引 言

在當(dāng)今社會(huì)中，無(wú)線傳感器網(wǎng)絡(luò)的應(yīng)用十分廣泛，不僅能應(yīng)用于環(huán)境監(jiān)測(cè)和預(yù)報(bào)、建筑物狀態(tài)監(jiān)控、復(fù)雜機(jī)械監(jiān)控、大型車間和倉(cāng)庫(kù)管理、大型工業(yè)園區(qū)的安全監(jiān)測(cè)等領(lǐng)域，還涉及軍事、空間探索、城市智能交通等重要領(lǐng)域。隨著傳感器網(wǎng)絡(luò)的廣泛應(yīng)用，傳感器網(wǎng)絡(luò)已經(jīng)深入到人類生活的各個(gè)領(lǐng)域，相應(yīng)的無(wú)線應(yīng)用問(wèn)題也越來(lái)越多。無(wú)線網(wǎng)絡(luò)的穩(wěn)定性至關(guān)重要，尋找檢測(cè)無(wú)線網(wǎng)絡(luò)節(jié)點(diǎn)故障的方法成為了其中的重要問(wèn)題之一。

無(wú)線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)系統(tǒng)是構(gòu)成無(wú)線傳感器網(wǎng)絡(luò)的基礎(chǔ)，是承載無(wú)線傳感器網(wǎng)絡(luò)的信息感知、數(shù)據(jù)處理和網(wǎng)絡(luò)功能的基本單元[1]。節(jié)點(diǎn)的故障檢測(cè)對(duì)實(shí)時(shí)了解網(wǎng)絡(luò)狀況起著重要的作用。故障節(jié)點(diǎn)會(huì)降低整個(gè)無(wú)線傳感器網(wǎng)絡(luò)的服務(wù)質(zhì)量， 發(fā)生故障的節(jié)點(diǎn)甚至?xí)a(chǎn)生并傳輸錯(cuò)誤的傳感數(shù)據(jù)，使監(jiān)控中心無(wú)法得到正確的檢測(cè)信息[2]。此外，由于大量廉價(jià)的節(jié)點(diǎn)經(jīng)常部署在不可控、惡劣的甚至敵對(duì)的環(huán)境中，這使得傳感器節(jié)點(diǎn)發(fā)生故障的概率相比其他系統(tǒng)要高得多，而且節(jié)點(diǎn)一般都采用電池供電，能量有限，節(jié)點(diǎn)因電池耗盡而失效也非常普遍[3]。因此研究無(wú)線傳感器網(wǎng)絡(luò)的故障檢測(cè)方法十分必要。本文提出了一種利用無(wú)線動(dòng)態(tài)網(wǎng)流量變化進(jìn)行檢測(cè)的方法。

1 無(wú)線傳感器網(wǎng)路

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks, WSN）是由大批部署在監(jiān)測(cè)環(huán)境中的微型、廉價(jià)、低功耗的傳感器節(jié)點(diǎn)組成的網(wǎng)絡(luò)系統(tǒng)。傳感器節(jié)點(diǎn)是一種集感知能力、存儲(chǔ)能力、計(jì)算能力、通信能力于一體的小型嵌入式設(shè)備，由傳感器模塊、處理器模塊、通信模塊和電源模塊組成[4，5]，它采用無(wú)線通信的方式協(xié)同感測(cè)、收集、處理和傳輸網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)被監(jiān)測(cè)目標(biāo)的信息，并將其發(fā)送給觀察者從而形成多跳自組織網(wǎng)絡(luò)[6]。無(wú)線傳感器網(wǎng)絡(luò)是一種比較先進(jìn)的信息收集和處理技術(shù)，已廣泛應(yīng)用在軍事、工業(yè)、環(huán)境、衛(wèi)生醫(yī)療等領(lǐng)域。傳感器網(wǎng)絡(luò)系統(tǒng)包括傳感器節(jié)點(diǎn)（Sensor Node）、匯聚節(jié)點(diǎn)（Sink Node）和終端用戶（User）[7]。其中傳感器節(jié)點(diǎn)通過(guò)傳感器模塊來(lái)感知和采集所在區(qū)域內(nèi)的環(huán)境信息，如溫度、濕度、振動(dòng)等[4，5]。匯聚節(jié)點(diǎn)是一種特殊的傳感器節(jié)點(diǎn)，它可以是普通的傳感器節(jié)點(diǎn)，也可以是沒(méi)有監(jiān)測(cè)能力的網(wǎng)關(guān)設(shè)備[8]，用來(lái)整合整個(gè)網(wǎng)絡(luò)采集到的有用信息并發(fā)送給用戶。

2 研究方案設(shè)計(jì)

研究方案如圖1 所示。為了研究節(jié)點(diǎn)故障檢測(cè)的方法，本文首先使用OMNet++ 仿真平臺(tái)建立了無(wú)線傳感器網(wǎng)絡(luò)，分別模擬有故障和無(wú)故障時(shí)的網(wǎng)絡(luò)狀況，提取網(wǎng)絡(luò)在單位時(shí)間（20 s） 內(nèi)接受數(shù)據(jù)包的情況，使用Matlab 對(duì)數(shù)據(jù)進(jìn)行去噪、歸一等處理后，在頻域上做出兩者的對(duì)比圖，分析結(jié)果，得出結(jié)論。

