差異性傳感器網絡的故障節點定位模型仿真

摘 要： 隨著傳感器網絡規模的逐漸擴大，網絡中節點的分布呈差異性和隨機性，破壞了節點之間的位置關系，傳統故障節點定位方法不能有效分析傳感器網絡節點的相關特征，無法得到準確的故障節點定位結果。因此，提出一種基于對數距離節點信息和殘差融合的差異性傳感器網絡故障節點定位模型，采集不同傳感器網絡的故障節點特征，求出相應權重，對特征提取誤差進行補償，獲取差異性傳感器網絡的差異性故障節點特征，依據獲取的特征建立差異性傳感器網絡故障節點定位模型。采用一種對數距離節點信息模型反映收集到的差異化信息，獲取差異性節點故障特征距離。通過殘差融合方法調整相關誤差，以獲取更加準確的故障信息距離值，實現故障節點定位。仿真實驗結果表明，所提方法具有很高的故障節點定位精度。

關鍵詞： 差異性故障節點； 傳感器網絡； 故障節點定位； 仿真實驗

中圖分類號： TN926?34； TP293 文獻標識碼： A 文章編號： 1004?373X（2016）14?0020?04

Simulation for fault node localization model of difference sensor network

DONG Feng

（Modern Education Technology Center of Huanghe Science and Technology College， Zhengzhou 450006， China）

Abstract： The traditional fault node localization method cannot effectively analyze the related characteristics of sensor network nodes， and is unable to get the exact fault node localization result， so a difference sensor network fault node localization model based on logarithmic distance node information and residual fusion is put forward. The failure node characteristics of different sensor networks are collected， the corresponding weights are derived， feature extraction error is compensated， the difference fault node features of the differences sensor networks are acquired， and the fault node localization model of difference sensor network is established according to the obtained features. A logarithmic distance node information model is used to reflect the collected differentiation information， and obtain the feature distance of difference node fault. The relevant error is adjusted with residual fusion method to get more accurate fault information distance， and realize fault node localization. The simulation results show that the proposed method has high accuracy of fault node location.

Keywords： difference fault node； sensor network； fault node positioning； simulation experiment

0 引 言

隨著計算機的發展和廣泛應用，人們對數據處理效率的要求越來越高，需建立差異性傳感器網絡，通過大型傳感器網絡解決資源約束問題，實現海量數據的高效處理[1?2]。但差異性傳感器網絡較為復雜，故障頻出，因此，對差異性傳感器網絡故障節點的定位成為解決網絡運行效率提升的重點，具有重要意義[3?4]。

目前，研究故障節點定位的方法有很多，主要包括粒子群方法、隨機網絡方法、距離定位方法等，相關研究也取得了一定的成果。其中：文獻[5]提出一種基于規則編碼的差異性傳感器網絡故障節點定位方法，在同一規則編碼下，對差異性傳感器網絡的特征進行對比，從而實現故障節點定位，但由于差異性傳感器網絡之間的規則不盡相同，因此故障節點進行定位時需進行區分，定位效果不佳；文獻[6]提出一種基于粒子群單循環搜索算法的差異性傳感器網絡故障節點定位方法，對不同傳感器網絡的故障節點特征進行提取，求出相應的權重，同時對特征提取誤差進行補償，得到差異性故障節點特征，依據獲取的特征建立粒子群，從而實現故障節點定位，但該方法實現過程較為復雜；文獻[7]提出一種基于隨機網絡的差異性傳感器網絡故障節點定位方法，對隨機網絡的直徑和平均距離進行設置，求出其集聚系數，構建故障節點特征模塊，從而實現故障節點定位，但該方法所需的時間較長，效率較低；文獻[8]提出一種基于距離定位的差異性傳感器網絡故障節點定位方法，依據距離與角度對與其信息相應的傳感器節點進行測量，也就是通過三角測量法和最大似然法預測節點位置實現故障節點定位，但該方法需要消耗大量的網絡硬件資源，成本很高；文獻[9]中依據正交通信信道載波定位網絡故障節點的方法，通過構建故障節點信息融合模型，完成對其特征分析，通過正交通信信道載波均衡實現差異性傳感器網絡故障節點的定位，但該方法在進行通信傳輸的過程中，容易受到相鄰節點的干擾，造成故障節點定位精度不佳。

針對上述方法的弊端，提出一種基于對數距離節點信息和殘差融合的差異性傳感器網絡故障節點定位模型，對不同傳感器網絡的故障節點特征進行提取，依據獲取的特征建立差異性傳感器網絡故障節點定位模型。仿真實驗結果表明，所提方法具有很高的故障節點定位精度。

