CN1981446B - 用于改善网络上采集的传感器数据的可靠性的设备和方法 - Google Patents

用于改善网络上采集的传感器数据的可靠性的设备和方法 Download PDF

Info

Publication number
CN1981446B
CN1981446B CN2005800166006A CN200580016600A CN1981446B CN 1981446 B CN1981446 B CN 1981446B CN 2005800166006 A CN2005800166006 A CN 2005800166006A CN 200580016600 A CN200580016600 A CN 200580016600A CN 1981446 B CN1981446 B CN 1981446B
Authority
CN
China
Prior art keywords
data
node
value
network
sensing data
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.)
Expired - Fee Related
Application number
CN2005800166006A
Other languages
English (en)
Other versions
CN1981446A (zh
Inventor
肖希克·穆科霍帕德海耶
萨吉特·戴伊
德巴西斯·帕尼格雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of California
Original Assignee
University of California
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of California filed Critical University of California
Publication of CN1981446A publication Critical patent/CN1981446A/zh
Application granted granted Critical
Publication of CN1981446B publication Critical patent/CN1981446B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Theoretical Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Detection And Prevention Of Errors In Transmission (AREA)

Abstract

本发明提供了一种适用于改善在网络(10)上采集的传感器数据的可靠性的设备和方法。使用校正数据的相关性来预测和校正一个或多个瞬时误差。例如，可以从网络(16)中的一个或多个传感器节点采集传感器数据。不同于传感器节点(16)的装置(12)可使用该数据，来基于传感器数据中的固有冗余而开发预测模型，并且校正一个或多个以后接收的、看起来不可靠的值。

