推荐星级：

面向物联网传感器事件监测的双向反馈系统

更新时间：2019-12-10 07:58:56 大小：4M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网传感器 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

针对一般无线传感器网络事件监测算法没有考虑物联网数据的动态不确定性问题,提出面向物联网多维动态不确定数据的事件监测双向反馈系统.该系统分为基站和无线传感器节点2个子系统,其中基站子系统(Base Station Subsystem,BS)采用BS动态容错训练策略,利用因子分析法计算容错阈值并将其反馈到无线传感器节点子系统(Wireless Sensor Nodes Subsystem,NS),以调整无线传感器节点子系统的动态不确定数据事件监测参数；其中无线传感器节点子系统采用NS动态容错训练策略,在利用人工神经网络的动态容错能力减少事件监测通信损耗的同时,通过所建立的以容错阈值为参数的人工神经网络事件监测模型进行事件监测,并将监测结果反馈到基站子系统,以驱动基站子系统计算新的容错阈值,实现基站与无线传感器节点子系统的双向反馈循环,完成面向物联网的多维动态不确定数据的事件监测,最后通过实验验证了算法的有效性与可行性.

部分文件列表

文件名	大小
面向物联网传感器事件监测的双向反馈系统.pdf	4M

立即下载

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）

V01．36 No．3

Mar．2013

计

算

机

学

0F COMPUTERS

CHINESEJOURNAL

报

第36卷第3期

2013年3月

面向物联网传感器事件监测的双向反馈系统

杨

静”

辛

宇”

”(哈尔滨工程大学计算机科学与技术学院哈尔滨

谢志强2’

150001)

150080)

2’(哈尔滨理工大学计算机科学与技术学院哈尔滨

摘要针对一般无线传感器网络事件监测算法没有考虑物联网数据的动态不确定性问题，提出面向物联网多维

动态不确定数据的事件监测双向反馈系统．该系统分为基站和无线传感器节点2个子系统，其中基站子系统

(Base Station

Subsystem，BS)采用BS动态容错训练策略，利用因子分析法计算容错阈值并将其反馈到无线传感器

Sensor Nodes

节点子系统(Wireless

Subsystem，NS)，以调整无线传感器节点子系统的动态不确定数据事件监测参

数；其中无线传感器节点子系统采用NS动态容错训练策略，在利用人工神经网络的动态容错能力减少事件监测通

信损耗的同时，通过所建立的以容错阈值为参数的人工神经网络事件监测模型进行事件监测，并将监测结果反馈

到基站子系统，以驱动基站子系统计算新的容错阈值，实现基站与无线传感器节点子系统的双向反馈循环，完成面

向物联网的多维动态不确定数据的事件监测，最后通过实验验证了算法的有效性与可行性．

关键词物联网；无线传感器网络；因子分析；人工神经网络；事件监测

中图法分类号TP311

DOI号10．3724／SP．J．1016．2013．00506

Bi—feedback

of Wireless Sensor NetworkEvent Detection

System

in the Internet of

Things

YANG _Jin91’XINYu¨ XIE_{Zhi—Qian92’}

Science and

”(Collegeof Computer

Technology，Harbin EngineeringUniversity，Harbin 150001)

Science and

of Computer

Science and 150080)

Technology，Harbin

”(College

Technology，Harbin University of

Abstract

wireless sensor networks event

detection

hasn’t allowed

algorithms

Aiming

general

for the issues of the multidimensional

uncertain

in Internet

data

dynamic

Things，this paper

bi—feedback

of wireless sensor networks event detection in the

system

Internet of

Sensor

proposes

Things．The ^{bi—feedback}

consists of

Station

Subsystem)and

BS(Base

NS(Wireless

Nodes

BS devises the

Fault Tolerant

cal—

Subsystem)，the

BS—DFTS(Dynamic

Strategy)。which

culates the fault—-tolerant threshold

factor

and feeds the fault——tolerant

threshold back

analysis

to the NS，to

the

uncertain data detective

of NS：the NS

parameters

devises the

update

dynamic

Fault Tolerant

utilizes the fault—tolerant

efficiency

NS—DFTS(Dynamic

ANN

Strategy)．which

tO minimize the communication

the event detection

the ANNevent detective

cost，implements

framework with the fault—tolerant threshold as

calculate the new fault—tolerant threshold。and

feeds the result back to the BS to

argument，and

feedback

dynamic

the

between the BS and

loop

implements

the event detection of the

NS，to

multidimensional

uncertain data in Internet

serial simulations．

implement

effectiveness of BFSis

Things．Finally，the

proved by

Internet of

sensor

neural

networks；factor analysis；artificial

Keywords

Things；wireless

detection

network；event

收稿日期：2012—09—07；最终修改稿收到日期：2012—12—03．本课题得到国家自然科学基金(61073041，61073043，60873019)、黑龙江省自然科

