端节点是否满足x'z,i≠x'z,j,如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合如果不满足,则判定链路lz,ij无故障;
S4.6.2、继续检测Gz中除去集合外的剩余链路是否发生故障,检测方法为:遍历各剩余链路,对于链路lz,ij,改变xz,i[0]为x* z,i[0],且x* z,i[0]≠xz,i[0],Gz中其他节点的初值不变;
S4.6.3、对链路lz,ij的两端节点按照式(1)进行迭代收敛求解,进而得到两端节点的状态解为和/>再判断/>是否满足,如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合/>如果不满足,链路lz,ij无故障;
S4.6.4、对子图Gz检测结束,并将所有的故障链路记录入故障链路集合
S4.7、当遍历完各子图后,得到拓扑图G中的故障链路集合
在本实施例中,对于环子图G1,G2,G6,G7,按照步骤S4.1~S4.3设置更新步长将更新步长T、S3中给出的各子图节点初值代入式(1)求解,如表1所示,得到x′1,1=x′1,2=…=x′1,6=4.75,x′2,1=x′2,2=…=x′2,4=3.75,x′6,1=x′6,2=…=x′6,4=-0.375,以及x′7,1=x′7,2=…=x′7,7=0.5;根据S4.5.1和S4.5.2,重新设置更新步长/>将重新设置后的更新步长/>各节点初值代入式(2)和式(3)分别求解。如表1所示,其中,(a)~(d)分别对应G1,G2,G6,G7;在子图G1中,有/>且/>在子图G2中,有/>且在子图G6中,有/>且/>在子图G7中,有/>且根据步骤S4.5.5,可以判定子图G1的链路l3,4、子图G2的链路l2,6、子图G6的链路l10,16、子图G7的链路l11,12发生故障。对环子图G1,G2,G6,G7检测完毕,得到环子图中所有的故障链路为l3,4、l2,6、l10,16、l11,12。
表1是各环子图的节点在不同分布式算法中的状态解;
(a)
(b)
(c)
(d)
表1
对于树子图G3,G4,G5,设置更新步长将更新步长T、S3中给出的各子图节点初值代入式(1)求解。如表2所示,其中,(a)~(c)分别对应G3,G4,G5;树子图中各节点的状态解均不满足S4.5中的判定条件,则继续执行步骤S4.6。在子图G3中,有x'3,2≠x'3,3;在子图G4中,有x'4,2≠x'4,3;根据步骤S4.6.1可以判定子图G3中的链路l7,8、子图G4中的链路l15,17发生故障。继续检测树子图中除去链路l7,8、l15,17外的剩余链路是否发生故障:在子图G3中,改变x3,1[0]=4.5为x* 3,1[0]=2;在子图G4中,改变x4,1[0]=-0.5为x* 4,1[0]=-1;在子图G5中,改变x5,1[0]=1为x* 5,1[0]=2。对链路l4,7、l14,17、l11,16两端节点按照式(1)进行迭代收敛求解有/>根据S4.6.3可以判定链路l4,7、l14,17、l11,16无故障。对树子图G3,G4,G5检测完毕,得到树子图中所有的故障链路为l7,8、l15,17。
表2是各树子图在式(1)进行迭代收敛求解后的状态解;
(a)
(b)
(c)
表2
遍历完全部子图后,得到拓扑图G中的故障链路集合
至此,待检测的无线传感器网络的所有故障链路全部检测完成。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种无线传感器网络链路故障检测方法,其特征在于,包含以下步骤:
(1)、建立无线传感器网络模型;
设待检测的无线传感器网络由n个节点组成,每个节点代表一个无线传感器,用拓扑图G=(V,L)来描述n个传感器节点之间的正常通信,其中,V={1,2,…,n}为节点集;L={lij}为边集,节点i和节点j为边lij的两端节点;
(2)、对拓扑图G进行图分解;
遍历拓扑图G,找到拓扑图G中长度最大的一个环,记为C1;剔除环C1,然后继续寻找长度次大的一个环,记为C2;以此类推,直到拓扑图G中寻找不到环,假设拓扑图G中共计寻找到p1个环;
在拓扑图G中,剔除所有环,在剩下的图中,将连通的子图视为一棵树,没有边相连的孤立节点同样视为一棵树,假设拓扑图G中共计寻找到p2个树;
将单独的一个环或一棵树作为一个子图,记为Gz=(Vz,Lz),z=1,2,...,p,p=p1+p2,其中,Vz为子图Gz的节点集,Lz={lz,ij}为子图Gz的边集,Gz中第i个节点和第j个节点为边lz,ij的两端节点;
(3)、遍历每一个子图,给每个子图中的每个节点赋初值,其中,第z个子图Gz的第i个节点的初值记为xz,i[0];
(4)、无线传感器网络的链路故障检测;
(4.1)、在子图Gz中,定义第i个节点的邻居集合为定义/>为邻居集合/>中的邻居节点的数量;
(4.2)、遍历子图Gz中各节点的邻居集合,找到所有节点中邻居节点个数最多的邻居集合,其节点数量记为
(4.3)、设置更新步长T,且满足
(4.4)、对子图Gz中每个节点,将更新步长T、初值记为xz,i[0]代入式(1):
其中,xz,i[k]表示第k次迭代时第i个节点的状态值,i,j∈Vz,且i≠j;表示存在链路故障情况下子图Gz中第i个节点的实际邻居集合,且/>
对公式(1)进行迭代收敛求解,进而得到每个节点的状态解,记为x′z,i,i=1,...,nz;
(4.5)、判断子图Gz中各节点的解是否满足如果不满足,则跳转至步骤(4.6);否则,执行下列步骤:
(4.5.1)、遍历子图Gz中各节点的邻居集合,找到所有节点中邻居节点个数最少的邻居集合,其节点数量记为
(4.5.2)、重新设置更新步长且满足/>
(4.5.3)、对子图Gz中每个节点,将重新设置后的更新步长初值记为xz,i[0]代入式(2):
对公式(2)进行迭代收敛求解,进而得到每个节点的状态解为
(4.5.4)、对子图Gz中每个节点,保持每个节点的初值及更新步长不变,代入式(3):
