張定祥

(1.貴州商學(xué)院 計算機與信息工程學(xué)院， 貴陽 550004；2.武漢大學(xué) 計算機學(xué)院， 武漢 430072)

無線傳感器枝干識別網(wǎng)絡(luò)主要通過傳感器技術(shù)、嵌入式運算技術(shù)以及通信技術(shù)實現(xiàn)節(jié)點之間的高效率協(xié)作，進而能夠?qū)崿F(xiàn)數(shù)據(jù)感知、采集、處理等操作[1-2]。但是，由于無線傳感器的抗干擾性能較差，如果出現(xiàn)森林火災(zāi)、大氣污染等惡劣的環(huán)境情況，或是傳感器自身出現(xiàn)問題時，無線傳感器節(jié)點枝干識別網(wǎng)絡(luò)通信數(shù)據(jù)將出現(xiàn)異常，導(dǎo)致該網(wǎng)絡(luò)難以抵御外部突發(fā)事件，且對傳感器的使用壽命也存在消極影響。為此，無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)的檢測與校正十分關(guān)鍵[3]。

目前，針對無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)的檢測方面的研究成果極少，為了提升無線傳感器枝干識別網(wǎng)絡(luò)抗干擾能力，本文提出一種無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測算法，以期解決當(dāng)前無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測以及后續(xù)校正的難題[4]。

1 無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測算法設(shè)計

1.1 信息流量模型

在檢測無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)之前，需要構(gòu)建信息流量模型，以更好地通過信息流量模型的異常變化識別網(wǎng)絡(luò)中存在錯誤數(shù)據(jù)，并獲取網(wǎng)絡(luò)數(shù)據(jù)集合[5-6]，因此，該模型表示為

s(t)=y(t)+jx(t)=b(t)djα(t)

(1)

其中，網(wǎng)絡(luò)數(shù)據(jù)總數(shù)為j；將數(shù)據(jù)信號的信息流量模型實部與虛部依次表示為s(t)、y(t)；錯誤數(shù)據(jù)信號波動特征函數(shù)為x(t)；無線傳感器枝干識別網(wǎng)絡(luò)中存在大量窄帶信號djα(t)，通過此窄帶信號可以獲取數(shù)據(jù)包絡(luò)特征：

(2)

其中，α(t)、b(t)依次表示為相位信息與干擾特征幅度。無線傳感器枝干識別網(wǎng)絡(luò)異常波動特征為

g(t)=α(t)/2π·t

(3)

其中，t表示數(shù)據(jù)采樣時間間隔；無線傳感器枝干識別網(wǎng)絡(luò)中數(shù)據(jù)權(quán)值系數(shù)獲取方法表示為

φj=δφ(dh)

(4)

其中，δ表示不小于1的常數(shù)；φ表示權(quán)值系數(shù)；d∈djα(t)；h表示網(wǎng)絡(luò)節(jié)點數(shù)量。

無線傳感器枝干識別網(wǎng)絡(luò)中數(shù)據(jù)集合s的計算公式如下：

s=y(m)-φj

(5)

綜上所述，便可實現(xiàn)無線傳感器枝干識別網(wǎng)絡(luò)信息流量模型的構(gòu)建。

1.2 數(shù)據(jù)預(yù)處理

為了去除無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)集合中的噪聲，提高錯誤數(shù)據(jù)檢測精度，本文通過小波分解方法對無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)進行預(yù)處理[7]。

假設(shè)數(shù)據(jù)信號的小波變化表達式為

(6)

其中，Ω、v、u分別代表母小波、伸縮因子與平移因子。在小波基中對經(jīng)過小波變換的數(shù)據(jù)信號進行分解，將存在噪聲的數(shù)據(jù)信號進行重構(gòu)，實現(xiàn)無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)去噪[8-9]。

小波基可在歐氏空間里，使用伸縮構(gòu)造與基底位移獲取[10]。無線傳感器枝干識別網(wǎng)絡(luò)的雙正交小波運算式為

b(t)=B(t)expε(t)

