传感器节点数据相关性的自适应容错优化

© 2013由Elsevier B.V.发布。由美国应用科学研究所负责选择和/或同行评审可在www.sciencedirect.com在线获取ScienceDirectAASRI Procedia 6（2014）59 - 652013第二届AASRI计算智能与生物信息学传感器节点数据相关性的自适应容错优化Yun Liu，Hongzhi Zhou*昆明理工大学信息工程与自动化系，云南昆明，650500摘要A-SMAC协议基于传感器节点数据流量动态调整节点监听和睡眠时间。基于A-SMAC协议，传感器节点发出底层错误判决，本文提出了一种节点自适应容错算法（AFTA）。根据容错判决结果，利用A-SMAC协议动态调整节点监听和休眠时间，实现数据判决与节点动态监听相结合我们实验结果表明东盟自由贸易区的表现优于贝叶斯算法和展品强容错能力和更少的能源消耗。© 2014由Elsevier B. V.这是CC BY-NC-ND许可下的开放获取文章（http：commons.org/licenses/by-nc-nd/3.0/）。美国应用科学研究所关键词：容错;自适应; A-SMAC协议;1. I介绍事件检测是无线传感器网络（WSN）的重要应用之一，其主要问题是受环境噪声和能量的影响而影响检测的准确性[1]。* 通讯作者。电话：+电话：13888918579电子邮箱：liuyun@kmust.edu.cn。本课题得到国家自然科学基金（KKGD201203004）的资助2212-6716 © 2014由Elsevier B.诉 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。美国应用科学研究所科学委员会负责的同行评审doi：10.1016/j.aasri.2014.05.00960Yun Liu和Hongzhi Zhou / AASRI Procedia 6（2014）59基于空间相关性的算法，如分布式贝叶斯容错检测算法（BFTD）[2]。但是，由于BFTD节点间通信频繁，导致节点间能量消耗快，A-SMAC协议基于数据流量动态调整监听和休眠时间。A-SMAC协议对底层数据判断的可靠性没有贡献。通常会发出不可靠的信息，导致融合中心做出错误的决策。本文提出了一种自适应容错算法（AFTA），通过阈值区域判决方案[3]，利用数据相关性，实现底层数据容错判决与A-SMAC协议的结合。通过仿真表明，在监测环境中，AFTA可以提高有效数据的发送效率，减少不必要的数据发送。本文的其余部分组织如下。第二部分介绍了时间相关容错算法。自适应监听休眠在第3节中讨论。第4节描述了我们的模拟结果。第五节是论文的结论。2. 基于时间相关性2.1. 系统模型当某个传感器的读数大于某个阈值时，假设传感器监测区域内发生了事件;当传感器的读数小于某个阈值时，假设没有发生事件。由于传感器的可靠性不高，传感器的读数可能大于某一方法的阈值并不一定意味着监测区域已经发生。我们定义的节点在时间上的值是：第1001章：一个人的世界（2- 1）–环境–价值是指当时的环境特征价值。噪声监测是噪声的检测（包括对环境噪声和设备稳定性的影响–因此，在t的任何时刻，系统周期都是高斯分布，系统周期是高斯分布，系统阈值是高斯分布。–每个节点周期性地发送二进制判决，得到测试结果：SKTS୧ሺKTୱሻͳ‹ˆɖ୧ሺ KTୱሻ–ŠͲ‹ˆɖሺ KTሻ（2-2）୧ ୱSKT是在KT时间节点i的测试结果是所以我们知道SKT实际上是作为结果的“事件”。假设节点i在KT时间的实际情况下，环境中的一个二进制变量TKT为表达式：TKTKT–Š‹ˆ（2-3）୧ୱͲǡ‹ˆ୧ሺKTୱሻݐTKT=0是在无事故环境的KT情况下TKT=1是事件的真实情况Yun Liu和Hongzhi Zhou / AASRI Procedia 6（2014）5961它有四种可能的情况：TKT、SKT（传感器正确报告而无事件）;TKT、SKT（SKT、S KT（传感器或错误报告事件）; T KT、S K T（S KT、S K T（S KT）。我们观察到传感器节点没有可靠性，可能会出现TKTSKT，也就是检测错误。漏检概率P和虚警概率P为：PP SKTT KT PKTKTQ–Š（2-4）ଵ ୧ ୱ ୧ୱ୧ୱ୧ୱቁPP SKTT KT PKT KT Q（2-5） –Šଶ ୧ ୱ ୧ୱ୧ୱ୧ୱ参考中的假设。