引 言

在當今社會中，無線傳感器網(wǎng)絡(luò)的應(yīng)用十分廣泛，不僅能應(yīng)用于環(huán)境監(jiān)測和預(yù)報、建筑物狀態(tài)監(jiān)控、復(fù)雜機械監(jiān)控、大型車間和倉庫管理、大型工業(yè)園區(qū)的安全監(jiān)測等領(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領(lǐng)域，相應(yīng)的無線應(yīng)用問題也越來越多。無線網(wǎng)絡(luò)的穩(wěn)定性至關(guān)重要，尋找檢測無線網(wǎng)絡(luò)節(jié)點故障的方法成為了其中的重要問題之一。

無線傳感器網(wǎng)絡(luò)的節(jié)點系統(tǒng)是構(gòu)成無線傳感器網(wǎng)絡(luò)的基礎(chǔ)，是承載無線傳感器網(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)點的故障檢測對實時了解網(wǎng)絡(luò)狀況起著重要的作用。故障節(jié)點會降低整個無線傳感器網(wǎng)絡(luò)的服務(wù)質(zhì)量， 發(fā)生故障的節(jié)點甚至會產(chǎn)生并傳輸錯誤的傳感數(shù)據(jù)，使監(jiān)控中心無法得到正確的檢測信息[2]。此外，由于大量廉價的節(jié)點經(jīng)常部署在不可控、惡劣的甚至敵對的環(huán)境中，這使得傳感器節(jié)點發(fā)生故障的概率相比其他系統(tǒng)要高得多，而且節(jié)點一般都采用電池供電，能量有限，節(jié)點因電池耗盡而失效也非常普遍[3]。因此研究無線傳感器網(wǎng)絡(luò)的故障檢測方法十分必要。本文提出了一種利用無線動態(tài)網(wǎng)流量變化進行檢測的方法。

1 無線傳感器網(wǎng)路

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks, WSN）是由大批部署在監(jiān)測環(huán)境中的微型、廉價、低功耗的傳感器節(jié)點組成的網(wǎng)絡(luò)系統(tǒng)。傳感器節(jié)點是一種集感知能力、存儲能力、計算能力、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]，它采用無線通信的方式協(xié)同感測、收集、處理和傳輸網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)被監(jiān)測目標的信息，并將其發(fā)送給觀察者從而形成多跳自組織網(wǎng)絡(luò)[6]。無線傳感器網(wǎng)絡(luò)是一種比較先進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（Sensor Node）、匯聚節(jié)點（Sink Node）和終端用戶（User）[7]。其中傳感器節(jié)點通過傳感器模塊來感知和采集所在區(qū)域內(nèi)的環(huán)境信息，如溫度、濕度、振動等[4，5]。匯聚節(jié)點是一種特殊的傳感器節(jié)點，它可以是普通的傳感器節(jié)點，也可以是沒有監(jiān)測能力的網(wǎng)關(guān)設(shè)備[8]，用來整合整個網(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

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

3 無線網(wǎng)絡(luò)仿真

圖 2 所示為使用OMNet++ 建立的無線傳感器網(wǎng)絡(luò)的仿真模型。無線傳感網(wǎng)中一共四十個節(jié)點，其中node[0 4] 是采集節(jié)點，node[5 38] 是傳輸節(jié)點(Sensor Node)，node[39] 是匯聚節(jié)點（Sink Node）。node[040] 節(jié)點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)點之間均有雙向信道，相互之間可直接通信。采集節(jié)點每 0.1 s 發(fā)送一次數(shù)據(jù)包，向周圍廣播，根據(jù)節(jié)點反饋信號，隨機選取空閑節(jié)點發(fā)送數(shù)據(jù)，即數(shù)據(jù)傳輸路徑隨機。經(jīng)過數(shù)次隨機傳輸， 當數(shù)據(jù)包最終到達 node[39] 匯聚節(jié)點時，一個數(shù)據(jù)包的傳輸完成。我們待仿真網(wǎng)絡(luò)運行穩(wěn)定后，開始在node[39] 處統(tǒng)計接收到的數(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)由若干個傳感器節(jié)點組成，A(a1a2a3an) 和B(b1 b2b3bn)分別代表被監(jiān)測對象傳感器節(jié)點所發(fā)送的數(shù)據(jù)（其中A代表無故障時的數(shù)據(jù)，B代表故障時的數(shù)據(jù)）。為了使得最后經(jīng)過計算的結(jié)果所呈現(xiàn)的圖像更加準確、明顯，可用所給數(shù)據(jù)減去其平均數(shù)（去除干擾）得出正負均有的數(shù)據(jù)（A'、B'）：

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

5 仿真及結(jié)果分析

圖 3 所示是節(jié)點故障與無故障對比圖（離散），圖中細線繪制的是有故障的情況，粗線繪制的圖像是無故障的情況。從圖中可以看出，無故障時所呈現(xiàn)的圖像波動幅度更小，相對的有故障時所呈現(xiàn)的圖像波動較大。兩者通過傅里葉函數(shù)所繪制的圖像相對比較明顯，大體可以通過此方法來區(qū)別無線傳感器是否存在故障。

圖 4 所示是節(jié)點故障與無故障對比圖（連續(xù)），細線繪制的是有故障的情況，粗線繪制的是無故障時的圖像情況。從圖中兩者的對比可以看出，同樣對每隔 20 s 隨機采取的數(shù)據(jù)進行處理，無故障時所呈現(xiàn)的圖形比有故障時所呈現(xiàn)的圖形更加集中、更加收斂。兩者通過傅里葉函數(shù)所繪制出的圖像相對比較明顯，大體可以通過此方法來區(qū)別無線傳感器是否存在故障。

6 結(jié) 語

本文通過對仿真出的無線網(wǎng)絡(luò)進行數(shù)據(jù)流量監(jiān)測，并對提取的數(shù)據(jù)進行分析，利用傅里葉變換處理流量數(shù)據(jù)，繪制出故障節(jié)點網(wǎng)絡(luò)及無故障節(jié)點網(wǎng)絡(luò)的流量頻譜圖，以此對無線傳感器網(wǎng)絡(luò)中是否出現(xiàn)故障進行有效區(qū)分。面對無線傳感器網(wǎng)絡(luò)中節(jié)點故障難以實地監(jiān)測的問題，只需從無線網(wǎng)絡(luò)終端接收數(shù)據(jù)進行分析就能知道網(wǎng)絡(luò)是否在正常運作，代替了人工現(xiàn)場檢測。此外，本文為了進一步研究故障節(jié)點在無線傳感器網(wǎng)絡(luò)中的定位奠定了基礎(chǔ)，也提供了一種新的思路。