基于異常數(shù)據(jù)驅(qū)動(dòng)數(shù)據(jù)融合方法

王珊慧

（沈陽(yáng)化工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，遼寧 沈陽(yáng)110142）

1 異常數(shù)據(jù)有效性判斷方法

1.1 異常數(shù)據(jù)定義

統(tǒng)計(jì)數(shù)據(jù)具有一些異常的數(shù)據(jù)定義。因此，還可以以距離來(lái)做標(biāo)準(zhǔn)進(jìn)行定義，這也就是說(shuō)，兩個(gè)數(shù)據(jù)之間的差的絕對(duì)值。ai是傳感器節(jié)點(diǎn)i 收集的當(dāng)前數(shù)據(jù)，pi是節(jié)點(diǎn)在收集ai之前發(fā)送給簇群中每個(gè)節(jié)點(diǎn)頭的最新不正常數(shù)據(jù)。那么異常數(shù)據(jù)是：

（1）定義1

對(duì)于數(shù)據(jù)ai，若|ai－pi|≥ε，則稱ai為異常數(shù)據(jù)。此處，ε是異常數(shù)據(jù)確定閾值，該值是恒定的，并且其大小極大地影響了簇頭節(jié)點(diǎn)接收異常數(shù)據(jù)后的頻率。傳感器在簇中主要對(duì)數(shù)據(jù)信息進(jìn)行收集，通過(guò)對(duì)比監(jiān)視數(shù)據(jù)與異常數(shù)據(jù)存在的差異，然后，基于該差異，確定是否發(fā)送當(dāng)前周期的樣本數(shù)據(jù)。如果該差超過(guò)預(yù)定閾值，則認(rèn)為生成了異常數(shù)據(jù)并發(fā)送給簇頭，同時(shí)其差比設(shè)計(jì)閥值要小，那么簇頭則不會(huì)接收數(shù)據(jù)。如此一來(lái)節(jié)點(diǎn)數(shù)據(jù)傳輸頻率得到了有效控制，避免受到重要事件影響導(dǎo)致異常數(shù)據(jù)接收不及時(shí)。

（2）定義2

傳感器節(jié)點(diǎn)i 與j 測(cè)量數(shù)據(jù)在支持度上是：rij=Kexp[－β（ai－aj）2]，當(dāng)簇內(nèi)存在n 個(gè)傳感器節(jié)點(diǎn)，并對(duì)同一個(gè)特征指標(biāo)進(jìn)行測(cè)量。按照該公式，則可以獲得各傳感器節(jié)點(diǎn)測(cè)量數(shù)據(jù)的支持矩陣R：

式中：ri1，ri2，…，rin可以分別表示a1，a2，…，an支持節(jié)點(diǎn)i 測(cè)量的數(shù)據(jù)ai的程度。要想將傳感器測(cè)出的ai情況體現(xiàn)出來(lái)，請(qǐng)考慮第i 個(gè)節(jié)點(diǎn)數(shù)據(jù)ai的綜合支持水平si的大小反映了其他傳感器對(duì)ai的完全支持。如果為大，則表示第i 個(gè)傳感器測(cè)量的數(shù)據(jù)接近大多數(shù)傳感器，并且與更多傳感器兼容。當(dāng)前發(fā)送到簇頭的異常數(shù)據(jù)可能是有效的異常數(shù)據(jù)。第i 個(gè)傳感器測(cè)量的數(shù)據(jù)與大多數(shù)傳感器的測(cè)量數(shù)據(jù)有出入。由于節(jié)點(diǎn)故障，ai不太可能是有效的異常數(shù)據(jù)，而更有可能是無(wú)效的異常。由于同一簇內(nèi)各節(jié)點(diǎn)中的傳感器節(jié)點(diǎn)相對(duì)地域分布且節(jié)點(diǎn)是同質(zhì)的，因此我們可以看到，如何支持該組的想法與人們對(duì)現(xiàn)實(shí)的理解更加一致。每個(gè)傳感器的相同環(huán)境特征參數(shù)的測(cè)量值彼此接近。除非簇內(nèi)節(jié)點(diǎn)中大面積的節(jié)點(diǎn)同時(shí)發(fā)生故障，否則綜合支持si很小，因?yàn)榇嬖诠收希趇 個(gè)傳感器將發(fā)送錯(cuò)誤的異常數(shù)據(jù)ai，若是其他傳感器未出現(xiàn)錯(cuò)誤，那么ai將與另外的傳感器測(cè)量結(jié)果無(wú)法保持一致。但是其發(fā)生的可能性非常低，可以忽略。

