无线传感器网络中复合事件检测技术研究

高航

（北京工业大学 软件学院，北京　100022）

无线传感器网络中复合事件检测技术研究

高航

（北京工业大学 软件学院，北京100022）

通过搜集和整理近些年来无线传感器网络中复合事件检测技术方面的研究工作，讨论了无线传感器网络中复合事件检测领域的主要研究成果，从复合事件检测的模型与技术的对比等方面进行了深入的探讨，为以后进一步的研究提供了支持。最后分析了复合事件检测技术的研究趋势，并对该领域有待深入的研究难点和发展趋势进行了展望。

传感器网络；事件检测；综述；复合事件

无线传感器网络（Wireless Sensor networks，WSNs）由许多微小的设备构成，这些微小的设备被叫做传感器节点，部署在一片区域中。每个传感器节点都由感知模块、数据通信模块和处理单元组成，这样的构成能够使得这些传感器节点有效的监视周围的环境，相互通信并交换收集到的数据，从而能够对收集起来的数据进行局部处理并做出决策。当然，在传感器网络监测区域中，时常会有非正常数据行为产生，所以就产生了事件检测的需求。传感器网络中的事件检测技术近年来在多项应用中都受到了广泛关注，如军事目标追踪和监视、气象灾害检测、野生动物监测、自然灾害救助和医疗等。

事件检测技术应该能满足以下几点要求：实时性、高有效检测率和低误报警率［1］。然而，在典型的无线传感器网络中，传感器节点是有诸多限制的，如有限的电量、计算能力和存储能力，所以在考虑到传感器节点的局限性的情况下，想提出一个完美的事件检测模型是非常困难的。Kerman［2］等人将无线传感器网络中最常见的困难描述为：情境依赖性、应用的严格性、繁杂的数据资源和网络拓扑结构。文中将无线传感器网络中前人所做的工作进行总结，并在此基础上进行一定的分析与评价。Sensor networks，WSNs）是由许多无线传感器节点构成的，一种通过无线通信方式形成的分布式多跳自组织传感网络，它的末梢是可以感知和检查外部世界的传感器。WSNs中的传感器通过无线方式通信，因此网络设置灵活，设备位置可以随时更改，还可以跟互联网进行有线或无线方式的连接。

1.2事件检测

定义2事件［4］。事件是周围环境状态变化的一种反映。当周围环境中的某个因素发生变化时，如亮度，即说明周围环境的状态发生了改变，也就是发生了一个事件。事件可以分为简单事件和复合事件。

在充分查阅文献并深刻理解的基础上，本文结合现有的定义，提出了以下简单事件和复合事件的概念。

定义3简单事件。简单事件是指由周围环境中的某一种因素发生变化所引起的状态变化，它只对一种因素的变化产生反映。一个简单事件可以表示为：

1　相关介绍及定义

1.1无线传感器网络

定义1无线传感器网络［3］。无线传感器网络（Wireless

其中，E表示简单事件；H0：f（x）=0表示事件未发生，H1：f（x）=1表示事件发生，x表示引起事件发生的某一种环境因素。

定义4复合事件。复合事件相对简单事件而言，是指由周围环境的多种因素发生变化所引起的状态变化，复合事件的发生并不单单是由一种因素变化引起的，可以是由时间、空间、温度、湿度等因素共同变化引起的。一个复合事件可以表示为：

与简单事件相同，E表示复合事件，H0：f（x0，x1，x2，…，xm）=0表示事件未发生，H1：f（x0，x1，x2，…，xm）=1表示事件发生，x0，x1，x2，…，xm表示引起事件发生的各种环境因素。

2　复合事件检测研究现状

众多专家学者经过研究后纷纷提出了自己的事件检测模型，以下将按照复合事件检测模型和技术分别进行阐述。

2.1复合事件检测模型研究现状

1）统计学模型

Gupchup等人［5］提出了基于统计信号处理技术的复合事件检测方法。他们使用主成分分析法 （Principal Component Analysis，PCA）来构建一个特定观察现象的紧凑模型，并把这个模型用来检测周围环境中发生的各种因素的变化，如季风气候、降雨等。Gupchup等人利用实际采集的测量值和模型预测值之间的差值来检测收集到的数据流中离散事件的存在。实验结果表明该模型能够使用传感器节点的温度模式来检测降雨。

Meng等人［6］提出了一种压缩感知稀疏事件检测方法。该方法提出了无线传感器网络的两个问题。第一，在所有的传感器节点中，只有一小部分是活动节点；第二，不同事件可能会同时发生，并导致在对事件进行分别检测时产生干扰。为了解决这些问题，Meng等人采纳了边际似然函数的最大化算法和贝叶斯框架下的一种启发式算法。作者坚持他们的方法相比传统的线性规划解法具有更高的检测效率。

