CN103024797B - 基于统计的无线传感器网络流量评估方法 - Google Patents
基于统计的无线传感器网络流量评估方法 Download PDFInfo
- Publication number
- CN103024797B CN103024797B CN201210504980.XA CN201210504980A CN103024797B CN 103024797 B CN103024797 B CN 103024797B CN 201210504980 A CN201210504980 A CN 201210504980A CN 103024797 B CN103024797 B CN 103024797B
- Authority
- CN
- China
- Prior art keywords
- node
- packet
- sensor network
- wireless sensor
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 55
- 108091092195 Intron Proteins 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 abstract description 5
- 238000000767 Anderson–Darling test Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 230000001351 cycling effect Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于统计的无线传感器网络流量评估方法，其包括如下步骤：A、通过基于窗口切割的安德森-达林测试来判断每个节点发出的数据包的时间间隔是否服从指数分布。B、通过自相关方法判断每个节点发送数据包时间间隔序列是否相互独立。C、根据步骤A和步骤B的判断结果，当每个节点发出的数据包的时间间隔满足指数分布，而且每个节点发送数据包时间间隔序列相互独立时，对无线传感器网络进行泊松分布建模。本发明基于实际统计结果，对线传感器网络流量进行评估，判断其是否满足泊松过程，不仅更贴合实际，效率高，而且避免了大量采样的开销。
Description
技术领域
本发明涉及无线传感器网络领域，尤其涉及一种基于统计的无线传感器网络流量评估方法。
背景技术
随着通信技术、传感器技术和嵌入式计算技术的快速发展和日益成熟，具有通信、传感和计算能力的微型传感器节点开始出现，并且被逐渐的应用到生产和生活之中。这种无线传感器网络能够协调地感知、采集和处理网络覆盖区域内的各种环境或监测对象信息，并发布给需要这些信息的用户。无线传感器网络将逻辑上的信息世界与真实的物理世界融合在一起，深刻地改变了人与自然的交互方式，可广泛地应用于环境监测、工农业控制、生物医疗、国防军事等诸多领域。通常无线传感器网络由电池驱动，并且往往部署在人迹罕至的地方，使得电池替换变得异常麻烦。为了解决有限的电池容量和长时间部署需求之间的矛盾，周期工作（Duty-cycling）的工作模式已经成为业界的广泛应用的方案。无线传感器网络中的节点主要完成两类工作:数据采集和数据传输。数据采集包括周期性的数据采集，如环境中的温湿度，二氧化碳浓度；以及突发事件的数据采集，如森林火灾，车辆检测。数据传输工作由无线传感器网络本身的特点决定，大量传感器节点以自组织(ad-hoc)的方式组成无线网络，并且以多跳的方式帮助其他节点将数据发回基站。大量研究表明，在环境监测等周期性采集数据的无线传感器网络应用中，能量开销基本由无线收发器(radio)开启的时间决定。因此，如何减少无线收发器开启时间成了延长无线传感器网络寿命的关键所在。
周期工作技术已经成为广为采用的节点节能方案。在周期工作的无线传感器网络中，无线收发器周期性的开启，从而在大部分时间中，无线收发器都处于关闭状态，从而节约了大量的能量。无线收发器分为两种工作状态：开启状态和空闲状态。当无线收发器处于开启状态时，传感器节点发送或者接受数据包。当处于空闲状态，无线收发器关闭，从而节约了大量能量。
基于周期工作技术，已经创建了大量媒体接入方法。这些方法主要分为两类：同步接入方法和异步接入方法。同步接入方法需要传感器节点的无线收发器同步醒睡，但这样会导致大量的能量消耗在同步的维护上。在异步接入方法中，传感器节点不需要同步它们之间的醒睡计划，但这样带来的问题是，发送方醒来时，接收方可能处于空闲状态，将会错过正在发送的数据包。为了确保数据包能被接收方收到，低功耗监听技术(LPL)广泛应用于异步的周期工作技术中。具体来说，发送方在传输数据包之前，会发送一个长度足以覆盖接收方空闲时间间隔的前同步码（preamble），这样能确保接收方在醒来时能至少收到一次数据包。
