在无线传感器网络中，用户可以通过数据查询获得感兴趣的数据信息。然而，由于传感器节点本身具有一些缺陷，如感知准确性低、存储能力有限、抵制干扰性能差等，节点会因为自己本身的缺陷以及外部因素的影响，如环境噪声、环境温度等干扰，产生错误数据（又称脏数据），按照错误数据的特点和性质的不同，将脏数据分为两种：暂时性错误数据和性错误数据。脏数据会严重地浪费资源和影响查询结果的准确性，甚至会造成非常严重的后果，如森林火灾监控。
利用凸边形规则有效地判断错误节点等信息。提出了基于概率模型的方法，该方法比较浪费节点能量，且不适用于网络节点密度大，感知属性多的情况。
针对上述问题，利用感知数据的时空关联性，本文提出了基于时空关联的脏数据过滤技术。该技术通过时空关联两次过滤脏数据：本地节点通过时间关联进行一次过滤，过滤掉暂时性错误数据；在一个簇中采用空间关联进行二次过滤，过滤掉性错误数据。簇的划分采用全联通簇的划分技术，并且簇中采用每个节点轮回的方式动态选择簇首，使得传感器节点能量消耗均衡，从而降低节点死亡速度，延长整个网络的生命周期。
1网络模型本文研究的无线传感器网络满足以下几点假设：①传感器节点的分布密度足够大，以保证网络的连通性。②地理位置信息已知，即传感器节点不仅知道自己的位置，还知道邻居节点的位置。③在没有发生异常的情况下，采样间隔足够小时，同一传感器节点的采样数据满足线性相关或近似相等。④同一簇内的节点在同一时间间隔内感知的数据满足线性相关或近似相等。
2基于时空关联的脏数据过滤技术2.1相关概念（脏数据）在无线传感器网络中产生的错误数据。包括：暂时性错误数据和性错误数据。
（时间关联）若节点感知的数据在时间上满足一定的函数关系，则称它们之间存在时间关联性。
（空间关联）若节点感知的数据在空间上满足一定的函数关系，则称它们之间存在空间关联性。
（时空关联）若节点感知的数据在时间上和空间上都存在着定量的函数关系，则称它们之间存在时空关联性。
（簇）设0为个簇，则C中任两个传感器节点八、B满足：①属性值尤、￡4满足尤一￡4（误差范围）；②八、B―跳可达。
4分别为节点八、B的感知属性值。
22脏数据过滤流程基于时空关联的脏数据过滤技术主要采用二次过滤技术，一次过滤通过时间关联判断过滤掉暂时性错误数据，二次过滤通过空间关联判断过滤掉性错误数据。过滤流程如下：步骤1节点以某一规定的采样频率进行采集数据。
步骤2对采样数据进行时间关联判断，找出正常数据和异常数据。对于正常数据，直接进行数据传输；对于异常数据，又分为暂时性错误数据和性错误数据，如果是暂时性错误数据，直接把数据过滤，否则进行步骤3.步骤3对步骤2中的数据进行二次过滤，通过产生异常数据的节点个数在簇内所占比例进行判断，过滤掉性错误数据。
步骤4把正确数据向上一层传输，直至基站。
表1定义了些本文常用的符号。
表1本文使用符号定义列表符号定义正常数据队列异常数据队列滑动窗口滑动窗口长度W中采样值的中心值W中采样值的波动幅度异常计数器有效数据百分比簇内节点个数簇内产生性错误数据的节点个数簇内感知异常数据节点所占比例阀值簇内感知异常数据节点所占的比例在一次过滤过程中，根据传感器节点感知数据满足时间关联性的特点，本文采用平均值比较法来判断节点是否采集到脏数据。一次过滤分为两个阶段完成：初始化阶段和过滤阶段。在初始化阶段，传感器节点根据规定的频率进行数据采样，并将数据放入本地窗口W中，其中4表示i时刻的采集数据。当窗口W满时，节点停止采集数据，首先计算此时W中数据的平均值八VG（L），然后计算窗口中的数据4与平均值之间的差值DIS，DIS=distance 4，并对DIS中的数据从小到大进行排序，选取前AL个差值对应的采样值作为样本，重新计算该AL个样本的平均值作为中心值变量，则cenrw（AL）。初始化算法采用由网络模型可知，在较短的时间间隔内的采样数据近似相等，因此，正常情况下，新的采样数据应该在区域
公司总部：上海市嘉定区科福路358-369号4幢1层
联系电话：021-31009772 传真：021-33275085
技术部：136-0197-2100
联系人：尹经理 13962249275（微信与手机同号）
联系邮箱：yxdzg2009@163.com
热线电话
