[发明专利]基于子图处理的无线传感器网络异常节点检测与定位方法

说明书

本发明公开一种基于子图处理的无线传感器网络异常节点检测与定位方法，基于局部子图处理和节点域‑图频域联合分析的思想筛选出局部异常子图的中心节点集合，通过筛选出的节点集合与局部子图的中心节点的匹配度来判断网络是否存在异常节点，同时定位无线传感器网络中的异常节点。本发明不仅能够判断网络是否异常，还可以定位网络中的异常节点，为实现无线传感器网络中异常节点检测和定位提供了简单有效的方法，其具有检测率高的特点，并能够为之后的修复工作提供帮助。

技术领域

本发明涉及无线传感器网络技术领域，具体涉及一种基于子图处理的无线传感器网络异常节点检测与定位方法。

背景技术

伴随着无线通信和电子技术的快速发展，无线传感器网络已经广泛应用于环境监控、目标追踪、精细农业生产等多个重要领域。无线传感器网络是由数量众多的传感器节点构成的多跳网络，并且不同节点之间可以进行通信。人们将传感器网络中各个节点采集的数据汇聚到数据中心进行数据的处理和分析，为人类的生产生活提供帮助。但是由于网络中传感器节点的储能有限、监测的环境十分复杂、以及网络本身容易遭受外界攻击等原因，使得无线传感器网络十分容易出现异常，造成其中的部分节点出现异常，影响采集数据本身的真实性和稳定性。为了保证网络收集到高质量的数据，异常节点检测和定位是无线传感器技术中的重要步骤。

无线传感器网络异常节点是指在传感器网络中，由于其中的部分节点出现故障，导致采集的网络数据中存在偏离整体中其他数据的单个或多个数据，它往往不容易通过直接的数据观察而检测到，需要我们通过对采集到的网络数据进行处理，将异常数据从数据集合中筛选出来，从而检测和定位网络中的异常节点。由于异常节点检测工作在传感器网络的相关研究中具有重要的意义，已有学者提出了一些异常节点检测方法。其中基于统计学的方法是最早被提出的，该方法通过估计采集数据和统计模型的匹配程度，从而分离出采集数据中的异常数据。这种方法检测率较高，但是需要提前知晓数据集合的先验信息建立统计模型，而在许多的实际情况中，数据的统计模型较难建立。此外，聚类分析的方法也可用于异常检测，它是数据挖掘领域的一种常见方法。该方法将数据集合中的数据样本归类于多个簇，如果存在个别数据不能归于其中任意的一个簇，则被视为异常数据。这种方法的优势在于不需要数据的统计模型，就可以对当前采集的数据进行处理，但是该方法中簇的大小及个数较难确定。此外常见的网络异常检测方法还有基于分类和基于最近邻居的异常检测方法。然而目前学者们提出的异常检测方法大多是基于网络信号本身的时间关联性，针对基于网络拓扑结构的异常检测研究相对较少，其主要原因在于没有一种广泛适用的数学模型将网络信号和网络拓扑结构联系起来。近年来，随着图信号处理理论的逐步建立，大规模非规则信号处理成为新兴的研究领域，该理论将网络的拓扑结构和网络数据通过图信号模型关联在一起，为基于拓扑结构的网络异常检测工作提供了一种新的研究模型，如何利用大规模非规则信号处理的方法对传感器网络进行异常节点的检测和定位成为了很多学者研究的热点问题。

2014年，A.SANDRYHAILA和J.M.F.MOURA首先提出了基于图高通滤波处理的传感器网络异常节点检测方法。该检测的方法是采集的网络信号通过一个近似理想高通图滤波器得到输出信号，再根据输出信号的图频率判断的传感器网络是否异常，即网络中是否存有异常节点。该方法操作简便，异常检测率较高，但是该方法并不能找出异常节点，只是检测网络是否异常。

发明内容

本发明所要解决的是现在基于图信号处理的传感器网络异常节点检测方法检测率不高的问题，提供一种基于子图处理的无线传感器网络异常节点检测与定位方法。

为解决上述问题，本发明是通过以下技术方案实现的：

基于子图处理的无线传感器网络异常节点检测与定位方法，包括步骤如下：