基于残差比较的无线传感器网络异常节点检测与定位方法技术

本发明专利技术公开了一种基于残差比较的无线传感器网络异常节点检测与定位方法，其根据传感器节点与除其自身外的每个传感器节点之间的欧氏距离进行连边；根据所有传感器节点采集的数据获取图信号矩阵；根据传感器节点距离及通过图信号矩阵获得的传感器节点相关系数构建图信号模型，并计算图信号模型的网络拓扑结构；利用图高通滤波器对图信号矩阵进行处理，得到输出信号；根据输出信号计算当前数据的时域残差和空域残差；根据时域残差和空域残差判定无线传感器网络中是否存在异常节点；在存在异常节点的情况下根据残差值找出变化点，以变化点为基准实现异常节点定位；优点是能检测出是否存在异常节点并能确定异常节点的位置，计算效率高。算效率高。算效率高。

【技术实现步骤摘要】
基于残差比较的无线传感器网络异常节点检测与定位方法


[0001]本专利技术涉及一种无线传感器网络技术，尤其是涉及一种基于残差比较的无线传感器网络异常节点检测与定位方法。

技术介绍

[0002]无线传感器网络是由大量传感器节点构成的多跳网络，并且不同传感器节点之间可以相互进行通信。伴随着无线通信和电子技术的快速发展，无线传感器网络已广泛应用到环境监测、目标追踪和军事战场监视等许多重要领域。然而，传感器节点自身安全性较低、储能有限，且其所处检测环境复杂，并无人看护，使得传感器节点常常因为自身因素如自身质量不佳、安全性较低或者外界因素如检测环境复杂等可能会发生异常情况，发生异常情况的传感器节点称为异常节点。异常节点会影响其采集的数据本身的真实性和稳定性，产生异常数据。如果在分析数据的过程中没有将异常数据区分出来，那么可能会导致做出错误的决策。这就需要检测出异常节点，但是直接检测出异常节点是非常困难的，可以通过分析传感器节点采集的数据来检测出异常节点。
[0003]目前，通过分析传感器节点采集的数据来检测出异常节点的方法有许多类型。如：基于统计学的方法，该方法检测率较高，但是需要相应的先验知识建立统计概率模型，然而在许多实际情况中，传感器节点分布的先验知识很难获得。又如：2014年，文献Discrete Signal Processing on Graphs:Frequency Analysis(图上的离散信号处理：频率分析)中提出的图频域方法，通过图高通滤波器提取高频分量来检测异常节点，但是该方法只能检测出无线传感器网络中是否包含异常节点，并不能确定出异常节点所在位置。再如：2018年，蒋俊正、杨杰等在电子与信息学报中发表的文章《一种新的无线传感器网络中异常节点检测定位算法》，其中提出了一种基于局部子图处理和节点域
‑
图频域联合分析的方法，该方法将图模型划分成多个子图，再通过高通滤波器、图傅里叶变换及图傅里叶逆变换操作后，判断出疑似异常节点，将疑似异常节点与子图进行匹配，最终得到异常节点的位置，该方法可以检测并且定位，但是使用的图傅里叶变换及图傅里叶逆变换操作，大大降低了计算效率。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种基于残差比较的无线传感器网络异常节点检测与定位方法，其能够检测出无线传感器网络中是否存在异常节点并且能够进一步准确确定异常节点的位置，其计算效率高。
[0005]本专利技术解决上述技术问题所采用的技术方案为：一种基于残差比较的无线传感器网络异常节点检测与定位方法，其特征在于包括以下步骤：
[0006]步骤1：将待异常节点检测并定位的无线传感器网络定义为当前无线传感器网络，设定当前无线传感器网络具有N个传感器节点；其中，N≥6；
[0007]步骤2：针对当前无线传感器网络中的任一个传感器节点，将其作为当前传感器节
点，首先计算当前传感器节点与除其自身外的每个传感器节点之间的欧氏距离，然后将当前传感器节点相关的N
‑
1个欧氏距离从小到大排序，找出前K个欧氏距离对应的K个传感器节点，再在当前传感器节点与找出的每个传感器节点之间连接一条边；其中，K的值在区间[5,10]内取值，K＜N；
[0008]使当前无线传感器网络中的每个传感器节点采集Time个时刻的数据；然后获取当前无线传感器网络的图信号矩阵，记为F，F＝[f1,
…
,f
t
,
…
f
Time
‑1,f
Time
]；其中，Time表示每个传感器节点采集数据的总时刻数，Time＞5，F的维数为N
×
Time，f1、f
t
、f
Time
‑1、f
Time
的维数为N
×
1，f1表示N个传感器节点在第1个时刻采集的数据构成的列向量，f
t
表示N个传感器节点在第t个时刻采集的数据构成的列向量，f
t
(1)表示第1个传感器节点在第t个时刻采集的数据，f
t
(i)表示第i个传感器节点在第t个时刻采集的数据，f
t
(N)表示第N个传感器节点在第t个时刻采集的数据，f
Time
‑1表示N个传感器节点在第Time
‑
1个时刻采集的数据构成的列向量，f
Time
