Localized Outlying and Boundary Data Detection in Sensor Networks

Given a set of sparsely distributed sensors in the Euclidean plane, a mobile robot is required to visit all sensors to download the data and finally return to its base. The effective range of each sensor is specified by a disk, and the robot must at least reach the boundary to start communication. The primary goal of optimization in this scenario is to minimize the traveling distance by the robot. This problem can be regarded as a special case of the traveling salesman problem with neighborhoods (TSPN), which is known to be NP-hard. In this paper, we present a novel TSPN algorithm for this class of TSPN, which can yield significantly improved results compared to the latest approximation algorithm.     

基于Hadoop的异常传感数据时间序列检测

无线传感器网络中,异常时间序列的研究具有十分重要的意义。针对传统研究在海量数据环境中时间效率低下的问题,提出了基于Hadoop的异常时间序列检测算法。首先对时间序列进行预处理,然后在Hadoop的MapReduce操作中调用动态时间弯曲距离计算算法,实现了DTW距离计算的并行化,从而大大提高检测速度。同时针对传统DTW算法计算复杂度瓶颈问题以及传统约束方法准确率较低问题,提出了基于显著特征匹配的局部约束算法,对弯曲路径进行局部限制,在确保准确性的同时进一步降低了时间、空间复杂度。Hadoop平台下实验结果表明,该方法既提高了检测速度,又保证了检测准确率。     

高效容错的无线传感网事件及其边界检测算法

事件检测与事件边界检测是无线传感器网络的重要应用之一,节点故障的准确检测是提高事件与事件边界检测效率的前提.然而,目前的故障检测机制对节点故障类型分析不够明晰,导致系统可能将事件边界节点误判为故障节点,且常需要传感器节点间进行频繁通信,导致网络系统容错性能和节点利用率低下,并带来额外的能耗开销.为了达到较高的检测精度与能源利用率,提出了一种新的高效容错的无线传感网事件及其边界检测算法：利用时间相关性实现无线传感器网络事件检测,利用空间相关性实现故障检测与事件边界检测;提出了节点的信息可靠度恢复机制,使得节点能够根据网络环境的变化,自动调整节点的信息可靠度.实验结果表明,即使在故障概率较高的情况下,该策略仍然具有良好的性能表现.     

Visual Analysis of Time‐Series Similarities for Anomaly Detection in Sensor Networks

We present a system to analyze time‐series data in sensor networks. Our approach supports exploratory tasks for the comparison of univariate, geo‐referenced sensor data, in particular for anomaly detection. We split the recordings into fixed‐length patterns and show them in order to compare them over time and space using two linked views. Apart from geo‐based comparison across sensors we also support different temporal patterns to discover seasonal effects, anomalies and periodicities. The methods we use are best practices in the information visualization domain. They cover the daily, the weekly and seasonal and patterns of the data. Daily patterns can be analyzed in a clustering‐based view, weekly patterns in a calendar‐based view and seasonal patters in a projection‐based view. The connectivity of the sensors can be analyzed through a dedicated topological network view. We assist the domain expert with interaction techniques to make the results understandable. As a result, the user can identify and analyze erroneous and suspicious measurements in the network. A case study with a domain expert verified the usefulness of our approach.     

保证覆盖的无线传感器网络梯度部署方法

在大规模随机部署的无线传感器网络中,数据通常逐跳汇聚到Sink节点,因而与Sink邻近的节点需要转发大量的数据,从而导致了Sink邻近区域内的节点因能量耗尽而引起网络失效。此时,外层区域的节点仍剩余大量的能量。本文首先提出了网络生存期最大化部署的问题,分析了无线传感器网络数据转发的特点,基于此特点给出了梯度的节点密 密度部署方法,以提高能量利用率,最小化剩余能量,最后通过理论和实验分析了梯度部署方法的性能。     