Description

用于改善网络上采集的传感器数据的可靠性的设备和方法
技术领域
本发明涉及传感器网络。
背景技术
对用于感测、通信和处理的技术的汇集导致了无线传感器网络的出现。近来，使用低成本、低能量无线传感器节点的大规模感测已变得可行。例如，在生产、测试和监测中的许多系统从多个无线传感器采集数据。这些传感器网络的实用性使得对物理世界的感测和监测成为可能。
尤其与使用无线数据传输的其它应用相比，提供可靠的数据采集是传感器网络中极为重要的内容，这是因为数据被采集、处理和使用来在机对机数据采集框架中作出判断。然而，使用无线数据传输存在公知的关于数据可靠性和校正的问题。
例如，传感器节点的无线网络固有地暴露于各种不可靠性的来源，诸如不可靠的通信信道、节点故障、节点的恶意损坏、以及窃听。可以将不可靠性的来源大概分为两类：永久改变行为的错误；以及导致从正常行为瞬时偏离的故障，在此称之为“软故障”。
软故障作为瞬时误差而在无线信道中出现，由接收机处的噪声、信道干扰、和/或多径衰减效应所引起。此外，使用进取性(aggressive)设计技术，诸如深亚微米(DSM)和超深亚微米(UDSM)以降低每个节点的成本，这还使得节点受到计算和感测中的不同类型的瞬时误差。
用于测量传感器节点的可靠性的大多数技术在采集上费用较高。典型的现有可靠性方法可增加冗余硬件、或在来源处传送额外数据，以分别校正在电路中或在通信信道中变差的数据。对于使用较多限制的传感器节点的情况，这使得典型方法非常昂贵。为了解决电路和通信信道中的故障，这样的方法在能量预算、传感器节点的设计和生产成本方面带来较高的费用。
用于数据校正的其它现有技术包括校正硬件中的软故障的方法以及那些校正无线通信信道上的比特检测误差的方法。用于校正硬件中的软错误的技术包括电路级和模块级方法，例如硬件中的三模块冗余(triplemodularredundancy)和误差校正编码。用于校正无线通信信道上的比特检测误差的技术包括基于奇偶性的前发误差校正(FEC)编码技术(如信道编码)，以及基于重传送的技术(如ARQ)。
发明内容
本发明的优选实施例其中提供一种适于改善在网络上采集的传感器数据的可靠性的设备和方法等。利用校正数据的相关性预测并校正一个或多个瞬时误差。例如，可以从网络中的一个或多个传感器节点采集传感器数据。除传感器节点外的装置可使用该数据来基于数据中的固有冗余而计算预测模型，并校正一个或多个以后收到的、认为不可靠的值。
本发明提供了一种用于过滤所采集的传感器数据中的瞬时误差的方法，包括：基于初始传感器数据的相关性开发预测模型；基于该预测模型来预测下一传感器读取的可能值；以及基于所述预测步骤中预测的可能值而校正该瞬时误差。
本发明还提供了一种网络(10)，包括：被配置来至少部分基于经由该网络的至少一个传感器节点(16)接收的传感器数据中的每节点冗余而离线生成预测模型的聚合器节点(12，18)，该聚合器节点还被配置来部分基于该预测模型而确定是否对经由该至少一个传感器节点接收的观测数据进行校正。
本发明还提供了一种网络(10)中的聚合器节点(12，18)，包括：第一逻辑器(24)，被配置来至少部分基于来自网络(10)中的至少一个传感器节点(16)的传感器数据中的每节点冗余而离线生成预测模型；以及第二逻辑器(30)，被配置来部分基于该预测模型而确定是否对来自该至少一个传感器节点(16)的观测数据进行校正。
本发明还提供了一种用于改善网络上采集的传感器数据的可靠性的方法，该方法包括步骤：利用不同于传感器节点的装置，采集来自网络中的一个或多个传感器节点的初始传感器数据；预处理初始传感器数据，以确定数据中的固有时间冗余的级别；基于该初始传感器数据中的固有时间冗余而开发预测模型；利用不同于传感器节点的装置，基于该预测模型，计算来自网络中的传感器节点的下一传感器读数的可能值；确定从传感器节点接收的值是否相对于该可能值是可靠的，并且，如果不是，则对从传感器节点接收的值进行校正。
本发明还提供了一种用于改善网络上采集的传感器数据的可靠性的方法，该方法包括步骤：利用不同于传感器节点的装置，根据基于传感器数据中的固有时间冗余的预测模型，计算来自网络中的传感器节点的下一传感器读数的可能值；确定从传感器节点接收的值是否相对于该可能值是可靠的，并且，如果不是，则对从传感器节点接收的值进行校正。
根据本发明的示例性实施例的以下和更多的具体描述，其它特征和优点将变得明显，并且如附图中所示。
附图说明
图1示出一种根据本发明的优选实施例的包括被用来执行数据聚合和校正方法的装置的网络；
