公开(公告)号：CN108682140A

公开(公告)日：2018-10-19

申请号：CN201810367791.X

申请日：2018-04-23

Applicant: 湘潭大学

Inventor： 李哲涛 ,  王建辉 ,  周仪璇 ,  邓清勇 ,  田淑娟 ,  徐雁冰 ,  张杰 ,  刘倩

IPC: G08C25/00 ,  G08C17/02 ,  H04W4/38 ,  H04W84/18

Abstract: 本发明提出一种基于压缩感知和自回归模型的增强型异常检测方法。首先蔟头利用压缩感知对蔟内传感器节点某时刻的监测数据进行初步异常检测；然后利用传感器节点监测数据的时间相关性，结合自回归模型对传感器节点某时刻的异常监测数据进行精确检测；最后汇聚节点利用各个簇内节点监测数据的空间相关性，来判断异常监测数据是由于异常事件还是测量误差所导致，并定位异常事件的发生区域。本发明能够提高无线传感器网络中异常事件检测的精确度，降低虚警率以及误判事件的发生率，具有广泛的适用性。

公开(公告)号：CN107196738A

公开(公告)日：2017-09-22

申请号：CN201710276348.7

申请日：2017-04-25

Applicant: 湘潭大学

Inventor： 田淑娟 ,  章颢议 ,  李哲涛 ,  池金龙 ,  周仪璇

IPC: H04L1/00 ,  H04W16/10 ,  H04W84/18 ,  H03M7/30

CPC classification number: H04L1/0014 ,  H03M7/30 ,  H04W16/10 ,  H04W84/18

Abstract: 在稀疏度未知的前提下，传统重构算法如果对信号的稀疏度估计过高，就会使重构算法收敛速度变慢，算法的复杂度变大，如果对信号的稀疏度估计过低，就会发生漏检。本发明提出在信号稀疏度度未知的情况下基于动态范数的压缩感知数据收集方法，该方法利用范数来重构原始信号，基于信号的重构误差，采用均方误差近似梯度法来动态更新值，进一步检测出信号的稀疏度以及支撑集。本发明能够根据信源的传输信息，在信源稀疏度未知的情况下高质量的还原出原始信号，具有广泛的适应性。

公开(公告)号：CN108682140B

公开(公告)日：2020-07-28

申请号：CN201810367791.X

申请日：2018-04-23

Applicant: 湘潭大学

Inventor： 李哲涛 ,  王建辉 ,  周仪璇 ,  邓清勇 ,  田淑娟 ,  徐雁冰 ,  张杰 ,  刘倩

IPC: G08C25/00 ,  G08C17/02 ,  H04W4/38 ,  H04W84/18

Abstract: 本发明提出一种基于压缩感知和自回归模型的增强型异常检测方法。首先蔟头利用压缩感知对蔟内传感器节点某时刻的监测数据进行初步异常检测；然后利用传感器节点监测数据的时间相关性，结合自回归模型对传感器节点某时刻的异常监测数据进行精确检测；最后汇聚节点利用各个簇内节点监测数据的空间相关性，来判断异常监测数据是由于异常事件还是测量误差所导致，并定位异常事件的发生区域。本发明能够提高无线传感器网络中异常事件检测的精确度，降低虚警率以及误判事件的发生率，具有广泛的适用性。