基于功能信任的无线传感器网络安全数据融合方法

针对无线传感器网络节点恶意行为和自身故障问题,将节点信任按其功能行为分为传感信任、融合信任和传递信任,提出一种基于功能信任的无线传感器网络安全数据融合方法,并利用局部相关一致性原理检测节点的传感功能行为.NS2环境下的仿真实验结果表明,该方法可以有效地避免恶意节点对数据融合结果造成的影响,提高了数据融合的安全性和可靠性,延长了网络的寿命.     

高效容错的无线传感网事件及其边界检测算法

事件检测与事件边界检测是无线传感器网络的重要应用之一,节点故障的准确检测是提高事件与事件边界检测效率的前提.然而,目前的故障检测机制对节点故障类型分析不够明晰,导致系统可能将事件边界节点误判为故障节点,且常需要传感器节点间进行频繁通信,导致网络系统容错性能和节点利用率低下,并带来额外的能耗开销.为了达到较高的检测精度与能源利用率,提出了一种新的高效容错的无线传感网事件及其边界检测算法:利用时间相关性实现无线传感器网络事件检测,利用空间相关性实现故障检测与事件边界检测;提出了节点的信息可靠度恢复机制,使得节点能够根据网络环境的变化,自动调整节点的信息可靠度.实验结果表明,即使在故障概率较高的情况下,该策略仍然具有良好的性能表现.     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

应用无线传感器网络快速定位矿井配电网故障的方法

矿井配电网处于供电网末端,是单端供电系统.针对以上特点,提出了一种应用无线传感器网络的实时在线故障定位方法.该方法利用无线节点的多跳传输行波信号,通过行波的方向和节点的位置迅速判断故障区间.根据该方案设计了由无线传感器节点、无线网关和故障处理系统等组成的故障定位系统,并针对转角和接头给出了节点摆放的一致性原则;给出了利用定向天线和增设转角处节点等有利于无线电波在矿井下传输的措施和网状-线性混合拓扑结构.     

移动无线传感器网络连通性自主恢复算法

无线传感器网络(WSNs)中关键节点故障会将网络分割成多个不连通的分区,给网络性能带来严重影响.而无线传感器网络往往布置在人工难以干预的偏僻恶劣环境中,网络连通性的自主恢复尤其重要.提出一种自主网络分区检测和连通性恢复(APDCR)策略,容忍无线传感器网络中关键节点的故障.APDCR首先基于1跳邻居和部分2跳邻居信息提出一种新的关键节点识别算法,然后给出关键节点的备用节点的选取算法和网络连通性恢复算法,最后扩展算法处理两个节点同时故障时网络不连通问题(2-APDCR).模拟实验结果表明了算法APDCR的有效性.     

基于邻居节点预状态的无线传感器网络故障诊断算法

针对无线传感器网络（WSN）故障节点率高于50%时故障检测率降低的问题,提出一种基于邻居节点预状态及邻居节点数据的无线传感器节点故障诊断算法。首先利用节点自身历史数据对节点状态进行初步预判断;然后结合节点间相似性和邻居节点的预状态对节点状态进行最终的判断;最后利用移动传感器节点将故障节点信息通过最优路径发送给基站,有效地减少了通信次数。仿真实验在100 m×100 m的方形区域内模拟WSN。实验结果表明,与传统的分布式故障诊断（DFD）算法相比,诊断精度提升了9.84个百分点,并且当节点故障率高达50%时,该算法仍能达到95%的诊断精度。在实际应用中,所提算法在提高故障诊断精度的同时,能有效地减少能量消耗、延长网络寿命。     

轻量级的无线传感器网络选择性转发攻击检测

为了抵抗无线传感器网络(WSNs)选择性转发攻击,提出一种轻量级的无线传感器网络选择性转发攻击检测方案(LSFAD).LSFAD方案通过计算并比较路径的平均丢包率和路径的正常丢包率检测选择性转发攻击路径,通过计算每个节点的平均丢包率和正常丢包率检测定位恶意链路.LSFAD方案设计简单,不需要任何监听节点,不需要任何复杂...     

