《采用压缩感知和GM(1,1)的无线传感器网络异常检测方法》PDF+DOC
作者:刘洲洲,李士宁
单位:西安交通大学
出版:《西安交通大学学报》2017年第02期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFXAJT2017020070
DOC编号:DOCXAJT2017020079
下载格式:PDF + Word/doc 文字可复制、可编辑
《无线传感器网络中基于压缩感知和GM(1,1)的异常检测方案》PDF+DOC2015年第07期 李鹏,王建新,曹建农
《无线传感器网络中基于压缩感知的分簇数据收集算法》PDF+DOC2016年第01期 王冲,张霞,李鸥
《基于压缩感知的链型无线传感器网络节能数据收集》PDF+DOC2015年第11期 顾逸宸,黄如
《基于联合稀疏模型的无线传感网数据重构算法》PDF+DOC2016年第S1期 刘义颖,李国瑞,田丽
《基于小波树模型的CoSaMP压缩感知算法》PDF+DOC2012年第12期 苏维均,王红红,于重重,杨扬
《基于RSS的WSN多目标定位压缩感知算法优化》PDF+DOC2012年第01期 何风行,余志军,吕政,刘海涛
《基于离散萤火虫压缩感知重构的无线传感器网络多目标定位》PDF+DOC2014年第07期 刘洲洲,王福豹
《弱稀疏性下的无线传感器网络事件检测算法》PDF+DOC2014年第03期 赵秀兰,李克清
《无线传感器网络数据的零范数最小化重构》PDF+DOC2013年第08期 肖国荣
《无线传感器网络数据的迭代凸优化重构》PDF+DOC2013年第09期 常国锋,张军
针对当前无线传感器网络(WSNs)异常检测算法的检测准确率较低同时影响网络能耗均衡的问题,提出了一种基于改进压缩感知(CS)重构算法和智能优化GM(1,1)的WSNs异常检测方法。首先,通过建立双层异质WSNs异常检测模型,并采用压缩感知技术对上层观测节点收集到的下层检测节点温度测量数据进行处理,同时结合温度数据稀疏度未知特点,构造有效的稀疏矩阵和测量矩阵,并重新定义测量矩阵正交变换预处理策略,使得CS观测字典满足约束等距(RIP)条件;其次,重新定义了离散蜘蛛编码方式,蜘蛛种群不断协同进化,以获得稀疏结果中非零元素的位置信息,利用最小二乘法得到非零元素的幅度信息,实现了对未知数量检测节点数据的精确重构。在此基础上可以由蜘蛛种群迭代进化得到优化后GM(1,1)的参数序列,通过检测参数序列的相关阈值来判定节点是否发生异常。实验仿真结果表明,与OMP-IGM等异常检测方法相比,该方法的异常检测准确率提高了约7%~33%,网络能耗降低了约18%~43%。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。