对公式(3)进行迭代收敛求解,进而得到每个节点的状态解为
(4.5.5)、遍历子图Gz中各链路lz,ij∈Lz,判断其两端节点是否满足且如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合/>如果不满足,则判定链路lz,ij无故障;
(4.5.6)、对子图Gz检测结束,输出故障链路集合
(4.6)、如果不满足则执行下列步骤:
(4.6.1)、遍历子图Gz中各链路lz,ij∈Lz,判断其两端节点是否满足x'z,i≠x'z,j,如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合如果不满足,则判定链路lz,ij无故障;
(4.6.2)、继续检测Gz中除去集合外的剩余链路是否发生故障,检测方法为:遍历各剩余链路,对于链路lz,ij,改变xz,i[0]为/>且/>Gz中其他节点的初值不变;
(4.6.3)、对链路lz,ij的两端节点按照式(1)进行迭代收敛求解,进而得到两端节点的状态解为和/>再判断/>是否满足,如果满足,则判定链路lz,ij故障,并将故障链路记录入故障链路集合/>如果不满足,链路lz,ij无故障;
(4.6.4)、对子图Gz检测结束,并将所有的故障链路记录入故障链路集合
(4.7)、当遍历完各子图后,得到拓扑图G中的故障链路集合
至此,待检测的无线传感器网络的所有故障链路全部检测完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210703611.7A CN115119241B (zh) | 2022-06-21 | 2022-06-21 | 一种无线传感器网络链路故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210703611.7A CN115119241B (zh) | 2022-06-21 | 2022-06-21 | 一种无线传感器网络链路故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115119241A CN115119241A (zh) | 2022-09-27 |
CN115119241B true CN115119241B (zh) | 2024-05-14 |
Family
ID=83328124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210703611.7A Active CN115119241B (zh) | 2022-06-21 | 2022-06-21 | 一种无线传感器网络链路故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115119241B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104486113A (zh) * | 2014-12-11 | 2015-04-01 | 重庆邮电大学 | 传感器网络中基于主动和被动的贪婪故障链路定位方法 |
CN105379196A (zh) * | 2013-06-14 | 2016-03-02 | 微软技术许可有限责任公司 | 容错和负载平衡路由 |
CN109117321A (zh) * | 2018-07-27 | 2019-01-01 | 山东师范大学 | 一种基于标记图的云平台全链路应用迁移方法 |
CN109361596A (zh) * | 2018-10-26 | 2019-02-19 | 新华三技术有限公司合肥分公司 | 路由计算方法、装置及电子设备 |
CN109688602A (zh) * | 2019-02-28 | 2019-04-26 | 福建师范大学 | 基于节点预状态的无线传感器故障检测算法 |
CN111066344A (zh) * | 2017-09-11 | 2020-04-24 | 高通股份有限公司 | 无线电链路监视以及波束故障恢复资源配置和操作 |
CN112887202A (zh) * | 2021-02-02 | 2021-06-01 | 浙江工商大学 | 一种基于子拓扑网络的sdn链路故障网络收敛方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8675493B2 (en) * | 2002-07-02 | 2014-03-18 | Alcatel Lucent | Routing bandwidth guaranteed paths with local restoration in label switched networks |
-
2022
- 2022-06-21 CN CN202210703611.7A patent/CN115119241B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105379196A (zh) * | 2013-06-14 | 2016-03-02 | 微软技术许可有限责任公司 | 容错和负载平衡路由 |
CN104486113A (zh) * | 2014-12-11 | 2015-04-01 | 重庆邮电大学 | 传感器网络中基于主动和被动的贪婪故障链路定位方法 |
CN111066344A (zh) * | 2017-09-11 | 2020-04-24 | 高通股份有限公司 | 无线电链路监视以及波束故障恢复资源配置和操作 |
CN109117321A (zh) * | 2018-07-27 | 2019-01-01 | 山东师范大学 | 一种基于标记图的云平台全链路应用迁移方法 |
CN109361596A (zh) * | 2018-10-26 | 2019-02-19 | 新华三技术有限公司合肥分公司 | 路由计算方法、装置及电子设备 |
