【技术实现步骤摘要】
一种无线传感器网络异常节点检测与迭代定位方法
[0001]本专利技术涉及一种无线传感器网络技术,尤其是涉及一种无线传感器网络异常节点检测与迭代定位方法。
技术介绍
[0002]无线传感器网络是由众多传感器节点以自组织方式构成的一个多跳无线网络系统。该多跳无线网络系统的主要功能为感知采集系统覆盖区域内的环境信息,进行处理后传输反馈给管理员。由于该多跳无线网络系统产生的数据量巨大且传感器节点具有有限的带宽、功率、计算能力等特点,且特别容易受到恶劣环境的影响及恶意破坏者的攻击,因此会导致该多跳无线网络系统中出现异常节点,异常节点会影响采集到数据本身的真实性和稳定性,产生异常数据,将对该多跳无线网络系统的系统服务产生巨大的影响。
[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:基于统计学的方法较早被提出来,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:基于分类的异常传感器节点检测算法,该方法主要通过传感器节点之间的距离寻找传感器节点之间的相似度,并根据相似度对传感器节点进行分类寻找异常节点,该方法的优势是不需要统计概率模型。再如: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,该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,并不能检测出异 ...
【技术保护点】
【技术特征摘要】
1.一种无线传感器网络异常节点检测与迭代定位方法,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;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dist
i,j
表示第i个传感器节点与第j个传感器节点之间的欧氏距离,当i≠j且第i个传感器节点与第j个传感器节点之间存在边时w
i,j
表示第i个传感器节点与第j个传感器节点之间的权重;步骤4:获取当前无线传感器网络的图信号模型的网络拓扑结构,用维数为N
×
N的图拉普拉斯矩阵L来表示,L=D
‑
W;其中,D表示维数为N
×
N的度矩阵,d
1,1
为D中第1行第1列的元素,亦为D的主对角线上的第1个元素,d
i,i
为D中第i行第i列的元
素,亦为D的主对角线上的第i个元素,d
N,N
为D中第N行第N列的元素,亦为D的主对角线上的第N个元素,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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。