[4]对称性错误概率：P< $P<$但是从（2-4）和（2-5）可以得到，漏检概率P和误检概率P均基于噪声值方差T和噪声标准方差T。我们定义了容错算法的时间相关性，用于提高能量效率和精度。2.2. 时间相关数据在监测环境变化缓慢的情况下，环境特征值在短时间内呈缓慢波动变化。–所以我们把时间上的冗余值称为时间相关数据[5]。我们定义了节点特征值，使其在C_ （？）因此，在时间t，（L +1）个连续的冗余信息可以用来检验时间误差校正的结果节点i在时间段C内的平均值为：X σšሾ ሺ Ž ሻ Tሿଵσሾ ሺ Ž ሻ Tሿଵσœሾ ሺ Ž ሻ Tሿ Z（2-6）୧Ǣେ◌◌ାଵ୧◌ୀ ୧ୱ◌ାଵ୧◌ୀ ୧ୱ◌ାଵ୧◌ୀ ୧ୱ ୧ ୧这是一个很大的价值，其特点是环境与它在时间上是一致的。Z是一种美国式的R和M变奏，变奏的价值是不可估量的。‹• [6]中提出了无事件平均值的概念。因此 ，它的价值是很高的。这是一个垃圾决定，在三个小时是0。5（+）。如果采取行动，对节点环境进行评估，ሺ ሻ Ͳ‹ˆX ୧ᇱሺ୩◌ି ሻǡ୩–Š（2-7）RKTͳ‹ˆX୧ᇱሺ ୩◌ି ሻǡ୩–Š检测错误概率可以近似地表示为以下Q函数：’Pሺ RሺK Tሻ Ͳȁ TሺK T ሻͳ ሻPሺ R ሺ K T ሻͳ ȁ T ሺ K T ሻͲ ሻQቂ ሺ ୫ ◌ି୫ ሻξ ◌ାଵቃ(2-8)୧ ୱ ୧ୱ୧ୱ୧ୱଶ系统未命中概率和虚警概率由下式给出：PPRKTTKT：PPR KTTK T62Yun Liu和Hongzhi Zhou / AASRI Procedia 6（2014）59如果S KTTKT和R KTT KT，则表示纠正了错误。 类型（2-8）表明，漏警概率和虚警概率随L的增大而减小。2.3. 阈值区域规则模型利用环境特征值如果发生了明显的变化，节点冗余测试信息的容错性，会引入更多的错误。因此我们定义了节点决策阈值区域的概念（如[7]中所描述的），通过阈值区域来估计环境的变化她认为阈值面积为： 环境噪音。ƒ是参数。根据同一节点在时间上的相邻值的差异，定义了环境的动态变化。如果同一节点两次值满足以下条件，则定义监控区域发生了明显变化。ሼ ɖ୧ሺ ͳሻ TୱȽɐƒ †ɖ୧ሺ  Tୱሻ୬Ƚɐሽሼ ɖ୧ሺ ͳሻ Tୱ୬Ƚɐƒ † ɖ ୧ ሺ  Tୱሻെ◌Ƚ ɐሽ(2-9) 否则，我们假设测试区域的值没有显著变化。如果环境的节点i特征值为1，则1，1ˆɖሺ  Tሻଵ‡š’ ቂሺሺ ୩ሻ ◌ି୫ሻቃ(2-10)୧ୱξଶଶ在这种情况下，可能性如下：  PȽɐሻɖሺ  TሻሺȽɐሻ ሻሺ ୫◌ାሻ ˆɖሺ  Tሻ†ɖ ሺ  T ሻͳʹ Qሺ Ƚ ሻ (2-11)୬୧ୱ ୬ሺ୫◌ିሻ୧ୱ୧ୱ类似地，如果节点的环境特性值不高，则可使用的环境特性值的概率如下： ˆɖሺ  Tሻଵ‡š’ ቂሺሺ ୩ሻ ◌ି୫ ሻቃ(2-12)ଵ୧ୱξଶଶ在此期间，可能性如下：  PȽɐሻɖሺ  TሻሺȽɐሻ ሻሺ ୫ ◌ାሻ ˆɖሺ  Tሻ†ɖ ሺ  T ሻͳʹ Qሺ Ƚ ሻ (2-13)୧ ୱሺ୫ ◌ିሻ୧ୱ୧ୱ如果该参数足够大，则无法使用该参数来确定在该时间间隔内的时间间隔T    分布或时间间隔T分布的大小。例如，当n a = 196时，平均值Q = 95%。当他在这个时间间隔内点头评价时，测试结果并不清楚。  Thus，interva la s a混合区，混叠区域被定义为阈值区域。参数应满足以下等式： TŠ（2- 14） šƒ ”ˆ‘ • …‘  †‹–‹‘  –…‘  • –”ƒ‹ ‡ Š–Š–将单阈值扩展为阈值区域，用（2-9）公式判断被测环境是否发生变化。为了估计节点的持续时间并调整平均值（2-6），最后Yun Liu和Hongzhi Zhou / AASRI Procedia 6（2014）5963对环境的实际情况作出估计。算法实现步骤如下：a) 利用检测阈值区域，判断某个测试环境是否发生明显变化。b) 在明显变化的情况下，进行二进制判决，二进制估计R和R将判决结果连续发送三次。c) 若无明显变化，则确定时间相关处理周期T，计算周期T的L平均值。到达山顶。d) 对于二进制判决检测，平均值为0。对于二进制估计T，然后发送判决。如果此测试环境不发生变化，则利用数据的时间相关性，对测试数据进行容错处理。如果突然改变，一个二进制决定连续发送三次，是为了提高节点发送数据包的数量。在MAC层，A-SMAC协议根据节点吞吐量动态调整监听和休眠时间。它可以及时传递信息。3. 