基于EKF的无线传感器网络异常数据检测算法研究

摘要

无线传感器网络(WSN)广泛应用于环境监测、工业生产等领域。传感器节点协作地感知、采集、处理和传输网络覆盖地理区域内监测对象的信息，并报告给用户。但是WSN在运行的时候，由于传感器节点硬件限制或者环境影响等因素，导致节点采集数据可靠性差，这些都严重影响了网络的监测结果的准确性。因此，无线传感器网络异常数据的检测越来越重要并受到广泛关注。　　本文在查阅大量相关资料并对当前检测算法进行分析的基础上，主要研究在WSN中网络节点产生数据异常问题，提出了基于EKF的异常数据检测方法。该算法通过监听邻居节点监测的环境状态值，在本地节点上利用EKF算法为监测环境设定正常的阈值范围。如果数据在正常的范围内，则节点数据采集正常;否则，节点数据异常。但是该算法存在不适于分布式处理的问题。为了实现算法的分布式异常数据检测，进一步改进了该算法，提出了基于分簇的EKF的异常检测方法。算法基于LEACH协议对WSN节点分簇，根据簇内节点监测值，簇头节点运用加权中值算法计算出环境状态值，转发给簇内节点。利用环境的状态值为簇内节点设定正常的工作阈值。在阈值范围内，那么该簇内节点数据采集正常;否则，节点异常并向簇头节点转发异常消息。簇头节点将检测的异常节点数据报告给基站，从而完成算法的分布异常数据检测过程。　　本文对提出的异常数据检测算法的准确性及能耗进行了分析并与加权中值算法进行对比，并用matlab进行了仿真。说明了该算法适用性及易扩展性。

目录

声明

摘要

第1章 绪论

1．1 无线传感器网络

1．1．1 无线传感器网络结构

1．1．2 无线传感器网络特点

1．2 无线传感器网络异常数据

1．2．1 无线传感器异常数据产生原因

1．2．2 无线传感器网络异常数据分类

1．3 国内外异常检测研究现状及趋势

1．4 本文主要工作和文章组织结构

第2章 EKF算法和LEACH分簇协议

2．1 非线性离散系统扩展卡尔曼滤波

2．1．1 线性离散系统卡尔曼滤波结论

2．1．2 扩展卡尔曼滤波推导过程

2．2 基于LEACH的分簇算法

2．2．1 层次拓扑控制

2．2．2 LEACH协议

2．2．3 LEACH协议的应用前提及优点

2．3 无线传感器网络节点度

2．3．1 图连通

2．3．2 节点度

2．4 无线传感器网络中能量消耗

2．5 本章小结

第3章 基于EKF的节点数据异常检测算法

3．1 WSN监测平台

3．2 基于扩展的卡尔曼滤波的环境监测

3．2．1 扩展的卡尔曼滤波器

3．2．2 系统动态模型

3．2．3 系统方程

3．3 本地监测算法

3．3．1 算法设计

3．3．2 阈值分析

3．4 节点度分析

3．5 本章小结

第4章 基于EKF的分簇加权中值异常检测

4．1 加权中值检测算法

4．1．1 加权中值算法原理及参数

4．1．2 中值及加权中值

4．1．3 分簇加权中值检测

4．1．4 分簇加权中值检测算法性能分析

4．2 基于EKF的分簇加权中值异常检测

4．3 监测区域传感器节点分簇

4．3．1 分簇环境条件

4．3．2 基于LEACH算法分簇

4．4 簇内节点数据融合

4．4．1 数据标准化处理

4．4．2 节点数据融合

4．5 基于EKF的检测算法

4．5．1 滑动窗口机制

4．5．2 节点的本地检测

4．6 算法实现程序流程

4．7 算法性能分析

4．7．1 应用场景

4．7．2 分簇模型

4．7．3 检测率和虚警率分析

4．7．4 能量分析

4．8 本章小结

第5章 结论和展望

参考文献

致谢