图2示意性地示出一种根据本发明的优选实施例的由用于聚合和校正来自数据源的数据的聚合器节点所实现的算法；
图3示出根据本发明的优选实施例的用于执行数据校正的示例性操作；
图4示出根据本发明的示例性实施例的用于3个样本的延迟的示例性预测历史树(PHT)；以及
图5示出根据本发明的优选实施例的用于实现数据聚合和校正方法的示例性伪代码。
具体实施方式
本发明的优选实施例以误差防护的最低成本(即传感器节点和通信费用的成本)提供改善的可靠性。在优选实施例中，进行对在传感器节点的电路处或在通信信道上产生的瞬时误差进行运行时(run-time)校正，而没有传感器节点上的设计或操作费用。
根据本发明的优选实施例，传感器数据本身的性质的信息(knowledge)被用于实现数据检查和校正。本发明的实施例使用关于传感器数据中的相关性、传感器应用的目的、以及其对各种误差的弱点的信息。
例如，传感器数据一般呈现在节点群上或在每个节点的基础上的在一个时间段内的冗余。可以平衡这样的传感器数据的固有冗余，以使得能够在数据聚合器节点处的标称缓冲器需求(其具有少得多的成本/能量限制)的代价下，提高数据采集的可靠度，而不会给传感器节点强加更多的费用。使用在数据预测模型中捕捉的数据的性质来提供根据本发明的优选实施例的、用于校正软故障的低成本校正设备、系统和方法。
通过对比，现有可靠性技术增加冗余硬件或在源处传送额外数据以分别校正在电路或通信信道中变差的数据。这样的技术通过较多限制的传感器节点使用时是非常昂贵的，并且它们不使用应用数据的特性。由此，为了解决电路和通信信道中的故障，这些技术在能量预算、以及传感器节点的设计和生产成本方面带来非常高的费用。
本发明的实施例包括应用层、数据意识(data-aware)方法，例如被在软件中实现或被编码进适当装置中，用于在聚合节点处校正传感器数据中的瞬时误差，其中传感器数据的聚合和过滤在传感器数据网络中发生。优选方法对通过无线通信信道而从诸如传感器节点的数据源接收的数据实现运行时校正，最好不给传感器节点强加任何设计或材料成本、或性能费用。优选地，所引起的费用主要在于数据接收机处的存储和计算成本，诸如缓冲用于聚合的数据的聚合器节点。最好可根据聚合器处的应用和资源限制的性能需求而调节该方法。
通常，优选方法标识并使用传感器数据内的冗余，以校正瞬时误差的存在。在示例性实施例中，对传感器数据内的冗余的详细分析捕捉预测模型中的相关性特性。然后在获得数据期间使用该预测模型，用于数据的在线预测校正。该优选方法过滤传感器数据的软故障。
更具体地说，在示例性实施例中，诸如聚合器节点的装置基于对来自网络的传感器节点的传感器数据的分析，开发预测模型。然后聚合器节点在运行时使用预测模型进行可靠性检查，以检查从传感器节点接收的数据的可靠性，并做出误差校正判断。本发明的优选方法包括离线采集用于固有传感器数据预测模型的数据，并在运行时在线应用该模型。
因为数据预测一般过滤掉观测值中的大多数误差，所以该预测可能不用始终正确地追踪数据处理。例如，由应用在采集数据上执行的聚合操作对误差数据具有可变级别的弱点。由此，本发明的优选方法还延迟应用的延迟限制内的数据的报告。延迟的报告允许观测值被用于后面的样本的优选小集合，以引导预测值与观测值之间的校正值的选择。过去的数据样本也可用于帮助选择校正值。通过调整延迟，可根据数据接收机处可用的计算资源、以及应用的延迟需求而调节该优选方法。
本发明的网络实施例包括一个或多个传感器节点，其无线传送数据到一个或多个聚合器节点。利用传感器数据的固有冗余来执行数据处理所在处(例如，其可以是聚合器节点)的误差校正。因为聚合器节点一般具有比传感器节点更多的计算、存储和能量资源，所以这是有利的。本发明的其它实施例包括被配置用于无线网络的聚合器节点。
现在参考附图，图1示出了传感器网络10，其包括被配置来执行根据本发明的示例方法的装置。优选地，该装置是聚合器节点12，其通过无线信道14从数据源接收数据。例如，数据源包括一个或多个传感器节点16，并且优选的是多个传感器，其经由信道14无线传送数据。优选地，网络10包括多聚合器节点12，尽管为简洁只在图1中示出一个。
例如，聚合器节点12可包括一个或多个模块，用于接收和聚合传感器数据。由这些模块执行的聚合功能可包括用于从特定传感器聚合数据的节点级或时间聚合18，和/或用于从不同传感器节点聚合数据的空间或群级聚合20。来自聚合器节点12的、经聚合和校正的数据随后可被发送到服务器22或其它装置(即，报告的)，以用于处理或存储。
