[發(fā)明專利]基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111257477.4
• 申請(qǐng)日: 2021-10-27
• 公開(kāi)（公告）號(hào): CN113900860A
• 公開(kāi)（公告）日: 2022-01-07
• 發(fā)明（設(shè)計(jì)）人: 楊柳;程琪;魯銀芝;姜法勇
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06F11/14
• 分類號(hào): G06F11/14;H04W24/04;H04W84/18;G06N3/04;G06N3/08
• 代理公司: 重慶輝騰律師事務(wù)所 50215
• 代理人: 王海軍

1.一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，包括：

S1：獲取無(wú)線傳感器網(wǎng)站中待測(cè)節(jié)點(diǎn)的數(shù)據(jù)，根據(jù)獲取的數(shù)據(jù)判斷待測(cè)節(jié)點(diǎn)是否為故障節(jié)點(diǎn)，若不為故障節(jié)點(diǎn)，則存儲(chǔ)該節(jié)點(diǎn)的數(shù)據(jù)，若為故障節(jié)點(diǎn)，則執(zhí)行步驟S2；

S2：判斷故障節(jié)點(diǎn)中的數(shù)據(jù)是否能進(jìn)行數(shù)據(jù)恢復(fù)，若不能進(jìn)行數(shù)據(jù)恢復(fù)，則故障節(jié)點(diǎn)重新發(fā)送數(shù)據(jù)，并返回步驟S1；若能進(jìn)行數(shù)據(jù)恢復(fù)，則執(zhí)行步驟S3；

S3：采用CGAN網(wǎng)絡(luò)對(duì)故障節(jié)點(diǎn)中的數(shù)據(jù)進(jìn)行恢復(fù)。

2.根據(jù)權(quán)利要求1所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，根據(jù)獲取的數(shù)據(jù)判斷待測(cè)節(jié)點(diǎn)是否為故障節(jié)點(diǎn)的過(guò)程包括：將獲取的待測(cè)節(jié)點(diǎn)數(shù)據(jù)輸入到編碼器中，得到一個(gè)特征向量；將特征向量再輸入到解碼器中，得到解碼的數(shù)據(jù)；將解碼數(shù)據(jù)與待測(cè)節(jié)點(diǎn)的原始數(shù)據(jù)進(jìn)行比較，若兩個(gè)數(shù)據(jù)的差值大于設(shè)定的閾值時(shí)，則該待測(cè)節(jié)點(diǎn)為故障節(jié)點(diǎn)。

3.根據(jù)權(quán)利要求2所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，設(shè)置的閾值為0.1～0.4。

4.根據(jù)權(quán)利要求1所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，判斷故障節(jié)點(diǎn)中的數(shù)據(jù)是否能進(jìn)行數(shù)據(jù)恢復(fù)的過(guò)程包括：獲取解碼器解碼后的數(shù)據(jù)和待測(cè)節(jié)點(diǎn)的原始數(shù)據(jù)；計(jì)算解碼器解碼后的數(shù)據(jù)和待測(cè)節(jié)點(diǎn)的原始數(shù)據(jù)的差值，將得到的差值與設(shè)定的最小閾值進(jìn)行比較，若小于設(shè)置的最小閾值，則待測(cè)節(jié)點(diǎn)的數(shù)據(jù)為可恢復(fù)數(shù)據(jù)，否則待測(cè)節(jié)點(diǎn)的數(shù)據(jù)為不可恢復(fù)數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，設(shè)置的最小閾值為0.35～0.4。

6.根據(jù)權(quán)利要求1所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，采用CGAN網(wǎng)絡(luò)對(duì)故障節(jié)點(diǎn)中的數(shù)據(jù)進(jìn)行恢復(fù)的過(guò)程包括：

步驟1：將無(wú)線傳感器網(wǎng)站中所有正常節(jié)點(diǎn)數(shù)據(jù)作為約束條件，將約束條件和隨機(jī)噪聲遮掩的數(shù)據(jù)輸入到生成器中，生成器根據(jù)輸入的數(shù)據(jù)重新生成故障節(jié)點(diǎn)的數(shù)據(jù)；

