试论无线传感器网络中事件检测技术的研究

《试论无线传感器网络中事件检测技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学硕士学位论文无线传感器网络中事件检测技术的研究姓名：冯智博申请学位级别：硕士专业：计算机软件与理论指导教师：于戈20070101东北大学硕士学位论文摘要无线传感器网络中事件检测技术的研究摘要无线传感器网络(WirelessSens何Networks，WSNs)广泛应用于环境监测、交通控制等诸多领域。事件检测作为无线传感器网络的重要应用之一，受到越来越多的重视。然而由于传感器节点具有感知准确性低、硬件资源有限、抵制干扰性能差等特点，节点会因为环境噪声、自身硬件的干扰、环境温度的影响、能量的枯竭

2、以及硬件的故障产生异常的错误数据，这些异常数据会严重影响到查询结果的准确性。包含这种错误数据的结果信息在降低事件检测精度的同时会损失大量人力物力，因此，使用一种事件检测方法来保证结果的高准确性尤为重要。本文针对上面问题，围绕高精确度、节能、快速响应对事件检测方法展丌研究。先深入分析了已有的容错性事件检测技术和相关算法，然后针对无线传感器网络的有限性特点提出了一种事件检测技术。该技术利用了无线传感器网络中感知数据的时空关联特性，建立了对空关联模型。首先通过在节点本地对数据进行时间关联性判断筘}除了正常

3、节点的错误数据，通过多节点聚成协作组进行空间关联性判断排除了坏损节点的异常数据，提高了事件检测的准确性；其次，采用协作组划分成多个小组轮班采样的方法在节约能耗的同时有效地排除各种错误数据对查询结果的影畋：最后，结合网络拓扑通过对事件信息的传送时间进行预测动态地调整时间关联判断和空间关联判断的时间，最大限度地满足用户提出的实时性能要求。通过实地采集Mica2节点的感知数据，依据采样数据的分布规律模拟部分实验数据，对该事件检测方法进行了性能评估。实验结果表明采用该技术进行事件检测，结果精度高，能量消耗小

4、，而且实时响应也非常迅速。在本文的最后，以基于时空关联模型的事件检测技术为主要应用层算法，在进行系统需求分析后进行了模块设计、层次结构设计和系统详细分析，实现了无线传感器网络模拟事件检测原型系统，对无线传感器网络的事件检测应用进行了有效地模拟。关键词；无线传感器网络；事件检测；时空关联；实时：能量有效一H一东北大学硕士学位论文AbstractStudyofanEventDetectionTechniqueinWirelessSensorNetworksAbstractWirelesssensorne

5、tworks(WSNs)areappliedinvariousfieldssuchasenvironmentmonitoringandtrafficcontrolling．Asoneofthemostimportantapplications，eventdetectionbecomesmoreandmorepopular．However，becauseofthetraitssuchaslowaccuracy，limitedhardwareresources，fragileanti·disturban

6、ce，sensornodeswouldproduceeITOI'SaSaresultofenvironmentnoise,hardwaredisturbance，environmenttemperature，lostofenergyandhardwarefaJture．Datawitherrorswilihaveadisgusting勰uenceonaccuracyofthequeryresultswhichwastelotsofhumanandmaterialresources．Soanevent

7、detectiontechnique砸m11i曲accuracyisverydesirable．Tosolvetheproblemsmentionedabove，娟ldyofeventdetectionconcen+xatingonhighaccuracy，energysavingandfastresponseisundergoing．First,existingerror-tolerameventdetectionmethodsandrelativealgorithmsareanalyzeddee

8、ply．Thenaneventdetectiontechniqueisproposedaccordingtothe‘limited’traitsofWSNs．Thetechniquetakesatvantngeofthetemporal·spatialcorrelationsofsenseddata,andbuildsatemporal·spatialcorrelationmodel．Bytemporalcorrelationverifyingofsamplingda