Vu等人［7］提出了无线传感器网络中复合事件及报警的实时高效节能k-监督事件检测问题 （Timely Energy-efficient k-Watching Event Detection problem，TEKWED）。为了解决该问题，他们提出了一种能够检测事件并进行实时报警的机制。基于这种机制，他们又提出了一种考虑了传感器网络拓扑结构和路由能力的算法，该算法建立了一套各有优点的检测事件集合，包括短通知时间、能源节约和时间报警应用中报告要求的可调谐质量。

2）概率模型

Li等人［8］进行了复合事件的研究，并提出了一种用于3D环境监测应用中的非阈值复合事件监测方法。作者使用节能的方法收集来自传感器网络的数据映射的时间序列，通过匹配数据的时空数据模式检测复合事件。

Zoumboulakis等人提出了一种传感器网络中监测复合事件的方法，他们把复合事件定义成一系列隐藏人们所关注模型或图案的数据点集，并且坚持认为目前存在的技术不足以监测这些复杂的模型或图案。受时间序列数据挖掘技术的启发，作者提出了一种用符号集近似算法将原生实值感觉数据转变为符号表示的方法，并且利用距离度量进行字符串比较。

3）人工智能和机器学习模型

Bahrepour等作者研究了事件监测中机器学习技术所扮演的角色，并提出了使用无线传感器网络检测灾难性事件的方法。具体而言，该方法主要基于运行在每个传感器节点上的决策树分类器来进行事件检测，并且在传感器节点检测到的结果中采用投票机制来形成决策。作者们解释了选择决策树的原因是作为if-then-else规则，决策树的简单和明确的表达形式满足了资源受限的无线传感器网络的要求。

Abadi等人［1］提出了REED（Robust，Efficient Filtering and Event Detection），一种用于传感器网络中稳定高效过滤和事件检测的系统。他们的方法扩展了传感器网络内部的用于高效执行多谓词过滤查询的TinyDB查询处理器。该方法有3个主要特点：在有限的RAM中运行，能够在节点群中分担存储压力，对于丢包率和节点故障具有容错性。传统的传感器网络数据库系统并不能做到这一点，这让该方法适用于大范围的事件检测应用。

2.2复合事件检测技术研究现状

1）基于事件树的复合事件检测

基于事件树的复合事件检测实际上是将复合事件通过一定的方法构造成一棵匹配树，该树的所有叶子节点表示原子事件，而叶子节点的父节点表示复合事件。

Samani等人提出了一种分布式系统中普遍事件监视语言（Generalized events Monitoring language，GEM），该系统假定存在一个良好同步的全局时钟。事件的发生和检测之间存在一定的延迟，这样可能导致检测到的事件失序。为避免发生错误的检测，GEM采取在检测阶段来处理这种延迟。采用基于树的机制来检测复合事件，关键的步骤是为事件表达式创建一棵事件求值树，使得其结构匹配事件表达式，以及处理延迟。如图1。

图1　事件求值树结构Fig.1　Structure of event evaluation

基于事件树的复合事件检测时递归进行的，首先为复合事件构造事件求值树，其次针对复合事件中的简单事件进行检测，即叶子节点，进而通知父节点，直到检测到复合事件或没有父节点。

2）基于图的复合事件检测

基于图的复合事件检测方法与基于事件树的复合事件检测方法类似，在Snoop中采用的就是基于图的复合事件检测方法，事件由叶子节点发生，然后向上追溯到父节点，其中叶子节点表示的是简单事件，父节点表示的是事件的一系列操作。

Chakravarthy等人提出了Snoop复合事件检测系统，该系统假设所有的事件之间存在全序全系，并且事件的发生和检测之间不存在延迟。简单事件发生在确定的时间点，而复合事件发生的事件则由复合事件内最后一个简单事件的发生时间来确定。

图2　全局事件历史Fig.2　Global event history

该系统引入事件历史，如上图2，在知道全局事件历史的情况下，可以通过计算得到任意复合事件的历史，该方法的原理为给每一个复合事件构造事件历史图，当事件发生时就将相应参数存储到相应的叶子节点，然后传给父节点，选择相对应的算法进行操作，直到到达根节点。

3）基于自动机的复合事件检测

某些复合事件的表达式是不带参数的，类似于正则表达式，针对这样的复合事件，可以直接采用有穷自动机来表示事件。

Gehani等人在其研究的文献中介绍了剑桥大学研究组在传统自动机基础上加入时间模型和参数化机制的复合事件检测框架。在大规模的分布式系统中，因为缺乏集中管理及存在时间漂移问题等，很难确定两个事件的发生顺序。剑桥大学研究组基于这一问题研究出复合事件检测器，该检测器采用规则结构的简单自动机，同时它还支持时间模型、参数化机制和并发事件模型等。