1 基于對數距離節點信息和殘差融合的傳感器

網絡故障節點定位模型

為了避免傳統方法因無法適應差異性傳感網絡隨機性和多樣性的特點，而不能有效構建差異性傳感器網絡故障節點定位模型的問題，提出基于對數距離節點信息和殘差融合方法，塑造差異性傳感器網絡故障節點定位模型，對故障節點進行準確定位。

1.1 差異性傳感器網絡故障節點特征的提取

對不同傳感器網絡的故障節點特征進行提取，求出相應權重，并且對特征提取誤差進行補償，獲取差異性傳感器網絡的差異性故障節點特征，依據獲取的特征建立差異性傳感器網絡故障節點定位模型。

針對差異性傳感器網絡的故障節點定位，首先對故障節點特征進行提取，用[a=a1，a2，…，aqU]描述故障節點特征分量；用[z=Gz]描述上述分量方向上的平均值，因為差異性傳感器網絡中節點和節點之間有一定的差異，因此，該網絡節點[Tz=GzzU]領域中具有的特征差值為：

式中：[H]為常數；[a]為故障節點特征分量；[a]為特征分量[a]方向上的平均值。

通過[a=XU-1b=Xb]對差異性傳感器網絡節點中的特征分量[a]進行時效方面的限制，同時構建關系式[bl=xUla]。

為了準確獲取差異性傳感器網絡不同節點之間的特征差異，可通過式（2）描述節點特征對比結果：

用[a]描述差異性傳感器網絡節點的權值系數，采用式（3）對某傳感器網絡節點權值系數進行計算：

式中：[bl]為某節點特征；[xl]為某差異性傳感器網絡節點；[el]為差異性傳感器網絡節點之間的數據傳遞參數。

差異性傳感器網絡中有大量故障的網絡節點，針對上述故障節點特征，通過式（4）獲取特征提取誤差：

假設[el=HblxUla]，從而使差異性傳感器網絡最弱節點特征提取誤差達到最小，將其代入式（4）中，實現對特征提取誤差的補償，則有：

在上述過程的基礎上，通過式（6）對故障節點特征進行約束，獲取有關參數，為準確實現差異性傳感器網絡故障節點的定位提供有效依據：

1.2 模型的建立

1.2.1 對數距離節點信息模型

獲取準確的故障節點特征數據[γ2p]，[Hbl-bl2]，[Fa]后，依據上述特征數據構建差異性傳感器網絡故障節點定位模型。由于差異性傳感器網絡故障節點擁有不同的特征，因此，應依據對數距離節點信息模型反映差異化信息。當差異性傳感器網絡中的傳感器節點獲取隨機性故障信息節點時，需要通過對數距離特征模型搜索差異傳感器網絡故障節點的有效信息。該模型中包含的內容分為兩部分：

第一部分為路線耗能模型，其對比距離為[dss0]，中心點的鄰近距離為[s0]，預測距離為[s]，平均采集功值為[dss]，則二者之間的比值為：

式中：[s0]的對比值為[dss0]；[β]用于描述差異性傳感器網絡路徑的減弱情況。

第二部分描述的是維持通信平穩的差異性傳感器網絡環境，若該環境中的信號功率服從正態隨機分布，則有：

式中，[?]用于描述均值為零的高斯分布變量，該值不會對結果的準確性造成干擾。

通過上述分析，結合故障節點特征數據，即可獲取差異性節點故障特征距離[s]，公式描述如下：

（9）

1.2.2 殘差融合

因為傳感器網絡存在差異性，所以得到的故障信息距離值大小不一，此時，可依據殘差融合理論實現誤差的合理調控，以期獲取有價值的故障信息距離值，完成故障節點定位。依據差異性節點故障特征距離，利用節點距離殘差融合法對原始故障節點定位特征數據進行線性變換，則有：