表示N个传感器节点在第Time个时刻采集的数据构成的列向量，1≤t≤Time；
[0009]步骤3：构建当前无线传感器网络的图信号模型，描述为：G＝(V,E,W)；其中，G表示当前无线传感器网络的图信号模型，V表示N个传感器节点构成的维数为1
×
N的行向量，V＝[v1,v2,
…
v
n
,
…
,v
N
]，v1,v2,
…
v
n
,
…
,v
N
对应表示第1个传感器节点、第2个传感器节点、
…
、第n个传感器节点、
…
、第N个传感器节点，1≤n≤N，E为维数为N
×
N的矩阵，e
1,1
、e
1,j
、e
1,N
、e
i,1
、e
i,j
、e
i,N
、e
N,1
、e
N,j
、e
N,N
对应表示E中第1行第1列的元素、E中第1行第j列的元素、E中第1行第N列的元素、E中第i行第1列的元素、E中第i行第j列的元素、E中第i行第N列的元素、E中第N行第1列的元素、E中第N行第j列的元素、E中第N行第N列的元素，e
i,j
的值为0或1，当第i个传感器节点与第j个传感器节点之间不存在边时令e
i,j
＝0，当第i个传感器节点与第j个传感器节点之间存在边时令e
i,j
＝1，1≤i≤N，1≤j≤N，W为维数为N
×
N的权重矩阵，w
1,1
、w
1,j
、w
1,N
、w
i,1
、w
i,j
、w
i,N
、w
N,1
、w
N,j
、w
N,N
对应表示W中第1行第1列的元素、W中第1行第j列的元素、W中第1行第N列的元素、W中第i行第1列的元素、W中第i行第j列的元素、W中第i行第N列的元素、W中第N行第1列的元素、W中第N行第j列的元素、W中第N行第N列的元素，当i＝j时令w
i,j
＝0，当i≠j
时令ρ
i,j
表示第i个传感器节点与第j个传感器节点之间的相关系数，表示第j个传感器节点在第t个时刻采集的数据，dist
i,j<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于残差比较的无线传感器网络异常节点检测与定位方法，其特征在于包括以下步骤：步骤1：将待异常节点检测并定位的无线传感器网络定义为当前无线传感器网络，设定当前无线传感器网络具有N个传感器节点；其中，N≥6；步骤2：针对当前无线传感器网络中的任一个传感器节点，将其作为当前传感器节点，首先计算当前传感器节点与除其自身外的每个传感器节点之间的欧氏距离，然后将当前传感器节点相关的N
‑
1个欧氏距离从小到大排序，找出前K个欧氏距离对应的K个传感器节点，再在当前传感器节点与找出的每个传感器节点之间连接一条边；其中，K的值在区间[5,10]内取值，K＜N；使当前无线传感器网络中的每个传感器节点采集Time个时刻的数据；然后获取当前无线传感器网络的图信号矩阵，记为F，F＝[f1,
…
,f
t
,
…
f
Time
‑1,f
Time
]；其中，Time表示每个传感器节点采集数据的总时刻数，Time＞5，F的维数为N
×
Time，f1、f
t
、f
Time
‑1、f
Time
的维数为N
×
1，f1表示N个传感器节点在第1个时刻采集的数据构成的列向量，f
t
表示N个传感器节点在第t个时刻采集的数据构成的列向量，f
t
(1)表示第1个传感器节点在第t个时刻采集的数据，f
t
(i)表示第i个传感器节点在第t个时刻采集的数据，f
t
(N)表示第N个传感器节点在第t个时刻采集的数据，f
Time
‑1表示N个传感器节点在第Time
‑
1个时刻采集的数据构成的列向量，f
Time
表示N个传感器节点在第Time个时刻采集的数据构成的列向量，1≤t≤Time；步骤3：构建当前无线传感器网络的图信号模型，描述为：G＝(V,E,W)；其中，G表示当前无线传感器网络的图信号模型，V表示N个传感器节点构成的维数为1
×
N的行向量，V＝[v1,v2,
…
v
n
,
…
,v
N
]，v1,v2,
…
v
n
,
…
,v
N
对应表示第1个传感器节点、第2个传感器节点、
…
、第n个传感器节点、
…
、第N个传感器节点，1≤n≤N，E为维数为N
×
N的矩阵，e
1,1
、e
1,j
、e
1,N
、e
i,1
、e
i,j
、e
i,N
、e
N,1
、e
N,j
、e
N,N
对应表示E中第1行第1列的元素、E中第1行第j列的元素、E中第1行第N列的元素、E中第i行第1列的元素、E中第i行第j列的元素、E中第i行第N列的元素、E中第N行第1列的元素、E中第N行第j列的元素、E中第N行第N列的元素，e
i,j
的值为0或1，当第i个传感器节点与第j个传感器节点之间不存在边时令e
i,j
＝0，当第i个传感器节点与第j个传感器节点之间存在边时令e
i,j
＝1，1≤i≤N，1
≤j≤N，W为维数为N
×
N的权重矩阵，w
1,1
、w
1,j
、w
1,N
、w
i,1
、w
i,j
、w
i,N
、w
N,1
、w...

【专利技术属性】
技术研发人员：丁蓉，金明，
申请(专利权)人：宁波大学，
类型：发明
国别省市：