学基金(F201101)、哈尔滨市科技创新人才研究专项资金(优秀学科带头人)(2011RFXXG015)、高等学校博士学科点基金(20112304110011，

20122304110012)资助．杨静，女，1962年生，教授，博士生导师，中国计算机学会(CCF)高级会员，主要研究领域为数据与知识工程、企

业智能计算．E-mail：．edu．ca．辛

字，男，1987年生，博士，中国计算机学会(CCF)学生会员，主要研究方向为数据与知识

工程、企业智能计算．谢志强，男，1962年生，博士，教授，中国计算机学会(CCF)高级会员，主要研究领域为数据与知识工程、企业智能计算．

万方数据

3期

杨

静等：面向物联网传感器事件监测的双向反馈系统

507

余；若将采集时段预设的过短，会降低数据统计结果

的可靠性[7吨]．因此在减少物联网通信负载的前提

吉

己I

丁I

目

下，建立面向物联网的数据流处理体系，保障物联网

数据的时效性和准确性也是目前研究的重点．

(6)物联网无线传感器节点的监测预警．监测

预警需要以某一时段内的环境数据作为训练样本，

通过监测计量算法来预警异常数据，其中监测时段

Internet of

物联网(The

Things，loT)在传感

技术、全球定位系统等物理环境信息采集技术的基

础上，结合互联网、信息共享、信息传递、人工智能和

信息感知等技术实现“物一物”和“人一物”的交互与控

制．物联网的技术核心是数据处理，宏观上可将物

联网数据处理分为数据感知和数据交互[1]，数据感

知是数据交互的基础，即在数据收集、数据清洗、数

据压缩、数据聚集和数据融合等方面为物联网决策层

的数据交互提供底层支持．目前面向物联网的无线传

感器网络技术面临的挑战主要集中在以下六点：

(1)物联网数据的传输复杂性．由于物联网是

“物一物”相连的一类复杂网络，当网络规模增加时物

联网内部“物一物”的连接关系数量呈指数增长，导致

物联网的数据量呈海量化、“洪泛”化趋势．为消除传

的长短与通信代价和监测精度直接相关，由于物联

网各局部区域传感器节点所处的环境差异较大，不

能以全局数据的监测计量结果作为各局部地区的监

测标准，因此物联网的监测预警机制需要解决数据

的区域不确定性问题[91 ．

为满足物联网的以上6种特性，无线传感器异

常事件监测技术需要解决6方面问题：(1)数据多

维性；(2)数据动态性；(3)数据海量性；(4)数据不

确定性(即数据总体分布随环境数据的突变呈不确

定变化趋势，不依赖任何统计特性)；(5)监测时效

输数据的爆炸化灾难，目前已提出了多种改进的数

据传输方法，如TSMPc2。、STREE[33等数据传输法

可有效降低传输的数据量．

性；(6)低损耗高精度．其中(1)和(4)是物联网对无

线传感器异常事件监测技术提出的新要求．本文研

究的内容即在解决具有以上6方面问题的异常事件

监测，可综合描述为多维动态不确定数据的异常事

件监测．

(2)环境数据的高阶异构性．由于物联网是面向

各类感知节点的网络，其节点类型具有异构化特征，

如交通类、水文类、地质类、气象类等种类不相关的节

本文在现有物联网无线传感器网络技术的基础

点均可成为物联网的节点，使物联网的数据感知层必

须面对具有高阶异构特性的数据感知问题，这对传

感器节点处理高阶数据的能力提出了更高的要求．

(3)物联网节点的时空相关性．物联网不同于

社会网络，其数据交互过程需要考虑物联网节点的

时空坐标，而社会网络仅以节点的逻辑关系为基础

且无须考虑时空距离及数据传输代价，因此物联网

是具有物理时空约束的复杂网络，如基于位置服务

上，对传感器网络事件监测技术进行了研究，第2节

介绍相关研究背景；第3节阐述利用基站子系统和

无线传感器节点子系统实现事件监测的双向反馈运

行机制；第4节设计基站子系统的实现策略；第5节

设计无线传感器节点子系统的实现策略；第6节对

双向反馈系统的总体算法流程及其复杂性进行阐述

和分析；第7节通过实验验证本文算法的有效性和

可行性；最后总结全文．

(Location Based

Service，LBS)L4J和物理信息融合

系统(Cyber

Physical System，CPS)Es]等均是物联

2研究背景

网在时空关系研究中的应用．

(4)物联网数据的海量动态不确定性．局部物

联网传感器所采集的数据随局部环境的动态变化而

变化，使物联网环境数据具有高度不确定性和不一

物联网传感器节点的数据处理过程主要分为数

据采集与数据传输，图1为物联网数据采集一传输模

型，该模型由无线传感器节点、基站、管理节点构成，

其中无线传感器节点负责局部环境数据的采集及特

殊事件的监测，并将采集到的数据上传到基站；基站

致性，随着物联网规模的演变，其海量动态不确定性

和不一致性更加明显，由此产生的数据感知代价问

题也是目前研究的重点[6]．

负责接收某一区域内无线传感器节点上传的数据，

通过数据整合后上传任务管理节点，任务管理节点

在收到基站传来的监测报警数据后调整其工作状

