论文部分内容阅读
无线传感器网络在军事侦察、医疗护理、环境监测、空间探测和建筑物监测等各个领域有着广泛的应用前景。它集成了嵌入式计算技术、无线通信技术、传感器技术和分布式信息处理技术，能实时采集、感知、监测网络内的数据对象，并且对这些数据进行处理，获得尽可能准确的数据，然后传送给需要这些数据的用户。 近些年，无线传感器网络中的离群数据检测研究已经引起人们的广泛关注。传感器节点采集的数据集大部分是正常数据，但是往往重要却被人忽视的是那些不正常数据，即离群数据。离群数据检测是数据挖掘研究的一个重要方向。但是目前很多传感器网络中的离群检测研究方法没有考虑到网络的分布性和时空相关性，使得网络能量消耗高，检测精度低。同时，对于高维感知数据，如何进行降维实现快速检测也是一个挑战性问题。 因此，本文对无线传感器网络中的离群检测进行了深入的研究，综合分析了几种离群数据检测算法，提出了新的传感器网络离群数据检测算法。本文的主要工作如下: 1、对无线传感器网络中基于密度的离群数据检测方法进行了研究，针对其存在的问题提出了WSN中分布式离群数据检测研究算法，该算法是在分簇无线传感器网络中，簇成员节点利用滑动窗口机制检测时间离群数据并发给簇头节点，然后，簇头节点检测簇成员节点之间的时空离群数据并发给Sink节点，最后，Sink节点检测各个簇头节点传送来的离群数据并得到所期望的离群数据。 该算法针对集中式算法能耗过快的问题提出了一种分布式算法，解决了能耗过快的问题，结合时间和空间两方面因素提高了检测精度。 2、对无线传感器网络中离群时间序列检测进行了研究，提出了WSN中快速离群时间序列检测算法。该算法是在传感器网络中，每个传感器节点采集到的数据构成一个时间序列，在时间窗口中通过切比雪夫思想把时间序列化成时间区间在[-1，1]的连续函数，然后计算连续函数的切比雪夫多项式系数，利用系数求两个时间序列的相似度，最后判定离群时间序列，再将离群时间序列传给Sink节点。 理论分析和实验结果说明该算法不仅具有较高的检测精度，而且检测速度快于相关算法。