（3）定義3

使集成數(shù)據(jù)載體ai成為現(xiàn)實(shí)，如果si≥δ，則ai是有效數(shù)據(jù)。否則，ai是無(wú)效數(shù)據(jù)。其中，δ 是判斷數(shù)據(jù)有效性的閾值。如果傳感器與其他傳感器不兼容，或者僅與某些傳感器不兼容，并且內(nèi)置支持值小于閾值δ，則認(rèn)為從傳感器傳輸?shù)漠惓?shù)據(jù)是由于缺陷引起的。例如，測(cè)量值無(wú)效并且正在進(jìn)行中。但是，在數(shù)據(jù)集成期間，您需要?jiǎng)h除此數(shù)據(jù)。

1.2 異常數(shù)據(jù)有效性判斷方法

簇內(nèi)每個(gè)節(jié)點(diǎn)中的每個(gè)節(jié)點(diǎn)將異常數(shù)據(jù)發(fā)送到簇內(nèi)的每個(gè)節(jié)點(diǎn)頭，從而啟動(dòng)簇內(nèi)節(jié)點(diǎn)頭中的每個(gè)節(jié)點(diǎn)的處理。有兩種類型的異常數(shù)據(jù)。其中之一是由于傳感器錯(cuò)誤引起的異常數(shù)據(jù)，是某種異常數(shù)據(jù)，另一種是由于監(jiān)視事件引起的異常數(shù)據(jù)。如果數(shù)據(jù)合并中包含無(wú)效數(shù)據(jù)，則整個(gè)網(wǎng)絡(luò)的解決方案可能不正確，因?yàn)檫@將嚴(yán)重影響數(shù)據(jù)合并結(jié)果的準(zhǔn)確性。因此，簇內(nèi)每個(gè)節(jié)點(diǎn)的主要節(jié)點(diǎn)在合并過(guò)程中，這個(gè)過(guò)程中，首先必須確定合并數(shù)據(jù)的可靠性。集群頭收到成員節(jié)點(diǎn)發(fā)送的數(shù)據(jù)后，檢測(cè)到異常數(shù)據(jù)后，很難判斷單個(gè)簇頭中來(lái)自節(jié)點(diǎn)的數(shù)據(jù)的可靠性。本文提出了一種評(píng)估數(shù)據(jù)可靠性的小組支持方法。該技術(shù)原理為各傳感器節(jié)點(diǎn)在傳送異常數(shù)據(jù)時(shí)可以獲得相應(yīng)支持。借助至少2 個(gè)傳感器完成對(duì)參數(shù)的測(cè)量，第i 和第j傳感器測(cè)量數(shù)據(jù)是ai與aj。保證ai數(shù)據(jù)的準(zhǔn)確性，其他節(jié)點(diǎn)支持ai的測(cè)量數(shù)據(jù)就越多。節(jié)點(diǎn)j 支持所謂的ai，表示ai是節(jié)點(diǎn)j 上可靠數(shù)據(jù)的概率，表示數(shù)據(jù)ai和aj之間的一致性程度。

1.3 簇內(nèi)數(shù)據(jù)融合模型

監(jiān)視范圍中節(jié)點(diǎn)分成簇后，簇內(nèi)節(jié)點(diǎn)完成對(duì)數(shù)據(jù)的測(cè)量后，會(huì)將其向簇頭節(jié)點(diǎn)進(jìn)行傳送。簇的簇首節(jié)點(diǎn)接收成員節(jié)點(diǎn)的數(shù)據(jù)，執(zhí)行并集處理，然后將并集的結(jié)果發(fā)送給分析和處理。換句話說(shuō)，簇中的數(shù)據(jù)開(kāi)始合并。

數(shù)據(jù)驅(qū)動(dòng)思維模式適應(yīng)性非常強(qiáng)，能夠與傳感器動(dòng)態(tài)數(shù)據(jù)變化情況相適宜，并與計(jì)算需求情況保持一致，讓用戶能夠在決策上得到可靠支持。為了在合并簇中的數(shù)據(jù)時(shí)節(jié)省能源并傳輸數(shù)據(jù)，簇代表使用由異常數(shù)據(jù)驅(qū)動(dòng)的收斂策略。在沒(méi)有異常數(shù)據(jù)的情況下，簇的負(fù)責(zé)人需要對(duì)簇網(wǎng)絡(luò)與參與節(jié)點(diǎn)狀態(tài)信息進(jìn)行發(fā)送。簇網(wǎng)絡(luò)保持遠(yuǎn)程狀態(tài)。發(fā)生異常數(shù)據(jù)時(shí)，將發(fā)生外部事件來(lái)控制簇的頭節(jié)點(diǎn)。此時(shí)，執(zhí)行數(shù)據(jù)合并處理，并且簇網(wǎng)絡(luò)處于此狀態(tài)。特別是，可以認(rèn)為它具有外部異常，當(dāng)用戶啟動(dòng)請(qǐng)求時(shí)，這些異常會(huì)觸發(fā)用于處理簇頭合并的機(jī)制的操作。

