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)點是提高事件監(jiān)測效率的前提。為了實現(xiàn)多應(yīng)用目標(biāo)傳感器網(wǎng)絡(luò)中較高的節(jié)點故障識別率,，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)點鄰域中值的事件監(jiān)測容錯算法。該算法充分利用了無線傳感網(wǎng)節(jié)點之間的空間相關(guān)性,，融合鄰域各節(jié)點的測量值,，通過節(jié)點的數(shù)值與鄰域中值之間的差值來判斷節(jié)點狀態(tài)。仿真實驗結(jié)果表明,，即使是在節(jié)點故障概率比較高的情況下,，該算法依然具有優(yōu)越的容錯性能。

　　關(guān)鍵詞： 容錯,；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)點可以根據(jù)不同的監(jiān)測任務(wù),，在邏輯上構(gòu)成多個不同的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)點故障，產(chǎn)生錯誤的采樣數(shù)值,，降低事件監(jiān)測的準(zhǔn)確性,。實現(xiàn)準(zhǔn)確度較高的事件監(jiān)測，良好的容錯算法必不可少,。然而,，在虛擬傳感網(wǎng)架構(gòu)中，傳感節(jié)點的容錯需求除了檢測出故障節(jié)點外,，還要考慮在VSN內(nèi)的故障節(jié)點拓?fù)涔芾韱栴},，這是傳統(tǒng)無線傳感網(wǎng)容錯算法所欠缺的。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)越性能的容錯算法。

1 相關(guān)成果

　　參考文獻[2]提出了一種利用節(jié)點測量值的平均值來消除噪聲對傳感器讀數(shù)干擾的容錯算法,。但是該算法僅適用于節(jié)點故障率較低的傳感網(wǎng)。參考文獻[3]同時考慮到了事件的時間,、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)下的容錯處理方面,，僅有參考文獻[1]利用隨機過程描述事件的時間相關(guān)性，提出了一種基于統(tǒng)計假設(shè)檢驗的容錯策略,，通過檢驗本地采樣數(shù)據(jù)構(gòu)成的時間序列與事件統(tǒng)計特征的符合程度來判斷節(jié)點是否發(fā)生錯誤,。

　　依照參考文獻[1]，傳感器錯誤分為如下兩類[3]：一是誤判錯誤,，即監(jiān)測環(huán)境處于正常狀態(tài)時,，傳感器節(jié)點卻報告有相應(yīng)事件發(fā)生；二是失判錯誤,，即事件發(fā)生時,，傳感器節(jié)點卻沒有報告。如果節(jié)點失判,，由于鄰居節(jié)點大多都正常工作,，已監(jiān)測到了該事件，所以參考文獻[1]認(rèn)為出現(xiàn)失判無關(guān)緊要而不做處理,；如果節(jié)點發(fā)生誤判,，則不再接受此節(jié)點消息。參考文獻[1]的容錯策略不當(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)匯總并進行運算處理,。失判情況下，如果放任錯誤數(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)點故障狀況中存在瞬時測量值故障[4],，即由于監(jiān)測環(huán)境的突然變化使得傳感節(jié)點極短時間內(nèi)采樣數(shù)據(jù)異常。這樣的故障是暫時的,、可恢復(fù)的,。若因為一次瞬時測量值故障，就再不采用該節(jié)點所傳輸?shù)臄?shù)據(jù),，會降低傳感網(wǎng)的效率,。

2 事件監(jiān)測的容錯算法

　　2.1 基于節(jié)點鄰域中值的容錯算法

　　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)點測量值具有空間相關(guān)性[5]。但節(jié)點誤判或者失判通常是視為隨機獨立的,，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，對可能存在錯誤的傳感數(shù)據(jù)進行處理,。

　　假設(shè)在傳感節(jié)點Si的通信半徑范圍內(nèi)共有m-1個鄰居節(jié)點,，這m個節(jié)點的集合構(gòu)成了Si的節(jié)點鄰域，記為N（Si）,。其中,，Si的第k個鄰居節(jié)點記為Sik，1≤k≤m-1,，其在某時刻所采集到的數(shù)據(jù)記為D（Sik）,。因為節(jié)點采樣值中有可能會出現(xiàn)與正常數(shù)據(jù)偏差極大的錯誤值，所以如果用樣本均值來估計中心節(jié)點鄰域內(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,，各個鄰居節(jié)點所采集的數(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）計算出pi的均值與方差,。

　　之后再由式（4）對傳感節(jié)點數(shù)值與中值的差值pi進行標(biāo)準(zhǔn)化處理,。

　　本文假設(shè)在應(yīng)用場景中,，所部署的各個傳感器的采樣數(shù)值都是獨立同正態(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，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)點故障。其他節(jié)點故障率與對應(yīng)的判決閾值如表1所示,。