采用低功耗监听技术的无线传感器网络的网络流量给很多无线传感器应用带来帮助，尤其在节能方面。在低功耗监听技术中，大部分能量消耗在前同步码上。有研究表明，在常用的环境监测无线传感器应用中，平均前同步码的长度是平均实际传输数据包长度的六十五倍，这说明大部分能量消耗在前同步码上。如果已知无线传感器网络数据流的模式，接收方能够预测下个数据包的到来时间，这样接收方就能在发送方开始发送之前醒来，从而大大减少了前同步码发送的长度。无线传感器网络的数据包到达的过程可以建模成泊松过程(Poisson Process)。泊松过程要求数据包到达的时间间隔服从指数分布，但低功耗监听技术中，由于周期性的醒睡，使得数据包到达的时间间隔无法满足指数分布的特性，从而无法满足泊松过程的特性。具体来说，服务于周期性数据采集的应用的无线传感器网络的数据流主要受低功耗技术中的占空比(dutycycle)和数据采集周期的影响。
发明内容
针对上述技术问题，本发明的目的在于提供一种基于统计的无线传感器网络流量评估方法，其基于实际统计结果，对线传感器网络流量进行评估，判断其是否满足泊松过程，不仅更贴合实际，效率高，而且避免了大量采样的开销。
为达此目的，本发明采用以下技术方案：
一种基于统计的无线传感器网络流量评估方法，其包括如下步骤：
A、通过基于窗口切割的安德森-达林（Andson-daring）测试来判断每个节点发出的数据包的时间间隔是否服从指数分布；
B、通过自相关方法判断每个节点发送数据包时间间隔序列是否相互独立；
C、根据步骤A和步骤B的判断结果，当每个节点发出的数据包的时间间隔满足指数分布，而且每个节点发送数据包时间间隔序列相互独立时，对无线传感器网络进行泊松分布建模。
特别地，所述步骤A中基于窗口切割的安德森-达林测试具体包括：
每个节点计算每个时间点的信道强度RSS的方差，并将其作为网络动态性参数K；将每个节点的发送数据包的过程切割成K段；设置显著性水平S1，若S1*K段实际发送数据包时间间隔序列通过安德森-达林测试，则判定该节点发送数据包时间间隔序列符合指数分布；设置显著性水平S2，若S1*N个节点通过安德森-达林测试，则判定无线传感器网络中每个节点发出的数据包的时间间隔服从指数分布，其中，N为所述无线传感器网络中节点的个数。
3、根据权利要求2所述的基于统计的无线传感器网络流量评估方法，其特征在于，所述步骤A具体包括：
A1、计算无线传感器网络中的节点个数N；观测每个节点在T时间段内发送数据包的过程并记录；
A2、每个节点计算每个时间点的信道强度RSS的方差，将其作为网络动态性参数K，并将每个节点的发送数据包的过程切割成K段；
A3、计算每个节点和实际发送数据包序列具有相同几何平均的指数分布；
A4、对实际发送数据包序列和步骤A3生成的序列进行安德森-达林测试，设置显著性水平S1，若S1*K段实际发送数据包时间间隔序列通过安德森-达林测试，则判定该节点发送数据包时间间隔序列符合指数分布；
A5、设置显著性水平S2，若S1*N个节点通过安德森-达林测试，则判定无线传感器网络中每个节点发出的数据包的时间间隔服从指数分布。
特别地，所述步骤B具体包括：
计算每个节点发送数据包的时间间隔序列的距离为1的自相关系数，若95%的切割窗口均通过了独立性测试，则判定节点的发送数据包时间间隔序列相互独立。
特别地，所述步骤B具体包括：
B1、计算无线传感器网络中的节点个数N；观测每个节点在T时间段内发送数据包的过程并记录；
B2、每个节点计算每个时间点的信道强度RSS的方差，将其作为网络动态性参数K，并将每个节点的发送数据包的过程切割成K段；
B3、对每段发送数据包的时间间隔序列求距离为1的自相关系数；
B4、比较每段距离为1的自相关系数的结果和获取通过独立性测试的切割段数目R，其中，n为时间间隔序列样本个数；
B5、若R/N大于95%,则判定该节点发送数据包时间间隔序列相互独立。
本发明挖掘周期性数据采集无线传感器网络数据包的特性，基于实际统计结果，对线传感器网络流量进行评估，判断其是否满足泊松过程。本发明根据无线传感器网络中实际的数据流量进行判断，比传统方法更加精确，更贴合实际；只需要对节点进行采样，并且判断过程均为时间复杂度的处理，时间复杂度低；只需要对无线传感器网络中的数据随机抽样，避免了大量采样的开销。
附图说明
图1为本发明实施例提供的基于统计的无线传感器网络流量评估方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步说明。
请参照图1所示，图1为本发明实施例提供的基于统计的无线传感器网络流量评估方法的流程图。
本实施例中基于统计的无线传感器网络流量评估方法，其包括如下步骤：
步骤S101、通过基于窗口切割的安德森-达林（Andson-daring）测试来判断每个节点发出的数据包的时间间隔是否服从指数分布。
判断节点发出的数据包的时间间隔是否服从指数分布的具体过程如下：
步骤S1011、计算无线传感器网络中的节点个数N；观测每个节点在T时间段内发送数据包的过程并记录。
步骤S1012、每个节点计算每个时间点的信道强度RSS的方差，将其作为网络动态性参数K，并将每个节点的发送数据包的过程切割成K段。
