摘  要： 事件監(jiān)測是無線傳感器網(wǎng)絡(luò)中的重要應(yīng)用之一,，而準(zhǔn)確檢測出故障節(jié)點(diǎn)是提高事件監(jiān)測效率的前提,。為了實(shí)現(xiàn)多應(yīng)用目標(biāo)傳感器網(wǎng)絡(luò)中較高的節(jié)點(diǎn)故障識別率，在基于簇狀樹的虛擬傳感網(wǎng)架構(gòu)上,，提出一種基于節(jié)點(diǎn)鄰域中值的事件監(jiān)測容錯(cuò)算法,。該算法充分利用了無線傳感網(wǎng)節(jié)點(diǎn)之間的空間相關(guān)性，融合鄰域各節(jié)點(diǎn)的測量值,，通過節(jié)點(diǎn)的數(shù)值與鄰域中值之間的差值來判斷節(jié)點(diǎn)狀態(tài),。仿真實(shí)驗(yàn)結(jié)果表明，即使是在節(jié)點(diǎn)故障概率比較高的情況下,，該算法依然具有優(yōu)越的容錯(cuò)性能,。

　　關(guān)鍵詞： 容錯(cuò)；虛擬傳感器網(wǎng)絡(luò),；事件監(jiān)測

0 引言

　　目前大多數(shù)無線傳感器網(wǎng)絡(luò)的部署都是為特定的應(yīng)用服務(wù),，為每個(gè)應(yīng)用部署相應(yīng)的專用傳感器網(wǎng)絡(luò)往往成本過高，效率低下,。虛擬傳感器網(wǎng)絡(luò)（Virtual Sensor Networks,，VSN）則從一系列傳感器當(dāng)中挑選出若干節(jié)點(diǎn)形成一種邏輯網(wǎng)絡(luò)，為某類特定的應(yīng)用服務(wù),，其基本概念與在物理拓?fù)渲辖⒎?wù)于特定用戶的虛擬網(wǎng)絡(luò)技術(shù)有異曲同工之妙,。部署在相同地理區(qū)域內(nèi)，并且互相協(xié)作的傳感器節(jié)點(diǎn)可以根據(jù)不同的監(jiān)測任務(wù),，在邏輯上構(gòu)成多個(gè)不同的VSN[1],。

　　在傳統(tǒng)的無線傳感網(wǎng)事件監(jiān)測過程中，往往由于節(jié)點(diǎn)的質(zhì)量較差,、被損壞以及無線通信受噪聲干擾等問題,，導(dǎo)致節(jié)點(diǎn)故障，產(chǎn)生錯(cuò)誤的采樣數(shù)值,，降低事件監(jiān)測的準(zhǔn)確性,。實(shí)現(xiàn)準(zhǔn)確度較高的事件監(jiān)測，良好的容錯(cuò)算法必不可少,。然而,，在虛擬傳感網(wǎng)架構(gòu)中,，傳感節(jié)點(diǎn)的容錯(cuò)需求除了檢測出故障節(jié)點(diǎn)外，還要考慮在VSN內(nèi)的故障節(jié)點(diǎn)拓?fù)涔芾韱栴},，這是傳統(tǒng)無線傳感網(wǎng)容錯(cuò)算法所欠缺的,。因此，本文的主要研究目標(biāo)是提出適用于虛擬傳感網(wǎng)架構(gòu),，且具有優(yōu)越性能的容錯(cuò)算法,。

1 相關(guān)成果

　　參考文獻(xiàn)[2]提出了一種利用節(jié)點(diǎn)測量值的平均值來消除噪聲對傳感器讀數(shù)干擾的容錯(cuò)算法。但是該算法僅適用于節(jié)點(diǎn)故障率較低的傳感網(wǎng),。參考文獻(xiàn)[3]同時(shí)考慮到了事件的時(shí)間,、空間相關(guān)性，提出了一種分布式的事件區(qū)域檢測容錯(cuò)算法,，但該算法僅局限于固定事件區(qū)域的監(jiān)測,。而在虛擬傳感器網(wǎng)絡(luò)架構(gòu)下的容錯(cuò)處理方面，僅有參考文獻(xiàn)[1]利用隨機(jī)過程描述事件的時(shí)間相關(guān)性,，提出了一種基于統(tǒng)計(jì)假設(shè)檢驗(yàn)的容錯(cuò)策略,，通過檢驗(yàn)本地采樣數(shù)據(jù)構(gòu)成的時(shí)間序列與事件統(tǒng)計(jì)特征的符合程度來判斷節(jié)點(diǎn)是否發(fā)生錯(cuò)誤。

