国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于信任模型的無線傳感器網(wǎng)絡分布式探測決策融合方法

      文檔序號:7867612閱讀:209來源:國知局
      專利名稱:基于信任模型的無線傳感器網(wǎng)絡分布式探測決策融合方法
      技術(shù)領域
      本發(fā)明提出了一種無線傳感器網(wǎng)絡中的分布式探測決策融合方法,屬于無線傳感器網(wǎng)絡技術(shù)領域。
      背景技術(shù)
      目標檢測是無線傳感器網(wǎng)絡誕生的初衷也是最重要的應用之一,如在戰(zhàn)場環(huán)境中,判斷一個敵方目標(人、坦克、飛機)是否出現(xiàn)對于戰(zhàn)爭的成敗與否有著至關重要的作用。對于一個目標的檢測,判斷其發(fā)生或沒有發(fā)生,通常是通過獲取該目標的發(fā)生信號以進行判斷,如坦克經(jīng)過興趣監(jiān)測區(qū)域ROI (Region of Interesting)時,會產(chǎn)生一定的聲音信號,當ROI區(qū)域內(nèi)的每個傳感器節(jié)點接收到該信號時,將傳感數(shù)據(jù)直接傳輸給數(shù)據(jù)融合中心FC (FusionCenter)或者先經(jīng)過判斷將決策傳輸給FC,F(xiàn)C根據(jù)某種判決準則,判決該目
      標是否發(fā)生。在理想環(huán)境中,每個節(jié)點接收到的目標信號強度都是真實的,因此FC能夠根據(jù)可靠的數(shù)據(jù)或決策進行判決。然而實際中,網(wǎng)絡環(huán)境極為復雜,節(jié)點接收到的信號不僅僅來自于潛在的目標事件,同時也受到多種隨機噪聲的干擾,因此,在進行判斷的時候,所做出的判斷存在一定的“誤判”率?!罢`判”有兩層含義,第一,當目標事件沒有發(fā)生時,無線傳感器網(wǎng)絡系統(tǒng)報警該事件發(fā)生;第二,當目標事件發(fā)生時,卻沒有進行報警,通常,第一種情況稱之為系統(tǒng)“虛警”率(Probability of False Alarm),第二種情況的反面稱之為系統(tǒng)“檢測”率(Probability ofDetection)。該發(fā)明專利的目的即為設計一定的判決準則以及數(shù)據(jù)傳輸機制,使得系統(tǒng)的“檢測”率盡可能大,同時使得系統(tǒng)的“虛警”率盡可能小。目前,國內(nèi)外對無線傳感器網(wǎng)絡的分布式檢測理論已有一定的研究。在經(jīng)典文獻中,Chair. Z與Varshney. P提出了基于貝葉斯準則的多傳感器融合的最佳判決Chair-Varshney準則,使得在貝葉斯判決準則下,系統(tǒng)能夠達到最大檢測率。早在1980年,MIT的Tenny與Scandell就提出了分布式傳感器檢測的概念,其將貝葉斯判決準則應用于分布式環(huán)境中。對分布式檢測的理論進行詳細的綜述,對貝葉斯準則與Neyman-Pearson準則進行了分析與闡述。近年來,牛瑞鑫等人提出了一種應用于大規(guī)模無線傳感器網(wǎng)絡的“counting rule”的簡單方法,即每個節(jié)點先根據(jù)預設的閾值進行判決,再將判決結(jié)果O表示沒有目標事件發(fā)生或者I表示目標事件發(fā)生上傳給融合中心進行判斷,當然,為了節(jié)省能量,O可以不用上傳。在counting rule的基礎上,Katenka. N等人提出了一種基于“本地投票”機制的決策融合策略進行目標檢測,其分為兩個階段,首先每個節(jié)點根據(jù)其鄰居節(jié)點的判決修正自己的結(jié)果,當所有節(jié)點都修正完畢,再將判決為I的結(jié)果傳輸給融合中心,其大大降低了系統(tǒng)的判決閾值,減少了系統(tǒng)資源開銷?!癱ountingrule”盡管在理論上能夠滿足一定的要求,但是其結(jié)果必須滿足無線傳感器節(jié)點數(shù)量非常龐大的前提,需要利用網(wǎng)絡中的所有節(jié)點進行判決,從某種程度上造成了資源的浪費?!發(fā)ocal vote”的方法盡管降低了判決閾值,但是其兩階段的融合方法同樣增加了系統(tǒng)開銷,并且對于實時性要求較高的系統(tǒng)往往不可行。上述方法都沒有考慮到在實際使用過程中,節(jié)點發(fā)生損壞、無線通信信道的干擾等情況。

      發(fā)明內(nèi)容
