[发明专利]多维数据环境下无线传感器网络内传感器节点维护的方法

说明书

技术领域

本发明属于无线传感器网络领域，具体涉及一种多维数据环境下无线传感器网络内传感器节点维护的方法。

背景技术

随着无线技术的不断发展，无线传感器网络的应用越来越普及，特别是在环境数据监测领域，无线传感器节点的部署使得人们可以方便的获得复杂场景下的环境数据（如树林中的温度、湿度以及光照强度等）。为了可以持续监测环境数据变化，我们需要这些传感器节点长时间的稳定工作。然而，复杂环境中一些非确定性因素（如电磁干扰、其它物体的遮挡以及物理撞击等）常常干扰传感器节点的数据采集工作，同时大部分应用中的传感器节点都是由一些低廉的硬件组成，这更进一步加大了传感器节点在采集数据的过程中出现故障的可能性。以上因素的影响使得传感器节点所采集的数据通常不能正确的反映当前环境下的真实情况，从而节点会将错误的数据上报给监测中心并产生误判。

为了有效解决上述问题，人们提出了很多种方案，比如去除环境中的干扰因素、移走或替换出现故障的传感器节点等。虽然这些方案在一定程度上改善了无线传感器网络的稳定性，但是在实施上述方案之前需要确定哪一个传感器节点受到环境中非确定性因素的影响或自身出现了故障。这就需要对每一个传感器节点进行可信性评估，可信度低的传感器节点则极有可能受到了其它非确定性因素的影响或自身硬件设备出现了故障，从而需要及时更换或修正，可信度高的传感器节点依然可以正常工作。

目前针对传感器节点可信性评估的方案大部分基于传感器自身的行为表现（如节点间的通信是否正常、数据上报频率等），但这些方案的具体实现需要传感器自身的参与，从而每个传感器节点在完成正常数据的采集和上报之外，还需要耗费部分能量对周围邻居节点进行可信性评估，这无疑缩短了传感器节点的工作寿命。

如果从数据的角度进行考虑，将传感器节点所采集并上报的不同维度数据看作该节点的不同属性，则每一维数据的正确与否可以在一定程度上反映该传感器可信度的大小。通过融合不同维度上的数据对传感器节点可信性的评估结果，同样可以得到相应传感器节点的可信度。

目前，针对该领域的特点，D-S证据理论是一种较为适合的数据融合方法。由于该理论在先验概率比较难获取的情况下可以有效的区分“不确定”与“未知”，因而在处理可信度问题上比传统的概率论更加灵活。

发明内容

本发明目的在于提供一种多维数据环境下无线传感器网络内传感器节点维护的方法，有效地降低了传感器节点自身的能耗，同时提高了对传感器节点进行可信性评估的稳定性与鲁棒性。

为了解决现有技术中的这些问题，本发明提供的技术方案是：

一种多维数据环境下无线传感器网络内传感器节点维护的方法，所述多维数据环境下每个传感器节点同时采集不同的环境数据；其特征在于所述方法包括以下步骤：

（1）预先将每一维度上的数据作为能够反映该传感器节点可信性大小的一种特征，采用D-S证据理论计算出相应传感器节点在每一种特征上的信任度函数和似然度函数，将它们作为每一种特征对传感器节点的可信性评估结果；通过计算不同维度上数据可信性评估结果的算数平均数即可得到针对每个传感器节点的可信度上、下限，找出无线传感器网络内可信度较低的传感器节点；

（2）结合实际需求中对该传感器节点所采集数据的准确性要求，判断可信度较低的传感器节点是否需要被替换或修正；根据判断的结果进行无线传感器网络内的节点维护。

优选的技术方案是，所述方法步骤（1）的具体步骤是：

1）传感器节点上报当前所采集到的n维环境数据；

2）基于D-S证据理论，针对所要评估的传感器节点A提出命题P：“A是可信的”；并将命题P划分成n个子命题：P₁,_P2,...,P_n，其中P_h表示传感器节点A所采集的第h维数据是可信的；

3）通过统计分析同一环境下传感器所采集的历史数据或根据历史经验，得到传感器节点某一维度h上的数据对其它维度数据的可信性判断；

4）基于维度h对其它维度上数据的可信性评估结果，计算该条件下传感器节点的信任度函数Bel_h，其表示根据第h维数据评估所得该传感器节点的可信度下限；

5）基于维度h对其它维度上数据的可信性评估结果，计算该条件下传感器节点的似然度函数Pl_h，其表示根据第h维数据评估所得该传感器节点的可信度上限；

6）循环步骤3）～5），依次计算出传感器节点基于每一维数据的可信度上限和下限；