3 無(wú)線網(wǎng)絡(luò)仿真

圖 2 所示為使用OMNet++ 建立的無(wú)線傳感器網(wǎng)絡(luò)的仿真模型。無(wú)線傳感網(wǎng)中一共四十個(gè)節(jié)點(diǎn)，其中node[0 4] 是采集節(jié)點(diǎn)，node[5 38] 是傳輸節(jié)點(diǎn)(Sensor Node)，node[39] 是匯聚節(jié)點(diǎn)（Sink Node）。node[040] 節(jié)點(diǎn)兩兩之間都有雙向信道，相互之間可以直接通信，node[39] 與node[5 38] 節(jié)點(diǎn)之間均有雙向信道，相互之間可直接通信。采集節(jié)點(diǎn)每 0.1 s 發(fā)送一次數(shù)據(jù)包，向周圍廣播，根據(jù)節(jié)點(diǎn)反饋信號(hào)，隨機(jī)選取空閑節(jié)點(diǎn)發(fā)送數(shù)據(jù)，即數(shù)據(jù)傳輸路徑隨機(jī)。經(jīng)過(guò)數(shù)次隨機(jī)傳輸， 當(dāng)數(shù)據(jù)包最終到達(dá) node[39] 匯聚節(jié)點(diǎn)時(shí)，一個(gè)數(shù)據(jù)包的傳輸完成。我們待仿真網(wǎng)絡(luò)運(yùn)行穩(wěn)定后，開(kāi)始在node[39] 處統(tǒng)計(jì)接收到的數(shù)據(jù)包數(shù)量，采樣間隔為 20 s。

4 數(shù)據(jù)處理及算法

網(wǎng)絡(luò)由若干個(gè)傳感器節(jié)點(diǎn)組成，A(a1a2a3an) 和B(b1 b2b3bn)分別代表被監(jiān)測(cè)對(duì)象傳感器節(jié)點(diǎn)所發(fā)送的數(shù)據(jù)（其中A代表無(wú)故障時(shí)的數(shù)據(jù)，B代表故障時(shí)的數(shù)據(jù)）。為了使得最后經(jīng)過(guò)計(jì)算的結(jié)果所呈現(xiàn)的圖像更加準(zhǔn)確、明顯，可用所給數(shù)據(jù)減去其平均數(shù)（去除干擾）得出正負(fù)均有的數(shù)據(jù)（A'、B'）：

傅立葉變換是一種分析信號(hào)的方法，它可分析信號(hào)的成分， 也可用這些成分合成信號(hào)，在信號(hào)處理過(guò)程中，常用傅里葉變換來(lái)將信號(hào)分解成幅值譜顯示與頻率對(duì)應(yīng)的幅值大小。許多在時(shí)間域中無(wú)法觀察出的信號(hào)的性質(zhì)，在轉(zhuǎn)換為頻域之后能清晰地觀察出性質(zhì)差異。本文對(duì)數(shù)組A'，B'進(jìn)行傅里葉變換， 并畫出在頻域中的離散譜和連續(xù)譜，均得到了清晰的對(duì)比。

5 仿真及結(jié)果分析

圖 3 所示是節(jié)點(diǎn)故障與無(wú)故障對(duì)比圖（離散），圖中細(xì)線繪制的是有故障的情況，粗線繪制的圖像是無(wú)故障的情況。從圖中可以看出，無(wú)故障時(shí)所呈現(xiàn)的圖像波動(dòng)幅度更小，相對(duì)的有故障時(shí)所呈現(xiàn)的圖像波動(dòng)較大。兩者通過(guò)傅里葉函數(shù)所繪制的圖像相對(duì)比較明顯，大體可以通過(guò)此方法來(lái)區(qū)別無(wú)線傳感器是否存在故障。

圖 4 所示是節(jié)點(diǎn)故障與無(wú)故障對(duì)比圖（連續(xù)），細(xì)線繪制的是有故障的情況，粗線繪制的是無(wú)故障時(shí)的圖像情況。從圖中兩者的對(duì)比可以看出，同樣對(duì)每隔 20 s 隨機(jī)采取的數(shù)據(jù)進(jìn)行處理，無(wú)故障時(shí)所呈現(xiàn)的圖形比有故障時(shí)所呈現(xiàn)的圖形更加集中、更加收斂。兩者通過(guò)傅里葉函數(shù)所繪制出的圖像相對(duì)比較明顯，大體可以通過(guò)此方法來(lái)區(qū)別無(wú)線傳感器是否存在故障。

6 結(jié) 語(yǔ)

本文通過(guò)對(duì)仿真出的無(wú)線網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)流量監(jiān)測(cè)，并對(duì)提取的數(shù)據(jù)進(jìn)行分析，利用傅里葉變換處理流量數(shù)據(jù)，繪制出故障節(jié)點(diǎn)網(wǎng)絡(luò)及無(wú)故障節(jié)點(diǎn)網(wǎng)絡(luò)的流量頻譜圖，以此對(duì)無(wú)線傳感器網(wǎng)絡(luò)中是否出現(xiàn)故障進(jìn)行有效區(qū)分。面對(duì)無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)故障難以實(shí)地監(jiān)測(cè)的問(wèn)題，只需從無(wú)線網(wǎng)絡(luò)終端接收數(shù)據(jù)進(jìn)行分析就能知道網(wǎng)絡(luò)是否在正常運(yùn)作，代替了人工現(xiàn)場(chǎng)檢測(cè)。此外，本文為了進(jìn)一步研究故障節(jié)點(diǎn)在無(wú)線傳感器網(wǎng)絡(luò)中的定位奠定了基礎(chǔ)，也提供了一種新的思路。