差异性传感器网络的故障节点定位模型仿真

开篇：润墨网以专业的文秘视角，为您筛选了一篇差异性传感器网络的故障节点定位模型仿真范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要： 随着传感器网络规模的逐渐扩大，网络中节点的分布呈差异性和随机性，破坏了节点之间的位置关系，传统故障节点定位方法不能有效分析传感器网络节点的相关特征，无法得到准确的故障节点定位结果。因此，提出一种基于对数距离节点信息和残差融合的差异性传感器网络故障节点定位模型，采集不同传感器网络的故障节点特征，求出相应权重，对特征提取误差进行补偿，获取差异性传感器网络的差异性故障节点特征，依据获取的特征建立差异性传感器网络故障节点定位模型。采用一种对数距离节点信息模型反映收集到的差异化信息，获取差异性节点故障特征距离。通过残差融合方法调整相关误差，以获取更加准确的故障信息距离值，实现故障节点定位。仿真实验结果表明，所提方法具有很高的故障节点定位精度。

关键词： 差异性故障节点； 传感器网络； 故障节点定位； 仿真实验

中图分类号： TN926?34； TP293 文献标识码： A 文章编号： 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

随着计算机的发展和广泛应用，人们对数据处理效率的要求越来越高，需建立差异性传感器网络，通过大型传感器网络解决资源约束问题，实现海量数据的高效处理[1?2]。但差异性传感器网络较为复杂，故障频出，因此，对差异性传感器网络故障节点的定位成为解决网络运行效率提升的重点，具有重要意义[3?4]。

目前，研究故障节点定位的方法有很多，主要包括粒子群方法、随机网络方法、距离定位方法等，相关研究也取得了一定的成果。其中：文献[5]提出一种基于规则编码的差异性传感器网络故障节点定位方法，在同一规则编码下，对差异性传感器网络的特征进行对比，从而实现故障节点定位，但由于差异性传感器网络之间的规则不尽相同，因此故障节点进行定位时需进行区分，定位效果不佳；文献[6]提出一种基于粒子群单循环搜索算法的差异性传感器网络故障节点定位方法，对不同传感器网络的故障节点特征进行提取，求出相应的权重，同时对特征提取误差进行补偿，得到差异性故障节点特征，依据获取的特征建立粒子群，从而实现故障节点定位，但该方法实现过程较为复杂；文献[7]提出一种基于随机网络的差异性传感器网络故障节点定位方法，对随机网络的直径和平均距离进行设置，求出其集聚系数，构建故障节点特征模块，从而实现故障节点定位，但该方法所需的时间较长，效率较低；文献[8]提出一种基于距离定位的差异性传感器网络故障节点定位方法，依据距离与角度对与其信息相应的传感器节点进行测量，也就是通过三角测量法和最大似然法预测节点位置实现故障节点定位，但该方法需要消耗大量的网络硬件资源，成本很高；文献[9]中依据正交通信信道载波定位网络故障节点的方法，通过构建故障节点信息融合模型，完成对其特征分析，通过正交通信信道载波均衡实现差异性传感器网络故障节点的定位，但该方法在进行通信传输的过程中，容易受到相邻节点的干扰，造成故障节点定位精度不佳。

针对上述方法的弊端，提出一种基于对数距离节点信息和残差融合的差异性传感器网络故障节点定位模型，对不同传感器网络的故障节点特征进行提取，依据获取的特征建立差异性传感器网络故障节点定位模型。仿真实验结果表明，所提方法具有很高的故障节点定位精度。

1 基于对数距离节点信息和残差融合的传感器

网络故障节点定位模型

为了避免传统方法因无法适应差异性传感网络随机性和多样性的特点，而不能有效构建差异性传感器网络故障节点定位模型的问题，提出基于对数距离节点信息和残差融合方法，塑造差异性传感器网络故障节点定位模型，对故障节点进行准确定位。

1.1 差异性传感器网络故障节点特征的提取

对不同传感器网络的故障节点特征进行提取，求出相应权重，并且对特征提取误差进行补偿，获取差异性传感器网络的差异性故障节点特征，依据获取的特征建立差异性传感器网络故障节点定位模型。

