一种无线传感器网络节点事件实时预测方法技术

一种无线传感器网络节点事件实时预测方法，基于如下系统：由静止或移动的传感器节点以自组织和多跳的方式构成无线传感器网络；当无线传感器网络中某一个节点发生事件，将发生事件节点的最近m组属性向量广播给其余关心的节点，在各个节点本地刷新本节点最近m组属性向量,并与事件节点的最近m组属性向量进行相似度计算，将计算结果回传给基站，根据计算结果进行趋势判断，并发出预警，维护人员得到预警后,采取相关干预措施，避免相同事件的发生；相似度计算采用轻量级距离计算方法，以减少能耗；相似度计算特征还在于计算变化趋势，以及变化趋势之间的距离。

【技术实现步骤摘要】

本专利技术涉及无线传感器网络
，具体涉及一种无线传感器网络中根据已发生事件节点的相关信息，来实时预测潜在发生事件节点的方法。
技术介绍
无线传感器网络是由大量的静止或移动的传感器节点以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络的所有者(基站、上位机或系统主机)。这些节点采集不同的物理数据，例如森林火灾监测中的地理位置、空气的湿度、温度、气压、光强度及风向等物理指标的数值。由于被监控的对象和所处环境的复杂性，通常会导致一些节点监控对象发生事件，例如森林火灾、电梯故障、通信故障。目前，实际应用中大多采用专家系统进行事件预测，其缺点是只能预测已知明确原因的事件，对于多属性的复杂环境，显得乏力。也有基于大量历史数据进行机器学习的预测方法，但这类方法对未曾出现的事故无能为力，因为学习具有滞后性。鉴于整个无线传感器网络中的节点具有相似性，当某一个节点发生事件(为了叙述简洁，节点发生事件指的是节点所监测的对象发生事件)，该节点的信息对于其它节点具有非常重要的参考作用。本专利技术根据这一原理进行节点事件的实时预测，同时具有易于实施、计算量小、节能、预测准确率高等特色。
技术实现思路
本专利技术目的是，利用已经发生事件节点的数据，实时在其它节点进行相似度计算，得到其它节点发生相同事件的概率，以便维护人员及时采取相关干预措施，避免相同事件的发生，减少损失。本专利技术是这样实现的，一种无线传感器网络节点事件实时预测方法，基于如下系统设置：由静止或移动的传感器节点以自组织和多跳的方式构成无线传感器网络，以感知、采集、处理和传输无线传感器网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给无线传感器网络的基站；(1)每隔固定时间，每个节点向基站发送一组最新数据；(2)节点采集数据包括监测对象的n个属性；(3)节点数据采用本地存储，保存m组最近历史数据，运行时最新数据覆盖最旧数据；无线传感器网络节点事件实时预测方法，以如下步骤：当无线传感器网络中某一个节点发生事件，将发生事件节点的最近m组属性向量广播给其余关心的节点(由维护人员设定)，在各个节点本地刷新本节点最近m组属性向量,并与事件节点的最近m组属性向量进行相似度计算，将计算结果回传给基站，根据计算结果进行趋势判断，并发出预警，维护人员得到预警后,采取相关干预措施，避免相同事件的发生；相似度计算采用轻量级距离计算方法(如曼哈顿距离)，以减少能耗；相似度计算特征还在于计算变化趋势，以及变化趋势之间的距离；最终判断特征在于综合相似度距离的变化趋势，当变化趋势变小时，系统发出预警。本专利技术的思路是，当无线传感器网络中某一个节点发生事件，将发生事件的节点最近采集的数据所形成的m组属性向量广播给其余的关心节点，广播的范围可以人工设定，然后在各个节点本地刷新属性向量组,并与接收到的事件节点属性向量组进行相似度计算，将计算结果回传给基站，以便判断数据变化趋势，并发出预警。本专利技术具体包括如下步骤：(1)当无线传感器网络中某一个节点S发生了事件，立即将该节点最近的m条记录提取出来，构成如下向量矩阵： A = e 1 e 2 ... e m ]]>其中ei＝(e1,e2,…,en)，i∈[1,m]，是节点S在时刻i的所有监控数据组成的属性向量，e1是最新时刻的数据，em是最旧时刻数据。m条数据组成一个m×n的矩阵；提取m条数据而不是一条数据的原因是某些属性值的变化趋势(而不是属性值本身)对事件的预测更加重要，比如温度的急剧升高(而不是温度高)说明极有可能将要发生火灾事件，如果是一条数据则无法携带这种变化信息。(2)由于节点能源有限，一般和基站的通信时间间隔相对较长，所以系统此时需要向其余关心的节点广播数据A。(3)节点T接收到广播数据后，在节点本地进行相似度计算，每个节点本地属性向量为t＝(t1,t2,…,tn)，节点本地属性组成如下矩阵B： B = t 1 t 2 ... t m ]]>为了降低计算量，减少能耗，采取计算简单的曼哈顿距离作为相似度度量方式。距离越小表示越有可能发生相同事件。两个向量之间的距离用d表示，先对每一行进行相似度计算(n是属性的数量)：第一行相似度，第二行相似度，……第m行相似度，然后取平均值得到行距离dr：S、T之间的相似度，接着计算每列之间的变化趋势相似度，即先依次采用一元线性回归方法计算A、B每个属性的变化曲线的近似斜率，得到斜率向量KA＝(k1，k2,…,kn),KB＝(k1，k2,…,kn)，kj体现每个属性相邻两个时刻的变化趋势，再计算A、B变化趋势的距离dc： d c = Σ j = 1 n | K A j - K B j | ]]>距离越小，变化趋势越相似，表明T越有可能发生类似S的事件；(4)将(dr，dc)返回给基站；(5)一个周期后，更新本地矩阵B，再次计算，得到(dr，dc)返回给基站；(6)因为距离大小没有参照值，所以直接观察计算出来的数值并没有太大意义，由于所处环境复杂，影响因素众多，很多事件发生都是多个因素综合导致的结果，历史数据库中没有相似的数据，导致计算出一个参考的阈值也非常困难，但是观察返回值(dr，dc)的变化情况可本文档来自技高网...

