无线传感器网络中基于图论的分布式事件域的检测方法

摘要

本发明公开了一种无线传感器网络中基于图论的分布式事件域的检测方法，基于事件发生的区域中的邻近的无线传感器在空间上有一个统计的相关性这一事实，利用传感器之间的空间上的相关性把传感器建模成一个图形，然后利用一个正则项进行优化，提高检测的准确度。本发明的积极效果是：不需要知道传感器观察值的概率分布；只在无线传感器网路环境中判别事件发生的区域；且本发明采用分布式软判决方案，同时，本发明综合考虑了带宽，效率限制和判断准确性，有效提高了无线传感器网络中事件域检测的准确性和高效性。

主权项

一种无线传感器网络中基于图论的分布式事件域的检测方法，其特征在于：包括如下步骤：步骤1、利用训练数据模拟所需检测场景，通过优化训练数据的最佳检测效果，确定所需参数λ，ω，及判决门限τ_R的最佳值，其中λ为优化过程中控制传感器节点间数据结果相似度变量，ω为控制算法收敛速度变量；步骤2、将所有传感器节点所接收到的数据记为x_i(k)，i＝1,2...,N，其中N表示系统中传感器节点数量，N为自然数；k＝1,2,…,K，K为每个传感器得到的检测数据个数，通过对传感器网络节点进行节点定位，根据节点的网络拓扑特征，确定近传感器数m；步骤3、找出每个传感器节点的m个临近节点作为其邻接节点，构成集合N_i，每个传感器节点与其邻近的m个节点间相互通信，测量并记录该传感器节点与其邻近的m个节点欧式距离d_i,j；步骤4、对于第i个传感器节点，利用其邻接节点及其对应欧式距离，确定与该传感器节点邻接的m个节点的相关性权重g_i,j，$g_{i,j}=\left\{\begin{array}{cc}{e}^{-d_{i,j}^2/\phi }& j\in N_i\\ 0& j\notin N_i\end{array}\right.$以g_i,j为第i行j列元素，构造N×N对称权重矩阵G,其中，φ为预先设定的参数；步骤5、构造图拉普拉斯矩阵L，L＝D‑G，其中，步骤6、在每个传感器节点i，确定赋权邻接矩阵A的第i行j列元素值a_i,j，a_i,j＝(λL+I)_i,j，其中：I为N阶单位矩阵；步骤7、采用理查德森迭代法，传感器节点与其临近节点相互通信，得出每个传感器节点自身所处区域的判决估计数据其中：下标i表示第i个传感器节点，下标r表示估计值，上标k表示迭代的次数：(1)令循环次数为k，k为非负整数，初始化k＝0，对传感器节点i,随机生成估计初始值${\hat{\beta }}_{r,i}^{\left(0\right)};$(2)循环次数k＝k+1，当k＝1时，每个传感器节点的估计数据当k>1时，每个传感器节点的估计数据${\hat{\beta }}_{r,i}^{(k+1)}={\beta }_{r,i}^{\left(k\right)}+\omega ({\bar{x}}_i-\underset{j\in N_i}{\Sigma }{a}_{i,j}{\beta }_{r,i}^{\left(k\right)}),$将传送至其邻接节点，并收集其邻接节点数据，更新节点估计值；(3)重复(1)至(2)，直到循环次数k等于系统预先设定的循环次数N_p，或前后两次迭代过程所得估计数据差值小于容许误差ε为止；步骤8、将每个传感器节点自身所处区域的判决估计数据与判决门限τ_R做比较，从而得到最终的分布式判决结果${\hat{\beta }}_{r,i}=\left\{\begin{array}{cc}1& \begin{array}{cc}\mathrm{if}& {\hat{\beta }}_{r,i}^{\left(k\right)}\ge {\tau }_R\end{array}\\ 0& \mathrm{otherwise}\end{array}\right..$