引 言

在當今社會中，無線傳感器網絡的應用十分廣泛，不僅能應用于環(huán)境監(jiān)測和預報、建筑物狀態(tài)監(jiān)控、復雜機械監(jiān)控、大型車間和倉庫管理、大型工業(yè)園區(qū)的安全監(jiān)測等領域，還涉及軍事、空間探索、城市智能交通等重要領域。隨著傳感器網絡的廣泛應用，傳感器網絡已經深入到人類生活的各個領域，相應的無線應用問題也越來越多。無線網絡的穩(wěn)定性至關重要，尋找檢測無線網絡節(jié)點故障的方法成為了其中的重要問題之一。

無線傳感器網絡的節(jié)點系統是構成無線傳感器網絡的基礎，是承載無線傳感器網絡的信息感知、數據處理和網絡功能的基本單元[1]。節(jié)點的故障檢測對實時了解網絡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絡的服務質量， 發(fā)生故障的節(jié)點甚至會產生并傳輸錯誤的傳感數據，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絡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)網流量變化進行檢測的方法。

1 無線傳感器網路

無線傳感器網絡（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)點組成的網絡系統。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同感測、收集、處理和傳輸網絡覆蓋區(qū)域內被監(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絡[6]。無線傳感器網絡是一種比較先進的信息收集和處理技術，已廣泛應用在軍事、工業(yè)、環(huán)境、衛(wèi)生醫(yī)療等領域。傳感器網絡系統包括傳感器節(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)測能力的網關設備[8]，用來整合整個網絡采集到的有用信息并發(fā)送給用戶。

2 研究方案設計

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絡，分別模擬有故障和無故障時的網絡狀況，提取網絡在單位時間（20 s） 內接受數據包的情況，使用Matlab 對數據進行去噪、歸一等處理后，在頻域上做出兩者的對比圖，分析結果，得出結論。

3 無線網絡仿真

圖 2 所示為使用OMNet++ 建立的無線傳感器網絡的仿真模型。無線傳感網中一共四十個節(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)送一次數據包，向周圍廣播，根據節(jié)點反饋信號，隨機選取空閑節(jié)點發(fā)送數據，即數據傳輸路徑隨機。經過數次隨機傳輸， 當數據包最終到達 node[39] 匯聚節(jié)點時，一個數據包的傳輸完成。我們待仿真網絡運行穩(wěn)定后，開始在node[39] 處統計接收到的數據包數量，采樣間隔為 20 s。

4 數據處理及算法

網絡由若干個傳感器節(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)送的數據（其中A代表無故障時的數據，B代表故障時的數據）。為了使得最后經過計算的結果所呈現的圖像更加準確、明顯，可用所給數據減去其平均數（去除干擾）得出正負均有的數據（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的幅值大小。許多在時間域中無法觀察出的信號的性質，在轉換為頻域之后能清晰地觀察出性質差異。本文對數組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，無故障時所呈現的圖像波動幅度更小，相對的有故障時所呈現的圖像波動較大。兩者通過傅里葉函數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 隨機采取的數據進行處理，無故障時所呈現的圖形比有故障時所呈現的圖形更加集中、更加收斂。兩者通過傅里葉函數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 語

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