一种新型WSN抗毁性评价方法及其仿真实现

从特定的以数据为中心的无线传感器网络拓扑结构出发,首先给出了无线传感器网络连通性的一个新测度—连通系数,在此基础之上给出了抗毁性测度的新定义,针对面临的两种攻击,给出了无线传感器网络抗毁性的两个新测度-容错度和抗攻击度,并对基于小世界模型的无线传感器网络抗毁性进行了抗毁性分析,仿真表明提出的评估模型更能客观,准确地评估以数据收集为中心的无线传感器网络的抗毁性。     

对无线传感器网络区域数据聚合有效性的研究

通过抽象出无线传感器网络中区域数据回传的网络模型，定量研究了区域数据聚合的节能条件，证明了先聚合再回传比直接进行数据回传所节省的相对路径长度,如果大于等于数据相关性与源节点个数的比值时，区域数据聚合一定可以节省能耗，并进一步给出了当数据聚合点在网络的不同位置，或数据的空间相关性不同时，区域数据聚合的节能条件。对于无线传感器网络的部署、路由协议的选择及评估数据聚合算法的能量有效性等，均具有一定的参考价值。     

多层传感器故障数据的挖掘模型仿真

多层传感器的故障准确定位对保证各自应用安全至关重要.多层传感器不同于传统的传感器网络,其不同层次的传感器故障的特征差异较大,不同层次传感器之间存在故障特征“断层”问题.传统的基于流数据异常特征识别的多层传感器故障数据的挖掘模型需要明确层次网络故障之间的关联特征,若传感器层次之间的故障特征关联性不强,故障挖掘的阀值就无法固定,产生故障特征无法定位问题,导致误警率较高.提出了一种基于贝叶斯信念网络的多层传感器故障数据的挖掘模型,针对多层传感器故障数据属性多样性的问题,分析了贝叶斯信念网络的结构,搜索一个最匹配待分类故障数据样本的贝叶斯信念网络,通过评估函数评估各个可能的网络结构与样本多层传感器故障数据间的契合度,采集一个最佳样本多层传感器故障数据解,通过“压缩侯选”的贝叶斯信念网络算法,计算样本多层传感器故障数据间的依赖关系,集中扫描最可能是待挖掘数据的变量集,实现故障数据的挖掘.实验结果表明,利用所提模型能够有效提高多层传感器故障数据的挖掘的准确性.     

基于集对分析的网络安全态势评估

为方便管理员更为直观地观察网络安全状况以便迅速作出应变措施,提出了基于集对分析的网络安全态势评估模型。首先对各个传感器的数据进行预处理,得到服务器和攻击的规范化数据,然后利用集对分析理论融合来自多个传感器的数据得到主机的安全态势,最后采用自下而上的层次化安全态势量化评估模型,以评估网络的整体态势。通过对DARPA 2000数据集的分析,证明集对分析比传统方法更能够对网络态势所处的级别进行明确划分,更好地得出整个网络简单的安全态势。     

无线传感器网络数据融合模型研究

无线传感器网络是一种全新的技术，能够广泛应用于恶劣环境和军事领域中。传感器网络在数据收集中，为减少冗余数据的传输耗能，降低延迟，需要采用数据融合技术。分析和介绍了传感器网络跟踪级与属性级两种融合模型结构，提出了一种基于多Agent的数据融合模型。     

基于功耗模型的无线传感器网络节点生存模式评估

作为一种能量受限网络,无线传感器网络节点能耗评估具有重要意义。分析组成无线传感器网络节点各个单元功耗与状态的关系,建立基于节点工作状态的功耗模型,提出节点生存模式评估方法。给出典型节点生存模式实验用例,在振动检测实验平台上进行相关参数测量与验证。实验数据表明：该方法优于Petri网模型,可为无线传感器网络节点节能优化提供较为可靠的依据。     

基于贝叶斯估计法的传感器目标定位研究

无线传感器网络是一种全新的信息获取和处理技术．在各个领域应用越来越广。介绍了如何运用贝叶斯法建立数据融合模型，融合传感器节点采集到的数据来计算目标的位置和速度。     

基于混合计算模型的分布式传感器网络数据收集*

首先分析了传感器网络中两种计算模型的特点;然后针对装甲集群状态监控的实际需求,提出了基于无线传感器网络的装备状态监控系统的基本结构.分析了用于前端数据收集和传输的两层传感器网络的不同特点,结合client/server和移动agent模型的优点,提出基于混合计算模型的分布式传感器网络数据收集机制,在相对独立的车载监测网络中基于client/server模型建立数据收集机制,在车载监测网络之间基于移动agent模型建立数据收集机制.     

基于多标签分类的传感器网络数据故障检测算法

传感器网络中多种数据故障会同时出现,为了同时检测出多种数据故障,使用多标签分类模型对传感器网络数据故障的检测过程进行建模.为了提高多标签分类器对数据故障的检测性能,提出了一种基于多标签ReliefF和遗传算法的特征选择算法.该方法将ReliefF扩展成可以对特征子集进行评估的多标签ReliefF,特征选择过程首先使用遗传算法搜索特征子集,然后使用多标签ReliefF对特征子集进行评估.在三个多标签分类器上的实验结果表明,提出的特征选择算法可以显著地提升多标签分类器对传感器网络数据故障的检测性能.     

多传感器管理在无线传感器网络中的应用研究

多传感器管理应用于多传感器领域，用来提高数据融合的性能及对环境的检测程度。无线传感器网络是多传感器与无线网络领域的交叉应用。文中提出了一个无线传感器网络中多传感器管理的应用模型，并进行了初步的仿真实验。实验证明了该模型的有效性。     

TinyTCSec:一种新的轻量级无线传感器网络链路加密协议

由于WSN节点的计算和存储资源非常有限,研究非传统的新型轻量级密码协议对WSN安全具有现实意义,在链路层设计实现高效的密码协议可大大减轻WSN应用程序在通信安全的处理开销.目前,WSN混沌密码已开始受到业界关注,且出现了多种加密方案,但面临一个最大的问题是缺乏有效的混沌密钥更新方法而使WSN混沌加密无法实用.在考虑引入...     

无线传感器网络数据链路层设计模型

无线传感器网络是一种与传统网络不同的、具有能量有限、自组织等特点的无线Ad Hoc网络,其网络协议的没计面临新的挑战。该文采用信息融合与多传感器管理的策略,采用UML建模工具进行分析,提出了一种无线传感器网络数据链路层设计模型,通过减少控制包的开销,优化传感器结点有效数据的传输和能量消耗等,从而使数据的传输与差错控制、能量消耗等性能得到改善。     

无线传感器网络拓扑识别算法

获取无线传感器网络(WSN)的拓扑信息对于网络规划和管理具有重要意义。针对采用数据融合机制的无线传感器网络(WSN),证明了以某一节点的父节点的数据成功传输为条件时,该节点丢包的条件概率最小;以上述结论为基础,提出了一种新的WSN拓扑识别算法,仅以端到端的测量信息作为依据,可以在不增加网络负载、无需中间节点协作的情况下,获得准确的拓扑结构。NS-2仿真结果表明了该算法的有效性。     

适用于大规模无线传感器网的流量优化系统设计

针对大规模无线传感器网络(WSN)流量随访问者数量增加而上升的问题,设计并实现了一种适用于构建大型WSN并降低系统流量的应用系统框架。系统采用IPv6和低功耗无线个域网的IPv6技术(6LoWPAN)搭建大规模WSN,使用消息队列遥测传输(MQTT)协议和针对WSN设计的消息队列遥测传输(MQTT-SN)协议在应用层搭建了连接WSN和传统互联网的发布/订阅结构。实验结果显示,当系统中存在5个传感器节点时,与受限应用协议(CoAP)构建的WSN应用系统相比,提出的系统框架的数据流量仅为前者的18%左右。这表明该系统框架可有效地控制访问者增加对WSN流量造成的影响。     

浅析WSN的网络安全管理机制

多数WSN的应用都是以节点位置信息为基础,其所监测的事件与节点的物理位置信息存在着密切的联系,若无位置信息,监测数据也就无意义,而节点的位置信息又与网络安全息息相关,因此,WSN的网络安全管理至关重要。本文简单阐述了WSN的特征与应用,分析了WSN的网络安全特征与需求,并探讨了WSN的密钥管理与安全定位两种网络安全管理机制。     

WSN节能管理平台的设计与实现

针对室内温度和照明的舒适性及节能性的要求,提出了将无线传感器网络与节能管理相结合,同时利用可视化系统辅助管理网络产生的繁多数据,设计并实现了一种无线传感器网络节能管理平台。利用各种传感器获取实际环境中的各种参数,通过有效的数据收集和数据分析方法,建立不同应用场景下的能耗模型,进而给出节能分析的预测值。实际测试表明,平台不仅能提供有效的节能预测分析、展示网络无线传感网络状态,同时也可以作为进一步研究物联网的基础平台。     

基于RS-CSA-ELM的WSN节点故障诊断

为及时发现WSN节点故障隐患,准确掌握WSN运行状态,本文利用粗糙集理论属性约简算法(简称RS)对WSN节点故障属性进行约简,以最优的故障属性决策表重构训练样本数据集,作为极限学习机(Extreme Learning Machine, ELM)神经网络的输入,建立一个数据驱动的WSN节点故障断模型.采用乌鸦搜索算法(Crow Search Algorithm, CSA)优化ELM神经网络的输入权值和隐含层阀值,改善网络参数随机生成带来的ELM模型输出不稳定、分类精度偏低的问题.通过对RS-GA-ELM模型进行仿真分析.结果表明, RS-GA-ELM模型能够在可靠性不同的数据集中,保持较高的故障诊断效率,符合WSN节点故障诊断的需求.     

DyDAP: A dynamic data aggregation scheme for privacy aware wireless sensor networks

End-to-end data aggregation, without degrading sensing accuracy, is a very relevant issue in wireless sensor networks (WSN) that can prevent network congestion to occur. Moreover, privacy management requires that anonymity and data integrity are preserved in such networks. Unfortunately, no integrated solutions have been proposed so far, able to tackle both issues in a unified and general environment. To bridge this gap, in this paper we present an approach for dynamic secure end-to-end data aggregation with privacy function, named DyDAP. It has been designed starting from a UML model that encompasses the most important building blocks of a privacy-aware WSN, including aggregation policies. Furthermore, it introduces an original aggregation algorithm that, using a discrete-time control loop, is able to dynamically handle in-network data fusion to reduce the communication load. The performance of the proposed scheme has been verified using computer simulations, showing that DyDAP avoids network congestion and therefore improves WSN estimation accuracy while, at the same time, guaranteeing anonymity and data integrity.     

WSN和计算机网的融合模型研究

针对无线传感器网与计算机网融合的基础性结构问题,在综合分析无线传感器网络和计算机网络特点的基础上,提出了互联网络、隧道网络和异构网络3种融合网络结构模型,深入研究了异构网络结构模型中采用模糊逻辑的节点移动性管理技术,并重点讨论了异构网络融合的路由模型与协议框架,最后对基于异构网络融合模型的关键技术研究进行了实验分析。     

IoTs (Internet of Things) and DfPL (Device-free Passive Localisation) in a disaster management scenario

This paper presents an overview of the potential obstacles and challenges related to research topics such as IoT, DfPL WSNs (Wireless Sensor Networks) in IoT and disaster management using WSNs. This review will analyse key aspects of deploying a DfPL WSN in IoT scenario for disaster management.In an IoT scenario the DfPL WSN is only collecting raw data that is forwarded to the Internet using a Compressed Sensing (CS) IoT framework or other solutions including data compression. Compressed Sensing (CS) refers to a method used to reduce the number of samples collected in an IoT WSN. Thus it is possible to create stand-alone applications that require fewer resources. There is no need to process the data in the WSN as this can be done in the Data Analysis Network, after the data is reconstructed. This will enable a reduced volume of data transmitted and lower power consumption for battery-operated nodes.The detection of people in a disaster scenario who are simply moving and not in the possession of a ‘tracking device’ is revolutionary. The aim here is to build upon our patent-pended technology in order to deliver a robust field-trial ready human detection system for disaster situations.