图2示出用于执行根据本发明优选实施例的数据校正方法的应用层算法的概括性示意图。可在诸如聚合器节点18的装置中，例如由任何适当的方法执行该算法。
在示例性传感器数据校正方法中，通过对来自传感器节点16的初始采集数据(代表性样本)进行预处理而构造(优选离线)数据生成处理的预测模型。例如，可在聚合器节点12中实现适当的预处理逻辑器，在图2中示出为数据模型块24。该预测模型利用传感器数据中的相关性。优选地，该相关性是时间性的，在此情况下，优选基于传感器数据中的固有时间(每节点)冗余而计算预测模型。然而，预期可额外地或可替换地使用其它类型的相关性。
所选模型对于预测应该是足够丰富的，以基本上匹配数据生成处理。而且，该模型应允许在资源消耗和复杂度方面高效的预测处理，以满足聚合器节点12或其它装置的性能需求。优选地，给定上述需求的对由数据模型块24生成的模型的选择主要依赖于数据中的时间相关性的级别和性质。尽管各种建模技术可被用来表示数据相关性特性，但校正方法的性能主要依赖于建模的精确性和预测的效率。在测试本发明的实施例的试验中使用的示例性模型是自动回归移动平均(ARMA)模型。这是一种线性预测模型，其使用先前观测的历史(在图2中示为数据历史块26)以及预测性能的历史(示为误差历史块28)。例如，可通过使用最小最终预测误差准则来执行ARMA模型的顺序标识(即，用于计算新预测值的过去值和误差历史的数目)。
同样如图2和3中所示，在运行时使用该预测模型，以计算下一读数的可能值，并且，数据校正方法基于观测数据和预测误差的历史，确定从传感器获得的值或者由预测模型提供的值是否要被记录或报告和在将来使用。给出另一种方法，数据校正可以确定传感器获得的值是否相对于该可能值是可靠的，并且，如果不是，则其使用预测值来校正或过滤该值。
例如，这可经由应用层预测校正逻辑器(在图2中示为数据校正块30)来实现。优选方法包括维持观测数据的历史(数据历史块26)，并使用所计算的预测模型来根据历史生成预测未来值32。在从传感器节点16接收下一观测数据值34之后，判断将记录这些候选值中的哪一个。优选地，数据校正块30的操作独立于用于预测的数据模型。然而，预期用于预测性校正的逻辑器30可以部分或全部地与用于形成预测模型的逻辑器24相重叠。
在通常的数据校正方法中，如图3中所示，聚合器节点12的数据模型块24无线地采集来自传感器节点16的初始数据(步骤40)，处理该初始数据(步骤42)，以及基于所处理的初始数据而开发预测模型(步骤44)。在运行时操作期间，聚合器节点12无线地接收和/或采集所观测的传感器数据(步骤46)，并且，使用所开发的数据模型来预测来自传感器节点16的下一读数的可能值(步骤48)。然后，数据校正块30通过确定所接收值的可靠性而确定是否使用所接收的值(步骤50)。如果所接收的值是可靠的，则将该值报告(步骤52)为校正数据。如果不是，则已由聚合器节点12预测了瞬时误差。在此情况下，将预测值报告(步骤54)为校正数据，以校正该瞬时误差。
在执行基于预测的校正时的一个显著问题在于：选择如何处理接收机(即聚合器节点12)处的预测值和观测值之间的不匹配，这可能由于真实误差或由于数据源行为对模型的偏离而造成。在这两种情况下，应该不同地处理这样的误差。在本发明的优选实施例中，基于过去的样本和之后观测的样本的数目而进行此判断。使用延迟(在图2中表示为判定延迟参数(K)58)来执行。
再次参考图2，Y代表所观测的传感器数据的值34的序列，Y’代表预测块的结果(预测数据32)，而YC代表来自数据校正块30的校正值60。数据校正块30使用数据模型块24在通过生成并存储不同预测的历史的不同可能版本而校正误差的处理中开发的预测模型。在任意时间点n处，给定观测数据Y(n)34，数据校正块30计算校正值YC(n-K)60，其中K代表为后面的校正维持的预测历史的深度。
例如，并且参考图4，对时间n，在K个样本的延迟之后，使用等于Y(n)的观测值以及等于Y’(n)的相应预测值来报告校正值YC(n-K)60。对于所观测的传感器节点16的每个样本，数据校正块30将其与从预测模型和前面历史预测的值相比较，并尝试报告更接近实际希望观测的值。此判断的延迟允许以下步骤：考虑其任何选择对其后的K个样本的预测精度的影响。
在优选实施例中，使用预测历史树(PHT)70来实现该延迟判断，该预测历史树包括前面K个样本的可能预测值和相应预测误差。对应于PHT中每个节点的值的预测误差被存储在平行的误差历史树(未示出)中，其通过执行对两个树的相同的更新操作而与PHT 70保持同步。