WSN中入侵节点检测的节点测距方法

提出基于节点测距的无线传感器网络（WSN）入侵节点检测算法,用于检测无线传感器网络中是否存在外来的伪造节点。该算法运用节点自身的各种传感器进行节点间测距,通过综合分析测距结果保证该算法能成功检测到网络中存在的伪造节点,检测中不需要网络同步时钟和节点位置信息。该算法可适用于不同规模、不同应用的无线传感器网络。通过理论分析和仿真实验验证了该算法在无线传感器网络节点攻击检测中的有效性和可行性。     

一种无线传感器网络节点的故障检测算法

针对无线传感器网络中的数据故障问题,提出了一种新的分布式贝叶斯故障节点检测算法（DBA）。通过引入Bayesian来计算传感器节点的故障概率,利用边界节点来调整故障概率,提高故障概率的准确性,避免了大量故障节点的负面影响。最后将DBA和分布式故障检测（DFD）的性能进行了综合仿真比较。结果表明,即使在故障节点较多的情况下,DBA也能显著提高故障检测的精度。     

多传感器网络中的分布式故障检测算法

在传感器网络中,分布式故障检测算法(DFD算法)通过与所有邻居节点的传感器数据的比较判断,实现节点传感器的故障检测。但是,在故障节点聚集的网络区域,故障节点比例的上升将导致该区域的故障检测精度显著下降。针对多传感器网络,本文利用多传感器在相同区域的故障分布差异及传感器之间关联特性对DFD故障检测算法进行改进,提出适用于多传感器网络的MDFD算法,提高了故障聚集区域的检测精度。性能分析和仿真结果表明:在节点故障率高的网络中,与DFD和IDFD算法相比,MDFD提高了故障检测精度,算法适用于节点分布稀疏和传感器故障率较高的网络。     

Recover Fault Services via Complex Service-to-Node Mappings in Wireless Sensor Networks

With the motivation of seamlessly extending wireless sensor networks to the external environment, service-oriented architecture comes up as a promising solution. However, as sensor nodes are failure prone, this consequently renders the whole wireless sensor network to seriously faulty. When a particular node is faulty, the service on it should be migrated into those substitute sensor nodes that are in a normal status. Currently, two kinds of approaches exist to identify the substitute sensor nodes: the most common approach is to prepare redundancy nodes, though the involved tasks such as maintaining redundancy nodes, i.e., relocating the new node, lead to an extra burden on the wireless sensor networks. More recently, other approaches without using redundancy nodes are emerging, and they merely select the substitute nodes in a sensor node’s perspective i.e., migrating the service of faulty node to it’s nearest sensor node, though usually neglecting the requirements of the application level. Even a few work consider the need of the application level, they perform at packets granularity and don’t fit well at service granularity. In this paper, we aim to remove these limitations in the wireless sensor network with the service-oriented architecture. Instead of deploying redundancy nodes, the proposed mechanism replaces the faulty sensor node with consideration of the similarity on the application level, as well as on the sensor level. On the application level, we apply the Bloom Filter for its high efficiency and low space costs. While on the sensor level, we design an objective solution via the coefficient of a variation as an evaluation for choosing the substitute on the sensor level.     

基于β分布的无线传感器网络信誉系统

无线传感器网络有其资源受限的特点,单靠密码学和认证无法阻止网络内部的恶意或非恶意攻击以及节点的异常行为。融合了密码学、经济学、统计学、数据分析等相关领域的工具来建立可信的无线传感器网络,提出了一种无线传感器网络的信誉模型。其基本思想是网络中的各节点保存其他节点的信誉,并以此来计算其他节点的可信度。模型中引用了贝叶斯公式来表示、更新和整合信誉,设计了一个基于β分布的无线传感器网络信誉系统。     

基于时空特性的无线传感器网络节点故障诊断方法

无线传感器网络中故障节点会产生并传输错误数据,这将消耗节点的能量和带宽,同时会形成错误的决策。利用节点感知数据的空间相似性,提出了节点故障诊断的算法,通过对邻节点所感知的传感数据进行比较,从而确定检测节点的状态,并将测试状态向网络中其他相邻节点进行扩散。对于网络中存在的节点瞬时故障,通过时间冗余的检测方法,降低故障诊断的虚警率。该算法对实现故障节点的检测具有较好的性能,实验结果验证了算法的可行性和有效性。     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