由于考虑到信道的动态性，每个节点计算每个时间点的信道强度RSS的方差，将其作为网络动态性参数K，当信道动态性越大，K越小，动态性越小，K越大。具体来说，K＝ceiling(1/variance(RSSi)),其中RSSi是节点i的信道强度RSS的时间序列。
步骤S1013、计算每个节点和实际发送数据包序列具有相同几何平均的指数分布。
步骤S1014、对实际发送数据包序列和步骤S1013生成的序列进行安德森-达林测试，设置显著性水平S1，若S1*K段实际发送数据包时间间隔序列通过安德森-达林测试，则判定该节点发送数据包时间间隔序列符合指数分布；
步骤S1015、设置显著性水平S2，若S1*N个节点通过安德森-达林测试，则判定无线传感器网络中每个节点发出的数据包的时间间隔服从指数分布。
步骤S102、通过自相关方法判断每个节点发送数据包时间间隔序列是否相互独立。
判断每个节点发送数据包时间间隔序列是否相互独立的具体过程如下：
步骤S1021、计算无线传感器网络中的节点个数N；观测每个节点在T时间段内发送数据包的过程并记录。
步骤S1022、每个节点计算每个时间点的信道强度RSS的方差，将其作为网络动态性参数K，并将每个节点的发送数据包的过程切割成K段；
步骤S1023、对每段发送数据包的时间间隔序列求距离为1的自相关系数；
步骤S1024、比较每段距离为1的自相关系数的结果和获取通过独立性测试的切割段数目R，其中，n为时间间隔序列样本个数；
步骤S1025、若R/N大于95%,则判定该节点发送数据包时间间隔序列相互独立。
步骤S103、根据步骤S101和步骤S102的判断结果，当每个节点发出的数据包的时间间隔满足指数分布，而且每个节点发送数据包时间间隔序列相互独立时，对无线传感器网络进行泊松分布建模，否则对无线传感器网络采用其它方式进行建模，例如基于学习的统计模型（线性回归，支持向量机等）。
本发明已成功应用于位于浙江农林大学的GreenOrbs（绿野千传）传感网***。该传感网***五百个节点，该***可以采集温度、湿度、光亮、等信息，为科学监测森林环境提供了重要信息。
本发明的技术方案基于实际统计结果，对线传感器网络流量进行评估，判断其是否满足泊松过程，不仅贴合实际，效率高，而且避免了大量采样的开销。
上述仅为本发明的较佳实施例及所运用技术原理，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。
Claims (4)
1.一种基于统计的无线传感器网络流量评估方法，其特征在于，包括如下步骤：
A、通过基于窗口切割的安德森-达林(Andson-daring)测试来判断每个节点发出的数据包的时间间隔是否服从指数分布；其中，所述基于窗口切割的安德森-达林测试具体包括：每个节点计算每个时间点的信道强度RSS的方差，并将其作为网络动态性参数K；将每个节点的发送数据包的过程切割成K段；设置显著性水平S1，若S1*K段实际发送数据包时间间隔序列通过安德森-达林测试，则判定该节点发送数据包时间间隔序列符合指数分布；设置显著性水平S2，若S1*N个节点通过安德森-达林测试，则判定无线传感器网络中每个节点发出的数据包的时间间隔服从指数分布，其中，N为所述无线传感器网络中节点的个数；
B、通过自相关方法判断每个节点发送数据包时间间隔序列是否相互独立；
C、根据步骤A和步骤B的判断结果，当每个节点发出的数据包的时间间隔满足指数分布，而且每个节点发送数据包时间间隔序列相互独立时，对无线传感器网络进行泊松分布建模。
2.根据权利要求1所述的基于统计的无线传感器网络流量评估方法，其特征在于，所述步骤A具体包括：
A1、计算无线传感器网络中的节点个数N；观测每个节点在T时间段内发送数据包的过程并记录；
A2、每个节点计算每个时间点的信道强度RSS的方差，将其作为网络动态性参数K，并将每个节点的发送数据包的过程切割成K段；
A3、计算每个节点和实际发送数据包序列具有相同几何平均的指数分布；
A4、对实际发送数据包序列和步骤A3生成的序列进行安德森-达林测试，设置显著性水平S1，若S1*K段实际发送数据包时间间隔序列通过安德森-达林测试，则判定该节点发送数据包时间间隔序列符合指数分布；
A5、设置显著性水平S2，若S1*N个节点通过安德森-达林测试，则判定无线传感器网络中每个节点发出的数据包的时间间隔服从指数分布。
3.根据权利要求2所述的基于统计的无线传感器网络流量评估方法，其特征在于，所述步骤B具体包括：
计算每个节点发送数据包的时间间隔序列的距离为1的自相关系数，若95％的切割窗口均通过了独立性测试，则判定节点的发送数据包时间间隔序列相互独立。
4.根据权利要求3所述的基于统计的无线传感器网络流量评估方法，其特征在于，所述步骤B具体包括：
B1、计算无线传感器网络中的节点个数N；观测每个节点在T时间段内发送数据包的过程并记录；
B2、每个节点计算每个时间点的信道强度RSS的方差，将其作为网络动态性参数K，并将每个节点的发送数据包的过程切割成K段；
B3、对每段发送数据包的时间间隔序列求距离为1的自相关系数；