示例性PHT 70具有K+1的深度，并且代表最后K个样本的各种潜在值，即YC(i)，其中i＝n-K:n-1。图4示出对K＝3的PHT 70的例子。PHT 70的任何层j中的每个节点72代表YC(n-K+j-1)的可能值，同时根节点(层0)74指示已为YC(n-K-1)选择的值。
在图4中，每个节点具有两条外出路径76、78，分别标记为0和1。这些分别代表对其后的样本的、Y(观测值)和Y’(预测值)的选择。由此，层K+1中的从根到叶80的每条路径表示等于2K个的一系列选择，其导致产生一系列值YC(n-K:n-1)。图4中的PHT的节点72注释有它们包含的可能值。例如，注释有Y’(n-1|01)的叶节点82代表在跟随从根节点74通过节点84和节点86的路径而获得的预测值Y’(n-1)，对应于来自根节点的011的选择。
优选方法使用PHT来选择用于转发到服务器22的值。图5中示出被用来在接收机处使用PHT来校正误差的示例性伪代码。在时间n(步骤90)，接收观测值Y(n)(步骤92)，并且计算该样本的2K个可能预测值，每个用于从根到每个叶节点的每个路径i(步骤94)。基于该路径上的节点使用不同的数据集和误差历史来计算(步骤96)每个预测值Y’(n，i)。而且，对于每条路径，计算预测误差(步骤98)，并且使用该预测误差计算每样本的平均预测误差(PathErr)(步骤100)。基于最小路径误差，选择(步骤102)PHT的根的子节点之一作为新的根，并且所选的子节点的内容确定校正值YC(n-K)(步骤104、106)。然后，以此子节点作为根的树被用于替换PHT结构。
例如，生成下一层PHT(步骤104)。在用于生成PHT的优选方法中，选择包含路径i的层1节点(例如，图4中的节点84)(步骤106)。该节点变为节点s。节点s的观测值和误差值被用于被报告给应用以及输入到数据和误差历史中的校正值YC和预测误差(步骤108)。丢弃从该根的其它分支生出的子树(步骤110)，并且通过向每个叶节点添加一个或两个子节点(对该路径的观测Y(n)和预测Y’(n))，将剩余的树延伸到另一层(步骤112)。
为了提高效率，可通过假设对预测值的非常小的偏离是由于感测物理处理的随机性而不是瞬时误差引起的，从而在某种程度上可以减小预测历史(即PHT)的大小。作为示例性实现，误差阈值ETH114可用作优选方法中的控制参数，以避免在E(n)低于ETH时添加新的Y’(n)值(步骤116)。这意味着，如果在N个步骤后，特定叶节点变为根，则观测值Y应被用于YC。由此，树结构将常常不会被驻满。
除了报告校正值时的延迟之外，延迟值K的选择确定由具体给定数据和误差特性的优选数据校正方法达到的校正的级别。该方法的存储和计算复杂度还直接依赖于参数K，这是因为其确定用于校正每个样本的历史信息量。因为优选方法将建模误差和在传感器节点16和/或无线信道14中出现的实际随机误差相互区别开，所以K的最佳选择依赖于误差的特性以及所用的建模技术的性能。潜在地，还有可能通过改变K来针对性能和资源而对校正精度进行折衷(trade off)，并将它们匹配到聚合器节点12的应用需求和限制。
优选校正方法的性能部分依赖于预测算法的性能。最好对每个样本的每条路径调用预测算法，以预测序列中的下一个值。校正块消耗的主要资源是存储装置，对于PHT 70，空间复杂度为O(2K)。
在这些方法中，例如，通过选择K并通过基于所选的K而形成PHT 70，可根据具体装置，诸如聚合器节点12或无线传感器网络10而调节延迟。可根据应用的延迟敏感度、相关误差级别、以及接收节点上的资源限制而使用不同深度的预测历史。
已示出并描述了用于数据聚合和校正的多个方法、装置和系统，其具有许多特征和优点。通过在应用层上执行优选的数据校正方法，可使得实现该方法的装置或系统的设计更容易。通过使用聚合器节点12来执行数据校正步骤，不会增加传感器节点16上的费用，并且可使用一般具有高得多的费用的装置来执行计算。延迟的使用改善了优选方法的功效，并且可选择该延迟，以根据各种装置或系统而调节该方法。优选地，误差阈值降低聚合器节点12上的不必要的费用。
尽管根据本发明的实施例，传感器网络的各种配置都是可能的，但在包括大量便宜且轻的传感器节点(由聚合器节点使用相对较大的能量和资源预算而管理)的网络体系中，优选数据聚合和校正方法尤其有用。
尽管已示出和描述了本发明的特定实施例，但应理解的是，对于本领域技术人员，其它修改、置换和替换是明显的。在不脱离应该根据所附权利要求而确定的本发明的精神和范围的前提下，可进行这样的修改、置换和替换。
在所附权利要求中阐明本发明的各种特征。

