Distributed event detection and localization in wireless sensor networks

Abstract

Αυτή η διατριβή επικεντρώνεται στην κατανεμημένη ανίχνευση και εντοπισμό της εστίας ενός συμβάντος σε Ασύρματα Δίκτυα Αισθητήρων (ΑΔΑ). Οι κόμβοι αισθητήρες είναι συνήθως μικρές σε μέγεθος, απλές και φτηνές συσκευές, η κάθε μια εφοδιασμένη με επεξεργαστή, πομποδέκτη ραδιοκυμάτων, αισθητήρες, και αντλεί ενέργεια από μια μπαταρία. Ένα ΑΔΑ αποτελείται από ένα μεγάλο αριθμό τέτοιων κόμβων που σχηματίζουν ένα ad-hoc δίκτυο για την μετάδοση των μετρήσεων των αισθητήρων στο χρήστη. Μια από τις πιο διαδεδομένες εφαρμογές για ΑΔΑ είναι η παρακολούθηση μιας μεγάλης περιοχής για την ανίχνευση της εστίας ενός συμβάντος που απελευθερώνει κάποιας μορφής σήματος ή ουσίας στο περιβάλλον. Ο κύριος στόχος αυτής της διατριβής είναι να ανιχνεύσει και να εντοπίσει την εστία από τις κατανεμημένες στο χώρο πληροφορίες που συλλέγονται από τους κόμβους αισθητήρες με ένα τρόπο απλό, τοπικό και ανεκτικό σε σφάλματα. Για το πρόβλημα της κατανεμημένης ανίχνευσης αυτή η διατριβή προτείνει και αναλύει δύο καινούργιους αλγόριθμους: τον Covariance Detector (CD) και τον Enhanced Covariance Detector (ECD) οι οποίοι εκμεταλλεύονται τη συσχέτιση στο χώρο μεταξύ των μετρήσεων γειτονικών κόμβων αισθητήρων για να βελτιώσουν την συνολική κάλυψη του χώρου από το δίκτυο. Για το πρόβλημα του κατανεμημένου εντοπισμού αυτή η διατριβή προτείνει και αναλύει δύο καινούργιους αλγόριθμους: τον SNAP (Subtract on Negative Add on Positive) και τον Fault Tolerant Maximum Likelihood (FTML). Και οι δύο αλγόριθμοι παρουσιάζουν ακρίβεια και ευρωστία σε σφάλματα μέσα στο δίκτυο αισθητήρων. Επιπρόσθετα, ο SNAP παρουσιάζει επιθυμητά χαρακτηριστικά όπως χαμηλή υπολογιστική πολυπλοκότητα και δυνατότητα κατανεμημένης εφαρμογής.

This dissertation focuses on distributed event detection and localization in Wireless Sensor Networks (WSNs). Sensor nodes are usually small, simple and cheap devices, each equipped with a processor, radio transceiver and sensing probe, and powered by a battery. A WSN consists of a large number of such nodes that form an ad-hoc network in order to deliver the sensed data to the user. One of the common applications envisioned for WSNs is that of monitoring a large region for the presence of an event source that releases a certain signal or substance in the environment. The main objective of this dissertation is to detect and localize the event from the spatially distributed information provided by the sensor nodes in a simple, localized and fault tolerant manner. For the problem of distributed detection this dissertation proposes and analyzes two novel detection algorithms: the Covariance Detector (CD) and the Enhanced Covariance Detector (ECD) that exploit the spatial correlation between the measurements of sensor nodes in close proximity in order to improve the overall coverage of the sensor network. For the problem of distributed localization this dissertation proposes and analyzes two new algorithms: the SNAP (Subtract on Negative Add on Positive) algorithm and the Fault Tolerant Maximum Likelihood (FTML) algorithm. Both algorithms feature accuracy and robustness with respect to faults in the sensor network. In addition, SNAP has desirable properties such as low computational complexity and distributed implementation capability.