B4、比较每段距离为1的自相关系数的结果和获取通过独立性测试的切割段数目R，其中，n为时间间隔序列样本个数；
B5、若R/N大于95％,则判定该节点发送数据包时间间隔序列相互独立。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210504980.XA CN103024797B (zh) | 2012-11-30 | 2012-11-30 | 基于统计的无线传感器网络流量评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210504980.XA CN103024797B (zh) | 2012-11-30 | 2012-11-30 | 基于统计的无线传感器网络流量评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103024797A CN103024797A (zh) | 2013-04-03 |
| CN103024797B true CN103024797B (zh) | 2015-06-24 |
Family
ID=47972826
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210504980.XA Expired - Fee Related CN103024797B (zh) | 2012-11-30 | 2012-11-30 | 基于统计的无线传感器网络流量评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103024797B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101267446A (zh) * | 2007-12-29 | 2008-09-17 | 中国科学院计算技术研究所 | 无线传感器网络的时域数据融合方法 |
| CN101511099A (zh) * | 2009-04-01 | 2009-08-19 | 南京邮电大学 | 基于时间序列预测模型的无线传感器网络数据采集方法 |
| CN102098731A (zh) * | 2011-01-25 | 2011-06-15 | 无锡泛联物联网科技股份有限公司 | 无线传感网中的基于跳数的流量自适应休眠调度方法 |
| EP2445270A1 (en) * | 2010-10-21 | 2012-04-25 | Fujitsu Limited | Wireless network apparatus, wireless network system and wireless network node controlling method |
-
2012
- 2012-11-30 CN CN201210504980.XA patent/CN103024797B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101267446A (zh) * | 2007-12-29 | 2008-09-17 | 中国科学院计算技术研究所 | 无线传感器网络的时域数据融合方法 |
| CN101511099A (zh) * | 2009-04-01 | 2009-08-19 | 南京邮电大学 | 基于时间序列预测模型的无线传感器网络数据采集方法 |
| EP2445270A1 (en) * | 2010-10-21 | 2012-04-25 | Fujitsu Limited | Wireless network apparatus, wireless network system and wireless network node controlling method |
| CN102098731A (zh) * | 2011-01-25 | 2011-06-15 | 无锡泛联物联网科技股份有限公司 | 无线传感网中的基于跳数的流量自适应休眠调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103024797A (zh) | 2013-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Entropy-driven data aggregation method for energy-efficient wireless sensor networks | |
| Minhas et al. | A WSN for monitoring and event reporting in underground mine environments | |
| Chakraborty et al. | On network lifetime expectancy with realistic sensing and traffic generation model in wireless sensor networks | |