无线传感器网络中节点故障诊断方法的研究

无线传感器网络中故障节点会产生并传输错误数据,这将消耗节点的能量和带宽,同时会形成错误的决策。利用节点感知数据的空间相似性,提出了节点故障诊断的算法,通过对邻节点所感知的传感数据进行比较,从而确定检测节点的状态,并将测试状态向网络中其他相邻节点进行扩散。该算法对实现故障节点的检测具有较好的性能,实验结果验证了算法的可行性和有效性。     

分布式无线传感器网络容错事件边界检测

事件监测是无线传感器网络的一种重要应用。针对该应用中软故障节点提供的错误数据会降低监测的准确性的问题,提出了一种分布式的容错事件边界检测算法。节点只需与邻节点交换一次传感数据,通过简单地计算识别故障;正常的事件节点利用统计比较的方法判断其是否处于事件边界,边界宽度可根据网络用户的要求调节。该算法执行时所需的通信量小,计算复杂度低,时延小,对大规模网络具有很好的可扩展性。仿真结果表明即使节点故障率很高,应用该算法仍可以获得很好的检测效果。     

Decentralized detection of hybrid faults in mobile sensor nodes

The widespread use of sensor nodes that are operating under the Internet of Things paradigm motivates researcher to step forward and build reliable systems capable of detecting their faulty nodes. These nodes lead to decrease in the accuracy and functionality of the networks, which finally result in quality degradation of network services. From the temporal point of view, the faults can be either permanent or intermittent. The detection of the latter one is more challenging since the nodes show contradictory behaviors at different times. from the topological point of view, the mobility of the sensor nodes is an intrinsic characteristic in many IoT-based applications, where numerous mobile nodes are managed by static overlay nodes. The dynamics of these network introduces the second challenge in identifying faulty nodes. Several works have been conducted to address the problem, but there is a research gap in identifying hybrid soft sensor faults in the aforementioned networks. The focus of attention in this paper is the detection of soft faults in the sensing unit of the nodes. We devised a new method, called Hybrid Fault Detection in Mobile Sensors, to detect nodes with mixed permanent and intermittent faults. A software debugging approach inspired the main idea. We also applied data mining techniques such as DBSCAN and K-means to validate sensed data, and differentiate the classes of faults, respectively. We evaluated the devised method using the NS2 simulator in various situations. One of the outcomes of the method is that the mobility of the nodes does not reduce the accuracy, in contrast to most of the traditional methods. Moreover, the evaluation demonstrates promising results for the networks with more than 50% faulty nodes. The results also show perfect performance in detecting permanent and intermittent faults in the networks with various percentage of faulty nodes.     

基于小波包PCA的故障传感器数据重构方法

讨论了基于小波包的多尺度主元分析方法应用于故障传感器数据重构问题。传统的基于小波包的多尺度主元分析在进行传感器故障诊断时没有建立数据重构模型,在相关传感器信号进行小波包分解的基础上,在最佳数的所有节点上建立主元分析模型,将主元分析模型的重构结果组合后再进行小波逆变换,从而实现故障传感器的数据重构。最后,利用试车台液氢供应系统的传感器数据仿真了几种典型传感器故障,并对设计模型实现数据重构的实用性和有效性进行了验证。     

基于MSPCA的传感器故障诊断与数据重构

讨论了基于多尺度主元分析的故障传感器数据重构问题。传统的多尺度主元分析方法没有建立故障传感器数据重构模型,在相关传感器信号的所有尺度上建立主元分析模型进行传感器故障诊断的基础上,将主元分析模型的重构结果组合后进行小波逆变换,设计了能够实现故障传感器数据重构的多尺度主元分析模型,从而实现故障传感器的数据重构。最后,利用试车台液氢供应系统的传感器数据仿真了几种典型传感器故障,并对设计模型实现数据重构的实用性和有效性进行了验证。