Claims (24)

1.一种用于过滤所采集的传感器数据中的瞬时误差的方法，包括：
基于初始传感器数据的相关性开发预测模型；
基于该预测模型来预测下一传感器读取的可能值；以及
基于所述预测步骤中预测的可能值而校正该瞬时误差。
2.如权利要求1所述的方法，其中，所述校正包括延迟该数据。
3.如权利要求2所述的方法，其中，所述延迟该数据包括：根据特定无线传感器网络来调节延迟的量。
4.如权利要求3所述的方法，其中，所述调节该延迟包括：形成预测历史树。
5.如权利要求2所述的方法，其中，所述延迟该数据包括：形成预测历史树。
6.如权利要求1所述的方法，其中，所述相关性包括自动回归移动平均相关性。
7.如权利要求1所述的方法，其中所述预测和校正由无线装置执行。
8.一种网络(10)，包括：
被配置来至少部分基于经由该网络的至少一个传感器节点(16)接收的传感器数据中的每节点冗余而离线生成预测模型的聚合器节点(12，18)，该聚合器节点还被配置来部分基于该预测模型而确定是否对经由该至少一个传感器节点接收的观测数据进行校正。
9.如权利要求8所述的网络，其中，该预测模型是线性模型。
10.一种网络(10)中的聚合器节点(12，18)，包括：
第一逻辑器(24)，被配置来至少部分基于来自网络(10)中的至少一个传感器节点(16)的传感器数据中的每节点冗余而离线生成预测模型；以及第二逻辑器(30)，被配置来部分基于该预测模型而确定是否对来自该至少一个传感器节点(16)的观测数据进行校正。
11.如权利要求10所述的聚合器节点，其中，第一逻辑器包括第二逻辑器的至少一部分。
12.如权利要求10所述的聚合器节点，其中，第二逻辑器包括第一逻辑器的至少一部分。
13.如权利要求10所述的聚合器节点，其中，第一逻辑器和第二逻辑器不重叠。
14.一种用于改善网络上采集的传感器数据的可靠性的方法，该方法包括步骤：
利用不同于传感器节点的装置，
采集来自网络中的一个或多个传感器节点的初始传感器数据；
预处理初始传感器数据，以确定数据中的固有时间冗余的级别；
基于该初始传感器数据中的固有时间冗余而开发预测模型；
利用不同于传感器节点的装置，
基于该预测模型，计算来自网络中的传感器节点的下一传感器读数的可能值；
确定从传感器节点接收的值是否相对于该可能值是可靠的，并且，如果不是，则对从传感器节点接收的值进行校正。
15.如权利要求14所述的方法，其中，离线地执行所述采集初始传感器数据、所述预处理初始传感器数据、以及所述开发预测模型。
16.如权利要求14所述的方法，还包括：
在所述计算下一传感器读数的可能值之后，接收该下一传感器读数。
17.如权利要求14所述的方法，其中，该预测模型包括自动回归移动平均(ARMA)模型。
18.如权利要求14所述的方法，其中，所述计算下一传感器读数的可能值还基于先前接收的传感器数据的历史以及误差的历史。
19.如权利要求14所述的方法，其中，所述校正包括：在任意时间n，确定校正值YC(n-K)，其中K是判定延迟。
20.如权利要求19所述的方法，其中，所述确定校正值还包括：形成包括路径的预测历史树，该路径代表从传感器接收的值与预测值之间的选择。
21.一种用于改善网络上采集的传感器数据的可靠性的方法，该方法包括步骤：
利用不同于传感器节点的装置，
根据基于传感器数据中的固有时间冗余的预测模型，计算来自网络中的传感器节点的下一传感器读数的可能值；
确定从传感器节点接收的值是否相对于该可能值是可靠的，并且，如果不是，则对从传感器节点接收的值进行校正。
22.如权利要求21所述的方法，其中，所述计算下一传感器读数的可能值还基于先前接收的传感器数据的历史以及误差的历史。
23.如权利要求21所述的方法，其中，所述校正包括：在任意时间n，确定校正值YC(n-K)，其中K是判定延迟。
24.如权利要求23所述的方法，其中，所述确定校正值还包括：形成包括路径的预测历史树，该路径代表从传感器接收的值与预测值之间的选择。
CN2005800166006A 2004-03-23 2005-03-23 用于改善网络上采集的传感器数据的可靠性的设备和方法 Expired - Fee Related CN1981446B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US55559604P 2004-03-23 2004-03-23
US60/555,596 2004-03-23
PCT/US2005/009701 WO2005094493A2 (en) 2004-03-23 2005-03-23 Apparatus and method for improving reliability of collected sensor data over a network