　　2.2 節(jié)點信譽機制

　　為了解決瞬時測量值故障導(dǎo)致傳感網(wǎng)效率降低的問題，本文提出了節(jié)點信譽機制,。首先,，定義變量LTC和STC，分別代表Si的長期信譽和短期信譽,，假設(shè)max（LTC）為5,，max（STC）為3，初始值都為0,。status為節(jié)點暫時狀態(tài),，正常時為0，故障時為1,，表示正處于考察階段,。final_status為節(jié)點最終狀態(tài)，若為1,，則永不采用其采樣值,。sample為節(jié)點信譽未破產(chǎn)階段的采樣許可標(biāo)識，值為1時正常采樣,，值為0且final_status為0時采樣數(shù)據(jù)仍參與節(jié)點故障檢測,，但僅對此采樣數(shù)據(jù)的對錯進行判斷,，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)點期間仍然可以傳輸其他節(jié)點數(shù)據(jù),，并且其之后的采樣數(shù)據(jù)仍參與節(jié)點故障檢測，但僅對此采樣數(shù)據(jù)的對錯進行判斷,，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時撤銷對節(jié)點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)避因某一時刻的瞬時測量值故障而使得節(jié)點不再被信任,。如果LTC累加到5,，可視為Si信譽破產(chǎn)，不再與Si進行任何數(shù)據(jù)交換,，更不會采用其采樣值,。

3 容錯處理流程

　　參考文獻[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)點構(gòu)成一個VSN,。

　　在VSN中,，監(jiān)測到事件后需要將消息上傳到根節(jié)點，每個簇頭節(jié)點都在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,。簇頭節(jié)點處理VSN構(gòu)建消息的流程圖如圖1所示。

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

　　如果Si是VSN簇頭節(jié)點（Cluster Head，CH）,，當(dāng)CH失判時,，簇內(nèi)節(jié)點只要有一個監(jiān)測到了事件，都會上報給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CH所提交的錯誤數(shù)據(jù)不影響匯總數(shù)據(jù)的精確性,，無論失判還是誤判，都需要及時刪除并重新選擇CH,。

4 仿真結(jié)果與性能分析

　　在仿真實驗中,，將總數(shù)n=5 000個傳感節(jié)點隨機均勻地部署在500 m×500 m的平面區(qū)域內(nèi)，sink節(jié)點部署在區(qū)域中央,。每個節(jié)點有8個鄰居節(jié)點,，節(jié)點采樣頻率為10 Hz，max（LTC）=3,，max（STC）=3,。判決閾值θ= 1.96?？紤]同一監(jiān)測事件發(fā)生在單個區(qū)域和三個不同區(qū)域內(nèi)兩種情況,。事件區(qū)域內(nèi)節(jié)點測量值服從正態(tài)分布N（100，10）,，故障節(jié)點測量值服從均勻分布U（40,，100），正常區(qū)域節(jié)點測量值服從正態(tài)分布N（40,，10）。比較本文算法與參考文獻[1]基于統(tǒng)計假設(shè)檢驗的容錯算法在不同節(jié)點故障率下的性能優(yōu)劣,。節(jié)點故障率與錯誤節(jié)點數(shù)目對應(yīng)關(guān)系如表2所示,。

　　容錯準(zhǔn)確率=，其中,，num（Identify）指檢測出來的錯誤節(jié)點數(shù)目,，num（fault）指錯誤節(jié)點總數(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)點數(shù)目，num（Event）指位于事件區(qū)域內(nèi)的傳感節(jié)點數(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)點錯誤率的情況下,，本文算法與參考文獻[1]算法的容錯準(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)點錯誤率的變化,。圖中，標(biāo)有空心菱形節(jié)點的scheme1是參考文獻[1]算法性能曲線,，標(biāo)有空心圓節(jié)點的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)點鄰域中值的事件監(jiān)測容錯算法無論在單目標(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[1]基于統(tǒng)計假設(shè)檢驗的容錯算法更為優(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)點鄰域中值的事件監(jiān)測容錯算法，利用鄰域節(jié)點采樣值之間的空間相關(guān)性,，對節(jié)點的觀測數(shù)值的正誤進行判斷,，最后提出了節(jié)點信譽機制，有效規(guī)避了因瞬時測量值故障導(dǎo)致相應(yīng)節(jié)點被棄用而使得傳感網(wǎng)效率降低的問題,。仿真實驗結(jié)果表明,，即便是在節(jié)點故障概率比較高的情況下，本文提出的算法依然具有優(yōu)越的容錯性能,。

參考文獻

　　[1] 宋欣,，王翠榮.基于統(tǒng)計假設(shè)檢驗的虛擬傳感網(wǎng)容錯策略[J].東北大學(xué)學(xué)報（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)域檢測的容錯算法[J].計算機學(xué)報,，2007,，30（10）：1770-1776.

　　[4] 徐小龍，耿衛(wèi)建,，楊庚,，等.高效容錯的無線傳感網(wǎng)事件及其邊界檢測算法[J].計算機研究與發(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.