2 路由算法中數(shù)據(jù)融合方法的研究

對(duì)無(wú)線傳感器網(wǎng)絡(luò)來(lái)說(shuō)，由于節(jié)點(diǎn)路由過(guò)程分層情況不一樣，路由內(nèi)節(jié)點(diǎn)的功能也存在差異，因此路由協(xié)議主要包括平面路由與集群路由兩種類型。其中平面路由節(jié)點(diǎn)在級(jí)別與功能上相同，實(shí)行簡(jiǎn)便的路由方法，然而在路由設(shè)置與維護(hù)中花費(fèi)的資金較多，為引入大規(guī)模網(wǎng)絡(luò)帶來(lái)阻礙。集群路由內(nèi)節(jié)點(diǎn)有著分層特點(diǎn)，也由分層所影響。節(jié)點(diǎn)功能存在較大差異，表現(xiàn)出良好的網(wǎng)絡(luò)擴(kuò)展性，也為拓?fù)涔芾韯?chuàng)造了較好條件，在大型網(wǎng)絡(luò)中發(fā)揮出較大作用?？紤]到集群路由特征，是現(xiàn)階段路由技術(shù)研究特點(diǎn)。根據(jù)聚類路由協(xié)議是否均勻，將其分為兩類：統(tǒng)一聚類和非均勻聚類。無(wú)論基于哪種聚類方法，監(jiān)視區(qū)域主要由多個(gè)子區(qū)域構(gòu)成，所有區(qū)域均可以視為一個(gè)A 集群，各集群包括一個(gè)集群頭，且分為很多的成員節(jié)點(diǎn)，下層的集群頭節(jié)點(diǎn)級(jí)別簇群組可以看作是高級(jí)簇群組的成員節(jié)點(diǎn)，以便分層劃分網(wǎng)絡(luò)，最高級(jí)別的簇群的簇群頭需要同基站、宿節(jié)點(diǎn)等完成通信。對(duì)無(wú)線傳感器網(wǎng)絡(luò)來(lái)說(shuō)，網(wǎng)絡(luò)能耗直接由節(jié)點(diǎn)通信量決定。額外通信量與降低冗余信息傳輸，為現(xiàn)階段路由協(xié)議必須關(guān)注的一個(gè)重點(diǎn)問(wèn)題。

對(duì)無(wú)線傳感器網(wǎng)絡(luò)來(lái)說(shuō)，主要負(fù)責(zé)對(duì)傳感數(shù)據(jù)進(jìn)行收集、管理、分析和處理，通過(guò)發(fā)揮融合策略的作用，能夠讓網(wǎng)絡(luò)數(shù)據(jù)更加準(zhǔn)確，冗余性和有效性產(chǎn)生重要影響。

3 實(shí)驗(yàn)仿真分析

在本文中，將使用MATLAB 平臺(tái)對(duì)實(shí)驗(yàn)進(jìn)行建模，并分析和比較算法的性能。在溫室中，將實(shí)驗(yàn)環(huán)境設(shè)置為200×200m，并隨機(jī)排列100 個(gè)溫度傳感器節(jié)點(diǎn)以監(jiān)視溫室中的溫度變化。當(dāng)對(duì)溫度變化建模時(shí)，正弦方法，傳感器組件故障，天氣變化，溫室薄膜損壞以及人為溫度升高會(huì)導(dǎo)致異常數(shù)據(jù)。將接收器節(jié)點(diǎn)的坐標(biāo)設(shè)置為（100，200），并使用經(jīng)典的豐富算法對(duì)區(qū)域內(nèi)全部傳感器節(jié)點(diǎn)的聚類，然后才去隨機(jī)選擇策略形成聚類頭節(jié)點(diǎn)。因?yàn)榇仡^節(jié)點(diǎn)對(duì)能量需求較大，能夠讓網(wǎng)絡(luò)節(jié)點(diǎn)能耗保持平衡，故而對(duì)簇頭來(lái)說(shuō)，應(yīng)該關(guān)注現(xiàn)階段剩余能量，同時(shí)剩余能量較多節(jié)點(diǎn)則確定為簇頭。簇頭對(duì)數(shù)據(jù)進(jìn)行合并，向接收器節(jié)點(diǎn)傳輸數(shù)據(jù)。在確定能耗時(shí)應(yīng)考慮無(wú)線電模型，表1 為節(jié)點(diǎn)實(shí)驗(yàn)參數(shù)設(shè)置。

