基于傳感器網(wǎng)絡(luò)的擴(kuò)散型事件監(jiān)測技術(shù)研究.pdf

1、本文在當(dāng)今世界傳感器應(yīng)用日益普及和普適計(jì)算技術(shù)不斷發(fā)展的背景下展開研究。普適計(jì)算的主要目標(biāo)是整合日常生活中紛繁復(fù)雜的信息，并為人們提供智能化服務(wù)。傳感器網(wǎng)絡(luò)作為普適計(jì)算的一個(gè)重要應(yīng)用，致力于實(shí)現(xiàn)無處不在的信息感知、自動(dòng)組網(wǎng)、自動(dòng)計(jì)算和實(shí)時(shí)通信。擴(kuò)散型事件是對火災(zāi)、臺(tái)風(fēng)、洪水、煙霧擴(kuò)散等一系列環(huán)境問題的抽象，反映事件的時(shí)間累積性和空間延伸性。傳感器網(wǎng)絡(luò)具有布局靈活、響應(yīng)能力強(qiáng)的特點(diǎn)，不失為監(jiān)測擴(kuò)散型事件和捕捉擴(kuò)散趨勢的理想選擇。因此，本文

2、研究利用傳感器網(wǎng)絡(luò)進(jìn)行擴(kuò)散型事件監(jiān)測的問題。
　　 本文的研究工作主要包括以下內(nèi)容：
　　 首先，設(shè)計(jì)了傳感器節(jié)點(diǎn)的數(shù)據(jù)處理結(jié)構(gòu)，提出了傳感器網(wǎng)絡(luò)的數(shù)據(jù)樣本區(qū)分方法：在節(jié)點(diǎn)層面定義了同類和異類數(shù)據(jù)相關(guān)性，設(shè)計(jì)了支持動(dòng)態(tài)數(shù)據(jù)相關(guān)性發(fā)現(xiàn)和自適應(yīng)采樣的節(jié)點(diǎn)數(shù)據(jù)處理結(jié)構(gòu)，在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了該結(jié)構(gòu)的能量效率和數(shù)據(jù)準(zhǔn)確性；在網(wǎng)絡(luò)層面，為了降低傳感器數(shù)據(jù)不確定性的影響，提出了一個(gè)系統(tǒng)化區(qū)分框架，通過節(jié)點(diǎn)級時(shí)域處理、鄰居級空

3、間處理、聚簇級權(quán)重排序和網(wǎng)絡(luò)級決策融合的方法逐層過濾原始數(shù)據(jù)，將其區(qū)分為正常樣本、錯(cuò)誤樣本和事件樣本。實(shí)驗(yàn)表明，當(dāng)網(wǎng)內(nèi)采樣錯(cuò)誤出現(xiàn)頻率高達(dá)50％時(shí)，區(qū)分框架仍可保證97％的辨識率。與傳統(tǒng)的事件/異常檢測問題相比，該框架可顯著提高樣本辨識率，降低誤報(bào)率，并將漏報(bào)率維持在較低水平。
　　 其次，建立了擴(kuò)散型事件監(jiān)測模型：提出TSEC概念模型，完整地表達(dá)了一般的事件監(jiān)測數(shù)據(jù)中存在的時(shí)域、空間及事件相關(guān)性。基于TSEC模型，參考擴(kuò)散型事

4、件的領(lǐng)域知識，提出關(guān)聯(lián)建模的方法，建立同類/異類數(shù)據(jù)相關(guān)性模型和事件抽象模型并描述二者的關(guān)聯(lián)關(guān)系。這一工作首次將時(shí)間、空間以及事件相關(guān)性整合到一個(gè)概念模型體系中，并將該概念模型應(yīng)用到傳感器網(wǎng)絡(luò)對擴(kuò)散型事件的監(jiān)測中。
　　 第三，分析了一般事件監(jiān)測過程，提出了擴(kuò)散型事件監(jiān)測算法，并對復(fù)雜擴(kuò)散型事件監(jiān)測問題進(jìn)行了理論分析和示例研究：基于TSEC模型分析了一般事件監(jiān)測過程，并對監(jiān)測過程中的關(guān)鍵問題提出解決方案。遵循一般事件監(jiān)測的過程，

5、針對擴(kuò)散型事件監(jiān)測提出基于滑動(dòng)窗口的網(wǎng)內(nèi)協(xié)作算法，在節(jié)點(diǎn)上用線性回歸法發(fā)現(xiàn)事件樣本點(diǎn)，通過聚簇內(nèi)部和簇間交互計(jì)算事件的實(shí)時(shí)邊界，并根據(jù)實(shí)時(shí)邊界的變化判斷事件的主要擴(kuò)散趨勢。實(shí)測數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示了該算法的數(shù)據(jù)準(zhǔn)確性、能量效率、事件報(bào)告的及時(shí)性和監(jiān)測的可擴(kuò)展性。為將基本監(jiān)測策略應(yīng)用于復(fù)雜的擴(kuò)散型事件，分別針對單源與多源擴(kuò)散型事件、單一與混合擴(kuò)散型事件進(jìn)行了理論分析，分析結(jié)果表明，基本的監(jiān)測策略易于擴(kuò)展至上述兩種復(fù)雜情況的監(jiān)測。此外，本

6、文還以煙霧擴(kuò)散場景為例研究了風(fēng)力及地形等環(huán)境因素對擴(kuò)散型事件的影響，對于風(fēng)力影響，提出了風(fēng)力/風(fēng)向節(jié)點(diǎn)和濃度節(jié)點(diǎn)協(xié)作監(jiān)測的策略，濃度節(jié)點(diǎn)確定事件邊界，風(fēng)力/風(fēng)向節(jié)點(diǎn)預(yù)測主要擴(kuò)散趨勢。實(shí)驗(yàn)顯示，協(xié)作模式可保證事件覆蓋率在80％～95％，而不采用協(xié)作模式的事件覆蓋率僅為60％～25％。對于地形影響，提出了適應(yīng)地理?xiàng)l件的GA-deployment布局方法，針對障礙物構(gòu)成的Voronoi圖對網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行密度分級以提高事件檢測概率?？捎迷摲椒?/p>

7、對典型的網(wǎng)絡(luò)布局結(jié)構(gòu)進(jìn)行擴(kuò)展，擴(kuò)展前后的對比實(shí)驗(yàn)顯示，GA-deployment布局方法顯著地節(jié)約了能量消耗，具有較低的事件漏報(bào)率、較高的容錯(cuò)性和較強(qiáng)的事件報(bào)告可靠性。
　　 總之，本文為一系列具有擴(kuò)散特性的環(huán)境問題進(jìn)行了形式化定義，設(shè)計(jì)了傳感器數(shù)據(jù)處理結(jié)構(gòu)，提出了傳感器網(wǎng)絡(luò)中數(shù)據(jù)樣本的區(qū)分方法，建立了擴(kuò)散型事件監(jiān)測模型，提出了相應(yīng)的監(jiān)測算法，并對復(fù)雜擴(kuò)散型事件監(jiān)測進(jìn)行了理論分析和示例研究。本文提出的思想、模型和方法也可以擴(kuò)展應(yīng)