一种基于苯环结构的WSNs故障检测算法

节点故障是无线传感器网络(WSNs)研究中的一个重要问题。由于WSNs规模大,节点能量受限,加之传感器制作工艺等方面的原因,使得节点发生故障的概率较高。针对WSNs中的节点故障问题,提出一种基于苯环结构的节点故障检测算法。该算法利用苯环结构的对称性,减少邻居节点的数目从而达到降低故障检测能耗的目的,同时延长了网络的生存周期。采用OMNeT++建立仿真环境,对算法性能进行测试。测试结果表明:该算法较其他算法具有较低的能量消耗和较高的网络连通性及可扩展性。     

无线传感器网络网内数据融合的研究

针对目前无线传感器网络(WSNs)网内数据融合所面临的一些挑战,提出了一种基于无线传感器网络分布式K-平均聚类(DKCWSNs)算法的WSNs节点传感数据的分组策略,并采用基于自适应加权的数据融合方法对分组后的感知数据进行融合处理,从而获得更合理的结果.最后,通过实例验证了该方法的有效性.     

基于核独立成分分析和聚类中值的水下传感器故障诊断

水下传感器所处环境的开放性以及其长期处于无人值守状态,极易收到环境作用而发生破坏,传统分簇式的分布式故障诊断方法无法有效对其进行故障诊断,因此,提出了一种基于核主成分分析和聚类中值的故障诊断方法。首先,设计了水下传感器节点故障诊断的模型,然后采用核主成分分析方法对节点采集的数据和来自邻居节点发送的数据进行数据降维,得到具有最小属性集的数据集,然后对节点的邻居节点集进行聚类,选出具有最多元素的聚类,并将聚类的中值作为参考数据,将各节点与其对应的参考数据进行比较从而确定节点是否发生故障,最后定义了基于核独立成分分析和聚类中值的传感器节点故障诊断算法。仿真实验证明了文中方法能有效地对水下传感器进行故障诊断,且与其它方法相比,具有误差检测率高和误检率低的优点。     

基于K-means聚类点密度的WSNs加权质心定位算法

为降低无线传感器网络(WSNs)在节点众多时算法复杂度,提高定位精度,提出一种基于K-means聚类点密度的WSNs加权质心定位算法(KCPD-WCLA).首先,对空间中随机大量布设的锚节点进行分组,利用三边测量定位法在二维平面上得到许多接近真实值的结果;然后将K-means聚类算法引入到WSNs的定位问题中,对K个聚类点密度加以考虑,利用加权质心定位算法(WCLA)得到定位结果.理论分析与仿真结果表明:计算复杂度明显降低,定位精度比多边定位算法(MLA)和WCLA有显著提高.     

一种基于遗传聚类的无线传感器网络分簇算法

针对无线传感器网络(WSNs)存在负载能量不平衡的问题,为实现传感器网络能耗均衡、最大化延长网络周期,提出一种基于遗传模糊聚类算法的WSNs分簇算法。在该算法中,用遗传算法(GA)优化模糊聚类算法,改进模糊聚类算法对初始值敏感的问题,形成节点位置的最优分簇。仿真结果表明:无论传感器节点如何分布,与FCM相比,该算法每次都收敛到最优目标函数值,每次分簇结果都相同,其分簇效果要优于FCM。     

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。     

基于加权中值的分布式传感器网络故障检测

无线传感器网络中的错误测量数据会导致网络服务质量下降和能量浪费.提出了一种通过融合邻居节点的测量数据来实现故障检测的策略.主要做了以下3项工作:(1) 提出了一种新颖的对邻居节点测量数据进行加权的方法;(2) 提出了一种衡量测量数据之间差距的方法;(3) 提出了基于加权中值的故障诊断策略WMFDS(weighted median fault detection scheme),它同时适用于二进制决策和实数测量值.理论分析及仿真结果表明,即使节点发生故障的概率很高,提出的诊断策略也能得到很高的检测精度和较小的误判率,这表明在无线传感器网络故障检测中应用该方法具有很好的性能.     

分簇式无线传感器网络节点故障诊断算法研究

无线传感器网络(WSNs)分布式节点故障诊断算法是一种可用于WSNs节点的故障诊断算法,通过整个网络内邻居节点之间的数据融合诊断出故障节点.但分布式算法的计算量十分巨大,浪费了大量的节点能源,而且分布式算法中使用自定义的全局阈值会降低诊断精度,分簇式的节点故障诊断算法应用LEACH-DFD算法,通过簇头节点完成故障检测...     

一种物联网传感器故障节点检测方法设计

采用目前算法对物联网传感器节点进行故障标定时,没有对节点信息进行聚类处理,导致算法存在虚警率高、计算复杂度高和标记范围小的问题.提出基于BDPCA聚类的物联网传感器节点故障标记算法,采用BDPCA聚类方法对物联网传感器节点信息进行聚类处理,并在聚类过程中对节点信息进行了零均值归一化处理.结合区分函数和区分矩阵在粗糙集理...     

