[發(fā)明專(zhuān)利]一種識(shí)別無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中錯(cuò)誤測(cè)量值的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510716880.7
• 申請(qǐng)日: 2015-10-28
• 公開(kāi)（公告）號(hào): CN105407496B
• 公開(kāi)（公告）日: 2018-08-31
• 發(fā)明（設(shè)計(jì)）人: 高建良;康雪丹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中南大學(xué)
• 主分類(lèi)號(hào): H04W16/22
• 分類(lèi)號(hào): H04W16/22;H04W24/04;H04W84/18
• 代理公司: 長(zhǎng)沙市融智專(zhuān)利事務(wù)所 43114
• 代理人: 龔燕妮

1.一種識(shí)別無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中錯(cuò)誤測(cè)量值的方法，其特征在于，包括以下幾個(gè)步驟：

S1：利用無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中相鄰傳感器節(jié)點(diǎn)的歷史測(cè)量數(shù)據(jù)訓(xùn)練獲得傳感器節(jié)點(diǎn)之間的測(cè)量值線(xiàn)性模型；

S2：確定傳感器節(jié)點(diǎn)之間的連接邊的狀態(tài)；

將無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中各傳感器節(jié)點(diǎn)的當(dāng)前測(cè)量值代入S1獲得的對(duì)應(yīng)傳感器節(jié)點(diǎn)測(cè)量值線(xiàn)性模型中，依據(jù)線(xiàn)性模型的輸出結(jié)果，即傳感器節(jié)點(diǎn)測(cè)量值是否符合對(duì)應(yīng)傳感器節(jié)點(diǎn)之間的線(xiàn)性模型，從而確定各相鄰傳感器節(jié)點(diǎn)之間的連接邊的狀態(tài)，若符合，則對(duì)應(yīng)相鄰傳感器節(jié)點(diǎn)之間的連接邊初始狀態(tài)為0，否則，為1；

所述依據(jù)線(xiàn)性模型的輸出結(jié)果，判斷各傳感器節(jié)點(diǎn)是否符合對(duì)應(yīng)相鄰傳感器節(jié)點(diǎn)的線(xiàn)性模型時(shí)，采用支持向量機(jī)模型進(jìn)行判斷；

所述支持向量機(jī)模型利用S1獲得的線(xiàn)性模型和傳感器節(jié)點(diǎn)的相鄰節(jié)點(diǎn)測(cè)量值計(jì)算對(duì)應(yīng)傳感器節(jié)點(diǎn)的估計(jì)值將估計(jì)值與自身測(cè)量值X(t)作差得到殘差e_neighbor(t)，以所有的e_neighbor(t)作為正樣本訓(xùn)練得到的分類(lèi)模型；

S3：依據(jù)連接邊的狀態(tài)，采用投票機(jī)制對(duì)各傳感器節(jié)點(diǎn)的初始狀態(tài)進(jìn)行確定；

所述傳感器節(jié)點(diǎn)的初始狀態(tài)為0或1，其中，0表示傳感器節(jié)點(diǎn)測(cè)量值正確，1表示傳感器節(jié)點(diǎn)測(cè)量值錯(cuò)誤；

所述S3中采用投票機(jī)制對(duì)各傳感器節(jié)點(diǎn)的初始狀態(tài)進(jìn)行確定是指若傳感器節(jié)點(diǎn)的相鄰節(jié)點(diǎn)線(xiàn)性模型輸出結(jié)果一半或一半以上的被判斷為該傳感器節(jié)點(diǎn)符合對(duì)應(yīng)的線(xiàn)性模型，則判斷該傳感器節(jié)點(diǎn)的初始狀態(tài)為0，否則為1；

S4：利用各相鄰傳感器節(jié)點(diǎn)之間連接邊的狀態(tài)以及各傳感器節(jié)點(diǎn)的初始狀態(tài)，對(duì)傳感器節(jié)點(diǎn)的兩種狀態(tài)概率均進(jìn)行迭代計(jì)算，每次迭代過(guò)程中以狀態(tài)概率較大值對(duì)應(yīng)的狀態(tài)作為傳感器節(jié)點(diǎn)的最新?tīng)顟B(tài)，如果迭代過(guò)程中有傳感器節(jié)點(diǎn)狀態(tài)發(fā)生了改變，則重復(fù)此迭代過(guò)程，直到所有傳感器節(jié)點(diǎn)狀態(tài)不再變化后，依據(jù)節(jié)點(diǎn)的最終狀態(tài)識(shí)別傳感器節(jié)點(diǎn)的當(dāng)前測(cè)量值是否存在錯(cuò)誤。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S4中的每個(gè)傳感器節(jié)點(diǎn)狀態(tài)概率迭代計(jì)算公式為：

其中，p(state＝i)表示在迭代過(guò)程中傳感器節(jié)點(diǎn)狀態(tài)state為i時(shí)的概率，i表示傳感器節(jié)點(diǎn)狀態(tài)，取值為0或1；localEvidence(i)表示傳感器節(jié)點(diǎn)對(duì)自身狀態(tài)的信任度值，

N表示傳感器節(jié)點(diǎn)的鄰居數(shù)目即連接邊的數(shù)目，N′表示其中狀態(tài)為0的連接邊的數(shù)目；

probMat(S(k),i)_2×2為傳感器節(jié)點(diǎn)與第k個(gè)相鄰節(jié)點(diǎn)之間的轉(zhuǎn)移矩陣，S(k)表示當(dāng)前傳感器節(jié)點(diǎn)對(duì)應(yīng)的第k個(gè)鄰居節(jié)點(diǎn)的當(dāng)前狀態(tài)值；

當(dāng)傳感器節(jié)點(diǎn)與相鄰節(jié)點(diǎn)之間的連接邊狀態(tài)為1時(shí)，轉(zhuǎn)移矩陣

當(dāng)傳感器節(jié)點(diǎn)與相鄰節(jié)點(diǎn)之間的連接邊狀態(tài)為0時(shí)，轉(zhuǎn)移矩陣

其中，β為轉(zhuǎn)移因子，取值為小于50％的正數(shù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S1中獲得的傳感器節(jié)點(diǎn)之間的測(cè)量值線(xiàn)性模型為自回歸各態(tài)經(jīng)歷ARX模型：A(q)X(t)＝B(q)X_neighbor(t)+e(t)；

其中，A(q)、B(q)是利用歷史數(shù)據(jù)訓(xùn)練得到的系數(shù)，e(t)為白噪聲；X表示某傳感器節(jié)點(diǎn)的歷史測(cè)量值數(shù)據(jù)，X_neighbor表示傳感器節(jié)點(diǎn)某個(gè)相鄰節(jié)點(diǎn)歷史測(cè)量值數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述ARX模型采用最小二乘法訓(xùn)練獲得。