　　依照參考文獻(xiàn)[1],，傳感器錯(cuò)誤分為如下兩類[3]：一是誤判錯(cuò)誤,，即監(jiān)測環(huán)境處于正常狀態(tài)時(shí)，傳感器節(jié)點(diǎn)卻報(bào)告有相應(yīng)事件發(fā)生,；二是失判錯(cuò)誤,，即事件發(fā)生時(shí)，傳感器節(jié)點(diǎn)卻沒有報(bào)告,。如果節(jié)點(diǎn)失判,，由于鄰居節(jié)點(diǎn)大多都正常工作，已監(jiān)測到了該事件,，所以參考文獻(xiàn)[1]認(rèn)為出現(xiàn)失判無關(guān)緊要而不做處理,；如果節(jié)點(diǎn)發(fā)生誤判，則不再接受此節(jié)點(diǎn)消息,。參考文獻(xiàn)[1]的容錯(cuò)策略不當(dāng)之處在于：（1）很多傳感網(wǎng)應(yīng)用并不是僅僅以監(jiān)測到事件發(fā)生為最終目的,，還需要將采集到的數(shù)據(jù)匯總并進(jìn)行運(yùn)算處理。失判情況下,，如果放任錯(cuò)誤數(shù)據(jù)不管,，對傳感網(wǎng)應(yīng)用的結(jié)果準(zhǔn)確度會產(chǎn)生影響,；（2）節(jié)點(diǎn)故障狀況中存在瞬時(shí)測量值故障[4],，即由于監(jiān)測環(huán)境的突然變化使得傳感節(jié)點(diǎn)極短時(shí)間內(nèi)采樣數(shù)據(jù)異常。這樣的故障是暫時(shí)的,、可恢復(fù)的,。若因?yàn)橐淮嗡矔r(shí)測量值故障，就再不采用該節(jié)點(diǎn)所傳輸?shù)臄?shù)據(jù)，會降低傳感網(wǎng)的效率,。

2 事件監(jiān)測的容錯(cuò)算法

　　2.1 基于節(jié)點(diǎn)鄰域中值的容錯(cuò)算法

　　在發(fā)生例如森林火災(zāi),、化工毒氣泄漏的監(jiān)測區(qū)域中，鄰居節(jié)點(diǎn)間在正常情況下的測量數(shù)值是相同或者相近的,，則稱該區(qū)域內(nèi)的節(jié)點(diǎn)測量值具有空間相關(guān)性[5],。但節(jié)點(diǎn)誤判或者失判通常是視為隨機(jī)獨(dú)立的，不具有空間相關(guān)性,。本文利用采集數(shù)據(jù)之間的空間相關(guān)性,，對可能存在錯(cuò)誤的傳感數(shù)據(jù)進(jìn)行處理。

　　假設(shè)在傳感節(jié)點(diǎn)Si的通信半徑范圍內(nèi)共有m-1個(gè)鄰居節(jié)點(diǎn),，這m個(gè)節(jié)點(diǎn)的集合構(gòu)成了Si的節(jié)點(diǎn)鄰域,，記為N（Si）。其中,，Si的第k個(gè)鄰居節(jié)點(diǎn)記為Sik,，1≤k≤m-1，其在某時(shí)刻所采集到的數(shù)據(jù)記為D（Sik）,。因?yàn)楣?jié)點(diǎn)采樣值中有可能會出現(xiàn)與正常數(shù)據(jù)偏差極大的錯(cuò)誤值,，所以如果用樣本均值來估計(jì)中心節(jié)點(diǎn)鄰域內(nèi)的總體狀態(tài)是不合理的。因此,，本文用鄰域數(shù)據(jù)中值來反映樣本中心,。令N（Si）的中值為M（Si），假設(shè)Si的鄰域N（Si）中,，各個(gè)鄰居節(jié)點(diǎn)所采集的數(shù)據(jù)按照數(shù)值大小升序排列,，D（Si）≤D（Si1）≤…≤D（Si（m-1）），中值M（Si）的計(jì)算公式如下：