| Mathur et al. | Energy analysis of LoRaWAN technology for traffic sensing applications | |
| CN103152749B (zh) | 基于无线传感器网络流量统计的节点动态节能方法 | |
| CN103179602A (zh) | 一种无线传感器网络异常数据检测方法和装置 | |
| Al Rasyid et al. | Performance of multi-hop networks using beacon and non-beacon scheduling in Wireless Sensor Network (WSN) | |
| Wang et al. | Towards energy efficient duty-cycled networks: Analysis, implications and improvement | |
| CN103596256B (zh) | 基于无线信号类型识别的无线传感器网络低功耗工作方法 | |
| CN103024797B (zh) | 基于统计的无线传感器网络流量评估方法 | |
| Sun et al. | Edge computing in Internet of things: a novel sensing-data reconstruction algorithm under intelligent-migratoin stragegy | |
| Yao et al. | A distributed relay node placement strategy based on balanced network lifetime for wireless sensor networks | |
| Vallathan et al. | Detection of hazardous gas using wearable wireless sensor networks for industrial applications | |
| Kawai et al. | Event-driven wireless sensor networks using energy-saving data collection | |
| KR20140117973A (ko) | 무선 센서 네트워크에서 보조노드를 이용한 신뢰성 있는 연속 객체의 경계선 추적 방법 및 그에 사용되는 센서노드 | |
| KR100911210B1 (ko) | 사건에 따른 센서 네트워크 전원 관리 방법 및 센서네트워크 전원 관리 시스템 | |
| Kumari et al. | Cluster head selection in mobile wireless sensor networks: a survey | |
| Guo | [Retracted] Low‐Latency and High‐Concurrency 5G Wireless Sensor Network Assists Innovation in Ideological and Political Education in Colleges and Universities | |
| Zhang et al. | A Fuzzy‐Decision Based Approach for Composite Event Detection in Wireless Sensor Networks | |
| Zhang | Analysis and research on wireless sensor networks | |
| Brown et al. | Network interrupts: supporting delay sensitive applications in low power wireless control networks | |
| CN102685775B (zh) | 无线传感器网络事件侦测方法 | |
| Zhao et al. | An agent-based routing protocol with mobile sink for wsn in coal mine | |
| Shen et al. | Building effective scheduling algorithms for sensor networks | |
| Luo et al. | A Survey on Intrusion Detection of Wireless Sensor Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150624 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |