中文摘要：

作为物联网底层技术支撑的无线传感器网络，由于无线通信易受干扰，资源受限、网络动态而又无人值守，在运行过程中极易发生各种故障，使网络的稳定性和可靠性较差。要保证节点在恶劣环境下正常工作，真实、有效地采集数据，实施准确、实时、低耗的故障诊断是运行管理中的重要问题。本项目旨在展开轻量级的实时故障诊断技术研究，从基本理论和实现方法角度研究其中的三个重要问题研究低耗的被动式故障诊断技术，着眼于数据时空特征提取和挖掘，从中找出隐含的网络状态关联，以充分利用网络常规监测数据；利用信息隐藏技术低开销的优势，研究轻量级的主动式故障诊断技术，在不占用传输带宽、不影响节点正常工作的前提下，主动获取相关信息展开诊断工作；研究故障的多维度信息分离技术，采取智能规划方法对故障定位、定性，找到和解决引起故障的原因，从根源上保证网络的健康、稳定运行。在此基础上研究轻量级的主动式诊断理论框架，并搭建故障诊断原型系统。

结论摘要：

该项目旨在展开轻量级的实时故障诊断技术研究，从基本理论和实现方法角度研究其中的三个重要问题为能充分利用WSNs中蕴含了丰富的网络运行状态信息的数据，本课题研究轻量级的被动故障诊断技术，从节点采集的数据中获取可真实反映故障的特征，并对优选出的特征降维、融合，用于实施故障诊断，以降低诊断的开销、提高诊断的准确率。故障诊断过程不主动发起状态轮询、探测等动作，对节点而言也没有额外的负担，实验结果表明在没有额外增加网络诊断开销的前提下，仅通过对历史数据的分析，即能达到95%的诊断率。利用该方法选择出来的特征集，在特征维数减少至原有数量的40%时还能获得比先前诊断方法更好的性能。通过对现有无线传感器网络故障诊断技术的分析，发现被动诊断方式精度低、主动诊断方式开销大，很难达到诊断精度和网络开销间的平衡。针对这种情况，提出基于信息隐藏技术的轻量级的主动式故障诊断方案。节点自主地收集网络运行过程中的相关状态信息，应用信息隐藏技术嵌入到常规数据中；基站从接收的数据包中提取网络信息，再利用相关矩阵实施诊断。本方案降低了诊断信息获取过程的开销，对监测数据改变很小，不影响网络正常工作。实验结果表明，在达到同等诊断精度的条件下，与其他主动式技术相比网络生命周期平均延长42.5%，具有能量高效的特点。本课题运用智能规划策略，研究节点状态倾向的识别技术，提出层次化的节点动态识别模型，挖掘出故障与节点状态之间的关联规则，采用Bayes概率推理方法来推导网络中的不确定性信息，从节点的动作中挖掘出引起这些行为的本质原因。仿真实验证明了该模型的可行性和有效性，但对于该技术的更复杂的Bayes网络构造及算法的效率还有待进一步的深入研究和提高。项目成果证实了轻量级的故障诊断模式方法对于资源受限的WSNs的有效性，尤其是在GreenOrbs的实际应用过程十分稳定。截至目前，发表Infocom会议论文一篇，SCI期刊论文1篇，核心期刊论文2篇，专利授权1项。