Publications (2)

Publication Number Publication Date
CN1981446A CN1981446A (zh) 2007-06-13
CN1981446B true CN1981446B (zh) 2010-10-06

Family

ID=35064391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005800166006A Expired - Fee Related CN1981446B (zh) 2004-03-23 2005-03-23 用于改善网络上采集的传感器数据的可靠性的设备和方法

Country Status (7)

Country Link
US (1) US7793188B2 (zh)
EP (1) EP1738470B1 (zh)
JP (2) JP5020807B2 (zh)
KR (1) KR101271876B1 (zh)
CN (1) CN1981446B (zh)
AT (1) ATE539489T1 (zh)
WO (1) WO2005094493A2 (zh)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080267181A1 (en) * 2005-11-08 2008-10-30 Nortel Networks Limited Selective Multicasting of Sensor Data for Reliable Delivery
US7885929B2 (en) * 2006-01-03 2011-02-08 Motio, Inc. Continuous integration of business intelligence software
US7826910B2 (en) * 2007-07-20 2010-11-02 Siemens Aktiengesellschaft Systems and methods for control over unreliable networks
CN101946238B (zh) * 2008-02-22 2012-11-28 惠普开发有限公司 检测传感器联网环境中的异常
US8797178B2 (en) 2008-03-10 2014-08-05 Microsoft Corporation Efficient stream sharing for multi-user sensor data collection
US8423852B2 (en) * 2008-04-15 2013-04-16 Qualcomm Incorporated Channel decoding-based error detection
US8022822B2 (en) 2008-06-27 2011-09-20 Microsoft Corporation Data collection protocol for wireless sensor networks
KR100969158B1 (ko) * 2008-06-30 2010-07-08 경희대학교 산학협력단 무선 센서 네트워크에서의 신뢰성 관리 방법
US8289150B2 (en) 2008-12-05 2012-10-16 Industrial Technology Research Institute Wireless sensor network and data sensing method thereof
TWI395151B (zh) * 2008-12-05 2013-05-01 Ind Tech Res Inst 無線感測器網路與其資料感測方法
JP5640341B2 (ja) * 2009-08-04 2014-12-17 オムロン株式会社 データ通信システム、データ通信方法、およびセンサ制御装置
US7920983B1 (en) * 2010-03-04 2011-04-05 TaKaDu Ltd. System and method for monitoring resources in a water utility network
CN101932012B (zh) * 2010-07-27 2013-09-18 杭州电子科技大学 基于最优阶估计与分布式分簇的传感器网络数据压缩方法
US8583386B2 (en) 2011-01-18 2013-11-12 TaKaDu Ltd. System and method for identifying likely geographical locations of anomalies in a water utility network
US8341106B1 (en) 2011-12-07 2012-12-25 TaKaDu Ltd. System and method for identifying related events in a resource network monitoring system
US9053519B2 (en) 2012-02-13 2015-06-09 TaKaDu Ltd. System and method for analyzing GIS data to improve operation and monitoring of water distribution networks
US10242414B2 (en) 2012-06-12 2019-03-26 TaKaDu Ltd. Method for locating a leak in a fluid network
US10679131B2 (en) 2012-07-12 2020-06-09 Eaton Intelligent Power Limited System and method for efficient data collection in distributed sensor measurement systems
KR101415717B1 (ko) * 2012-07-26 2014-07-04 주식회사 내비오닉스코리아 이동 표준 편차를 이용한 데이터 처리 장치 및 방법
WO2014055486A1 (en) 2012-10-01 2014-04-10 Cooper Technologies Company System and method for support of one-way endpoints in two-way wireless networks
US9323695B2 (en) * 2012-11-12 2016-04-26 Facebook, Inc. Predictive cache replacement
US9078157B2 (en) * 2012-12-31 2015-07-07 Verizon Patent And Licensing Inc. Quick recovery of RF sessions after backhaul link failure
JP6183016B2 (ja) * 2013-07-10 2017-08-23 住友電気工業株式会社 センサ情報処理装置、センサ情報処理方法およびセンサ情報処理プログラム
US9699708B2 (en) 2014-01-17 2017-07-04 Cooper Technologies Company Dynamically-selectable multi-modal modulation in wireless multihop networks
US9471452B2 (en) * 2014-12-01 2016-10-18 Uptake Technologies, Inc. Adaptive handling of operating data
WO2017098193A1 (en) * 2015-12-11 2017-06-15 Toshiba Research Europe Limited Configuration of a wireless connection used to transmit sensor readings from a sensor to a data collection facility
KR102502952B1 (ko) * 2016-07-28 2023-02-22 삼성에스디에스 주식회사 통계 분석 기반 데이터 측정 방법 및 장치
KR102131922B1 (ko) * 2018-08-29 2020-07-08 국방과학연구소 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스
CN109218130B (zh) * 2018-08-31 2020-07-17 中建科技有限公司深圳分公司 一种传感器网络的监听方法、监听器以及检测装置
US11809943B2 (en) * 2020-07-09 2023-11-07 MonoLets, Inc. Wireless node network to assess and model a physical characteristic associated with an object or space
US11816967B2 (en) 2020-07-16 2023-11-14 MonoLets, Inc. Wireless node network for automatic serialization of objects
US11769318B2 (en) 2020-11-23 2023-09-26 Argo AI, LLC Systems and methods for intelligent selection of data for building a machine learning model
US11657591B2 (en) 2021-01-15 2023-05-23 Argo AI, LLC Autonomous vehicle system for intelligent on-board selection of data for building a remote machine learning model
CN117406162B (zh) * 2023-12-14 2024-02-27 北京京仪北方仪器仪表有限公司 一种网状电能传感器误差校验方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1077319C (zh) * 1994-10-24 2002-01-02 索尼公司 记录和重现数据以及传送的方法和装置
CN1332524A (zh) * 2000-06-27 2002-01-23 皇家菲利浦电子有限公司 通信系统、接收机和估计由信道引起的误差的方法
CN1121093C (zh) * 1995-11-15 2003-09-10 安蒂·阿米·依玛里·兰格 一种动态系统中自适应卡尔曼滤波方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08511090A (ja) * 1993-04-02 1996-11-19 ビア、システムズ、プロプライエタリ、リミテッド 姿勢検知アレイ
US5930741A (en) * 1995-02-28 1999-07-27 Virtual Technologies, Inc. Accurate, rapid, reliable position sensing using multiple sensing technologies
JP3769786B2 (ja) * 1995-09-29 2006-04-26 株式会社デンソー 画像信号の復号化装置
GB2337386B (en) * 1996-09-09 2001-04-04 Dennis J Dupray Location of a mobile station
US6240372B1 (en) * 1997-11-14 2001-05-29 Arch Development Corporation System for surveillance of spectral signals
US6611726B1 (en) * 1999-09-17 2003-08-26 Carl E. Crosswhite Method for determining optimal time series forecasting parameters
US6346911B1 (en) * 2000-03-30 2002-02-12 Motorola, Inc. Method and apparatus for determining time in a GPS receiver
US6475153B1 (en) * 2000-05-10 2002-11-05 Motorola Inc. Method for obtaining blood pressure data from optical sensor
US6556939B1 (en) * 2000-11-22 2003-04-29 Smartsignal Corporation Inferential signal generator for instrumented equipment and processes
US6704890B1 (en) 2000-12-22 2004-03-09 Nortel Networks Limited Skew compensating interface for operation with arbitrary data
DE10213838B4 (de) * 2002-03-27 2008-10-02 Advanced Micro Devices, Inc., Sunnyvale Frequenzfehlerkorrektureinheit und -verfahren in einem drahtlosen Lan-System
DE10228999B4 (de) 2002-06-28 2006-12-14 Advanced Micro Devices, Inc., Sunnyvale Konstellationsmanipulation zur Frequenz/Phasenfehlerkorrektur
US6932509B2 (en) * 2002-06-28 2005-08-23 S. C. Johnson Home Storage, Inc. Recloseable storage bag with secondary closure members