　　M（Si）=D（Si（m-1）/2）,，m為奇數(shù)[D（Si（m/2）+D（Si（m/2-1））]/2,，m為偶數(shù)（1）

　　得出中值后，再計(jì)算出Si的采樣數(shù)值與M（Si）的差值pi,。

　　pi=|D（Si）-M（Si）|（2）

　　得出差值pi后,，根據(jù)式（3）計(jì)算出pi的均值與方差。

　　之后再由式（4）對傳感節(jié)點(diǎn)數(shù)值與中值的差值pi進(jìn)行標(biāo)準(zhǔn)化處理,。

　　本文假設(shè)在應(yīng)用場景中,，所部署的各個(gè)傳感器的采樣數(shù)值都是獨(dú)立同正態(tài)分布的，這意味著理論上N（Si）的均值與中值相同,，但中值相比于均值能更為準(zhǔn)確地反映出樣本中心,。而當(dāng)樣本數(shù)目i足夠大時(shí)，經(jīng)過標(biāo)準(zhǔn)化的中值差值序列g(shù)1,，g2…gi可視為服從N（0,，1）標(biāo)準(zhǔn)正態(tài)分布的一個(gè)樣本,。

　　最后，根據(jù)式（5）來檢測Si是否出現(xiàn)故障,。將經(jīng)過標(biāo)準(zhǔn)化的gi與預(yù)先給定的閾值θ相比較,，其中θ>1。

　　如果|gi|-θ≥0,，則Ri=1,，表明Si發(fā)生故障。查詢標(biāo)準(zhǔn)正態(tài)分布表,，如果設(shè)定判決閾值θ為1.65,，則|gi|-θ≥0的概率大約是10％，這意味著如果某些偏離正常采樣值范圍的極值出現(xiàn)概率不超過10％,，則可視作節(jié)點(diǎn)故障,。其他節(jié)點(diǎn)故障率與對應(yīng)的判決閾值如表1所示。

　　2.2 節(jié)點(diǎn)信譽(yù)機(jī)制

　　為了解決瞬時(shí)測量值故障導(dǎo)致傳感網(wǎng)效率降低的問題,，本文提出了節(jié)點(diǎn)信譽(yù)機(jī)制,。首先，定義變量LTC和STC,，分別代表Si的長期信譽(yù)和短期信譽(yù),，假設(shè)max（LTC）為5，max（STC）為3,，初始值都為0,。status為節(jié)點(diǎn)暫時(shí)狀態(tài)，正常時(shí)為0,，故障時(shí)為1,，表示正處于考察階段。final_status為節(jié)點(diǎn)最終狀態(tài),，若為1,，則永不采用其采樣值。sample為節(jié)點(diǎn)信譽(yù)未破產(chǎn)階段的采樣許可標(biāo)識,，值為1時(shí)正常采樣,，值為0且final_status為0時(shí)采樣數(shù)據(jù)仍參與節(jié)點(diǎn)故障檢測，但僅對此采樣數(shù)據(jù)的對錯(cuò)進(jìn)行判斷,，并不采用,。算法偽代碼如下：