      技術(shù)問題本發(fā)明的目的是提供一種基于信任模型的無線傳感器網(wǎng)絡分布式探測決策融合方法,通過使用節(jié)點可信度機制,綜合考慮本地節(jié)點的可靠性以及通信信道的噪聲干擾對本地傳感節(jié)點上報的局部決策值的影響,盡可能地提高系統(tǒng)的檢測正確率并減少系統(tǒng)的資源開銷。技術(shù)方案本發(fā)明的基于信任模型的無線傳感器網(wǎng)絡分布式探測決策融合方法是一種策略性方法,可以單獨使用,也可以與現(xiàn)有的分布式探測決策融合算法綜合應用。本發(fā)明將傳感節(jié)點可信度參數(shù)引入到分布式探測的決策融合過程中,其目標是通過功能簡單的可信度權(quán)值分析,使本地節(jié)點的判斷結(jié)果進一步量化,將節(jié)點是否安全可靠以及通信信道的噪聲干擾等因素納入?yún)R聚節(jié)點的決策融合分析中,從而提高匯聚節(jié)點處判斷的準確性。本發(fā)明提出了一種分布式探測的決策融合方法,包括以下步驟步驟I).網(wǎng)絡初始化對N個本地節(jié)點設置本地決策閾值\ ;對匯聚節(jié)點設置系 統(tǒng)決策閾值Ttl和每個本地節(jié)點可信任度a i (t0) ;i為本地節(jié)點標號,i=l, 2,3,…,N ;步驟2)本地節(jié)點主要功能為檢測目標事件,每隔一段時間使用節(jié)點上裝載的傳感器獲得探測值Ji ;步驟3),通過將探測值yi與該節(jié)點設定的閾值\比較,得出一個本地決策值/={i,tf
      ' [O, if y, >t,.步驟4)本地節(jié)點使用無線信道將本地決策值Ii發(fā)送給匯聚節(jié)點;步驟5)匯聚節(jié)點使用接收的的本地決策值Ii和存儲在匯聚節(jié)點的對應的可信任
      度a i通過公式得到系統(tǒng)的決策值D 為決策判定真,H0為決策判定假;
      =Λ步驟6)根據(jù)步驟5)中得到的系統(tǒng)決策值D,使用下面的公式對系統(tǒng)決策閾值Tk和本地節(jié)點的可信任度CiiUk)進行修正,第一次修正時k=0
      N
      Σα/(4+)= -T1 k=0, I, 2,3,...
      Σα,(4)
      /=1α,(4")=,k=0,l,2,3,…
      IalUk)-Tji其中,Tk是本次決策過程使用的閾值,Tk+1是下一次系統(tǒng)決策時使用的閾值;a Jtk)是本次系統(tǒng)決策時節(jié)點i的可信度,a i(tk+1)是下一次系統(tǒng)決策時節(jié)點i的可信度;r是每次可信度調(diào)整的單位值;步驟7)如果需要繼續(xù)監(jiān)測目標事件,轉(zhuǎn)步驟2)順序執(zhí)行繼續(xù)實現(xiàn)對感興趣事件的監(jiān)控;否則結(jié)束。有益效果本發(fā)明方法提出了一種基于可信度的無線傳感器網(wǎng)絡分布式探測決策融合方法。本發(fā)明使用簡單的可信模型輔助系統(tǒng)進行決策分析,具有如下一些顯著優(yōu)點,都是目前其它分布式探測決策融合方法所不具備的
      (I)實用性強本發(fā)明方法將節(jié)點發(fā)生損壞和信道噪聲導致誤判的可能考慮在內(nèi),對真實的應用場景可能出現(xiàn)的異常情況具備更好的適應能力,從而更加準確有效的做出判斷。(2)節(jié)約成本現(xiàn)有的分布式探測決策融合算法對事件覆蓋的節(jié)點冗余性有很高的要求,而本發(fā)明方法保證在節(jié)點冗余降低一半的情況下依然可以保證相近的決策準確率。(3)良好的自適應能力本發(fā)明方法可以根據(jù)系統(tǒng)的實際應用場景的變化,動態(tài)地對使用的參數(shù)進行調(diào)整。當出現(xiàn)節(jié)點損壞或者由于天氣等原因引起的無線信道噪聲過大等影響系統(tǒng)判斷的時候,通過參數(shù)的自動調(diào)整,可以保證系統(tǒng)保持較高的判斷準確性。


      圖I是監(jiān)控節(jié)點的分布圖。圖2是本發(fā)明方法的算法流程圖。
      具體實施例方式為了方便描述,我們假定有如下應用實例有N個本地節(jié)點直接對感興趣事件進行監(jiān)測,對檢測數(shù)據(jù)進行分析后將本地判決結(jié)果發(fā)送給匯聚節(jié)點,匯聚節(jié)點根據(jù)從本地節(jié)點得到的本地決策值得出系統(tǒng)的決策結(jié)果。具體實施方案為步驟I)網(wǎng)絡初始化。對N個本地節(jié)點設置本地決策閾值\ ;對匯聚節(jié)點設置系統(tǒng)決策閾值T (O)和每個本地節(jié)點可信任度CIiUtl);
      步驟2)本地節(jié)點主要功能為檢測目標事件,每隔一段時間使用節(jié)點上裝載的傳感器獲得探測值Ji ;步驟3),通過將探測值yi與該節(jié)點設定的閾值\比較,得出一個本地決策值
      7 = [I tf 少;
      7H if y( > I1 .