移动锚节点定位WSNs中无标识节点算法研究

针对无线传感器网络(WSNs)无标识节点的定位问题,引入移动锚节点收集节点的接收信号强度(RSS)数据序列,利用无监督的聚类算法分析数据确定节点个数,依据锚节点运行的不同驻点,提取最强RSS信号进行圆环交叉搜索并标识覆盖网格重叠区域,再利用极大值(EM)算法筛选出可能含有未知节点的区域,最后用改进的粒子群优化(PSO)算法最终确定符合聚类个数的最优未知节点坐标.实验仿真结果表明:该算法在未知节点稀疏分布情况下,可以准确地估算未知节点个数和位置坐标.     

无线传感器网络软故障诊断算法

在无线传感器网络中,软故障节点会产生并传输错误数据,这不仅会形成错误的决策,还会消耗能量,为此,提出一种基于节省能量的故障诊断(EFD)算法。该算法利用节点感知数据的空间相似性,通过对邻点所感知的传感数据进行比较,确定检测节点状态。对于网络中存在的节点瞬时故障,该算法引用TF模型思想,避免了不必要的数据比较,减少了时间冗余的检测次数。仿真结果表明:EFD算法能够提高网络诊断精度,同时可以降低诊断过程的能量消耗。     

基于节点相似性的WSNs故障检测方法研究

针对目前多数无线传感器网络分布式故障检测的算法都以假设故障节点数据为离群值为基础,存在局限性的问题。提出一种基于节点相似度比较的无线传感器网络故障检测方法,簇头节点根据簇内节点数据的时空相关性,进行节点相似性度量,实时调整节点可信水平,并采用最优函数计算出当前实验的最优阈值(0.8)进行故障节点的判断。通过仿真实验证明:针对不同的故障模型,算法保持了良好的故障检测能力,一定程度上解决通用性问题。     

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。     

基于马尔科夫预测的多传感器故障检测与诊断机制

随着无线传感器网络应用规模的不断扩大,各类应用中传感器故障检测与诊断成为系统正常作业、安全可靠性保障的关键技术。针对多传感器系统与节点工作过程定义3种状态,基于故障检测信息建立状态转移矩阵,通过马尔科夫模型预测传感器故障信息,为故障检测与诊断提供决策依据。另外,拓展数据包信息字段包括故障类型、节点定位等,故障处理后节点转移至正常状态后将故障处理和诊断特征等信息存储到网关或者汇聚节点,为改善故障检测精度和诊断效率以及系统资源利用率提供依据。实验结果表明：所提故障检测与诊断算法与传统算法相比,具有更高的故障检测精度,更短的故障诊断时延、能够准确判断故障类型等性能。     

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。     

无线传感器网络可生存性增强技术研究概述

无线传感器网络(WSNs)应用日益广泛,增强传感器网络的生存性就显得尤为重要。从容错技术、入侵检测技术和自再生技术3个方面入手,介绍了WSNs可生存性增强技术领域的经典理论和近几年的研究成果,并探讨了WSNs可生存性技术研究的发展方向。     

无线传感器网络中基于免疫补体优化的感知资源分配算法

基于无线传感器网络资源分配的非确定多项式(NP)难特性,提出了一种基于免疫补体优化的感知资源分配算法,提高了对感知资源的检查效率。给出了问题的优化模型和实现过程。借鉴免疫补体机制,设计了分裂算子、结合算子;抗体克隆扩增时根据激励度进行,保证了解的多样性。实验结果表明:该算法目标检测成功率随着检测目标数的不同而变化,最高检出率可达92%。     

改进特征样本方法的KPCA变压器故障检测模型

针对核主元分析（KPCA）监控模型由于建模样本不纯而导致故障检测失效问题,提出基于改进特征样本方法的KPCA故障检测模型并应用于变压器故障检测中。利用特征值变化信息,设计出异常样本剔除算法以避免异常样本被选入特征样本集;采用特征样本方法提取建模样本集,建立KPCA监控模型,采用复合统计量对变压器运行状态进行检测,实验结果验证了改进特征样本算法的有效性,表明提出的方法具有较高的故障敏感性和检测效率。     

基于危险理论和DCA的WSNs入侵检测系统模型

针对无线传感器网络(WSNs)由于自身特点易于遭到入侵且传统被动的安全机制无法完全应对这一问题,对人工免疫系统(AIS)进行研究,设计一种新的入侵检测系统(IDS)模型。模型采用危险理论和适用于WSNs的改良树突状细胞算法(DCA),可使节点之间彼此分工合作共同识别入侵,加强了网络的鲁棒性。仿真结果显示:与早期的自我—非我(SNS)模型相比,研究的模型在检测能力和能耗上均有很好的表现。