CN109688602A (zh) * | 2019-02-28 | 2019-04-26 | 福建师范大学 | 基于节点预状态的无线传感器故障检测算法 |
CN112887202A (zh) * | 2021-02-02 | 2021-06-01 | 浙江工商大学 | 一种基于子拓扑网络的sdn链路故障网络收敛方法 |
Non-Patent Citations (3)
Title |
---|
Designing Local Inputs to Identify Link Failures in A Diffusive Network: A Graph Perspective;Mengran Xue;《2019 IEEE 58th Conference on Decision and Control (CDC)》;20191113;全文 * |
Lei shi ; et al.Locating link failure in WSNs via cluster consensus and graph decomposition.《IEEE/ACM transactions on networking》.2022,全文. * |
尚凤军 ; 王剑.WSN中基于端到端的贪婪故障定位算法.《计算机应用研究》.2014,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115119241A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | A new perspective to graphical characterization of multiagent controllability | |
Wang et al. | Tracking the evolution of overlapping communities in dynamic social networks | |
Duan et al. | Incremental K-clique clustering in dynamic social networks | |
Wang et al. | Efficiently indexing large sparse graphs for similarity search | |
CN109902165A (zh) | 基于马尔科夫逻辑网的智能交互式问答方法、系统、装置 | |
CN110380888A (zh) | 一种网络异常检测方法和装置 | |
Ilhan et al. | Feature identification for predicting community evolution in dynamic social networks | |
CN112769869B (zh) | 一种基于贝叶斯攻击图的sdn网络安全预测方法及对应系统 | |
WO2022048668A1 (zh) | 知识图谱构建方法和装置、检查方法、存储介质 | |
Ma et al. | Decomposition-based multiobjective evolutionary algorithm for community detection in dynamic social networks | |
Peng et al. | Exact calculations of first-passage properties on the pseudofractal scale-free web | |
CN111639191A (zh) | 一种新型冠状病毒知识图谱模拟疫情发展趋势的预测方法 | |
Li et al. | Non-translational Alignment for Multi-relational Networks. | |
Mahyar | Detection of top-k central nodes in social networks: A compressive sensing approach | |
CN103077216B (zh) | 子图匹配装置及子图匹配的方法 | |
CN103699647A (zh) | 一种字符串词典的索引方法及系统 | |
Mo et al. | Network simplification and k-terminal reliability evaluation of sensor-cloud systems | |
CN115119241B (zh) | 一种无线传感器网络链路故障检测方法 | |
Zhao et al. | Effective and efficient dense subgraph query in large-scale social Internet of Things | |
Pan et al. | Overlapping community detection via leader-based local expansion in social networks | |
D’Emidio et al. | Exploring and making safe dangerous networks using mobile entities | |
CN111680205A (zh) | 一种基于事理图谱的事件演化分析方法及装置 | |
CN110120918A (zh) | 一种标识解析方法及装置 | |
WO2019032502A1 (en) | KNOWLEDGE TRANSFER SYSTEM FOR ACCELERATING INVARIANT NETWORK LEARNING | |
CN112860558A (zh) | 基于拓扑发现的多接口自动化测试方法及装置 |
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 |