一种温度自适应无线传感网络时间同步方法

无线传感器网络节点中的廉价晶振极易受到温度、电压、湿度等工作环境因素的影响.节点晶振的这一特性,为室外大规模无线传感器网络时间同步技术带来了两方面的挑战:(1) 过高的通信开销;(2) 精度与能耗之间的不平衡.针对以上问题,提出了一种基于温度感知的、自适应的无线传感器网络时间同步算法.该算法能够依赖本地温度信息对节点时间频偏进行估计及补偿,在保证算法同步精度的同时,降低了网络通信开销.除此之外,提出一种动态同步周期调节机制,使得算法能够根据当前环境温度变化情况对节点同步周期进行动态调节,从而达到了能耗与精度之间的平衡.大量仿真实验结果表明:所提出的时间同步算法可将通信能耗降低至传统同步算法的10%;且在环境温度不断变化的情况下,80%的频偏估计值其误差小于0.5ppm.故,所提出的时间同步方法能够有效地适用于室外环境下部署的大规模无线传感器网络.     

一种用于传感器网络的全局时钟模型

由于传感器节点的硬件条件限制,时钟模型的选择极大程度上影响着同步协议的最终性能.根据硬件系统特点,提出一种性能优越且易于实现的全局时钟模型.该模型依据同步协议所提供的全局时钟偏差估计值自行对全局时钟进行校准及频偏补偿,同时还提供了基于全局时钟及本地时钟的软件定时器.实际系统测试结果表明,基于本全局时钟模型的TDFS同步协议取得了更加出色的同步性能,其中补偿后的频偏仅为±0.05ppm且时钟误差的标准差低于0.53微秒.     

无线传感器网络时钟同步技术

在无线传感器网络中,时钟同步是一项重要的支撑技术;诸如数据融合、TDMA调度、休眠唤醒节能模式和移动节点定位等应用均需要传感器节点本地时钟保持同步;由于传感器网络一些独特的内在特性,NTP等传统同步技术无法适用于这种新型网络;因此,越来越多的研究者开始关注传感器网络时钟同步协议的研究与设计;通过回顾时钟同步的问题及传感器网络对时钟同步的需求,介绍了时钟的数学模型,并基于该模型讨论了时钟同步的3个重要概念:时钟漂移、时钟偏移和分组的传输延迟;之后简要阐述了3种专门为传感器网络设计和提出的典型传感器网络时钟同步协议.     

嵌入路由报头的无限传感器网络时间同步算法

提出一种嵌入路由报头的低功耗时间同步算法,该算法将时间同步集成到消息的路由报头中,通过在发送和接收端在路由消息上加盖精确的时问戳实现同步,从而消除了周期性时间同步消息的传输,减小了能量开销。仿真实验结果证明了该算法的有效性。     

无线传感器网络的广播时间同步算法

基于包交换机制,利用无线信道的广播特性和捎带技术减少同步报文个数;对包时间信息进行缓存并采用最小方差线性拟合方法平滑同步误差抖动．模拟结果表明,在Mica2上单跳平均同步精度达到约57μs．最后与类似算法进行了性能比较．     

无线传感器网络时间同步新技术

时间同步是无线传感器网络的基本中间件之一.最近,许多基于时间信息交换的时间同步协议已被提出.然而,在大规模无线传感器网络中,同步误差随跳距的累积问题和可扩展性需求是传统的时间同步技术面临的主要挑战.为了应对这两个挑战,无线传感器网络的研究者们开始关注古老的萤火虫同步技术和最近才被提出的协作同步技术.直到最近,尤其是在Strogatz和Mirollo模型被提出以后,古老的萤火虫同步技术才在单跳网络内取得了突破性进展.而在多跳网络中,虽然已有大量的实验和仿真,但其收敛性仍有待从理论上进行研究.基于新颖的空间平均而非传统的时间平均的思想,协作同步技术为无线传感器网络时间同步提供了另外一个新的解决方案,尽管目前对其的研究仍停留于仿真阶段.介绍了萤火虫同步技术和协作同步技术的基本思想和目前在无线传感器网络中的研究及应用现状,并探讨了未来可能的研究方向.     