(7)

其中，B(t)、ε(t)分別表示無線傳感器枝干識別網(wǎng)絡(luò)流量序列的數(shù)據(jù)信號包絡(luò)與擾動偏移相位，數(shù)據(jù)采樣時間間隔t可以表示為

t=g0T/C

(8)

其中，t∈T，表示采樣總時間；g0、C分別表示小波雙正交變動時的運算頻率與錯誤數(shù)據(jù)的擾動帶寬；雙曲調(diào)頻小波在無線傳感器枝干識別網(wǎng)絡(luò)中的瞬時頻率是：

gj(t)=α2πt

(9)

其中，α表示相位波動頻率；γ為無線傳感器枝干識別網(wǎng)絡(luò)中的細節(jié)信號尺度算子。針對雙正交提升的小波而言，在二維空間中，小波值與母小波的平移伸縮因子不存在差異性。在正交空間中獲取被映射的數(shù)據(jù)信號特征之后，對其進行小波轉(zhuǎn)換，結(jié)果表示為

(10)

無線傳感器枝干識別網(wǎng)絡(luò)中的小波變動序列為

Ψ(v,φ*)=1-|1-v|g0/C

(11)

其中，小波變換峰脊為φ*。在對無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)信號特征進行小波轉(zhuǎn)換之后，其信號擾動的軌跡描述成：

u=(1-v)g0

(12)

其中，無線傳感器枝干識別網(wǎng)絡(luò)流量序列中的帶寬C和中心頻率g0、尺度因子v間存在定量性的分解模式。根據(jù)上式描述的軌跡曲線，能夠描述時延耦合與數(shù)據(jù)信號尺度的信息，通過提升正交小波可去除耦合，分解數(shù)據(jù)存在的潛在信息細節(jié)，獲取無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)顯著的細節(jié)特征[11,12]。由于無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)為y(m)，使用多層小波分解獲取無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)信號的細節(jié)特征：

(13)

1.3 基于自適應(yīng)前向糾錯的錯誤數(shù)據(jù)檢測算法

根據(jù)線性分組編碼與奇偶檢驗編碼方法，把2.2小節(jié)獲取的m個數(shù)據(jù)包設(shè)成一個組別，之后將各個組別數(shù)據(jù)包進行逐位異或計算，獲取每個組別的自適應(yīng)前向糾錯(Adaptive forward error correction，AFEC)數(shù)據(jù)包[13]。按照數(shù)據(jù)包的序列號以及流量異常變化便能判斷無線傳感器枝干網(wǎng)絡(luò)中的錯誤數(shù)據(jù)位置，以此通過檢驗塊便可實現(xiàn)單個數(shù)據(jù)的錯誤檢測，獲取正確的i個數(shù)據(jù)包[14]。

校驗塊的獲取方式如下式：

O=Dm⊕Dm+1⊕…⊕D2⊕D1

(14)

其中，O表示目前數(shù)據(jù)包里存在的自適應(yīng)前向錯誤數(shù)據(jù)包；將第m個錯誤數(shù)據(jù)包的糾錯修正值設(shè)成Dm。

在此基礎(chǔ)上，對無線傳感器枝干識別網(wǎng)絡(luò)中的錯誤數(shù)據(jù)與正確數(shù)據(jù)的差異性進行計算，表示為

(15)

其中，Dk值屬于錯誤數(shù)據(jù)與正確數(shù)據(jù)的距離值，k表示計算次數(shù)。

錯誤數(shù)據(jù)檢測是根據(jù)無線傳感器通信接收端丟包率Q實現(xiàn)的，所以丟包率的計算對錯誤數(shù)據(jù)檢測效果存在直接影響。本文使用吉爾伯特模型計算無線傳感器枝干識別網(wǎng)絡(luò)通信中的丟包率，模型示意圖如圖1。

