基于物联网的通信网络节点检测方法

在由多种不同类型异常节点组成的复杂通信网络环境中,节点检测难度较大,导致检测正确率下降,所以引入物联网技术,开展对通信网络节点检测方法的研究。利用物联网技术界定通信网络覆盖范围,对确定通信网络环境中各个节点的状态识别,确定每个节点状态。根据节点状态提取正常节点与异常节点特征,检测出通信网络正常节点与异常节点,实现通信网络节点检测。实验结果表明,新的检测方法在由多种不同类型节点组成的复杂通信网络环境中具备极高的检测精度,在检测准确率、节点特征提取正确率和检测耗时上都具备显著优势。     

基于深度学习网络的红外网络节点异常状态识别研究

为准确识别红外网络节点状态,提出了基于深度学习网络的红外网络节点异常状态识别方法。利用红外网络节点采集模块采集节点状态数据,确定可视层与隐含层神经元数量,利用贪婪算法训练过程重构训练样本,通过微调过程优化深度置信网络,完成深度置信网络训练,提取红外网络节点状态数据特征,将状态数据特征作为球心,计算识别红外网络节点状态数据同球心的半径,根据结果是否异常状态。仿真测试结果,本文方法可有效识别红外网络节点异常状态,红外网络节点异常状态识别精度高。     

基于光纤光栅的T形节点结构损伤识别

T形加强筋是船体主要强度件,介绍了T形节点结构在船体结构稳定性上的关键作用;分析了光纤光栅传感器的独特优点,推导了光纤光栅应变传感原理;根据T形节点结构特点,搭建了一套基于光纤光栅应变传感网络的结构损伤识别系统;构建了T形节点结构的两种不同损伤状态,运用不同载荷作用下结构应变值变化趋势直接判断了损伤存在性和损伤位置;对传感网络的应变值进行归一化处理,结合支持向量机算法识别了T形节点结构的损伤程度,其最大识别偏差为3.43%;实验结果表明光纤光栅传感网络在大型复杂结构健康监测中具有广泛的应用前景。     

光纤传感网络入侵活跃节点高精度定位研究

由于当前已有定位方法未能对光纤传感网络信号进行去噪处理,导致定位结果不理想,时间复杂度增加,网络覆盖率降低。提出一种光纤传感网络入侵活跃节点高精度定位方法,首先利用常规的分解尺度选择方法,从指标融合原理和统计两个角度出发选取评价指标,根据指数函数对融合指标进行拟合,结合改进的阈值和阈值函数,进行光纤传感网络信号去噪。然后,提取不同入侵活跃节点类型的多路信号特征,并对特征矢量进行分类,融合多路信号的时空信息,完成入侵活跃节点高精度定位。实验结果表明,所提方法的节点定位覆盖率达到了98.5%,耗费时间保持在0.25 s以内,定位精度在95%左右。     

一种基于节点实时流量的异常检测算法

针对无线传感器节点缺乏移动性和可预知的流量模式等特征,从而难以在传感器网络中进行异常检测的问题,该文提出了一种基于节点的实时异常检测算法.根据节点流量的到达过程,提出了一种新的节点流量到达模型,根据多层次的滑动窗口事件存储原理,将动态统计值进行短时间的保持,对不同时间段的到达过程指标进行比较,包括节点的可计算资源,低复杂度,融合特性等,以此来判别流量到达过程是否发生异常,从而对传感器网络进行有效的异常检测.     

多源信息融合的光纤传感网络异常行为检测研究

为降低光纤传感网络异常行为检测偏差,提出了基于多源信息融合的光纤传感网络异常行为检测方法.首先分析光纤传感网络异常行为检测原理,并采集光纤传感网络异常行为的多源信息,然后采用神经网络对光纤传感网络异常行为的多源信息进行学习,拟合光纤传感网络异常行为变化特点,设计光纤传感网络异常行为检测的分类器,最后采用VC++编程实现...     