　　max（LTC）=5；max（STC）=3,；

　　LTC=0,；STC=0；

　　status=0,；final_status=0,；sample=1；

　　WHILE（final_status!=1）

　　{

　　IF（LTC==5）

　　{

　　final_status=1,；

　　}

　　IF（status==1）

　　{

　　LTC++,；

　　STC=0；

　　sample=0,；

　　}

　　ELSE

　　IF（status==0&&LTC!=0）

　　{

　　STC++,；

　　IF（STC==3）

　　{

　　sample=1；

　　}

　　}

　　}

　　一旦該節(jié)點(diǎn)發(fā)生故障,，則LTC加1,，STC無論為何值都重新歸零。在Si標(biāo)識為故障節(jié)點(diǎn)期間仍然可以傳輸其他節(jié)點(diǎn)數(shù)據(jù),，并且其之后的采樣數(shù)據(jù)仍參與節(jié)點(diǎn)故障檢測,，但僅對此采樣數(shù)據(jù)的對錯(cuò)進(jìn)行判斷，并不采用,。如果之后的采樣數(shù)據(jù)在正常范圍內(nèi),，則STC加1，直到STC等于3時(shí)撤銷對節(jié)點(diǎn)Si的故障標(biāo)識,，并正常采用其采樣數(shù)據(jù),。這樣可以有效規(guī)避因某一時(shí)刻的瞬時(shí)測量值故障而使得節(jié)點(diǎn)不再被信任。如果LTC累加到5,，可視為Si信譽(yù)破產(chǎn),，不再與Si進(jìn)行任何數(shù)據(jù)交換，更不會采用其采樣值,。

3 容錯(cuò)處理流程

　　參考文獻(xiàn)[6]提出了一種基于自頂向下的簇樹狀結(jié)構(gòu)的VSN組建算法,，使得傳感網(wǎng)部署區(qū)域內(nèi)監(jiān)測到相同事件的節(jié)點(diǎn)構(gòu)成一個(gè)VSN。

　　在VSN中,，監(jiān)測到事件后需要將消息上傳到根節(jié)點(diǎn),，每個(gè)簇頭節(jié)點(diǎn)都在VSN簇樹構(gòu)建過程中向路由表內(nèi)添加條目建立路由，連通監(jiān)測到相同事件的所有節(jié)點(diǎn),。簇頭節(jié)點(diǎn)處理VSN構(gòu)建消息的流程圖如圖1所示,。

　　根據(jù)參考文獻(xiàn)[6]所提出的虛擬傳感網(wǎng)架構(gòu)，當(dāng)VSN內(nèi)某傳感節(jié)點(diǎn)經(jīng)本文第2節(jié)容錯(cuò)算法確認(rèn)為故障節(jié)點(diǎn)時(shí),，就會進(jìn)行如圖2所示容錯(cuò)處理流程,。

　　如果Si是VSN簇頭節(jié)點(diǎn)（Cluster Head，CH）,，當(dāng)CH失判時(shí),，簇內(nèi)節(jié)點(diǎn)只要有一個(gè)監(jiān)測到了事件，都會上報(bào)給CH,，并將CH納入VSN事件內(nèi),。因此,，CH失判對事件能否被監(jiān)測到影響并不大，但是為了保證失判時(shí)CH所提交的錯(cuò)誤數(shù)據(jù)不影響匯總數(shù)據(jù)的精確性,，無論失判還是誤判,，都需要及時(shí)刪除并重新選擇CH。

4 仿真結(jié)果與性能分析

　　在仿真實(shí)驗(yàn)中,，將總數(shù)n=5 000個(gè)傳感節(jié)點(diǎn)隨機(jī)均勻地部署在500 m×500 m的平面區(qū)域內(nèi),，sink節(jié)點(diǎn)部署在區(qū)域中央。每個(gè)節(jié)點(diǎn)有8個(gè)鄰居節(jié)點(diǎn),，節(jié)點(diǎn)采樣頻率為10 Hz,，max（LTC）=3，max（STC）=3,。判決閾值θ= 1.96,。考慮同一監(jiān)測事件發(fā)生在單個(gè)區(qū)域和三個(gè)不同區(qū)域內(nèi)兩種情況,。事件區(qū)域內(nèi)節(jié)點(diǎn)測量值服從正態(tài)分布N（100,，10），故障節(jié)點(diǎn)測量值服從均勻分布U（40,，100）,，正常區(qū)域節(jié)點(diǎn)測量值服從正態(tài)分布N（40，10）,。比較本文算法與參考文獻(xiàn)[1]基于統(tǒng)計(jì)假設(shè)檢驗(yàn)的容錯(cuò)算法在不同節(jié)點(diǎn)故障率下的性能優(yōu)劣,。節(jié)點(diǎn)故障率與錯(cuò)誤節(jié)點(diǎn)數(shù)目對應(yīng)關(guān)系如表2所示。

