学位论文 > 优秀研究生学位论文题录展示
基于传感器网络的扩散型事件监测技术研究
作 者: 崔筱宁
导 师: 赵保华;李青
学 校: 中国科学技术大学
专 业: 计算机软件与理论
关键词: 扩散型事件监测 传感器网络 主要扩散趋势
分类号: TP274
类 型: 博士论文
年 份: 2010年
下 载: 240次
引 用: 1次
阅 读: 论文下载
内容摘要
本文在当今世界传感器应用日益普及和普适计算技术不断发展的背景下展开研究。普适计算的主要目标是整合日常生活中纷繁复杂的信息,并为人们提供智能化服务。传感器网络作为普适计算的一个重要应用,致力于实现无处不在的信息感知、自动组网、自动计算和实时通信。扩散型事件是对火灾、台风、洪水、烟雾扩散等一系列环境问题的抽象,反映事件的时间累积性和空间延伸性。传感器网络具有布局灵活、响应能力强的特点,不失为监测扩散型事件和捕捉扩散趋势的理想选择。因此,本文研究利用传感器网络进行扩散型事件监测的问题。本文的研究工作主要包括以下内容:首先,设计了传感器节点的数据处理结构,提出了传感器网络的数据样本区分方法:在节点层面定义了同类和异类数据相关性,设计了支持动态数据相关性发现和自适应采样的节点数据处理结构,在真实数据集上的实验结果验证了该结构的能量效率和数据准确性;在网络层面,为了降低传感器数据不确定性的影响,提出了一个系统化区分框架,通过节点级时域处理、邻居级空间处理、聚簇级权重排序和网络级决策融合的方法逐层过滤原始数据,将其区分为正常样本、错误样本和事件样本。实验表明,当网内采样错误出现频率高达50%时,区分框架仍可保证97%的辨识率。与传统的事件/异常检测问题相比,该框架可显著提高样本辨识率,降低误报率,并将漏报率维持在较低水平。其次,建立了扩散型事件监测模型:提出TSEC概念模型,完整地表达了一般的事件监测数据中存在的时域、空间及事件相关性。基于TSEC模型,参考扩散型事件的领域知识,提出关联建模的方法,建立同类/异类数据相关性模型和事件抽象模型并描述二者的关联关系。这一工作首次将时间、空间以及事件相关性整合到一个概念模型体系中,并将该概念模型应用到传感器网络对扩散型事件的监测中。第三,分析了一般事件监测过程,提出了扩散型事件监测算法,并对复杂扩散型事件监测问题进行了理论分析和示例研究:基于TSEC模型分析了一般事件监测过程,并对监测过程中的关键问题提出解决方案。遵循一般事件监测的过程,针对扩散型事件监测提出基于滑动窗口的网内协作算法,在节点上用线性回归法发现事件样本点,通过聚簇内部和簇间交互计算事件的实时边界,并根据实时边界的变化判断事件的主要扩散趋势。实测数据集上的实验结果显示了该算法的数据准确性、能量效率、事件报告的及时性和监测的可扩展性。为将基本监测策略应用于复杂的扩散型事件,分别针对单源与多源扩散型事件、单一与混合扩散型事件进行了理论分析,分析结果表明,基本的监测策略易于扩展至上述两种复杂情况的监测。此外,本文还以烟雾扩散场景为例研究了风力及地形等环境因素对扩散型事件的影响,对于风力影响,提出了风力/风向节点和浓度节点协作监测的策略,浓度节点确定事件边界,风力/风向节点预测主要扩散趋势。实验显示,协作模式可保证事件覆盖率在80%-95%,而不采用协作模式的事件覆盖率仅为60%-25%。对于地形影响,提出了适应地理条件的GA-deployment布局方法,针对障碍物构成的Voronoi图对网络中的节点进行密度分级以提高事件检测概率。可用该方法对典型的网络布局结构进行扩展,扩展前后的对比实验显示,GA-deployment布局方法显著地节约了能量消耗,具有较低的事件漏报率、较高的容错性和较强的事件报告可靠性。总之,本文为一系列具有扩散特性的环境问题进行了形式化定义,设计了传感器数据处理结构,提出了传感器网络中数据样本的区分方法,建立了扩散型事件监测模型,提出了相应的监测算法,并对复杂扩散型事件监测进行了理论分析和示例研究。本文提出的思想、模型和方法也可以扩展应用于其他相关领域。
|
全文目录