基于盲均衡算法的网络大数据异常节点检测

网络大数据具有复杂性、多样性,其在流动期间容易出现异常节点。工作人员需采用智能性能检测的方式,才能减少网络故障问题的发生。相关部门基于网络大数据提出了异常节点的检测方法,采用传感序列采集模型,应用盲均衡算法提取网络环境中的噪声均值,以展现网络大数据异常节点的特征。基于此,文中结合实际,简要分析了盲均衡算法,阐述了基于盲均衡算法的网络大数据异常节点检测方法,以期为相关部门的工作提供支持。     

基于分层的层内无线传感网络数据融合

无线传感网络数据融合能够有效减少传感节点的数据通信量,减少节点的能量消耗,延长了网络的寿命。本文提出了节点分层算法,在层内传感节点加入了具体的数据融合算法,利用拉依达准则对节点收到的数据进行异常数据检测,在上层节点利用主成分分析对剩余数据进行数据融合。通过仿真实验得出该算法数据融合结果准确率好。     

基于灰色关联聚类的光纤传感网络异常数据隔离方法

为解决光纤传感网络异常传输数据影响信号安全传输的问题,提出基于灰色关联聚类的光纤传感网络异常数据隔离方法.构建光纤传感网络传输中异常断点数据采样模型,在采样模型基础上提取光纤传感网络传输中大数据异常谱特征,最后基于灰色关联聚类方法优化的光纤传感网络传输中异常数据隔离算法,实现对异常数据的有效隔离.实验结果表明,所设计的...     

无线通信网络异常节点分段定位方法研究

为解决现有网络异常节点定位方法准确率低的问题,研究无线通信网络异常节点分段定位方法。首先设定采样时间间隔,提取无线通信网络的节点数据;其次监视网络性能,实时更新信息库数据,设定异常行为临界值;然后计算异常节点的异常度以及异常节点到邻近节点的Pearson相关系数,确定无线通信网络异常节点属性特征;最后构建异常节点分段定位模型,获取参考点到异常节点的距离,在逐次迭代后得到最终的分段定位结果。经实验论证分析,文章方法总体准确率均在90%以上,分段定位中估计的坐标平均误差值均在0.20以下,证明本文方法准确率高,分段定位效果较好,具有可行性。     

光纤传感信号的模糊神经网络处理研究

为精准识别处理光纤传感振动信号、实现通信线路异常实时报警,提出了基于模糊神经网络的光纤传感信号处理方法,通过光纤传感采集异常事件振动信号,运用小波包分解对振动信号实施降噪处理,并提取到振动信号的低频与高频特征向量,对振动信号特征向量进行量化处理,将其作为输入,构建基于概率的模糊神经网络分类器,完成对光纤传感振动信号的处...     

无线传感网络坏点识别研究与应用

无线传感器网络中各传感器节点通过自组织的方式构成,协作地实时监测、感知和采集各种环境或监测对象的信息,一旦某个节点损坏或者被窃取,那么将可能影响整个网络并在网络中传递错误信息。该文针对区域监控网络中单跳网络损坏节点的检测问题,以图论分析为基础,采用特别的网络模型对无线传感网络加以描述,以基站产生虚拟报警机制和特殊报警源求因算法来定位损坏节点,以网络覆盖性能和损坏节点检测率作为算法性能评估标准。实验结果表明:基于二分图的损坏节点识别算法能很好地检测并剔除损坏节点,从而保证无线传感器网络正常工作。     

一种新型光纤光栅无线传感网络及路由设计

传统的光纤光栅传感网络具有灵活性低、移动性差等缺点.文章作者构建了一种新型的光纤光栅无线传感网络,该网络融合了无线通信和光纤光栅传感的优点.同时还设计了节点结构,并根据实际应用场景提出了该传感网络的路由协议--RT(路由选择表)协议.在NS2(Network Simulator)中,从分组投递率、时延和能耗等3方面与Flooding协议进行了比较分析,结果显示RT协议更适合该新型传感网络.     

基于卡尔曼滤波器的网络异常检测

通过分析网络异常所引起的网络设备参数变化的特点,对传统的卡尔曼滤波器进行了相应的改进,以时间序列预测方法中的指数平滑的方式对卡尔曼滤波器的噪声系数进行了自适应的调整与改进。并且基于改进后的卡尔曼滤波器,提出了一种自适应的单节点异常检测模型与多节点异常监控模型,这两种模型能够对网络中的单个节点或者多个节点的关键参数进行检测,且具有较低的复杂度以及良好的实时性。     

