基于感知数据时域特征的WSNs故障被动诊断方法

由于大规模无线传感器网络的动态拓扑性及资源受限，无线传感网的故障诊断成为该领域内的一个难点。现有的诊断方法消耗大量通信带宽和节点资源，给资源有限的网络带来繁重的负担。本文提出一种利用感知数据时域特征来检测故障以及对故障进行分类的被动诊断方法（TDSD）。首先运用一维离散Gabor变换对感知数据进行特征提取与分析，进而结合SOM神经网络对数据进行诊断与分类，判断当前网络状态并找出故障原因。实验结果表明，与其它方法相比，此方法具有网络通信负担小、诊断准确率高及分类效果好等优点，对节点故障和网络故障诊断都具有较高的诊断精度。