[發明專利]一種基于壓縮感知和自回歸模型的增強型異常檢測方法

有效

• 申請號: 201810367791.X
• 申請日: 2018-04-23
• 公開（公告）號: CN108682140B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 李哲濤;王建輝;周儀璇;鄧清勇;田淑娟;徐雁冰;張杰;劉倩
• 申請（專利權）人: 湘潭大學
• 主分類號: G08C25/00
• 分類號: G08C25/00;G08C17/02;H04W4/38;H04W84/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出一種基于壓縮感知和自回歸模型的增強型異常檢測方法。首先蔟頭利用壓縮感知對蔟內傳感器節點某時刻的監測數據進行初步異常檢測；然后利用傳感器節點監測數據的時間相關性，結合自回歸模型對傳感器節點某時刻的異常監測數據進行精確檢測；最后匯聚節點利用各個簇內節點監測數據的空間相關性，來判斷異常監測數據是由于異常事件還是測量誤差所導致，并定位異常事件的發生區域。本發明能夠提高無線傳感器網絡中異常事件檢測的精確度，降低虛警率以及誤判事件的發生率，具有廣泛的適用性。

技術領域

本發明主要涉及到無線傳感器網絡中的異常事件檢測領域。

背景技術

異常事件檢測是無線傳感器網絡的一種重要應用。當異常事件(如化學物質泄漏、火災等)發生后，傳感器節點應能夠盡快檢測出事件可能發生的區域，并及時地向匯聚節點報告。

壓縮感知為分布式感知網絡的數據收集開辟了新的思路。首先對稀疏數據進行采樣，然后對采樣得到的數據進行壓縮測量，得到測量值，最后由測量值對原始數據進行重構。該理論降低了信號的采樣頻率，還減少了數據存儲空間和網絡傳輸量。由于異常事件是小概率發生事件，因此壓縮感知為無線傳感器網絡中異常事件的檢測提供了思路。然而，單純地通過壓縮感知中的重構算法對節點數據進行重構，并直接通過重構結果來檢測節點發送的數據是否異常，存在檢測結果不精確、虛警率上升的缺點。此外，無線傳感器網絡在事件監測中所面臨的主要問題是檢測精度受環境噪聲和設備不穩定性的影響，如果只根據一個單獨節點某個時間點的感知數據對事件進行判斷，則很容易造成無線傳感器網絡中誤判事件的發生，而利用時間序列的方法來對各個節點每個時刻的監測數據進行檢測，需要計算的量會很大。

綜上所述，在利用壓縮感知對無線傳感器網絡節點中的異常事件進行初步檢測的基礎上，如何結合節點自回歸模型來提高檢測精度，以及如何利用簇內節點的空間相關性來對測量誤差和異常事件進行識別、定位等，目前尚沒有科學的解決方案。

發明內容

針對上述問題，提出了在無線傳感器網絡中的一種基于壓縮感知和自回歸模型的增強型異常檢測方法，具體步驟如下：

步驟一、網絡場景的布置以及網絡的初始化處理：

1、在監測區域隨機分布數量為N的傳感器節點；所有傳感器節點具有相同的初始能量以及傳輸速率；所有傳感器節點可以通過GPS等定位方法獲取自身地理位置信息；

2、根據異常事件的分布，將整個無線傳感器網絡的監測區域劃分為C個簇，并選取簇頭和匯聚節點，組成分簇網絡，第j個簇頭監測的傳感器節點數目為N_j，j＝1,2,...,C。

步驟二、基于歷史正常數據，簇頭為其監測區域中的每個傳感器節點建立一個自回歸模型：

1、在一定時間范圍內，每個傳感器節點的監測數據是平穩的，即第i個節點t時刻的監測數據與t+1時刻的監測數據有相同的分布；

2、每個傳感器節點的監測數據滿足大數定律，即對于任意的T個時刻，每個傳感器節點的監測數據值收斂于所有監測數據的期望值，期望值為：

3、以各節點監測到的正常的歷史數據為先驗信息，為第i個節點構造一個p_i階的自回歸模型：

其中，為模型t時刻的殘差，服從均值為μ_i，方差為的正態分布，分別表示第i個節點t時刻之前的p_i個時刻的監測數據對當前t時刻監測數據的影響強度；

步驟三、在t時刻，節點感知監測數據并對其進行二值化，根據預先設定的閾值θ，若則否則得到二值化后的監測數據，此時第i個簇內的節點數據向量為其中的值為0或1；