自适应监听休眠机制3.1. A-SMAC协议原理A-SMAC协议是在文献[8，9]中提出的SMAC协议的基础上进行改进的。A-SMAC协议具有自适应监听机制，可以根据节点吞吐量的大小来预测网络流量的变化。3.2. A-SMAC协议工作过程A-SMAC协议可以根据节点的吞吐量来衡量网络流量的大小。设置参数用于统计节点在每个周期内发送和接收的数据包数量。我们采用两个阈值的方法（分别设为S，M）可以将n分为三种情况。在这三种情况下，D，D，D。三种占空比（DDD）。对应设置如下：a) 如果不确定，则该阶段的网络负载很小，根据负载比，最小负载周期D为：b) 如果负载过大，则调整负载比率，负载周期D为：c) 如果现阶段网络负载较大，则采用占空比D。占空比调整后，帧周期的长度不变，只是收听时间要调整，新的活动时间应如下：TD T（i= 1，2，3，）（3-1）调整占空比的值增加数据包的时间，可以在有效时间内传输更多的数据。AFTA提出如果环境发生变化，连续发送三个判决，这样就可以使节点发送的数据流量增加。然后，根据A-SMAC协议使占空比增加，监听时间增加，可以使判决信息及时发送出去，减少数据的判决延迟。4. 模拟分析为了比较AFTA算法和贝叶斯算法，我们使用NS-2.35仿真器进行实验64Yun Liu和Hongzhi Zhou / AASRI Procedia 6（2014）59平台[10]。我们定义了90个节点随机分布在区域内，两个节点之间依次形成成对的CBR流传输链路。自适应事件检测算法采用滑动窗口-重启的方法.确定滑动窗口的长度L、二进制判决门限th和门限面积等参数。图4.1.能量消耗率图4.2.错误性能比较推拉窗的长度L应根据试验确定的环境条件变化，一般值以3~5m为宜。Binary decisionthreshol dBinary decision threshol 从图4.1可以看出，加入容错判断后的算法相对于A-SMAC协议，节点能耗更低。Yun Liu和Hongzhi Zhou / AASRI Procedia 6（2014）5965图4.2显示了AFTA的错误减少性能。从图中可以看出，当数据采集次数L超过3次时，AFTA算法在降低误差方面优于采用空间相关性（相邻节点N = 4）的贝叶斯容错检测算法。5. 结论能量消耗和事件监测是衡量无线传感器网络性能的重要指标之一。该方法通过阈值区域将数据时间相关性与容错性联系起来。该方法还确定了算法与A-SMAC协议的结合方式.仿真结果表明，该方法能显著减少不必要的数据发送量，且能耗低于A-SMAC协议。仿真结果表明，AFTA有效地提高了裁决数据的传输效率，使系统具有更高的实时性和可靠性。作为未来的扩展，AFTA方法可以被开发用于更大的网络。引用[1] Ying Zhang，Shashidhar Gandham，and Qingfeng H.小数据源或稀疏数据源的分布式最小时间收敛投射调度。第28届IEEE国际实时系统研讨会，2007年。[2] 斯科特C.- H. Huang，Peng-Jun Wan，and Chinh T.没错无线传感器网络中数据聚集调度的近似常数法。IEEE INFOCOM，2007年。[3] 博宇，李建中，李英淑。无线传感器网络分布式数据汇聚调度。IEEE INFOCOM，2009年。[4] Yanwei Wu，Xiang-Yang Li，and YunHao Liu.用于数据收集和聚合的节能唤醒调度。IEEETransactions on Parallel and Distributed Systems，2010。[5] 陈思远，唐少杰，黄敏素。任意无线传感器网络的数据收集容量。在IEEE INFOCOM，2010年。[6] Y.T. Hou，Y.施，J.Pan，S.F.Midkiff，无线传感器网络中无流量分裂的生命周期最优数据路由，在：宽带高级传感器网络研讨会，圣何塞，CA，2004。[7] Y.T. Hou，Y. Shi，H.谢瑞麟，无线感测器网路之能量供应与中继节点配置，IEEE无线通讯学报4（5）（2005）2579[8] [46]J. 苏梅拉，传感器网络中中继节点配置的计算复杂性，SOFSEM 2006。[9] K.卡尔帕基斯湾陈志荣，无线感测器网路之资料收集与整合，国立中山大学资讯工程研究所硕士论文，2002年。[10] H. Liu，P. Wan，W.贾，无线传感器网络中的容错中继节点配置，载：COCOON，2005。