圖1 吉爾伯特模型示意圖

圖1中，將F看作正確數(shù)據(jù)(不存在丟包率)，錯誤數(shù)據(jù)是y(h)，w、f分別表示兩類數(shù)據(jù)的轉(zhuǎn)移概率。

無線傳感器枝干網(wǎng)絡(luò)通信數(shù)據(jù)發(fā)送端按照獲取的丟包機率，便能夠計算錯誤數(shù)據(jù)的最優(yōu)分組長度n，以此保障在接收端接收錯誤數(shù)據(jù)過程中的丟失包率不超出約束范圍。

將錯誤數(shù)據(jù)的分組長度設(shè)成n，在傳輸過程中，接收端一個錯誤數(shù)據(jù)分組里存在f個包丟失的概率Qf是：

Qf=y(h)+QY(1-QY)n+1-f

(16)

若一個錯誤數(shù)據(jù)組別里僅存在一個包丟失，此丟包現(xiàn)象就能夠改正，以此輸出無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測結(jié)果。假定錯誤數(shù)據(jù)總數(shù)量為z，那么由丟包糾正后的丟包率是：

q-q(1-q)i

(17)

其中，q表示概率因子。

最優(yōu)分組長度n的計算公式為

(18)

本文使用近似方法計算，因為各個分組里的數(shù)據(jù)數(shù)量z滿足n+1，各個分組里錯誤數(shù)據(jù)丟包數(shù)量f的數(shù)學(xué)期望是：

Zi(f)=(n+1)q

(19)

所以，能夠獲取各個錯誤數(shù)據(jù)分組里數(shù)據(jù)包丟失數(shù)量f的數(shù)據(jù)期望是1時相應(yīng)的分組長度是：

(20)

其中，n僅可設(shè)成整數(shù)，所以：

(21)

實際使用時，使用上式初步計算獲取n后，按照實際q′的需求，實施合理調(diào)節(jié)將錯誤數(shù)據(jù)傳輸過程的丟包率控制在合理范圍內(nèi)[15]。

在控制錯誤數(shù)據(jù)在傳輸過程中的丟包率之后，進行錯誤數(shù)據(jù)檢測，輸出檢測結(jié)果，表示為

(22)

2 實驗分析

2.1 實驗設(shè)定

為了驗證無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測算法的性能，進行實驗測試。在某個植物園中設(shè)置GreenOrbs無線傳感器系統(tǒng)，該系統(tǒng)的監(jiān)測范圍200 m×200 m，此監(jiān)測范圍中設(shè)定100個無線傳感器枝干識別網(wǎng)絡(luò)節(jié)點采集該植物園的溫度、光照、濕度數(shù)據(jù)，將采集到的數(shù)據(jù)作為實驗樣本數(shù)據(jù)。

對所采集到的數(shù)據(jù)進行進一步的處理，去除缺失、冗余數(shù)據(jù)，以提升實驗結(jié)果的可信性。在對數(shù)據(jù)進行初步處理后，得到3 543條植物園溫度數(shù)據(jù)，1 142條光照數(shù)據(jù)，963條濕度數(shù)據(jù)，利用這些數(shù)據(jù)進行實驗，以驗證本文所設(shè)計算法的有效性。

2.2 錯誤數(shù)據(jù)檢測性能分析

測試采用本文算法檢測無線傳感器枝干識別網(wǎng)絡(luò)中的錯誤數(shù)據(jù)檢測效果。錯誤數(shù)據(jù)檢測效果以無線傳感器輸出的3種數(shù)據(jù)變異性來判斷，變異性計算方法是：

(23)

其中，Γ為無線傳感器輸出的溫度、光照、濕度數(shù)據(jù)的變異率；Ux表示當(dāng)帶寬為x時，本文算法檢測與進一步校正后，無線傳感器輸出的溫度、光照、濕度數(shù)據(jù)；Uy表示本文算法檢測與進一步校正前，無線傳感器輸出的溫度、光照、濕度錯誤數(shù)據(jù)。