一种事件触发型传感器网络时钟同步算法*

通过介绍时钟同步机制的作用和现状,针对节点能源有限的特点,提出一种事件触发型传感器网络时钟同步算法。仿真结果表明该算法能较好地节约能源开销,延长网络寿命。     

一种用于大规模无线传感器网络的时钟同步算法

针对经典的时钟同步算法在大规模无线传感器网络中存在的同步精度低与能量消耗高等问题,提出一种基于簇-树结构的无线传感器网络时钟同步算法。首先,建立一棵以网关为根节点、簇首为子节点的生成树来减少网络中节点同步时的累计跳数;然后,在该生成树的基础上采用簇间双向的SRS和簇内单向的ROS同步机制进行同步,在保证同步精度的前提下减少网络同步所需的消息数量。实验结果表明,相比传统的RBS和TPSN算法,提出的簇-树结构同步算法可使网络的平均同步精度保持在更高的水平,并有效地降低网络同步时节点的能耗。     

基于分簇的无线传感器网络时间同步算法

时间同步是无线传感器网络中一个重要支撑技术,为了提高时间同步精度,提出了一种基于分簇的无线传感器网络时间同步算法;在部署无线传感器网络的初期阶段,建立簇状拓扑结构,首先是基站与簇首节点实现同步,然后簇内实现同步,最终建立一个全网统一的时钟,在同步过程中,采用了成对节点间的同步算法,很好利用了多信道广播方式;该算法能很好地满足无线传感器网络低能耗的要求;性能分析和实验结果表明,该算法减少了同步层次,提高了同步精度。     

无线传感器网络时间同步综述

时间同步是无线传感器网络技术研究的一个新热点,很多无线传感器网络应用都要求传感器节点的时钟保持同步;由于无线传感器网络自身的特点,它在同步范围、能量消耗以及同步精度上都有特殊的要求,这使传统的时间同步方法并不适合无线传感器网络,对目前典型的无线传感器网络时间同步算法进行了论述,并指出了进一步的研究方向。     

Time Series Prediction and Neural Networks

Neural Network approaches to time series prediction are briefly discussed, and the need to find the appropriate sample rate and an appropriately sized input window identified. Relevant theoretical results from dynamic systems theory are briefly introduced, and heuristics for finding the appropriate sampling rate and embedding dimension, and thence window size, are discussed. The method is applied to several time series and the resulting generalisation performance of the trained feed-forward neural network predictors is analysed. It is shown that the heuristics can provide useful information in defining the appropriate network architecture.     

面向事件监测的无线传感网感知调度

针对事件监测应用的特点,提出了一种简单、有效的基于栅格的无线传感网感知调度方法.该方法首先对目标环境进行栅格划分,然后由栅格内的节点选举出代表轮流执行监测任务,具有通信开销小、电量消耗均衡,可扩展性好的特点.通过分析和模拟可知,基于栅格的感知调度可以获得与节点密度成正比的电量节省,并且在事件监测质量上优于随机调度方法.而且,通过调整栅格尺寸和节点工作时间,可以为平衡网络寿命和发现延迟提供有效的手段.     

结合模糊控制的时序数据预测循环神经网络

时序数据处理任务中,循环神经网络模型以及相关衍生模型有较好的性能,如长短期记忆模型(LSTM),门限循环单元(GRU)等.模型的记忆层能够保存每个时间步的信息,但是无法高效处理某些领域的时序数据中的非等时间间隔和不规律的数据波动,如金融数据.本文提出了一种基于模糊控制的新型门限循环单元(GRU-Fuzzy)来解决这些问...     

无线传感器网络时间同步协议的改进策略

鉴于NTP和无线传感器网络时间同步协议的相似性,提出把NTP中的时间过滤、时间选择和时间组合算法简化后应用于无线传感器网络时间同步协议中以提高同步精度的策略.作为例证,将时间组合算法简化后引入BTS协议中.模拟的结果表明:在由81个Mica2节点组成的8跳网络内,除抗拒节点的同步误差保持不变外,其余节点的同步误差减小至改进前的67.70%～91.58%;具有相同跳距的节点的平均同步误差随跳距的增加率由19.8减小至15.5μs/跳;同时没有额外的报文开销.理论分析表明:同步精度的提高得益于应用时间组合算法所导致的节点时间偏移量均方差的减小.     

一种能量高效的无线传感器网络时间同步算法

提出一种能量高效的时间同步算法(EETS),通过同步误差预测补偿机制降低节点间的累积误差,并根据用户时间同步精度需求动态调整无线网络节点间同步周期,从而达到在设定精度下的最大化同步周期,降低同步开销.