差異性傳感器網絡節點距離運算模型基函數為：

式中：節點距離參數為[β]；屬性范圍的中心坐標參數為[uq]；能量屬性均值為[wq]，則各信號參數為：

差異性傳感器網絡節點距離殘差參數的屬性向量可通過式（15）求出：

式中：節點距離屬性向量的極大值和極小值為[umax]和[umin]；節點距離殘差分析結果為[Fq]；經最大值量化處理后的結果為[Zq]。

匯總全部運算結果，能夠得到差異性傳感器網絡全部故障節點數。依據故障節點提取基函數，得到故障節點距離的中點以及平均值。故障節點的距離誤差可通過式（16）進行計算：

如果節點距離誤差負荷閾值要求，則說明該節點距離準確；否則，基于逆向誤差調控法更新節點距離誤差。差異性傳感器網絡故障節點定位距離的誤差參數可通過式（17）求出：

通過式（18）對得到的節點距離進行優化，有：

通過上述分析的過程，對差異性節點故障特征距離進行殘差融合操作，對節點距離誤差進行調整，從而使傳感器網絡有很大差異的情況下，也能得到準確的故障節點定位信息。

2 實驗結果及分析

通過實驗檢驗提出的基于對數距離節點信息和殘差融合的差異性傳感器網絡故障節點定位模型的性能。實驗將隨機網絡模型作為對比進行分析。

2.1 平均定位誤差分析

在實驗中傳感器網絡節點分布情況存在一定的復雜性，實驗通過本文模型以及隨機網絡模型，對弱差異性傳感器網絡中的故障節點進行定位分析，獲取的結果如圖1所示。

分析圖1可以看出，在傳感器網絡差異性不大的情況下，雖然整體看來，采用本文模型的定位誤差略低于隨機網絡模型，但差別不大，故障節點定位精度基本一致。

實驗通過本文模型以及隨機網絡模型，對強差異性傳感器網絡中的故障節點進行定位分析，獲取的結果如圖2所示。

由圖2可以看出，在傳感器網絡差異較大的情況下，采用本文模型的平均定位誤差曲線明顯低于隨機網絡模型，說明本文模型和隨機網絡模型相比，具有一定的優越性。綜合圖1、圖2可知，在傳感器網絡差異較大的情況下，本文模型和隨機網絡模型的定位誤差均在一定程度上有所增加，但本文模型的增加幅度明顯低于隨機網絡模型，說明本文模型不僅具有較低的故障節點定位誤差，而且具有很高的適應能力。

2.2 故障節點定位結果

為了進一步驗證本文模型的有效性，在傳感器網絡差異不大的狀態下，采用本文模型和隨機網絡模型實現故障節點的定位分析，得到的定位結果如表1所示。

傳感器網絡差異較大情況下，本文模型和隨機網絡模型故障節點定位比較結果如表2所示。由表1、表2可知，與隨機網絡模型相比，采用本文模型對差異性傳感器網絡故障節點進行定位，不管是在差異較小還是差異較大的情況下，定位結果與實際結果更加接近，而且，隨機網絡模型在傳感器網絡差異性較大的情況下，定位結果和實際結果相差甚遠，說明本文模型能夠在很大程度上提高定位精度，驗證了本文模型的有效性。

表2 差異較大時兩種模型的故障節點定位結果

3 結 論

本文提出一種基于對數距離節點信息和殘差融合的差異性傳感器網絡故障節點定位模型，對不同傳感器網絡的故障節點特征進行提取，求出相應權重，對特征提取誤差進行補償，獲取差異性傳感器網絡的差異性故障節點特征，依據獲取的特征建立差異性傳感器網絡故障節點定位模型。采用一種對數距離節點信息模型反映收集到的差異化信息，獲取差異性節點故障特征距離。通過殘差融合方法調控誤差，得到有價值的故障信息距離值，完成故障節點定位。進行調整，以獲取更加準確的故障信息距離值，從而有效實現故障節點定位。仿真實驗結果表明，本文方法的故障節點定位精度較優。

參考文獻

[1] 王巖，李洪亮.無線傳感網絡局部離群節點定位模型仿真[J].計算機仿真，2013，30（12）：253?256.

[2] 徐凱華，趙雪琴.多層傳感器故障數據的挖掘模型仿真[J].計算機仿真，2014，31（12）：393?396.

[3] 閆艷霞，崔建華.復雜生物傳感網絡的節點優化定位模型仿真[J].微電子學與計算機，2015（2）：129?132.

[4] 孔凡興.無線傳感器網絡節點感知進化計算模型研究[J].計算機仿真，2013，30（5）：293?297.

[5] 魯銀芝，仲元昌，楊柳，等.大規模帶狀無線傳感器網絡節點定位算法[J].傳感器與微系統，2015，34（1）：138?141.

[6] 宮娜娜，武海艷.傳感器網絡節點分布均勻性與定位性能的關系[J].電子測量技術，2014，37（12）：80?85.

[7] 周亮，肖婷婷，李廣軍.基于信賴域的無線傳感器網絡節點定位算法[J].電子科技大學學報，2014（5）：674?677.

[8] 崔建華，閆艷霞.基于信道質量分析傳感器弱節點定位模型仿真[J].計算機仿真，2015，32（2）：332?336.

[9] 趙小敏，張海洋，金言，等.信標節點漂移情況下的無線傳感器網絡節點定位機制[J].通信學報，2015，36（2）：38?47.