　　容錯(cuò)準(zhǔn)確率=,，其中,，num（Identify）指檢測出來的錯(cuò)誤節(jié)點(diǎn)數(shù)目，num（fault）指錯(cuò)誤節(jié)點(diǎn)總數(shù),。事件監(jiān)測準(zhǔn)確率=,，其中，num（IEvent）指監(jiān)測到事件的傳感節(jié)點(diǎn)數(shù)目,，num（Event）指位于事件區(qū)域內(nèi)的傳感節(jié)點(diǎn)數(shù)目,。

　　圖3顯示了在同事件單區(qū)域和多區(qū)域的場景中，相同傳感節(jié)點(diǎn)錯(cuò)誤率的情況下,，本文算法與參考文獻(xiàn)[1]算法的容錯(cuò)準(zhǔn)確率,。圖4則顯示了兩種應(yīng)用場景中，兩種算法事件監(jiān)測準(zhǔn)確率隨節(jié)點(diǎn)錯(cuò)誤率的變化,。圖中,，標(biāo)有空心菱形節(jié)點(diǎn)的scheme1是參考文獻(xiàn)[1]算法性能曲線，標(biāo)有空心圓節(jié)點(diǎn)的scheme2是本文算法性能曲線。由圖3,、圖4可以看出,，本文所提出的基于節(jié)點(diǎn)鄰域中值的事件監(jiān)測容錯(cuò)算法無論在單目標(biāo)區(qū)域還是多目標(biāo)區(qū)域的事件監(jiān)測場景中，性能都要比參考文獻(xiàn)[1]基于統(tǒng)計(jì)假設(shè)檢驗(yàn)的容錯(cuò)算法更為優(yōu)越,。

5 結(jié)束語

　　本文研究了虛擬傳感器網(wǎng)絡(luò)架構(gòu)下的事件監(jiān)測容錯(cuò)問題,，組建了相應(yīng)的網(wǎng)絡(luò)模型，提出了一種基于節(jié)點(diǎn)鄰域中值的事件監(jiān)測容錯(cuò)算法,，利用鄰域節(jié)點(diǎn)采樣值之間的空間相關(guān)性，對節(jié)點(diǎn)的觀測數(shù)值的正誤進(jìn)行判斷,，最后提出了節(jié)點(diǎn)信譽(yù)機(jī)制,，有效規(guī)避了因瞬時(shí)測量值故障導(dǎo)致相應(yīng)節(jié)點(diǎn)被棄用而使得傳感網(wǎng)效率降低的問題。仿真實(shí)驗(yàn)結(jié)果表明,，即便是在節(jié)點(diǎn)故障概率比較高的情況下,，本文提出的算法依然具有優(yōu)越的容錯(cuò)性能。

參考文獻(xiàn)

　　[1] 宋欣,，王翠榮.基于統(tǒng)計(jì)假設(shè)檢驗(yàn)的虛擬傳感網(wǎng)容錯(cuò)策略[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版）,，2012，33（3）：361-364.

　　[2] JIN G,， NITTEL S. Ned： an efficient noise-tolerant event and event boundary detection algorithm in wireless sensor networks[C]. Mobile Data Management,， 2006. 7th International Conference on. IEEE， 2006： 153-153.

　　[3] 曹冬磊,，曹建農(nóng),，金蓓弘.一種無線傳感器網(wǎng)絡(luò)中事件區(qū)域檢測的容錯(cuò)算法[J].計(jì)算機(jī)學(xué)報(bào)，2007,，30（10）：1770-1776.

　　[4] 徐小龍,，耿衛(wèi)建，楊庚,，等.高效容錯(cuò)的無線傳感網(wǎng)事件及其邊界檢測算法[J].計(jì)算機(jī)研究與發(fā)展,，2014，51（5）：997-1008.

　　[5] JI S,， YUAN S F,， MA T H， et al. Distributed fault detection for wireless sensor based on weighted average[C]. Networks Security Wireless Communications and Trusted Computing（NSWCTC）,， 2010 Second International Conference on. IEEE,， 2010：57-60.

　　[6] BANDARA H M N D， JAYASUMANA A P,， ILLANGASEKARE T H. Cluster tree based self organization of virtual sensor networks[C]. GLOBECOM Workshops,， 2008 IEEE. 2008：1-6.