针对差异性传感器网络的故障节点定位，首先对故障节点特征进行提取，用[a=a1，a2，…，aqU]描述故障节点特征分量；用[z=Gz]描述上述分量方向上的平均值，因为差异性传感器网络中节点和节点之间有一定的差异，因此，该网络节点[Tz=GzzU]领域中具有的特征差值为：

式中：[H]为常数；[a]为故障节点特征分量；[a]为特征分量[a]方向上的平均值。

通过[a=XU-1b=Xb]对差异性传感器网络节点中的特征分量[a]进行时效方面的限制，同时构建关系式[bl=xUla]。

为了准确获取差异性传感器网络不同节点之间的特征差异，可通过式（2）描述节点特征对比结果：

用[a]描述差异性传感器网络节点的权值系数，采用式（3）对某传感器网络节点权值系数进行计算：

式中：[bl]为某节点特征；[xl]为某差异性传感器网络节点；[el]为差异性传感器网络节点之间的数据传递参数。

差异性传感器网络中有大量故障的网络节点，针对上述故障节点特征，通过式（4）获取特征提取误差：

假设[el=HblxUla]，从而使差异性传感器网络最弱节点特征提取误差达到最小，将其代入式（4）中，实现对特征提取误差的补偿，则有：

在上述过程的基础上，通过式（6）对故障节点特征进行约束，获取有关参数，为准确实现差异性传感器网络故障节点的定位提供有效依据：

1.2 模型的建立

1.2.1 对数距离节点信息模型

获取准确的故障节点特征数据[γ2p]，[Hbl-bl2]，[Fa]后，依据上述特征数据构建差异性传感器网络故障节点定位模型。由于差异性传感器网络故障节点拥有不同的特征，因此，应依据对数距离节点信息模型反映差异化信息。当差异性传感器网络中的传感器节点获取随机性故障信息节点时，需要通过对数距离特征模型搜索差异传感器网络故障节点的有效信息。该模型中包含的内容分为两部分：

第一部分为路线耗能模型，其对比距离为[dss0]，中心点的邻近距离为[s0]，预测距离为[s]，平均采集功值为[dss]，则二者之间的比值为：

式中：[s0]的对比值为[dss0]；[β]用于描述差异性传感器网络路径的减弱情况。

第二部分描述的是维持通信平稳的差异性传感器网络环境，若该环境中的信号功率服从正态随机分布，则有：

式中，[?]用于描述均值为零的高斯分布变量，该值不会对结果的准确性造成干扰。

通过上述分析，结合故障节点特征数据，即可获取差异性节点故障特征距离[s]，公式描述如下：

（9）

1.2.2 残差融合

因为传感器网络存在差异性，所以得到的故障信息距离值大小不一，此时，可依据残差融合理论实现误差的合理调控，以期获取有价值的故障信息距离值，完成故障节点定位。依据差异性节点故障特征距离，利用节点距离残差融合法对原始故障节点定位特征数据进行线性变换，则有：