本文算法在不同錯誤數(shù)據(jù)分組長度下，對無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測與進一步校正后，輸出數(shù)據(jù)的變異性如圖2所示。

圖2 變異性計算結(jié)果圖

圖2顯示，當(dāng)分組長度為500 bit時，本文算法后，無線傳感器枝干識別網(wǎng)絡(luò)輸出的溫度數(shù)據(jù)、光照數(shù)據(jù)、濕度數(shù)據(jù)變異性最低，驗證了該方法的有效性。

2.3 丟包率測試

假設(shè)采用本文算法檢測與進一步校正前，該無線傳感器枝干識別網(wǎng)絡(luò)傳輸?shù)臏囟葦?shù)據(jù)、光照數(shù)據(jù)、濕度數(shù)據(jù)的丟包率依次為15%、9%、11%，則不同分組長度下，采用本文算法后的丟包率檢測結(jié)果見圖3。

圖3 丟包率測試結(jié)果

通過圖3數(shù)據(jù)，本文算法對無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)糾正后，該無線傳感器枝干識別網(wǎng)絡(luò)傳輸?shù)臏囟葦?shù)據(jù)、光照數(shù)據(jù)、濕度數(shù)據(jù)的丟包率均值分別為5.73%、5.17%、8.91%，該值與糾錯前相比，丟包率分別降低9.27%、3.83%、2.09%，說明采用本文算法能夠有效減少錯誤數(shù)據(jù)傳輸過程中的丟包率。

2.4 錯誤數(shù)據(jù)檢測準(zhǔn)確率

錯誤數(shù)據(jù)檢測準(zhǔn)確率，是檢測出來的錯誤數(shù)據(jù)數(shù)量與數(shù)據(jù)總量的比值。測試不同帶寬下，本文算法對無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)的檢測準(zhǔn)確性。測試結(jié)果見表1。

表1 錯誤數(shù)據(jù)識別性能測試結(jié)果

由表1中測試結(jié)果可知，本文算法對無線傳感器枝干識別網(wǎng)絡(luò)的溫度數(shù)據(jù)、光照數(shù)據(jù)、濕度信息中錯誤數(shù)據(jù)檢測準(zhǔn)確率較高，當(dāng)無線傳感器枝干識別網(wǎng)絡(luò)中流量序列帶寬是4 Mbps時，本文算法的錯誤數(shù)據(jù)檢測準(zhǔn)確率達到最大值，對三類數(shù)據(jù)中錯誤數(shù)據(jù)的檢測準(zhǔn)確率依次高達99.97%、99.91%、99.89%。

3 結(jié)論

為提升無線傳感器枝干識別網(wǎng)絡(luò)安全性，設(shè)計了一種無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測算法。通過信息流量模型構(gòu)建、數(shù)據(jù)預(yù)處理以及錯誤數(shù)據(jù)檢測3個步驟，實現(xiàn)無線傳感器枝干識別網(wǎng)絡(luò)錯誤數(shù)據(jù)檢測。實驗結(jié)果表明，當(dāng)分組長度為500 bit時，采用本文算法，無線傳感器枝干識別網(wǎng)絡(luò)輸出的溫度數(shù)據(jù)、光照數(shù)據(jù)、濕度數(shù)據(jù)變異性最低；錯誤數(shù)據(jù)檢測以及進一步糾正后，該無線傳感器枝干識別網(wǎng)絡(luò)數(shù)據(jù)的丟包率均值與設(shè)定值相比，丟包率分別降低9.27%、3.83%、2.09%；不同帶寬下，當(dāng)無線傳感器枝干識別網(wǎng)絡(luò)中流量序列帶寬是4 Mbps時，本文算法的錯誤數(shù)據(jù)檢測準(zhǔn)確率達到最大，對三類不同類型數(shù)據(jù)中錯誤數(shù)據(jù)的檢測準(zhǔn)確率分別高達99.97%、99.91%、99.89%；通過以上結(jié)果驗證了本文所設(shè)計算法的可靠性。