【技术保护点】
一种无线传感器网络节点事件实时预测方法，基于如下系统：由静止或移动的传感器节点以自组织和多跳的方式构成无线传感器网络，以感知、采集、处理和传输无线传感器网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给无线传感器网络的基站；(1)每隔固定时间，每个节点向基站发送一组最新数据；(2)节点采集数据包括监测对象的n个属性；(3)节点数据采用本地存储，保存m组最近历史数据，运行时最新数据覆盖最旧数据；采用上述系统的预测方法以如下步骤：当无线传感器网络中某一个节点发生事件，将发生事件节点的最近m组属性向量广播给其余关心的节点，在各个节点本地刷新本节点最近m组属性向量,并与事件节点的最近m组属性向量进行相似度计算，将计算结果回传给基站，根据计算结果进行趋势判断，并发出预警，维护人员得到预警后,采取相关干预措施，避免相同事件的发生；相似度计算采用轻量级距离计算方法，以减少能耗；相似度计算特征还在于计算变化趋势，以及变化趋势之间的距离；最终判断特征在于综合相似度距离的变化趋势，当变化趋势变小时，系统发出预警。

【技术特征摘要】
1.一种无线传感器网络节点事件实时预测方法，基于如下系统：由静止或移动的传感器节点以自组织和多跳的方式构成无线传感器网络，以感知、采集、处理和传输无线传感器网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给无线传感器网络的基站；(1)每隔固定时间，每个节点向基站发送一组最新数据；(2)节点采集数据包括监测对象的n个属性；(3)节点数据采用本地存储，保存m组最近历史数据，运行时最新数据覆盖最旧数据；采用上述系统的预测方法以如下步骤：当无线传感器网络中某一个节点发生事件，将发生事件节点的最近m组属性向量广播给其余关心的节点，在各个节点本地刷新本节点最近m组属性向量,并与事件节点的最近m组属性向量进行相似度计算，将计算结果回传给基站，根据计算结果进行趋势判断，并发出预警，维护人员得到预警后,采取相关干预措施，避免相同事件的发生；相似度计算采用轻量级距离计算方法，以减少能耗；相似度计算特征还在于计算变化趋势，以及变化趋势之间的距离；最终判断特征在于综合相似度距离的变化趋势，当变化趋势变小时，系统发出预警。2.根据权利要求1所述的无线传感器网络节点事件实时预测方法，其特征是采用如下步骤：(1)当无线传感器网络中某一个节点S发生了事件，立即将该节点在监控中心最近的m条记录提取出来，构成如下向量矩阵： A = e 1 e 2 ... e m ]]>其中ei＝(e1,e2,…,en)，i∈[1,m]，是节点S在时刻i的所有监控数据组成的属性向量，e1是最新时刻的数据，em是最旧时刻数据；m条数据组成一个m×n的矩阵；(2)系统此时需要向其余所有关心的节点广播数据A；(3)...

【专利技术属性】
技术研发人员：杨坤奎，刘奇志，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32