差异性传感器网络节点距离运算模型基函数为：

式中：节点距离参数为[β]；属性范围的中心坐标参数为[uq]；能量属性均值为[wq]，则各信号参数为：

差异性传感器网络节点距离残差参数的属性向量可通过式（15）求出：

式中：节点距离属性向量的极大值和极小值为[umax]和[umin]；节点距离残差分析结果为[Fq]；经最大值量化处理后的结果为[Zq]。

汇总全部运算结果，能够得到差异性传感器网络全部故障节点数。依据故障节点提取基函数，得到故障节点距离的中点以及平均值。故障节点的距离误差可通过式（16）进行计算：

如果节点距离误差负荷阈值要求，则说明该节点距离准确；否则，基于逆向误差调控法更新节点距离误差。差异性传感器网络故障节点定位距离的误差参数可通过式（17）求出：

通过式（18）对得到的节点距离进行优化，有：

通过上述分析的过程，对差异性节点故障特征距离进行残差融合操作，对节点距离误差进行调整，从而使传感器网络有很大差异的情况下，也能得到准确的故障节点定位信息。

2 实验结果及分析

通过实验检验提出的基于对数距离节点信息和残差融合的差异性传感器网络故障节点定位模型的性能。实验将随机网络模型作为对比进行分析。

2.1 平均定位误差分析

在实验中传感器网络节点分布情况存在一定的复杂性，实验通过本文模型以及随机网络模型，对弱差异性传感器网络中的故障节点进行定位分析，获取的结果如图1所示。

分析图1可以看出，在传感器网络差异性不大的情况下，虽然整体看来，采用本文模型的定位误差略低于随机网络模型，但差别不大，故障节点定位精度基本一致。

实验通过本文模型以及随机网络模型，对强差异性传感器网络中的故障节点进行定位分析，获取的结果如图2所示。

由图2可以看出，在传感器网络差异较大的情况下，采用本文模型的平均定位误差曲线明显低于随机网络模型，说明本文模型和随机网络模型相比，具有一定的优越性。综合图1、图2可知，在传感器网络差异较大的情况下，本文模型和随机网络模型的定位误差均在一定程度上有所增加，但本文模型的增加幅度明显低于随机网络模型，说明本文模型不仅具有较低的故障节点定位误差，而且具有很高的适应能力。

2.2 故障节点定位结果

为了进一步验证本文模型的有效性，在传感器网络差异不大的状态下，采用本文模型和随机网络模型实现故障节点的定位分析，得到的定位结果如表1所示。

传感器网络差异较大情况下，本文模型和随机网络模型故障节点定位比较结果如表2所示。由表1、表2可知，与随机网络模型相比，采用本文模型对差异性传感器网络故障节点进行定位，不管是在差异较小还是差异较大的情况下，定位结果与实际结果更加接近，而且，随机网络模型在传感器网络差异性较大的情况下，定位结果和实际结果相差甚远，说明本文模型能够在很大程度上提高定位精度，验证了本文模型的有效性。

表2 差异较大时两种模型的故障节点定位结果

3 结 论

本文提出一种基于对数距离节点信息和残差融合的差异性传感器网络故障节点定位模型，对不同传感器网络的故障节点特征进行提取，求出相应权重，对特征提取误差进行补偿，获取差异性传感器网络的差异性故障节点特征，依据获取的特征建立差异性传感器网络故障节点定位模型。采用一种对数距离节点信息模型反映收集到的差异化信息，获取差异性节点故障特征距离。通过残差融合方法调控误差，得到有价值的故障信息距离值，完成故障节点定位。进行调整，以获取更加准确的故障信息距离值，从而有效实现故障节点定位。仿真实验结果表明，本文方法的故障节点定位精度较优。

参考文献

[1] 王岩，李洪亮.无线传感网络局部离群节点定位模型仿真[J].计算机仿真，2013，30（12）：253?256.

[2] 徐凯华，赵雪琴.多层传感器故障数据的挖掘模型仿真[J].计算机仿真，2014，31（12）：393?396.

[3] 闫艳霞，崔建华.复杂生物传感网络的节点优化定位模型仿真[J].微电子学与计算机，2015（2）：129?132.

[4] 孔凡兴.无线传感器网络节点感知进化计算模型研究[J].计算机仿真，2013，30（5）：293?297.

[5] 鲁银芝，仲元昌，杨柳，等.大规模带状无线传感器网络节点定位算法[J].传感器与微系统，2015，34（1）：138?141.

[6] 宫娜娜，武海艳.传感器网络节点分布均匀性与定位性能的关系[J].电子测量技术，2014，37（12）：80?85.

[7] 周亮，肖婷婷，李广军.基于信赖域的无线传感器网络节点定位算法[J].电子科技大学学报，2014（5）：674?677.

[8] 崔建华，闫艳霞.基于信道质量分析传感器弱节点定位模型仿真[J].计算机仿真，2015，32（2）：332?336.

[9] 赵小敏，张海洋，金言，等.信标节点漂移情况下的无线传感器网络节点定位机制[J].通信学报，2015，36（2）：38?47.