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1077319C (zh) * 1994-10-24 2002-01-02 索尼公司 记录和重现数据以及传送的方法和装置
CN1121093C (zh) * 1995-11-15 2003-09-10 安蒂·阿米·依玛里·兰格 一种动态系统中自适应卡尔曼滤波方法
CN1332524A (zh) * 2000-06-27 2002-01-23 皇家菲利浦电子有限公司 通信系统、接收机和估计由信道引起的误差的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CN 1077319 C,全文.

Also Published As

Publication number Publication date
JP5020807B2 (ja) 2012-09-05
WO2005094493A3 (en) 2006-11-23
WO2005094493A2 (en) 2005-10-13
JP2012161085A (ja) 2012-08-23
EP1738470B1 (en) 2011-12-28
US7793188B2 (en) 2010-09-07
KR20070007823A (ko) 2007-01-16
JP2007531409A (ja) 2007-11-01
KR101271876B1 (ko) 2013-06-10
EP1738470A2 (en) 2007-01-03
EP1738470A4 (en) 2009-01-21
US20080250301A1 (en) 2008-10-09
CN1981446A (zh) 2007-06-13
ATE539489T1 (de) 2012-01-15

Similar Documents

Publication Publication Date Title
CN1981446B (zh) 用于改善网络上采集的传感器数据的可靠性的设备和方法
EP3439241B1 (en) Using machine learning to monitor link quality and predict link faults
Mukhopadhyay et al. Data aware, low cost error correction for wireless sensor networks
JP6479200B2 (ja) センサ読み取りをセンサからデータ収集装置に送信するために使用されるワイヤレス接続の構成
CN107872457B (zh) 一种基于网络流量预测进行网络操作的方法及系统
WO2013148215A1 (en) Photovoltaic system data handling methods and apparatus
CN103117820A (zh) 基于可信度的加权协作频谱检测方法
CN102291794A (zh) 一种mesh网络中的信道切换方法和设备
US20110119523A1 (en) Adaptive remote decision making under quality of information requirements
Becher et al. Towards short-term wireless link quality estimation
Ma et al. BOND: Exploring hidden bottleneck nodes in large-scale wireless sensor networks
Dong et al. Exploiting error estimating codes for packet length adaptation in low-power wireless networks
KR20230032286A (ko) 시계열 데이터를 이용한 주기성을 갖는 이상 수치 검출 시스템
CN117131457A (zh) 基于ai模型的电力大数据采集处理方法及系统
US11159388B2 (en) Method for detecting and determining a failure probability of a radio network and central computer
WO2023012141A1 (en) Signalling model performance feedback information (mpfi)
JP2022037107A (ja) 障害分析装置、障害分析方法および障害分析プログラム
KR102333076B1 (ko) 소모율을 결정하는 통신 장치 및 통신 장치를 관리하는 장치 관리 서버
CN109246787B (zh) 一种结合预测控制的中继选择方法
CN117082108B (zh) 一种智能低压断路器物联网通信方法
CN111160603B (zh) 一种端到端电力通信业务可靠性保障方法及系统
CN117955600A (zh) 一种基于确定性网络协同传输的数据冗余编码方法
WO2024066284A1 (zh) 一种与源址无关的分布式状态监测方法
EP3391686A1 (en) Routing control in a communication network
CN117834472A (zh) 一种物联网卡监控管理方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20101006

Termination date: 20130323