基于图信号处理的WSN数据异常检测与恢复

发布时间：2024-10-02 21:45

　　随着无线传感器网络(Wireless Sensor Network,WSN)的广泛应用,针对WSN数据处理的相关研究逐渐成为信号处理领域中的关注重点之一。其中许多的相关研究都需要对网络所收集的环境数据进行分析和处理,所以数据集的真实性和完整性是最基本要求。然而,由于传感器节点的电量、存储空间、计算能力的限制,以及网络传输不稳定等因素的影响,导致WSN数据异常、缺失等情况经常发生。WSN数据异常检测与恢复问题成为了WSN数据处理中的基本问题之一。近年来,一种新的信号处理理论——图信号处理(Graph Signal Processing,GSP)为具有拓扑结构的网络数据处理提供了新的研究思路,如何基于图信号处理方法更加高效地进行WSN数据异常检测和恢复工作成为了当下的研究热点。本文首先针对如何检测并标记WSN中异常节点数据的问题进行了研究。我们利用网络拓扑结构和网络数据之间的关系,提出了基于子图中图频域处理的异常检测算法。该算法为WSN数据异常检测问题的解决提供了新的思路。首先,我们采用高通图滤波处理提取网络信号的图高频分量;其次将网络划分为多个子图并筛选出子图信号的特定频率分量;然后对筛选...

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    §1.1 研究背景及意义
    §1.2 国内外研究现状分析
        §1.2.1 WSN数据异常检测研究现状
        §1.2.2 WSN数据恢复研究现状
    §1.3 本文的工作及结构安排
第二章 图信号处理的相关介绍
    §2.1 引言
    §2.2 图模型的基本理论
        §2.2.1 图模型
        §2.2.2 图模型的构造方式
        §2.2.3 常见的简单图模型
    §2.3 图信号处理的基础知识
        §2.3.1 图信号
        §2.3.2 图拉普拉斯矩阵
        §2.3.3 图傅里叶变换
        §2.3.4 图滤波器
    §2.4 本章小结
第三章 基于子图处理的WSN数据异常检测算法
    §3.1 引言
    §3.2 WSN数据的图信号模型
    §3.3 异常检测算法介绍
        §3.3.1 预处理
        §3.3.2 局部处理
        §3.3.3 阈值判断
        §3.3.4 匹配筛选
    §3.4 实验仿真与分析
        §3.4.1 美国150个主要城市日平均温度数据
        §3.4.2 全球部分海平面温度网络数据
    §3.5 本章小结
第四章 基于联合图域分析的WSN数据恢复算法
    §4.1 引言
    §4.2 联合图域模型及恢复原理
    §4.3 恢复算法介绍
    §4.4 实验仿真与分析
        §4.4.1 美国218个大中城市逐时温度数据
        §4.4.2 全球部分海平面温度网络数据
    §4.5 本章小结
第五章 总结与展望
    §5.1 论文工作总结
    §5.2 未来工作展望
参考文献
致谢
作者在攻读硕士期间主要研究成果



本文编号：4006392