      1步驟4)本地節(jié)點使用無線信道將本地決策值Ii發(fā)送給匯聚節(jié)點。步驟5)匯聚節(jié)點使用接收的的本地決策值Ii和存儲在匯聚節(jié)點的對應的可信任
      度a i通過公式= I ,得到系統(tǒng)的決策值D ;
      i=\ Ha步驟6)在每次使用步驟5)中得到的系統(tǒng)決策值D之后,使用下面的公式對系統(tǒng)決策閾值T和本地節(jié)點的可信任度a i進行修正,修正后的值將用于下一次系統(tǒng)決策。
      ,、 αΧ/Λ + r,/ =J ,
      _1] 偏+—⑷-咖^=0,1,2,3,…
      N
      Σα/(4+ι)Tk+l = ^-Tk, k=0, I, 2,3,…
      Σα,(4)
      /二I其中,Tk是本次決策過程使用的閾值,Tk+1是下一次系統(tǒng)決策時使用的閾值;a Jtk)是本次系統(tǒng)決策時節(jié)點i的可信度,a i(tk+1)是下一次系統(tǒng)決策時節(jié)點i的可信度;r是每次可信度調(diào)整的單位值。例如,首次進行系統(tǒng)決策時使用系統(tǒng)決策閾值T(O)和每個本地節(jié)點可信任度
      a i (t0),通過公式/)= Σ i廣得到系 統(tǒng)的決策值D,然后對這兩個參數(shù)進行修正,
      /=1 m、
      I aiL)-\- rj. = /I^(Z1)=;
      Xal(Z0)-Tjf^D0Tl=^f-Τ
      Σα,^ο)
      /=1從而動態(tài)地反映了應用場景中節(jié)點和通信信道的狀況。之后,在下一次進行系統(tǒng)決策時使用系統(tǒng)決策閾值T(I)和每個本地節(jié)點可信任度a Jt1),通過公式W= t
      /=1 戽
      得到系統(tǒng)的決策值D,步驟7)如果需要繼續(xù)監(jiān)測目標事件,轉(zhuǎn)步驟2)順序執(zhí)行繼續(xù)實現(xiàn)對感興趣事件的監(jiān)控;否則結(jié)束。
      權(quán)利要求
      1. 一種基于信任模型的無線傳感器網(wǎng)絡分布式探測決策融合方法,其特征在與該方法 所包含的步驟為步驟1).網(wǎng)絡初始化對N個本地節(jié)點設置本地決策閾值\ ;對匯聚節(jié)點設置系統(tǒng)決 策閾值L和每個本地節(jié)點可信任度a , (t0) ;i為本地節(jié)點標號,i=l, 2,3,…,N ;步驟2)本地節(jié)點主要功能為檢測目標事件,每隔一段時間使用節(jié)點上裝載的傳感器 獲得探測值1;步驟3),通過將探測值yi與該節(jié)點設定的閾值\比較,得出一個本地決策值
      全文摘要
      本發(fā)明是一種基于信任模型的無線傳感器網(wǎng)絡分布式探測決策融合方法,用于無線傳感器網(wǎng)絡中解決分布式探測的決策融合問題。該方法通過在匯聚節(jié)點保存本地節(jié)點的可信度,并將可信度用在系統(tǒng)的決策融合過程中,綜合考慮本地節(jié)點的可靠性以及通信信道的噪聲干擾對本地節(jié)點匯報的局部決策值的影響,盡可能地提高系統(tǒng)檢測的正確率并減少系統(tǒng)資源的開銷。
      文檔編號H04W84/18GK102984730SQ20121051799
      公開日2013年3月20日 申請日期2012年12月6日 優(yōu)先權(quán)日2012年12月6日
      發(fā)明者孫力娟, 段華毅, 黃海平, 王汝傳, 沙超, 郭劍, 陳磊, 魏勛, 馬軍 申請人:南京郵電大學
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1