无线传感器网络中基于压缩感知和GM(1,1)的异常检测方案

针对现有的异常事件检测算法准确率低和能量开销较大等问题,该文提出一种基于压缩感知(CS)和GM(1,1) 的异常事件检测方案。首先,基于分簇的思想将传感器节点的数据进行压缩采样后传输至Sink,针对传感器网络中数据稀疏度未知的特点,提出一种基于步长自适应的块稀疏信号重构算法。然后,Sink基于CM(1,1)对节点发生的异常进行预测,并对节点的工作状态进行自适应调整。仿真实验结果表明,相比于其它异常检测算法,该算法的误警率和漏检率较低,在保证异常事件检测可靠性的同时,有效地节省了节点能量。     

一种新的无线传感器网络中异常节点检测定位算法

无线传感器网络中异常节点检测是确保网络数据准确性和可靠性的关键步骤。基于图信号处理理论,该文提出了一种新的无线传感器网络异常节点检测定位算法。新算法首先对网络建立图信号模型,然后基于节点域-图频域联合分析的方法,实现异常节点的检测和定位。具体而言,第1步是利用高通图滤波器提取网络信号的高频分量。第2步首先将网络划分为多个子图,然后筛选出子图输出信号的特定频率分量。第3步对筛选出的子图信号进行阈值判断从而定位疑似异常的子图中心节点。最后通过比较各子图的节点集合和疑似异常节点集合,检测并定位出网络中的异常节点。实验仿真表明,与已有的无线传感器网络中异常检测方法相比,新算法不仅有着较高的异常检测概率,而且异常节点的定位率也较高。     

光纤传感网络空间中攻击节点捕获方法研究

为了更准确地捕获网络空间中的攻击节点，提出一种光纤传感网络空间中攻击节点捕获方法。首先利用传感电路以及信号采集模块实时采集扰动信号，采用级联离散小波变换方法对信号实施去噪处理。然后通过基站向网内节点发送测试数据包，要求将数据包转发至邻居节点，并监视处理转发过程。节点对比基站和邻居节点发送的数据包，对邻居节点的可疑性进行投票。基站根据节点投票结果判断攻击节点，完成对空间中攻击节点的捕获。测试结果表明：该方法能够更准确地捕获光纤传感网络空间中的攻击节点，且能量消耗较低。     

无线传感器网络中的定位异常检测

在无线传感器网络中位置信息有着重要应用,但是定位过程容易受到恶意攻击者的攻击或环境因素的干扰。为了增加节点定位的安全性。本文提出一种基于节点部署模型的检测方法用来提高定位的安全性能,该方法独立于节点定位过程,根据节点位置的邻居发现和部署知识的一致性判断节点位置是否异常。在具体的异常判断过程中使用一种由马氏距离定义差异矩阵作为比较工具。最后通过Matlab仿真实验分别从检测率,错误警报率两个方面评估验证了该方法的正确性。     

一种检测被捕获节点的基于异常的算法研究

无线传感器网络在许多应用场合里需要采集较敏感的数据,因此安全问题至关重要。一旦传感器节点被捕获,且没有采取相应措施,节点的密钥信息易被泄露,攻击者完全可伪装成这些节点,向网络任意注入错误的信息,由此导致网络的安全性能急剧下降。提出了针对被捕获节点的一种基于异常的入侵检测算法,能有效识别无线传感器网络的被捕获节点。算法对传感器节点间关系进行抽象,采用传感器网络的事件驱动特性来确定某节点在固定时间间隔内是否在发生数据包,基站通过检测可疑节点的数据包发送时间的差异来加以确认。算法不依赖于任何被捕获节点如何行动和密谋的假设,能识别出偏离正常行为值的最大多数被捕获节点,而不会出现"假肯定"。     

基于状态转移网络的汽车螺栓拧紧过程异常检测

针对汽车螺栓拧紧异常检测系统检测效率低、特征提取困难的问题,本文提出了一种基于状态转移网络的异常检测方法.本文扩展了可见图方法来研究合格与不合格汽车螺栓拧紧过程的时间序列,利用可见图来捕获时间序列重构后的局部状态,并将捕获后的局部状态作为节点,构造形成状态转移网络.在这种状态转移网络中,一个节点被定义为时间序列中5个连续数据点的状态,如果两个节点连续,则其之间存在一个有向边.该方法能够识别合格时间序列和不合格时间序列的动态特性差异.特别是,本文发现5组合格时间序列在节点度分布、重要自连边节点的强度以及模体的出现上有显著的共性,而5组不合格时间序列则没有这种共性.该方法可为汽车螺栓拧紧过程异常检测的发展提供指导.