步驟2：將生成器重新生成故障節(jié)點(diǎn)的數(shù)據(jù)與正常傳感器節(jié)點(diǎn)處的數(shù)據(jù)作為判別器D的輸入，判別器D對(duì)輸入數(shù)據(jù)進(jìn)行真假數(shù)據(jù)判斷，并將判斷結(jié)果與生成器中的數(shù)據(jù)相互博弈，使生成器生成的數(shù)據(jù)和正常節(jié)點(diǎn)的數(shù)據(jù)相同，完成故障節(jié)點(diǎn)處的數(shù)據(jù)恢復(fù)。

7.根據(jù)權(quán)利要求6所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，訓(xùn)練生成器重新生成故障節(jié)點(diǎn)的數(shù)據(jù)的過(guò)程包括：

步驟11：向生成器中輸入隨機(jī)噪聲z～pniose(z)、正常節(jié)點(diǎn)處的數(shù)據(jù)y以及故障節(jié)點(diǎn)處的數(shù)據(jù)x，其中正常節(jié)點(diǎn)處的數(shù)據(jù)y和故障節(jié)點(diǎn)處的數(shù)據(jù)x滿足x,y～pdata(x,y)；pniose表示噪聲，pdata表示并行數(shù)據(jù)；

步驟12：采用卷積網(wǎng)絡(luò)提取輸入數(shù)據(jù)的特征，得到正常節(jié)點(diǎn)處數(shù)據(jù)y的特征數(shù)據(jù)；

步驟13：將故障節(jié)點(diǎn)處的數(shù)據(jù)x輸入到由轉(zhuǎn)置卷積層構(gòu)成的轉(zhuǎn)置卷積網(wǎng)絡(luò)中，用于生成故障節(jié)點(diǎn)的特征數(shù)據(jù)。

8.根據(jù)權(quán)利要求6所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，完成故障節(jié)點(diǎn)處的數(shù)據(jù)恢復(fù)的過(guò)程包括：

步驟21：判別器的神經(jīng)元與輸入層中的一個(gè)局部區(qū)域相連，每個(gè)神經(jīng)元都計(jì)算自己與輸入層相連的小區(qū)域與自己權(quán)重的點(diǎn)積；由卷積層計(jì)算所有神經(jīng)元的輸出；

步驟22：將計(jì)算處的輸出經(jīng)過(guò)Leaky ReLU激活函數(shù)做非線性變化；

步驟23：將非線性化處理的數(shù)據(jù)輸入到匯聚層中，在空間維度上進(jìn)行降采樣，得到特征數(shù)據(jù)；

步驟24：將特征數(shù)據(jù)進(jìn)行卷積操作，得到正常節(jié)點(diǎn)處數(shù)據(jù)y以及生成器重新生成的故障節(jié)點(diǎn)處的數(shù)據(jù)的特征數(shù)據(jù)；

步驟25：判斷生成器重新生成的故障節(jié)點(diǎn)數(shù)據(jù)的特征向量是否屬于與正常節(jié)點(diǎn)數(shù)據(jù)所屬的特征空間，根據(jù)判斷結(jié)構(gòu)對(duì)其進(jìn)行打分；

步驟26：將打分結(jié)果返回給生成器，進(jìn)行新一輪的條件生成對(duì)抗學(xué)習(xí)，直到在條件約束下生成的數(shù)據(jù)在判別器中獲得高分，則輸出當(dāng)前生成器中的正常數(shù)，該數(shù)據(jù)為恢復(fù)數(shù)據(jù)。

9.根據(jù)權(quán)利要求8所述的一種基于CGAN的無(wú)線傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)的數(shù)據(jù)恢復(fù)方法，其特征在于，完成故障節(jié)點(diǎn)處的數(shù)據(jù)恢復(fù)的過(guò)程中的損失函數(shù)為：

其中，G表示生成器，D表示判別器，V表示生成器和判別器進(jìn)行博弈的損失函數(shù)，x表示從數(shù)據(jù)集data中獲取的真實(shí)數(shù)據(jù)，表示真實(shí)數(shù)據(jù)分布中的數(shù)據(jù)期望，D(x|y)表示經(jīng)過(guò)預(yù)處理后的約束條件，p_data(x)表示真實(shí)數(shù)據(jù)分布，表示隨機(jī)噪聲分布中的噪聲期望，z表示隨機(jī)噪聲，D(G(z|y))表示判別器對(duì)生成器產(chǎn)生的數(shù)據(jù)的評(píng)分，G(z|y)表示在條件y的約束下生成器利用噪聲生成的數(shù)據(jù)。