基于大数据的传感网络链路稳定性检测系统设计

张永 杨学

关键词： 大数据; 传感网络; 稳定性检测; 移动环境; 直接链路; 间接链路

中图分类号： TN711?34; TP212.9                文献标识码： A                   文章编号： 1004?373X（2019）06?0118?03

Abstract： The traditional detection system is often affected by the mobile environment in the process of link detection， which leads to the low integrity and accuracy of the detection results. Therefore， a sensor network link stability detection system based on big data is proposed and designed. The three parts of the sensor network transmission terminal， data center server and detection terminal are analyzed in detail， so as to complete the hardware design of the system. In the software design part， the detection method of combining the direct link stability with indirect link stability is adopted to complete the design of the sensor network link stability detection system based on big data， so as to minimize the influence of the mobile environment. The experimental results show that the system has detection results with high integrity， and the average value of the detection accuracy rates can be up to 93.5%， which verified the superior performance of the system.

Keywords： big data; sensor network; stability detection; mobile environment; direct link; indirect link

傳感网络是由大量微型传感器节点通过无线射频方式形成的一种网络，具有自组织、自配置的优点，在许多领域被广泛应用，但节点能耗始终是制约其发展的一个重要因素[1]。节点间通信链路的稳定性能直接对传感网络产生影响，因此，可靠的链路稳定性检测方法对传感网络的顺利运行及应用具有重要作用。众多学者对传感网络链路进行了分析，并取得了较好的研究成果[2?3]。文献[4]指出传感网络节点能够对区域网络环境信息进行有效监测，以此为理论依据，重点研究了在资源受限条件下获取无线链路状态的方法，对获取数据做出详细分析，完成对无线传感网络链路质量的研究，但该方法实验数据的完整性较低。文献[5]针对网络局部特性对传感网络链路进行分析，准确检测网络软件更新特征，将软件更新中任意节点邻居区域的链路质量期望值作为这一节点质量估计值，通过对估计值的评估完成对传感网络链路稳定性的检测，但检测结果准确率较低。文献[6]提出可靠、稳定的网络链路对传感网络数据传输以及延长网络寿命具有重要的作用，对传感网络硬件、软件以及多参数组合的链路质量参数进行了重点分析，以此实现传感网络链路稳定性研究，但存在检测准确率较低的问题。为解决上述存在的问题，提出并设计一种基于大数据的传感网络链路稳定性检测系统。

1  传感网络链路稳定性检测系统硬件设计

传感网络链路稳定性检测系统主要是对链路运行状态进行分析，以提高传感网络运行的稳定性，为传感网络的深入研究提供理论依据，系统硬件框架如图1所示。

从图1可以看出，基于大数据的传感网络链路稳定性检测系统硬件主要由传感网络通信端、数据中心服务器以及检测端三部分组成。传感网络通信端由传感器和链路信号交互模块两部分组成，通过传感器采集传感网络链路信号，并与系统其他信号进行交互[7]。数据中心服务器主要对链路信号进行处理，处理过程由处理芯片完成。将处理得到的链路信号传输至检测端，对网络链路信号首先进行存储，再进行链路稳定性检测，以便于提高检测结果的准确性，同时，检测端如果需要进行数据中转，也可以反过来作用于数据中心服务器。

分别对传感网络传输端、数据中心服务器以及检测端三部分进行具体介绍，如下：

1） 传感网络通信端。传感网络负责采集信息，对系统各个部分之间信息的交互。在链路稳定性检测过程中，传感网络通信端与数据中心服务器之间都不可避免地需要多种数据通信，并且数据发送是随机的、动态的，内容格式也可能不同，因此选择GPRS作为通信方式，完成传感网络链路信息通信[8]。

2） 数据中心服务器。数据中心服务器接入传感网，具有固定的 IP 地址和域名，存储着传感网络的基本配置信息、安全策略设置信息、检测系统配置信息以及上传数据缓存表等，供系统检测时下载调用。在执行链路稳定性检测时，如果传感网络链路信息需要进行协作或信息交互，便可将信息上传到中心服务器，通过服务器进行中转。

3） 检测端。检测端主要通过传感网络信道对传输数据进行监测，根据监测信息构建传感网络链路信息表，并对信息表进行存储，以便于在接下来的检测过程中发现遗漏的不稳定链路节点信息[9?10]。检测端的主要任务包括链路节点行为识别、传感网络状态监测、数据的上传和下载等功能，并且可以连接数据服务器，获取处理得到的传感网络链路信息。

2  传感网络链路稳定性检测系统软件设计

在系统软件设计中，主要利用传感网络节点接收信号强度对链路的稳定性进行检测。与传统检测系统不同的是，本文系统不仅从节点监测的角度对链路稳定性进行检测，同时也从节点被监测的角度出发，完成对链路稳定性的检测。由此，可将基于大数据的传感网络链路稳定性检测系统软件分为两部分：直接链路稳定性检测和间接链路稳定性检测。

2.1  直接链路稳定性检测

选取某一节点为指定节点，对其邻居节点的稳定性进行检测，因邻居节点会受某些因素的影响发生位移，因此需要不断地向指定节点发送信息，指定节点根据接收到的信息对其（监测节点）与邻居节点（即被监测节点）之间链路的稳定性进行检测，如图2所示。

2.2  间接链路稳定性检测

传感网络中，某一指定节点周围会存在多个邻居节点，当这些节点处于一种移动性较高的环境中时，邻居节点则会发生较为频繁以及较长距离的移动，这时指定节点则很难接收到被监测节点传递的信息，基于这种情况，设立间接链路稳定性检测方法，如图3所示。

