基于傳感器網(wǎng)絡的擴散型事件監(jiān)測技術研究.pdf

1、本文在當今世界傳感器應用日益普及和普適計算技術不斷發(fā)展的背景下展開研究。普適計算的主要目標是整合日常生活中紛繁復雜的信息，并為人們提供智能化服務。傳感器網(wǎng)絡作為普適計算的一個重要應用，致力于實現(xiàn)無處不在的信息感知、自動組網(wǎng)、自動計算和實時通信。擴散型事件是對火災、臺風、洪水、煙霧擴散等一系列環(huán)境問題的抽象，反映事件的時間累積性和空間延伸性。傳感器網(wǎng)絡具有布局靈活、響應能力強的特點，不失為監(jiān)測擴散型事件和捕捉擴散趨勢的理想選擇。因此，本文

2、研究利用傳感器網(wǎng)絡進行擴散型事件監(jiān)測的問題。
　　 本文的研究工作主要包括以下內(nèi)容：
　　 首先，設計了傳感器節(jié)點的數(shù)據(jù)處理結構，提出了傳感器網(wǎng)絡的數(shù)據(jù)樣本區(qū)分方法：在節(jié)點層面定義了同類和異類數(shù)據(jù)相關性，設計了支持動態(tài)數(shù)據(jù)相關性發(fā)現(xiàn)和自適應采樣的節(jié)點數(shù)據(jù)處理結構，在真實數(shù)據(jù)集上的實驗結果驗證了該結構的能量效率和數(shù)據(jù)準確性；在網(wǎng)絡層面，為了降低傳感器數(shù)據(jù)不確定性的影響，提出了一個系統(tǒng)化區(qū)分框架，通過節(jié)點級時域處理、鄰居級空

3、間處理、聚簇級權重排序和網(wǎng)絡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、錯誤樣本和事件樣本。實驗表明，當網(wǎng)內(nèi)采樣錯誤出現(xiàn)頻率高達50％時，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，降低誤報率，并將漏報率維持在較低水平。
　　 其次，建立了擴散型事件監(jiān)測模型：提出TSEC概念模型，完整地表達了一般的事件監(jiān)測數(shù)據(jù)中存在的時域、空間及事件相關性?；赥SEC模型，參考擴散型事

4、件的領域知識，提出關聯(lián)建模的方法，建立同類/異類數(shù)據(jù)相關性模型和事件抽象模型并描述二者的關聯(lián)關系。這一工作首次將時間、空間以及事件相關性整合到一個概念模型體系中，并將該概念模型應用到傳感器網(wǎng)絡對擴散型事件的監(jiān)測中。
　　 第三，分析了一般事件監(jiān)測過程，提出了擴散型事件監(jiān)測算法，并對復雜擴散型事件監(jiān)測問題進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、針對擴散型事件監(jiān)測提出基于滑動窗口的網(wǎng)內(nèi)協(xié)作算法，在節(jié)點上用線性回歸法發(fā)現(xiàn)事件樣本點，通過聚簇內(nèi)部和簇間交互計算事件的實時邊界，并根據(jù)實時邊界的變化判斷事件的主要擴散趨勢。實測數(shù)據(jù)集上的實驗結果顯示了該算法的數(shù)據(jù)準確性、能量效率、事件報告的及時性和監(jiān)測的可擴展性。為將基本監(jiān)測策略應用于復雜的擴散型事件，分別針對單源與多源擴散型事件、單一與混合擴散型事件進行了理論分析，分析結果表明，基本的監(jiān)測策略易于擴展至上述兩種復雜情況的監(jiān)測。此外，本

6、文還以煙霧擴散場景為例研究了風力及地形等環(huán)境因素對擴散型事件的影響，對于風力影響，提出了風力/風向節(jié)點和濃度節(jié)點協(xié)作監(jiān)測的策略，濃度節(jié)點確定事件邊界，風力/風向節(jié)點預測主要擴散趨勢。實驗顯示，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，提出了適應地理條件的GA-deployment布局方法，針對障礙物構成的Voronoi圖對網(wǎng)絡中的節(jié)點進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)絡布局結構進行擴展，擴展前后的對比實驗顯示，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率、較高的容錯性和較強的事件報告可靠性。
　　 總之，本文為一系列具有擴散特性的環(huán)境問題進行了形式化定義，設計了傳感器數(shù)據(jù)處理結構，提出了傳感器網(wǎng)絡中數(shù)據(jù)樣本的區(qū)分方法，建立了擴散型事件監(jiān)測模型，提出了相應的監(jiān)測算法，并對復雜擴散型事件監(jiān)測進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展應