论文摘要
无线传感网（Wireless Sensor Networks,简称WSN）是未来网络发展的主流形式,并已成为本世纪一个新科学研究领域。在基础理论和工程技术两个层面提出了许多急需解决的问题。无线传感网成本低廉、低功耗、大规模自组网；传感器节点体积小巧、电池供电、部署灵活；以及能够适应监测人力难以到达的恶劣环境；这些特点使得无线传感网极大地提升了灾害预防的监控能力。为了及时监测各种可能发生的突发事件（如山体滑坡、大气污染、森林火灾等）,必须关注传感器节点采集到的异常测量值。因此,实时准确地检出异常数据,并预警特定事件,具有十分重要的意义。无线传感网的异常事件检测技术概括起来主要分为两类：1)点异常检测方法。点异常即如果传感数据超过设置的某个阂值,则认为事件发生。这种方法只适合小规模、短期的单一事件监测任务。2)模式异常检测方法。在一些长期渐变环境监测中,突发性的复杂事件往往很难由指定属性阈值的超限进行报警,不能用简单的闽值来描述,但可以看做一种模式（事件模式）,因可采用模式识别技术进行异常检测。目前,大部分模式异常检测方法都是在原始采集数据空间上进行,即不对传感器节点采集的数据进行任何变换,虽然这种方法的有一定检测精度。但算法计算量大、容错性差,节能效果有限。能否在经过压缩处理后的数据空间上进行异常检测?并且,无线传感网中异常事件检测技术还要面临两个主要挑战：1)检测精度。由于受环境噪声和网络中各种故障的影响,传感器节点经常给出错误的监测值,这势必会影响到异常事件检测的可靠性。因此,检测方法必须具有容错性。2)能量有效性。传感器节点具有非常有限的能量储备,无线传感网事件监测的网络生命期取决于节点能耗,因而检测方法必须具有节能性。本文以无线传感网中事件监测信息的压缩提取与异常检测为基本对象,研究无线传感网的数据压缩与融合,以及事件监测的表示模型与异常检测方法。以期突破大规模长期部署的无线传感网事件监测技术瓶颈,探索高效节能的轻量级数据压缩算法；寻求在压缩数据空间上快速准确地进行异常事件检测算法,并能够量化异常的程度；设计高精度、快速地信号重构算法,以恢复原始数据中的异常信息。本文在数据压缩与融合算法方面分别提出了基于线性分段的数据压缩方法ETEO、基于WSN分簇路由协议的多重主成分分析数据压缩算法、基于压缩感知理论和ETEO线性分段的二次混合数据压缩方法,以及基于改进的符号聚合近似数据压缩方法。这四种压缩方法本质上都利用了无线传感网监测数据的空时相关性。在事件监测的表示模型与异常检测方面,针对事件异常阈值已知的单一事件监测,提出一种WSN监控异常事件的容错快速检测算法。针对异常发生机理未知的复杂事件监测,在前述的数据压缩方法基础上,分别从数据分段线性压缩、压缩感知与分段线性混合压缩、改进的符号聚合近似压缩后的模式空间设计了三种对应的异常检测算法。同时,提出一种基于凸优化的L1范数快速求解方法。在改进的聚合近似FSAX符号模式空间上,借用生物信息学的混沌图来可视化地刻画事件的空时动态变化信息。论文最后给出了基于无线传感网的水质监测平台实例,采用最新的WSN协议和硬件平台设计了多参数水质信息采集系统,并进行了实验验证。本文的贡献主要包括以下几个方面：1)提出基于WSN节点级ETEO数据压缩与异常事件检测算法。该方法结合图像处理中边缘算子的基本思想,通过提取能表征节点数据序列趋势的边缘点,将其简化为近似线性分段,不需要预定义与数据压缩有关的阈值,通过实验比较了ETEO算法的压缩性能。在此基础之上,又给出一种基于ETEO模式的WSN异常检测方法,以模式的本地异常因子来表征数据序列的异常程度,而不是在原始数据序列上对单个数据点进行异常检测,提高了WSN事件检测效率和准确性。2)提出基于WSN网络级的多重主成分分析数据压缩方法。结合WSN分簇路由协议在多层路由上迭代使用主成分分析,对节点采集的数据矩阵进行压缩处理,以消除在一段时间同一簇内不同节点所采集数据间的时空相关性,同时,消除了同层路由上相邻簇首提取主成分间的空间相关性,提高了WSN数据压缩性能,有效地消除了数据空时冗余。3)针对异常阈值已知的事件监测,提出一种WSN监控异常事件的容错快速检测算法。该算法采用滑动滤波窗口纠正由瞬时性故障引起的错误节点监测值,通过节点的置信水平自适应地消除由永久性故障引起的错误节点监测值。同时,该算法采用一种滑动窗口匹配机制来检测节点监测数据的变化趋势,对节点能否检测到事件进行预测,提高了WSN检测异常事件的及时性和可靠性。4)为了解决评价WSN协议和算法性能时缺乏大规模的测试数据源问题,提出一种基于半变差函数和概率统计的空间相关性模型。