为了尽量消除移动环境对链路节点造成的影响，对被监测节点的稳定性检测值进行综合排序，选取出其中最接近中间值的[2N]组数据进行平均值求解，将求解结果作为被监测节点的稳定性检测值。

此外，在间接链路稳定性检测中，邻居节点也会充当监测节点角色对其周围节点进行监测，获取相应期望信号功率，进而通过多数据分析，得出链路稳定性检测结果。如期望信号功率值较小，则表明传感网络链路稳定性较差，反之，则表明传感网络链路稳定性较好。

3  实验结果与分析

3.1  实验环境及参数

系统设计环境及参数如表1所示。

3.2  實验结果分析

以上述实验环境和参数设置为依据，对本文基于大数据的传感网络链路稳定性检测系统的有效性进行验证分析。在移动性较高的环境中，传感网络链路节点会连续发生移动，在节点最大移动速度为0～30 m/s的情况下，对本文系统检测结果的完整性进行分析，结果见图4。

观察图4可知，在节点移动速度从0～30 m/s不断增长的情况下，本文系统检测结果的完整性较高，平均水平在90%以上。虽然在节点移动速度为15～24 m/s期间受到移动性环境的影响，系统检测结果的完整性出现下降趋势，但随后逐渐上升，趋于平稳。原因是本文系统设计中，将移动性环境考虑在内，并采用直接链路稳定性检测和间接链路稳定性检测相结合的方法，完成系统软件设计。为更加清晰地表现出本文系统的优势，选取检测准确率为指标，对本文系统和文献[4]、文献[5]系统进行对比，对比结果如表2所示。

从表2能够看出，本文系统的检测准确率明显高于文献[4]和文献[5]系统，最低准确率仍可达到90%，平均水平在93.5%左右。而文献[4]系统和文献[5]系统的检测准确率均较低，在5～30次的实验分析中，始终处于45%～65%之间，相较于本文系统，检测准确率明显偏低。综合可知，本文系统的检测结果具有显著优势。

4  结  论

为解决传统检测系统存在的检测结果完整性以及准确率较低的问题，提出并设计了基于大数据的传感网络链路稳定性检测系统。结合直接链路稳定性检测和间接链路稳定性检测两种方式，完成对传感网络链路稳定性的检测。实验结果表明，本文系统性能较好，能有效降低移动环境的影响，得到的检测结果完整性较高，且检测准确率较高，具有一定的可参考性。

参考文献

[1] 蔡青松，陈希厚.无线传感网中基于谱矩的链路优化策略[J].通信学报，2017，38（z2）：170?177.

CAI Qingsong， CHEN Xihou. Link optimization strategy based on spectral moment in wireless sensor network [J]. Journal on communications， 2017， 38（S2）： 170?177.

[2] 钟铮.改进的激光传感网络链路预测方法[J].激光杂志，2017，38（2）：113?116.

ZHONG Zheng. An improved link prediction method for laser sensor networks [J]. Laser journal， 2017， 38（2）： 113?116.

[3] 韩哲，张霞，李鸥，等.面向有损链路的传感网压缩感知数据收集算法[J].软件学报，2017，28（12）：3257?3273.

HAN Zhe， ZHANG Xia， LI Ou， et al. Data gathering algorithm based on compressive sensing under lossy WSN [J]. Journal of software， 2017， 28（12）： 3257?3273.

[4] 徐艳玲.事件驱动型无线传感网链路质量监控研究[J].电子商务，2015（4）：49?50.

XU Yanling. Research on link quality monitoring in event?driven wireless sensor networks [J]. E?business journal， 2015（4）： 49?50.

[5] 李君伟，李士宁，张羽.具有局部特性的传感网链路质量估计方法[J].计算机科学，2015，42（12）：195?200.

LI Junwei， LI Shining， ZHANG Yu. Network link quality estimation with local characteristics in WSNs [J]. Computer science， 2015， 42（12）： 195?200.

[6] 胡刚，刘琳岚.无线传感网络链路质量参数研究[J].信息通信，2015（4）：30?31.

HU Gang， LIU Linlan. Research on link quality parameters of wireless sensor network [J]. Information & communications， 2015（4）： 30?31.

[7] 杨东芳，李娜.无线传感网随机空置和链路能量联合优化路由[J].计算机工程与设计，2017，38（6）：1464?1467.

YANG Dongfang， LI Na. Wireless sensor network route based on random vacancy and link energy joint optimization [J]. Computer engineering and design， 2017， 38（6）： 1464?1467.

[8] 张铮，曹守启，李军涛，等.基于能量与链路稳定性感知的按需路由协议[J].半导体光电，2017，38（5）：714?718.

ZHANG Zheng， CAO Shouqi， LI Juntao， et al. An energy and link?stability aware on?demand routing protocol [J]. Semiconductor optoelectronics， 2017， 38（5）： 714?718.

[9] 戴春妮.基于聚类特征自适应机制的无线传感网异常节点检测算法[J].微电子学与计算机，2017，34（4）：76?82.

DAI Chunni. Anomaly node searching algorithm of wireless sensor networks based on adaptive mechanism of clustering feature [J]. Microelectronics & computer， 2017， 34（4）： 76?82.

[10] 陆俊，朱炎平，徐志强，等.面向输电线路监测的无线传感网络可靠路由方法研究[J].电网技术，2017，41（2）：644?650.

LU Jun， ZHU Yanping， XU Zhiqiang， et al. A reliable wireless sensor network routing method for power transmission line monitoring [J]. Power system technology， 2017， 41（2）： 644?650.