摘要 5-7 ABSTRACT 7-15 第1章 绪论 15-23 1.1 研究背景 15-16 1.2 问题描述 16-19 1.2.1 问题范畴 16-17 1.2.2 问题定义 17-19 1.3 本文主要贡献 19-21 1.4 本文组织结构 21-23 第2章 国内外研究情况综述 23-37 2.1 传感器网络概述 23-29 2.1.1 传感器节点 23-25 2.1.2 传感器网络 25-29 2.2 传感器数据挖掘与处理 29-31 2.2.1 传感器数据挖掘 29-30 2.2.2 传感器数据预处理 30 2.2.3 传感器数据建模和数据处理 30-31 2.3 事件监测策略 31-33 2.4 扩散型事件相关知识 33-37 2.4.1 流体力学相关知识 33 2.4.2 几何学相关知识 33-36 2.4.3 图论相关知识 36-37 第3章 传感器数据处理结构与样本区分方法研究 37-65 3.1 支持动态数据相关性的节点系统结构设计 37-50 3.1.1 传感器数据相关性问题 37-39 3.1.2 节点系统结构设计 39-42 3.1.3 核心处理模块 42-45 3.1.4 实验结果及分析 45-50 3.1.5 小结 50 3.2 事件样本与错误样本的系统化区分方法 50-65 3.2.1 传感器数据样本的区分问题 51-52 3.2.2 系统化区分框架 52-54 3.2.3 实验结果及分析 54-63 3.2.4 小结 63-65 第4章 扩散型事件建模 65-77 4.1 网络假设 66 4.2 TSEC建模 66-69 4.2.1 传感器属性分析 66-67 4.2.2 相关性概念模型 67-69 4.3 基于领域知识的关联建模 69-75 4.3.1 扩散型事件的领域知识 69-70 4.3.2 同类和异类数据相关性模型 70-71 4.3.3 事件抽象模型 71-72 4.3.4 关联建模 72-75 4.4 本章小结 75-77 第5章 扩散型事件监测算法设计 77-89 5.1 一般事件监测过程及策略分析 77-81 5.1.1 代表节点的选取 78-79 5.1.2 生成聚合数据样本 79-80 5.1.3 建立事件联结 80-81 5.1.4 确认事件状态 81 5.2 扩散型事件监测算法 81-86 5.2.1 算法设计 81-84 5.2.2 性能评价 84-86 5.3 本章小结 86-89 第6章 复杂扩散型事件监测策略分析 89-95 6.1 单源与多源扩散型事件监测策略 89-91 6.2 单一与混合扩散型事件监测策略 91-92 6.3 本章小结 92-95 第7章 受限扩散场景示例研究 95-115 7.1 场景描述 95-96 7.2 风力影响下的扩散型事件监测 96-101 7.2.1 网络配置 96 7.2.2 风力影响下的事件监测策略 96-98 7.2.3 实验对比与分析 98-101 7.3 地理条件影响下的扩散型事件监测 101-114 7.3.1 地理关系及其对MDT的影响 101-103 7.3.2 适应地理条件的网络布局 103-107 7.3.3 实验对比与分析 107-114 7.4 本章小结 114-115 第8章 总结 115-119 8.1 本文总结 115-116 8.2 下一步的工作 116-119 参考文献 119-129 致谢 129-131 在读期间发表的学术论文 131
|
相似论文
- 基于无线传感器网络的电动汽车电池组综合测试技术研究,U469.72
- 多端口网络通信平台的设计与实现,TN929.5
- 传感器网络中渐变事件监测研究,TP212.9
- 无线传感器网络上的数据聚集调度算法,TP212.9
- 无线传感器网络中定位攻击检测技术研究,TP212.9
- 基于功能节点的无线传感器网络多对密钥管理协议研究,TP212.9
- 基于LEACH的安全建簇无线传感器网络路由协议研究,TP212.9
- 一种老年人移动健康监护系统的研究,TN929.5
- 无线传感器网络组播路由协议研究,TN929.5
- 基于地理位置的WSNs路由算法研究与改进,TN929.5
- 基于ZigBee技术的无线传感器网络研究与实现,TN929.5
- 一种自适应选择处理节点的时空查询算法,TN929.5
- 无线传感器网络MAC协议的研究,TN915.04
- 无线传感器网络节点定位算法的研究,TN929.5
- 城市照明管理系统中的时间同步方法研究,TM923
- 随机路由在无线传感器网络中的研究与应用,TN929.5
- 基于无线传感器网络的煤矿瓦斯监测系统的研究,TN929.5
- 基于行为可信的无线传感器网络入侵检测技术的研究,TP212.9
- 基于区域的无线传感器网络密钥管理方案研究,TP212.9
- 基于zigbee的智能楼宇环境监测无线传感网络,TN929.5
- 基于无线传感器网络的农田环境监测系统路由协议的研究,TN915.04
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统
© 2012 www.xueweilunwen.com
|