一种无线传感器网络的故障诊断方法技术

本发明专利技术公开了一种无线传感器网络的故障诊断方法，该方法包括以下步骤：S1、构建基于压缩感知技术的观测矩阵；观测矩阵记载了网络故障对应的网络事件的序列变化值；S2、利用观测矩阵构建从网络节点的网络事件到所述网络故障的映射关系；S3、采集无线传感器网络的节点状态序列；节点状态序列为所述网络事件发生的次数；S4、根据映射关系，求解对应于所述网络事件对应的网络故障。本发明专利技术的方法通过构建观测矩阵，利用压缩感知技术和奥坎姆剃刀原理，将网络故障和网络事件模型化，可以快捷准确的找到网络故障，实现对无线传感器网络的全方位故障诊断，同时不需要依赖工作人员的深厚的领域知识，使得无线传感器网络的故障诊断更加方便和容易实行。

【技术实现步骤摘要】

本专利技术涉及无线自组织传感器网络领域，更具体涉及。
技术介绍
随着通信技术、传感器技术及嵌入式计算技术的快速发展和日益成熟，无线传感器网络被广泛应用在环境监测、煤矿事故检测、危险境地导航、交通流量监控等诸多与国计民生有着重大联系的场景中。由于当前科技水平以及制造工艺的限制，传感器节点(简称节点)的软件与硬件通常并不能完美地契合进行工作，普遍具有易出错的特征。同时，由于节点间采用无线信号进行数据传输，多径、干扰等因素进一步增加了无线传感器网络的不稳定性。为了增强无线传感器网络的可用性，同时提升无线传感器网络的可靠性，许多研宄机构都展开了无线传感器网络故障诊断技术的研宄，用以检验和定位网络中的错误和故障。传统的无线传感器网络故障诊断技术可分为两类。第一类是软件纠错技术。典型的方法是在节点程序的源代码层构建类似于GDB的调试工具，通过断点执行、变量观察、堆栈访问等接口进行代码纠错，其中，GDB是GNU开源组织发布的一个强大的UNIX下的程序调试工具，UNIX是一种广泛使用的商业操作系统的名称。这类方法可以判断程序的逻辑错误，但是不能识别通信链路受阻、节点功能紊乱等无线传感器网络中的故障。第二类技术是通过收集无线传感器网络中的相关信息进行深层次的数据分析，诊断无线传感器网络故障。这类方法能够很好的识别无线传感器网络的出错状况，但是通常需要深厚的领域知识，一个对无线传感器网络不熟悉的人员或者一个未曾出现过的网络错误都有可能导致这类方法失效。由上述分析可知，传统的无线传感器网络故障诊断技术在很大程度上依赖于设计人员对于无线传感器网络的领域知识和实际运行的经验，使得目前的诊断工具具有显著的局限性。事实上，由于无线传感器网络的自组互联、远程部署、环境复杂、大规模等特性，管理维护人员很难对无线传感器网络内部可能出现的故障原因、影响等有全面的了解，尤其是出现在多点交互过程中的故障和错误更加难于检测。随着无线传感器网络的不断发展和应用类型的不断增加，传统的无线传感器网络故障诊断技术的可扩展性面临着严峻的挑战。
技术实现思路
(一 )要解决的技术问题本专利技术要解决的技术问题是如何克服无线传感器网络的故障诊断中对领域知识的依赖，实现全面、准确的检测无线传感器网络中的故障。( 二 )技术方案为了解决上述技术问题，本专利技术提供了，其特征在于，所述方法包括以下步骤:S1、构建基于压缩感知技术的观测矩阵；所述观测矩阵记载了网络故障对应的网络事件的序列变化值(所述序列变化值为对应状态这一时刻与上一时刻的差值)；S2、基于奥坎姆剃刀原理以及压缩感知技术，利用所述观测矩阵构建从网络节点的所述网络事件到所述网络故障的映射关系；S3、采集无线传感器网络的节点状态序列；所述节点状态序列为所述网络事件发生的次数；S4、根据所述映射关系，求解对应于所述网络事件的所述网络故障。优选地，所述步骤S4中利用极小化LI范数求解所述网络故障。优选地，所述观测矩阵的每一列为对应于一种所述网络故障的各网络事件的序列变化值。优选地，若所述网络故障与所述网络事件没有关系，则所述观测矩阵中对应列对应行的所述序列变化值为O。优选地，所述映射关系为:y = Φχ其中，y表示采集的所述节点状态序列，Φ表示所述观测矩阵，X表示所述网络故障。(三)有益效果本专利技术提供了，本专利技术的方法通过构建观测矩阵，利用压缩感知技术和奥坎姆剃刀原理，将网络故障和网络事件模型化，可以快捷准确的找到网络故障，实现对无线传感器网络的全方位故障诊断，同时不需要依赖工作人员的深厚的领域知识，使得无线传感器网络的故障诊断更加方便和容易实行。【附图说明】为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术的流程图；图2是本专利技术中完成所述的装置示意图；图3是本专利技术中室内测试床示意图。【具体实施方式】下面结合附图和实施例对本专利技术作进一步详细描述。以下实施例用于说明本专利技术，但不能用来限制本专利技术的范围。本专利技术公开了，如图1所示，所述方法包括以下步骤:S1、构建基于压缩感知技术的观测矩阵；所述观测矩阵记载了网络故障对应的网络事件的序列变化值；S2、利用所述观测矩阵构建从网络节点的所述网络事件到所述网络故障的映射关系；所述观测矩阵的每一列为对应于一种所说网络故障的各网络事件的序列变化值；若所述网络故障与所述网络事件没有关系，则所述观测矩阵中对应列对应行的所述序列变化值为O ;所述映射关系为:y = Φχ其中，y表示采集的所述节点状态序列，Φ表示所述观测矩阵，X表示所述网络故障；S3、采集无线传感器网络的节点状态序列；所述节点状态序列为所述网络事件发生的次数；S4、根据所述映射关系，求解对应于所述网络事件对应的网络故障；其中利用极小化LI范数求解所述网络故障。本专利技术提出的方法基于压缩感知(Compressive Sensing, CS) ο简单来说，压缩感知技术提供了一种可以广泛应用于可压缩信号的采集方法。该专利技术借用压缩感知的模型和优化求解方法，将网络事件、状态和故障根源模型化，然后再根据奥坎姆剃刀原理，为观察到的网络异常找到最有可能的故障根源。CS理论指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得的高维信号投影到一个低维空间上，然后通过求解一个优化问题从这些少量的投影中以高概率重构出原信号。在CS模型中并不是直接测量信号f本身，而是将信号f投影到观测矩阵上得到观测向量y。用矩阵表示:y= Φ?.，式中y是MXl的观测向量，Φ是MXN(M〈〈N)的观测矩阵。根据信号稀疏分解理论中的稀疏分解算法，可以求解得当前第1页1 2 本文档来自技高网...

【技术保护点】
一种无线传感器网络的故障诊断方法，其特征在于，所述方法包括以下步骤：S1、构建基于压缩感知技术的观测矩阵；所述观测矩阵记载了网络故障对应的网络事件的序列变化值；S2、基于奥坎姆剃刀原理以及压缩感知技术，利用所述观测矩阵构建从网络节点的所述网络事件到所述网络故障的映射关系；S3、采集无线传感器网络的节点状态序列；所述节点状态序列为所述网络事件发生的次数；S4、根据所述映射关系，求解对应于所述网络事件的所述网络故障。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘云浩，马强，刘克彬，苗欣，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11