Abnormal event detection scheme based on compressive sensing and GM(1,1) in Wireless Sensor Networks

针对现有的异常事件检测算法准确率低和能量开销较大等问题，该文提出一种基于压缩感知(CS)和GM(1,1) 的异常事件检测方案。首先，基于分簇的思想将传感器节点的数据进行压缩采样后传输至Sink，针对传感器网络中数据稀疏度未知的特点，提出一种基于步长自适应的块稀疏信号重构算法。然后，Sink基于CM(1,1)对节点发生的异常进行预测，并对节点的工作状态进行自适应调整。仿真实验结果表明，相比于其它异常检测算法，该算法的误警率和漏检率较低，在保证异常事件检测可靠性的同时，有效地节省了节点能量。