论文部分内容阅读
随着传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术的迅速发展,无线传感网(Wireless Sensor Networks,简称WSN)应运而生。其由大量廉价具有通信计算能力和感知能力的传感器节点组成,并通过无线方式相互连接形成的多跳自组织网络。由于无线传感器网络广阔的应用前景,它成为了21世纪一个新的前沿热点研究领域。并且已经被应用在了军事、航空、反恐、防爆、救灾、环境、医疗、保健、家居、工业、商业等相关领域。实时监测数据并对数据进行分析处理是无线传感器网络应用的主要目的。然而在实际应用中,节点收集到的原始数据并非十分准确可靠。一方面,廉价和质量较差的节点本身的资源条件比较有限,例如电池能量、记忆功能、计算能力和通信带宽等方面的限制,会导致节点收集到的数据出现不可靠的情况；另一方面,在实际应用中无线传感器网络中的节点往往被随机的部署在条件恶劣的自然环境中,这可能使得一些节点出现突发故障而导致噪声数据、错误数据、数据丢失、冗余数据等情况的出现。另外传感器节点可能面临敌人的恶意攻击,例如黑洞攻击、窃听、干扰等。因此,如何有效的确保节点数据的可靠性和准确性成为了WSN中一个迫切需要解决的问题。而异常检测技术正好为该问题的解决提供了一种有效的手段,目前已有大量的研究者提出了多种有效的WSN异常检测算法。然而由于WSN自身的资源受限以及节点所处环境的多变性,现有的异常检测算法仍存在许多有待解决的问题和改进的空间。特别地,目前绝大多数的方法都忽略了节点能量对于异常检测的影响,而将WSN的节能问题和异常检测问题作为2个独立的问题进行考虑。然而在实际中,当处于恶劣环境中的传感器节点能量趋于耗尽时,将会对节点采集到数据的准确性产生极大的影响,这就要求我们在异常检测的过程中尽量考虑网络节能的问题。对于WSN节能性问题而言,相关的研究表明了数据的传送过程会消耗节点的大部分能量,因此数据融合机制被引入到WSN的应用当中实现数据传递量的减少。为了建立有效的异常检测模型,并且考虑节点能量对于节点采集数据可靠性的影响,论文重点研究了基于压缩数据的异常检测算法,其研究成果具有较高的学术价值和广阔的应用前景。论文主要的研究内容和成果可以概括如下：(1)在WSN的实际应用中,传感器节点往往布置在恶劣环境中并且电池电量有限,因此如何有效的进行节能处理来延长节点的寿命成为了WSN应用中一个急需解决的问题。由于节点数据的传递所消耗的能量占了网络能量消耗的绝大多数,各种数据融合技术被引入到了无线传感器网络的应用当中。为了有效的实现WSN的节能目的,研究了一种基于SAX的时空压缩算法。其在基于高效的SAX数据压缩算法的基础上,充分利用了节点自身数据间的相关特性以实现冗余数据的进一步压缩结果,从而更大程度的减少了节点传递的数据量。(2)为了有效的实现网络的节能,数据融合算法被引入到了WSN的应用当中。然而目前这类算法中大多数都假设节点数据能直接从节点传送到接收端,而忽略了实际应用中对于网络拓扑结构的设定。为了能够将数据融合算法与具体的拓扑结构结合起来,提出了一种基于压缩感知算法的改进LEACH协议算法。首先对LEACH协议的簇头选择方式进行了改进使得其能够更加合理的进行簇头的选择,而在该协议的数据传输阶段,利用了压缩感知算法对原始数据进行了压缩。由于LEACH协议本身就能有效的实现网络寿命的延长,我们又利用数据融合技术对节点数据进行了压缩,这就保障了该方法能够更加有效的实现了网络节能的目的。(3)在节点电池能量快要耗尽的阶段,节点采集到的数据品质将大大降低,进而可能对后续的数据处理产生较大的影响。而目前大多数的异常检测算法往往忽略了节点能量对于数据质量的影响,并将异常检测和节能作为WSN应用中两个独立的问题进行研究。为了同时达到异常检测和节能目的,提出了一种基于压缩数据的异常检测算法。其首先利用分段聚合近似算法(PAA)对原始数据进行压缩,为了能够保障后续异常检测的准确性,我们对PAA算法进行了适当的改进以最大化保留异常信息,然后直接利用K均值分类算法对得到压缩后的数据进行异常信息的分类,同时为了保障分类结果的全局性,我们采用人工免疫算法对K均值算法进行了优化处理。由于检测过程是直接基于压缩后的数据进行的,这在一定程度上确保了整个异常检测过程的实时性。(4)错误异常和事件异常是WSN中两个不同来源的异常类型,例如噪声、节点故障等引起的错误数据就是错误异常,而火灾、水污染等自然现象则可以认为是事件异常。目前大多数的异常检测算法通常会将这两种异常类型统称为异常信息而不加以区分,这会导致原始数据中隐藏的事件信息不能得到及时的辨别。为了有效的区分错误和事件异常,提出了一种基于局部线性嵌入算法(LLE)的异常检测模型,其基于错误异常和事件异常在空间相关性表现上的不同,并利用LLE算法能够保持局部几何结构的特性,有效的实现了两种异常类别的区分。而且由于LLE算法本身是一种高效的降维算法,因此其在有效检测异常的同时,实现了网络能量的节省。