一种用于无线传感器网络孔洞检测的图像分类方法
网络与互联网体系结构
2022-04-04 v1
摘要
孔洞检测是监测无线传感器网络（WSN）状态的关键任务，此类网络通常由低性能传感器构成。WSN中可能因传感器部署问题或电源/硬件故障而形成孔洞。在这些情况下，感知或数据传输会受影响，并中断WSN的正常运行，还可能降低网络寿命与传感器感知覆盖。由于传感器精确位置通常未知，孔洞检测在WSN中尤为困难。本文提出一种称为FD-CNN的新型孔洞检测方法，其基于力导向（FD）算法与卷积神经网络（CNN）。与现有方法不同，FD-CNN是一种集中式方法，能够在无需依赖传感器位置相关信息的情况下检测WSN中的孔洞。该方法也缓解了分布式方法中高计算复杂度的问题。所提方法接受WSN的网络拓扑作为输入，并输出网络中每个被检测孔洞周边节点的标识作为最终结果。在该方法中，先使用FD算法生成无线传感器网络布局，随后用训练好的CNN模型识别布局中的孔洞。为准备训练CNN模型的标注数据集，本文还提出一种无监督预处理方法。CNN模型检测出孔洞后，提出两种算法以识别孔洞区域及相应的周边节点。基于不同数据集进行了大量实验以评估所提方法。实验结果表明，FD-CNN可在2分钟内达到80%灵敏度与93%特异度。
引用
@article{arxiv.2204.00449,
title = {An image classification approach for hole detection in wireless sensor networks},
author = {Se-Hang Cheong and Kim-Hou Ng and Yain-Whar Si},
journal= {arXiv preprint arXiv:2204.00449},
year = {2022}
}