自动机包含有限的状态和迁移，状态是自动机模型用来匹配时序相关的复合事件的方法；迁移分为两种，强迁移表示刚检测过的事件与下一个事件之间的偏序关系，弱迁移表示刚检测过的事件与下一事件之间的全序关系。基于自动机的复合事件检测的基本原理是为每个复合事件构造自动机，得到相应的状态集和迁移集，并根据这些条件进行匹配，若最后获得一个没有向外迁移的生成状态，就代表复合事件检测成功。

4）基于Petri网的复合事件检测

基于Petri网的复合事件检测技术主要原理就是根据复合事件构造出Petri网，此项技术多用在RFID领域中，但由于也涉及到复合事件检测，所以本文简单介绍一下。

基于Petri网的复合事件检测的主要过程为对每个新发生的事件模型构造Petri网，简单事件作为输入，输出表示复合事件。发生过的事件都被标记，并作为输入，则表标记事件的输入事件同样也被标记，如此重复，直到获得一个时间模型，且该事件模型没有向外迁移的库，则检测成功。

3　分析与评价

Meng等人的研究结果虽然揭示了无线传感器网络的两大问题，也给出了相应的解决方案，但并没有有力的实验表明该方案是确实有效的；Zoumboulakis等人复合事件定义成一系列隐藏人们所关注模型或图案的数据点集，提出了一种用符号集近似算法将原生实值感觉数据转变为符号表示的方法，但是这样会加大计算量，而对于资源受限的传感器节点来说，这明显是无法承受的。

GEM考虑了事件发生与检测之间的延迟，但其假设存在一个良好的全局同步时钟，而这一假设并不适用于大规模的分布式系统；Snoop只提供了简单的时间模型，根据语义来确定复合事件的时间点，这比较适合应用于集中式系统或局域网；有限状态自动机虽然能够直观的表达事件，但纯粹的自动机并不检测带参数的事件，不能表示事件的时序关系。

从上述分析可以看出，目前存在的复合事件检测模型和技术都没有完美解决无线传感器网络中事件检测的问题，所以在无线传感器网络中复合事件检测方面仍需要进一步努力。

4　结束语

随着事件检测的广泛应用，复合事件检测日益引起人们的关注，遇到的问题也越来越多，而且由于无线传感器网络的诸多限制，要构建一个充分考虑到这些限制的事件检测模型并不是一项容易的工作。本文搜集整理了复合事件检测领域内现有的研究工作，并在此基础上，针对每项有代表性的工作进行了一定的分析与评价，应当说，复合事件检测的发展远不止于此，希望本文的工作能够为未来的复合事件检测研究提供一定的帮助。

［1］Adabi D，Madden S，Lindner W.REED：Robust，Efficient FilteringandEventDetectioninSensorNetworks［C］. Proceedings of the 31st Very Large Databases Conference，2008：769-780.

［2］Kerman M C，Jiang W，Blumberg A F，Buttrey S E.Event Detection Challenges，Methods，and Applications in Natural and Artificial Systems［C］.Proceeding of the International CommandandControlResearchandTechnology Symposium，2009：1-19.

［3］Jennifer Y，Biswanath M，Dipak G.Wireless sensor network survey［J］.Computer Networks，2008，52（12）：2292-2330.

［4］Chinh T V，Raheem A B，Li Y S.Composite event detection inwirelesssensornetworks［C］.IEEEInternational Performance，Computing，and Communications Conference，2007：264-271.

［5］Gupchup J，Burns R，Terzis A，Szalay A.Model-Based EventDetection in Wireless Sensor Networks［C］.Proceedings of the Workshop on Data Sharing and Interoperability on the World-Wide Sensor Web，2008.

［6］Meng J，Li H，Han Z.Sparse event detection in wireless sensor networks using compressive sensing［C］.Proceeding of Conference on Information Sciences and Systems，2009：181-185.

［7］Vu C T，Beyah R A，Li Y.Composite Event Detection in Wireless Sensor Networks［C］.Proceeding of the IEEE International Performance，Computing，and Communications Conference，2007：264-271.

［8］Li M，Liu Y，Chen L.Non-Threshold based Event Detection for 3D Environment Monitoring in Sensor Networks［C］. Proceedingsofthe27thInternationalConferenceon Distributed Computing Systems，2007：1-9.

Research on composite event detection in wireless sensor networks

GAO Hang
（Beijing University of Technology，School of Software Engineering，Beijing 100022，China）

Through collecting and sorting out research works in composite event detection of wireless sensor networks，this article discusses main research findings in the field of composite event detection，compares models and techniques in composite event detection and explores them deeply to support further study.In the end，the article analyzes the research trends of composite event detection and puts forward difficult and key points in the research of this field.

wireless sensor；event detection；summary；composite event

TP302

A

1674－6236（2016）03-0115-03

2015-03-23稿件编号：201503308

高 航（1988—），男，山西定襄人，硕士研究生。研究方向：嵌入式计算与物联网。