通过灵活地控制模型的参数,可以合成具有任意空间相关性强弱的大规模数据集：也可以从少量的真实监测数据中快速地抽取参数,生成与之空间相关性匹配的数据集。该模型具有较少的约束条件和广泛的实用性。5)提出基于压缩感知理论和ETEO方法的二次混合压缩与异常检测算法。针对WSN监测对象具有宽动态范围、低信噪比的异常前兆信号识别问题。通过采用光滑化逼近和加速技巧,将经典的凸优化方法引入到压缩感知理论中,提出一种基于凸优化的L1范数快速信号恢复算法。可以准确定位和高精度地重构原信号中包含的异常信息。6)针对WSN监测复杂事件异常变化难以进行精确的数学建模,提出一种基于FSAX-MARKOV模型的异常事件检测算法。并采用混沌表示的可视化模型刻画事件的空时动态变化信息,该模型单纯由监测数据驱动,避免了复杂的数学建模,是一种轻量级的数据压缩与异常检测算法。
论文目录
相关论文文献
- [1].医用卫材不良事件监测案例分析与改进[J]. 实用医技杂志 2016(09)
- [2].上海市公共卫生安全保障基于事件的监测体系的构建[J]. 上海预防医学 2019(11)
- [3].基于医院电子病历的严重临床异常病例/事件监测数据共享[J]. 实用预防医学 2015(11)
- [4].我院药物临床试验不良事件监测的方案设计质量调查[J]. 中国医药导报 2015(05)
- [5].严重临床异常病例/事件监测系统与长宁区现有监测系统监测结果的比较研究[J]. 实用预防医学 2015(12)
- [6].浅谈我国预防接种不良事件监测工作[J]. 中国药物警戒 2009(10)
- [7].加强我国体外诊断试剂不良事件监测工作[J]. 中国药物警戒 2008(02)
- [8].上海市突发公共卫生苗子事件监测系统的构建与思考[J]. 中国卫生资源 2020(02)
- [9].上海市严重临床异常病例/事件监测项目实施阶段性分析[J]. 实用预防医学 2015(11)
- [10].如何提高基层疾病预防控制中心应对突发公共卫生事件能力[J]. 世界最新医学信息文摘 2016(46)
- [11].生态事件监测与预警研究进展[J]. 安徽农业科学 2013(29)
- [12].从不良事件监测角度探讨医疗器械风险管理[J]. 北方药学 2020(08)
- [13].诊疗信息化医疗机构中严重临床异常病例/事件监测工作方法的探讨[J]. 实用预防医学 2015(12)
- [14].严重临床异常病例/事件监测系统的建立[J]. 疾病监测 2014(09)
- [15].中外病例报告表中不良事件监测内容差异分析[J]. 中国临床药理学杂志 2016(01)
- [16].高速公路交通事件监测技术与应用[J]. 公路交通技术 2010(01)
- [17].基于医院信息系统的严重临床异常病例/事件监测可行性研究[J]. 实用预防医学 2015(11)
- [18].常熟市严重临床异常病例及事件监测系统的建立与运行效果[J]. 江苏预防医学 2015(04)
- [19].严重临床异常病例/事件监测病例报告调查分析[J]. 应用预防医学 2019(02)
- [20].广东省二、三类医疗器械生产企业不良事件监测工作调查和分析[J]. 中国药物警戒 2011(09)
- [21].闵行区吴泾医院试用诊疗电子信息开展严重临床异常病例/事件监测的体会[J]. 实用预防医学 2015(12)
- [22].严重临床异常病例/事件监测医院和疾控机构工作人员知识、态度和行为调查[J]. 实用预防医学 2015(11)
- [23].美国甲流疫苗不良事件监测周报[J]. 今日药学 2010(02)
- [24].同步推进医疗器械质量控制和不良事件监测的思考[J]. 医疗装备 2016(13)
- [25].探讨医院医疗设备不良事件监测的影响因素及持续改进措施[J]. 中国医疗器械信息 2015(08)
- [26].医疗机构加强骨科植入性医疗器械不良事件监测工作的探讨[J]. 中国药物警戒 2009(11)
- [27].儿童与成人使用拉莫三嗪发生不良事件之比较——英国运用处方事件监测开展儿童上市后药物警戒之介绍[J]. 中国药物警戒 2012(10)
- [28].中美药品不良反应/事件监测报告内容对比与启示[J]. 广东药学院学报 2014(01)
- [29].基于EasyDL平台视频事件监测系统在铁路运维中的应用[J]. 无线互联科技 2020(08)
- [30].INMDB中复合事件监测机制的设计与实现[J]. 计算机应用与软件 2016(10)