4 對(duì)比分析

4.1 融合效果比較

先對(duì)節(jié)點(diǎn)收集數(shù)據(jù)進(jìn)行合并，形成50 個(gè)模擬實(shí)驗(yàn)數(shù)據(jù)合并結(jié)果。將本文的融合結(jié)果與傳統(tǒng)的均值算術(shù)方法提出的自適應(yīng)加權(quán)融合方法進(jìn)行了比較。采取這樣的方式，能夠讓融合結(jié)果誤差降到最小，若是采取其他方法，則無(wú)法保證融合結(jié)果的穩(wěn)定性，因此其在融合精度上優(yōu)勢(shì)非常顯著。對(duì)于數(shù)據(jù)的集成來(lái)說(shuō)，為了讓異常數(shù)據(jù)得到明確，針對(duì)缺陷節(jié)點(diǎn)，要事先對(duì)數(shù)據(jù)進(jìn)行收集。在合并中不會(huì)存在不良數(shù)據(jù)，從而讓數(shù)據(jù)合并更加有效。

傳感器在數(shù)據(jù)信號(hào)采集過(guò)程中，往往會(huì)面臨環(huán)境因素的影響，節(jié)點(diǎn)采集數(shù)據(jù)將存在一定誤差，這是一個(gè)隨機(jī)變量，因此融合算法的優(yōu)缺點(diǎn)是普遍存在的。平方誤差用作評(píng)估指標(biāo)。其均方誤差將跟著無(wú)效的數(shù)據(jù)與概率進(jìn)行變化，若是無(wú)效異常數(shù)據(jù)可能性不高，則其融合結(jié)果均方差異并不顯著?？梢钥闯?，該方法誤差較小，可以得到結(jié)果，也表明該方法融合精度高，在大量無(wú)效數(shù)據(jù)和異常數(shù)據(jù)情況下，可以保證網(wǎng)絡(luò)數(shù)據(jù)融合處理的有效性。

表1 節(jié)點(diǎn)實(shí)驗(yàn)參數(shù)

4.2 能量消耗比較

使用三種方法將網(wǎng)絡(luò)生存節(jié)點(diǎn)的總剩余能量變化曲線與一輪執(zhí)行時(shí)間進(jìn)行了比較。若是輪數(shù)一樣，其剩余總能量將超出平均方法與加權(quán)融合方法。站在網(wǎng)絡(luò)生命周期層面來(lái)說(shuō)，采取平均融合方法網(wǎng)絡(luò)達(dá)到762 輪后，而加權(quán)融合方法則達(dá)到695 輪，并引起死亡，本文研究的融合方法網(wǎng)絡(luò)死循環(huán)達(dá)到了892 輪。比較結(jié)果表明，本白皮書(shū)中的方法節(jié)能高效，節(jié)能且網(wǎng)絡(luò)持續(xù)時(shí)間長(zhǎng)。原因是本白皮書(shū)中的方法通過(guò)兩種方式節(jié)省了網(wǎng)絡(luò)能耗。首先，站在簇首節(jié)點(diǎn)層面而言，在節(jié)點(diǎn)存在異常數(shù)據(jù)、網(wǎng)絡(luò)保持興奮狀態(tài)、其余時(shí)間保持低功耗狀態(tài)后，才將數(shù)據(jù)發(fā)送到簇頭。有限消費(fèi)狀態(tài)；第二，從簇頭的角度來(lái)看，簇頭僅在激發(fā)了足夠數(shù)量的異常數(shù)據(jù)節(jié)點(diǎn)并且異常數(shù)據(jù)的生成不是周期性的并且生成的數(shù)量受到限制并且大大減少時(shí)才執(zhí)行數(shù)據(jù)融合處理。降底網(wǎng)絡(luò)中數(shù)據(jù)融合處理的頻率。

5 結(jié)束語(yǔ)

考慮到監(jiān)視環(huán)境中網(wǎng)絡(luò)能量限制和緊急事件的特征，我們提出了一種方法，這是一種WSN 集群的數(shù)據(jù)融合方法。但是在極其理想化的狀態(tài)下的，該算法通過(guò)異常數(shù)據(jù)為數(shù)據(jù)融合源，出現(xiàn)異常后將進(jìn)行WSN 數(shù)據(jù)融合處理機(jī)制操作。這是由于異常數(shù)據(jù)將隨機(jī)生成，并且生成的頻率受到限制，這樣除了可以對(duì)節(jié)點(diǎn)數(shù)據(jù)傳輸頻率進(jìn)行有力控制，也能降低網(wǎng)絡(luò)內(nèi)數(shù)據(jù)流量，為異常數(shù)據(jù)傳輸創(chuàng)造了良好條件。通過(guò)仿真后可知，與傳統(tǒng)的平均方法和自適應(yīng)加權(quán)融合方法相比，該方法合并精度高，功耗低，網(wǎng)絡(luò)中不良數(shù)據(jù)比例高，可以保證數(shù)據(jù)合并結(jié)果的可靠性。這是一種更完整的數(shù)據(jù)融合方法。