基于模糊聚类的CO2数据流时空异常模式研究*

传统的异常检测算法不能区分CO2数据流的异常类型,为了有效识别因泄漏造成CO2数据流的异常,提出了基于模糊聚类的CO2数据流时空异常模式检测算法。该算法首先利用3 规则实现自适应阈值的异常点检测,其次提取待检测滑动窗口的特征值（均值）,构建指定区间内邻居节点间的时空关系矩阵,采用模糊聚类分析相邻节点特征值的时空相关性并对其进行分类,根据分类结果确定泄漏异常概率,最后利用真实观测数据对算法进行验证并对参数的选取进行分析。实验结果表明该算法能有效的识别因泄漏造成的事件异常,具有较高的检测率和较低的误警率。     

基于多相关性的传感数据离群点检测与处理

针对传感数据中离群点造成结果精确度低的问题,设计了一种基于局部异常检测方法的改进离群数据检测算法。利用节点数据的时空相关性建立了时空变化因子模型,对局部异常检测算法中距离计算进行改进,使弥散数据更加密集,提高检测精确性。此外,还利用了不同数据间的属性相关性构建了一个线性回归模型,用于处理误差数据。为了验证算法的可行性,选用多个数据集进行对比测试。实验结果表明,该算法能够在实现高检测精度的前提下,将虚警率控制在较低水平。     

无线传感器网络中基于空间关联性的聚类异常检测算法

针对无线传感器网络节点定位场景中的环境变化、障碍物及传感器节点失效等异常问题, 提出了一种基于空间关联性的聚类异常检测算法（ODCASC算法）。该算法通过聚类技术完成节点的异常数据判断, 同时还利用邻居节点间感知数据的空间关联性过滤噪声数据, 提取异常事件信息, 辅助系统决策。室内实测结果显示, ODCASC算法弥补了时空关联检测算法的不足, 可以有效地检测并区分网络中的环境噪声及异常事件。     

管道泄漏监测传感器网络的路由路径算法研究

分析管道流量泄漏监测的传感器网络特点,对传感器节点数据流量进行建模分析,如何保障在线监测网络设施的可用性,而链路通信质量随时空变化很大,并且有5%到15%的非对称链路存在。链路层服务不但可以发现邻居传感器节点,测量和预测邻居节点间的链路通信质量,而且还能提供链路数据转发机制减轻单向链路对其他协议的影响。为了提高路由路径的可靠性和减少能量损耗,利用链路层服务和分布式算法,为每个传感器节点建立到汇聚节点的最可靠路由路径,理论分析该算法的性能,在模拟器TOSSIM上进行仿真,实验结果表明基于链路层服务的最可靠路由路径建立算法,可充分利用单向链路建立更可靠的路由路径,有多于17%的节点建立更可靠的路由路径,路由路径的可靠性提高2%到51%。     

无线传感器网络中基于链路层服务的最可靠路由路径建立算法

无线传感器网络中, 链路通信质量随时空变化很大, 并且有5\%到15\%的非对称链路存在. 链路层服务不但可以发现邻居传感器节点, 测量和预测邻居节点间的链路通信质量, 而且还能提供链路数据转发机制减轻单向链路对其他协议的影响. 为了进一步提高路由路径的可靠性和减少能量损耗, 本文利用链路层服务, 采用分布式算法, 为每个传感器节点建立了到汇聚节点的最可靠路由路径, 并理论分析该算法的性能, 最后在无线传感器网络模拟器TOSSIM上进行了模拟. 实验结果表明, 基于链路层服务的最可靠路由路径建立算法, 可充分利用单向链路建立更可靠的路由路径, 有多于17\%的节点建立了更可靠的路由路径, 路由路径的可靠性提高了2\%到51\%.     

一种能量高效的WSN近似数据收集算法

为降低能耗和最大化网络生存期,论文提出了在一定误差范围内的高效近似数据收集算法。首先利用节点感知数据的时间相关性生成局部估计模型,然后根据节点间估计数据的空间相关性进行分簇,在簇首进行相关性检测,动态调整簇结构,并将簇首的模型参数上传给SINK节点,最后在SINK节点进行全局近似数据收集。仿真结果表明,该算法能充分利用节点数据的时空相关性去除冗余数据,在给定误差界限内能显著降低通信成本。     

基于GABP-KF的WSN数据漂移盲校准算法

针对无线传感器网络节点容易产生数据漂移的问题,提出了一种新型的跟踪和校准节点数据流漂移的算法。首先使用基于遗传算法优化的BP神经网络对目标节点和其邻居节点间的时空相关性进行建模,以获得目标节点的预测值,再使用卡尔曼滤波器跟踪和校准该节点的数据漂移。针对不同的真实数据集进行仿真实验显示,该方法相较于其他对比方法模型预测精度更高,漂移校准性能更好。实验结果表明,该算法可以精确地校准传感器节点的数据漂移,提高节点数据的可靠性。     

一种基于相关性的分布式异常检测算法

提出了一种传感器网络异常检测算法,与传统的基于相邻节点数据对比的检测算法不同,该算法首先在节点内分析数据的时间相关性,仅在发生异常时,上传至簇头节点,分析空间相关性;对于不确定的异常数据,在相邻分簇内,计算数据的相关性.还给出了采用直方图计算均值和分析相关性的方法.实验表明,该算法减少了通信量,提高了异常检测的准确率.     

基于簇的分布式传感器故障检测算法

针对大规模无线传感器网络(WSN)中故障检测准确率降低,并产生较大通信负载的问题,根据传感器节点的时空相关性特点,提出一种基于簇的分布式传感器故障检测算法。通过邻居节点间的数据交换和互相测试检测簇首节点,并以正常簇首节点作为参照诊断故障节点。性能分析与实验结果表明,在大规模WSN中,该算法具有良好的故障检测能力和较低的通信负载,在邻居节点数较少、节点故障率较高的情况下,能达到98%以上的故障检测准确率,并保持较低的能耗水平。     

无线传感器网络中基于模式频繁度的异常检测方法

传感器网络的异常数据检测对于相关应用具有非常重要的意义。针对异常数据问题,提出了一种基于数据变化模式和数据空间相关性的无线传感器网络分布式异常数据检测方法。该方法首先为数据创建一个分布模型,即将数据变化模式映射到某个特征空间的分区中,确定非频繁分区,再通过判定数据是否落在非频繁分区来筛选出潜在异常值,最后根据邻居节点数据的空间相关性对异常值产生的原因进行判定。实验结果表明,该方法在避免较高运算复杂度的同时,能够有效地检测并区分网络中的错误数据与异常事件。     

A remote sensing ship recognition method based on dynamic probability generative model

Aiming at detecting sea targets reliably and timely, a novel ship recognition method using optical remote sensing data based on dynamic probability generative model is presented. First, with the visual saliency detection method, prior shape information of target objects in put images which is used to describe the initial curve adaptively is extracted, and an improved Chan–Vese (CV) model based on entropy and local neighborhood information is utilized for image segmentation. Second, based on rough set theory, the common discernibility degree is used to compute the significance weight of each candidate feature and select valid recognition features automatically. Finally, for each node, its neighbor nodes are sorted by their ε-neighborhood distances to the node. Using the classes of the selected nodes from top of sorted neighbor nodes list, a dynamic probability generative model is built to recognize ships in data from optical remote sensing system. Experimental results on real data show that the proposed approach can get better classification rates at a higher speed than the k-nearest neighbor (KNN), support vector machines (SVM) and traditional hierarchical discriminant regression (HDR) method.     

基于蚁群的无线传感网最大化生存时间路由

为提高无线传感网的生存时间,对基于蚁群算法的最大化生存时间路由(MLRAC)进行了研究。该路由利用链路能耗模型和节点发送数据概率,计算一个数据收集周期内节点总能耗。同时考虑节点初始能量,建立了最大化生存时间路由的最优模型。为求解该最优模型,在经典蚁群算法的基础上,提出修正的蚁群算法。该算法采用新的邻居节点转发概率公式、信息素更新公式和分组探测方法,经过一定的迭代计算获得网络生存时间的最优值和每个节点的最优发送数据概率。最后,Sink节点洪泛通知网络中所有节点。节点根据接收到的最优概率,选择数据分组未经过的邻居节点发送数据。仿真实验表明,经过一定时间的迭代,MLRAC的生存时间可以收敛到最优值。该算法能延长网络生存时间,在一定的条件下,MLRAC算法比PEDAP、LET、Ratio-w、Sum-w等算法更优。     

基于分层的河流水下传感器网络路由算法

为了获取传感器节点的实时位置,在河流水下传感器网络(UWSN)的独特环境中,采用流体力学的方法对河流水下传感器网络进行建模,模拟真实河流环境下传感器节点的运动规律。为了研究河流水下无线传感器网络数据传输的问题,提出了一种河流环境下基于分层的路由算法(RALM)。每个节点根据收到Sink广播的速度信息周期性地计算并更新各自的拓扑信息,数据待发送节点优先选择当前剩余能量最多的上一层的邻居节点进行数据转发,若上层无邻居节点,则转发给剩余能量最多的同层邻居节点。仿真实验表明,所提算法在网络的冗余度和丢包率上都要优于基于深度的路由算法(DBR)和基于分层的水下传感器网络路由协议(Layered-DBR),网络生存周期分别提高了71%和45%。     

短波地空网中一种动态TDMA协议设计与仿真*

针对传统TDMA网络节点间业务量不均匀时,会造成信道资源严重浪费的问题,设计了一种基于邻居时隙调动的短波地空网动态TDMA协议(TDMA protocol based on neighbour timeslot remove,NTR-TDMA),以可靠性较高的地面节点作为控制中心,实现时隙分配可控下的动态利用。提出了邻居时隙调动算法(neighbour timeslot remove algorithm,NTR-ALG),地面节点根据时隙估计过程后生成的节点时隙请求数,调动相邻业务时隙节点间的空闲时隙,重新划分节点业务时隙界限。利用OPNET平台进行性能仿真,并与HFTP协议和TDMA协议作了对比分析。仿真结果表明,NTR-TDMA相比HFTP协议和TDMA协议,在消息投递率、平均时延和吞吐量方面具有更优异的性能。     

基于服务评价管理的自组织网络数据共享机制

为了解决移动自组织网络中路由路径必须至少有一条完整路径的限制,以及数据信息的安全和共享,节点存储负载等问题,提出了基于节点疏密度的动态路由算法。并对网络中的缓存资源提出了基于服务评价管理的共享机制,使网络在节点疏密度不同时,仍然能够提供安全、优质的服务。在该机制中,当移动节点发送通信申请时,对网络中的邻域节点所持有的信息进行考核,满足通信条件的节点信息进行交互,服务结束后,参与节点对其服务进行评价,并将数据和服务评价存储于邻域节点;当节点疏密度降低时,发送代理缓存请求给就近节点,就近节点作为代理节点提供相应的数据服务;对缓存资源中服务评价低于用户安全需求的数据信息进行更新删除。该机制有效地提高了移动自组织网络的数据安全性和网络健壮性,减少了带宽通信和数据存储空间的压力。     

应用粒子群优化分配WSN多目标跟踪节点任务

针对WSN多目标跟踪时传感器节点任务分配竞争冲突问题,提出一种基于最近邻的离散粒子群优化节点跟踪任务分配算法.通过构建多目标多传感器节点联盟协同跟踪任务分配问题的数学模型和目标函数,采用最近邻法对粒子群节点任务分配进行初始化,以目标函数作为适应值函数指引粒子飞行,快速实现节点优化分配.实验表明:在节点覆盖较稀疏情况下,粒子群优化节点任务分配方法与最近邻方法相比,能耗大大减少,并能有效解决多目标跟踪节点任务分配冲突问题和多个监测联盟对传感器资源竞争冲突时系统能耗增加的问题.PSO算法对于实际环境的WSN多目标跟踪具有优越性.     

基于信任机制的无线传感器网络可靠传输路由协议

在无线传感器网络中,针对异常事件监测时会出现大量数据发送引起网络拥塞、数据包无法可靠传输的问题,提出一种基于信任机制的可靠传输路由协议（RTRPT）。该协议提出了梯度分簇模型以选取簇头节点。在无异常事件发生时,通过转发能量阈值找出传输数据的邻居节点,进行数据传输。同时对这些节点进行转发概率与历史信任度计算得到直接信任度,再通过这些节点交互间接评价得到间接信任度。将直接信任度、间接信任度、距离度量和剩余能量作为评价指标,量化后通过熵权法得到邻居节点的综合信任。在异常事件发生时,节点仅需选择综合信任度最大的邻居节点作为转发节点,建立路由路径。使用OMNeT++进行仿真验证,RTRPT与TSRP、ESRT相比,在传输大量数据包时节点丢包率分别降低69.4%、52.7%;节点传输延迟分别降低53.6%、34.8%;网络生命周期分别延长32.5%、15.7%。仿真结果表明,RTRPT能有效减少丢包、降低传输延迟、延长生命周期。     

融合聚集系数的链接预测方法

许多基于网络结构信息的链接预测算法利用节点的聚集程度评估节点间的相似性,进而执行链接预测;然而,该类算法只注重网络中节点的聚集系数,没有考虑预测节点与共同邻居节点之间的链接聚集系数对节点间相似性的影响。针对上述问题,提出了一种融合节点聚集系数和非对称链接聚集系数的链接预测算法。首先,计算共同邻居节点的聚集系数,并利用共同邻居节点对应的两个非对称链接聚集系数计算该预测节点的平均链接聚集系数;然后,基于Dempster-Shafer证据理论将两种聚集系数进行融合生成一个综合性度量指标,并将该指标应用于中间概率模型（IMP）,得到一个新的节点相似性指标（IMP_DS）。在9个网络数据上的实验结果表明,该算法的受试者工作特征（ROC）的曲线下方面积（AUC）与精度值（Precision）优于共同邻居（CN）、Adamic-Adar（AA）、资源分配（RA）指标和基于共同邻居的中间概率模型（IMP_CN）。     

移动社会网络中基于多维上下文匹配的数据转发算法

通过研究移动社会网络中的多种上下文信息对节点移动模式的影响,提出了基于多维上下文认知的数据转发算法MCMF。该算法综合考虑物理邻接性、社会相似性以及社会交互性3个维度的上下文信息来进行动态数据转发决策。首先消息携带者节点通过物理邻接匹配获得邻居节点集合;然后通过社会相似性匹配在邻居节点集合中选出候选节点子集,并基于社会网络的社群特征,采用马尔可夫预测方法在候选节点子集中选出最优中继节点;最后设计高效的数据转发算法。仿真实验表明,相比于其他3种著名算法,该算法在交付比率和开销比率方面具有较好的性能。     

航空集群网络可靠性估计路由选择策略

针对未来航空集群网络中节点间通信可靠性保障问题,提出一种基于移动预测的链路可靠性估计路由选择策略。首先,使用基于地理位置的移动预测方法对邻居节点的位置进行准确预测。其次,根据预测结果对当前节点的通信范围进行分区,对不同邻居节点所在区域的链路可靠性分别估计得到相应的可靠性估计函数值。根据得到的可靠性函数值使用概率选择模型并结合跳数因子进行路由选择。最后,以优化链路状态路由协议（Optimized Link State Routing protocol,OLSR）为基础对路由选择策略细节进行描述,并仿真验证了提出的路由选择策略的有效性。实验结果表明,该策略在适用于航空集群网络的基础上,能有效提高网络中节点间通信的可靠性。