态．无线传感器是物联网的数据感知单元，其事件

监测算法是物联网研究的热点之一，目前的研究主

(5)物联网数据的流式特性及时效性．物联网

传感器节点所采集的数据为某一时段的环境数据，

若将采集时段预设的过长会导致一次处理的数据流

量过大，不仅消耗了网络资源，而且会造成数据的冗

万方数据

机

508

计

算

学

报

计算能力构建容错模型，并以容错值的置信区间作

为异常接受区间．文献E20]提出基于混合高斯模型

的事件监测算法，该算法采用模型选择技术将网络

节点划分为事件边缘节点和非边缘节点，以边缘节

要集中在减少通信损耗、分布式建模和容错技术

3个方面．

点的权值作为容错判定的参数．文献[21—22]阐述了

失效节点的识别和监测问题，在包容局部失效节点

的基础上实现可容错事件监测．上述方法在处理事

家愿设备尝翥网嵌足设备

，，一一可一无线传艘网络

件监测问题时，均以环境数据总体平稳(总体分布变

化较小)为前提，无法应对具有多维动态不确定性的

物联网数据，即当物联网数据的总体分布结构发生

动态改变时，导致传感器节点采集的数据呈不确定变

化趋势．因此需要有效地调整策略及监测阈值，以减

少因为总体数据分布变化而产生的错误报警次数．

物联网中总体分布不平稳的数据即为动态不确

定数据，其不确定性的原因在于物联网环境数据的

总体变化，其特点表现为：(1)多维数据总体变化强

烈；(2)多维数据的相关性变化相对缓慢[2引．因此采

用以多维数据相关性变化为重点的监测算法相对

于传统以数据总体变化为重点的监测算法更适合

解决动态不确定数据的监测问题．为此，本文利用

了因子分析法在数据相关性分析方面的有效性，并

结合人工神经网络的容错能力，设计了无线传感器

节点子系统与基站子系统间双向调节的反馈式事件

监测系统，该系统分别在无线传感器节点子系统和

2”

曼基站

(，，，：72‘

：甲

基曼站

：、、

、)曼

审

、、

审

2无线传感器节点

图1 物联网数据采集一传输模型

在减少通信损耗方面，研究的主要方向分为传

感器模型优化、传感数据调度优化和信息处理优化．

对于传感器模型优化，Shrivastava等人Dl-lz]提出了

基于二位传感器模型的监测跟踪方法，该方法通过

建立传感器节点优化模型达到节能的目的；对于传

感数据调度优化，文献[13]提出以信息驱动方法作

为调度策略，但由于信息驱动调度方式的实际节能

效果不明显，随后Zhang等人[141利用Perti网络随

机模型设计了无线传感器睡眠一唤醒调度策略，从全局

角度实现了调度优化；对于信息处理优化，文献[15]

提出利用贝叶斯法对稀疏事件的数据进行拟合近

似，该方法可对大量的通信数据进行压缩以降低通

信损耗．上述方法均以传感器节点的调度策略优化

Sensor

Nodes

基站子系统中创新设计NS(Wireless

Station

Subsystem)动态容错训练策略和BS(Base

为出发点，强调了降低通信损耗，牺牲了事件监测的

时效性，对于解决时效性敏感的物联网传感器事件

监测问题效果较差．

Subsystem)动态容错训练策略，以通信代价最小化

为前提，实现多维动态不确定性数据的事件监测．本

文在实验部分选用了气象数据作为实验数据，是由

在分布式建模方面，文献[16]设计了可识别不

同类型事件的分布式事件监测系统，通过有选择地

上传异常数据实现全局传感器节点的协同数据采

集．文献F171提出基于动态传送树的分布式跟踪监

测算法，该方法可有效提高分布式传感器系统的采

样精度．文献[18]提出了邻近簇的数据均值矩阵法，

该方法可匹配事件监测结果，以解决局部相关数据

的冗余问题．上述方法的重点是研究解决无线传感

器节点的物理分配问题，系统所采集的信息为定点

物理信息，由于在广义物联网的概念中一切具有信

息发布和信息处理能力的设备均为物联网的节点设

备，因此以设备节点静态分布为前提的传统分布式

事件监测模型无法解决广义物联网节点设备随机游

动的事件监测问题．

于气象信息(如温度、湿度、气压)的总体变化强烈，

每个月份前后数据的差异较大且难以统计预测下一

月份的数据，可模拟数据的多维动态不确定性，以充

分验证本文算法对多维动态不确定性数据事件监测

的有效性．

3双向反馈系统模型

3．1事件监测系统结构

本文通过在基站与无线传感器节点间建立双向

反馈机制，使事件监测系统具有如下功能：

(1)容错功能，当无线传感器节点接收到微小

的扰动数据时，不必向基站传递，以减少通信损耗；

(2)动态更新功能，当环境总体变化使基站收

到较多异常传感数据时，可调节各无线传感器节点

在容错技术方面，文献[19-]提出利用节点自身

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

面向物联网传感器事件监测的双向反馈系统

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

资料专题

推荐下载

专栏首页