Аннотация. Представлен новый метод интеллектуального квазииндифферентного агрегирования данных гетерогенных беспроводных сенсорных сетей. Суть метода заключается в преобразовании исходных векторов значений, регистрируемых сенсорными узлами, к векторам значений коэффициентов кусочно-полиномиальной регрессии, содержащим меньшее количество элементов, а также в формировании их в группы путем вычисления расстояния Чебышева с последующим сравнением с пороговым значением. Разработанный метод включает этап адаптации данных к аномалиям, которая обеспечивается посредством расчета и сравнения с пороговым значением масштабируемого среднего абсолютного отклонения. Метод ориентирован на использование в аппаратно-программной логике локальных вычислительных устройств — сенсорных узлов — и может служить основой при проектировании различных протоколов маршрутизации для гетерогенных беспроводных сенсорных сетей.

Ключевые слова: агрегирование, гетерогенная беспроводная сенсорная сеть, сенсорный узел, канал связи, метод интеллектуального квазииндифферентного агрегирования данных

Список литературы:

1. Ли П. Архитектура интернета вещей. М.: ДМК Пресс, 2019. 454 с.
2. Махров С. С. Использование нейронных механизмов искусственного интеллекта для кластеризации узлов и маршрутизации данных в беспроводных сенсорных сетях. Автореф. дис. … канд. техн. наук. М., 2015.
3. Мутханна А. С. А. Исследование трафика и протоколов маршрутизации в беспроводных сетях. Автореф. дис. … канд. техн. наук. СПб, 2016.
4. Бершадский А. М., Курилов Л. С., Финогеев А. Г. Обзор методов маршрутизации в беспроводных сенсорных сетях // Изв. вузов. Технические науки. Информатика, вычислительная техника. 2012. Т. 21, № 1. С. 47—57.
5. Тараканов Е. В. Агрегирование данных мультисенсоров в беспроводных сенсорных сетях. Автореф. дис. … канд. техн. наук. Томск, 2012.
6. Голубничая Е. Ю. Агрегирование данных в беспроводных сенсорных сетях мониторинга // „Проблемы передачи информации в инфокоммуникационных системах“: Сб. докл. и тез. XIII Всерос. науч.-практ. конф. (26 мая 2017). Волгоград: ВГУ, 2017. С. 37—42.
7. Колчин М. А., Шилин И. А., Климов Н. В., Гарайзуев Д. С., Муромцев Д. И., Заколдаев Д. А. Метод агрегации и нормализации данных гетерогенной сенсорной сети // Изв. вузов. Приборостроение. 2015. Т. 58, № 11. С. 945—951. DOI: 10.17586/0021-3454-2015-58-11-945-951.
8. Кремер Н. Ш. Теория вероятностей и математическая статистика: Учебник для вузов. М.: ЮНИТИ-ДАНА, 2010. 551 с.
9. Краснов М. Л., Киселев А. И., Макаренко Г. И., Шикин Е. В., Заляпин В. И., Соболев С. К. Вся высшая математика: Учебник. М.: Эдиториал УРСС, 2001. Т. 5. 296 с.
10. Скляр Б. Цифровая связь. Теоретические основы и практическое применение. М.: Изд. дом. „Вильямс“, 2007. 1104 с.
11. Омельченко А. В. Теория графов. М.: МЦНМО, 2018. 416 с.
12. Дьяконов В. П. MatLab. Полный самоучитель. М.: ДМК Пресс, 2012. 768 с.
13. Восков А. Л. Статистическая обработка эксперимента: Курс лекций для факультета наук о материалах. 2017 г. [Электронный ресурс]: .
14. Настека А. В., Канев А. Н., Бессонова Е. Е. Выявление аномалий в беспроводных сенсорных сетях системы „умный дом“ // Научно-технический вестник информационных технологий, механики и оптики. 2017. Т. 17, № 3. С. 450—456.
15. Иванов О. В. Статистика: Учебный курс для социологов и менеджеров. Ч. 1. Описательная статистика. Теоретико-вероятностные основания статистического вывода. М.: МГУ, 2005. 187 с.
16. Ерохин С. Д., Махров С. С. Протоколы маршрутизации в беспроводных сенсорных сетях, основанные на местоположении узлов и направленные на агрегацию данных // T-Comm — Телекоммуникации и транспорт. 2013. № 3. С. 44 —47.