Pengambilan Sampel Adaptif untuk Pemantauan Anomali Spasiotemporal di Jaringan Sensor Nirkabel

Pipeline penginderaan-kendali kooperatif berbantuan sentinel yang menggabungkan pengambilan sampel jarang Kalman filter, deteksi berbasis GLR, dan propagasi peringatan lokal

Guoqing Lu; Yixuan Sun; Yiwen Jiang; Bernard Butler· 2026· DOI 10.48550/arXiv.2607.15235

Masalah inti

Pemantauan lingkungan jangka panjang di jaringan sensor nirkabel (WSN) sering kali mengandalkan pengambilan sampel jarang untuk memperpanjang masa hidup jaringan. Namun, penginderaan jarang dapat melewatkan anomali yang berumur pendek, terlokalisasi, dan berpotensi menyebar. Makalah ini mengatasi trade-off tersebut dengan mengusulkan kerangka kerja pengambilan sampel adaptif berbantuan sentinel yang beroperasi sebagai pipeline penginderaan-kendali kooperatif untuk pemantauan anomali WSN. Masalah intinya adalah pada periode normal, energi harus dihemat, tetapi pada periode anomali, pengambilan sampel resolusi tinggi diperlukan untuk menangkap evolusi spasiotemporal anomali. Para penulis bertujuan meningkatkan visibilitas jendela anomali tanpa menimbulkan biaya pengambilan sampel yang berlebihan. Pendekatan yang diusulkan mengintegrasikan tiga mekanisme utama: (1) penginderaan jarang yang digerakkan oleh ketidakpastian prediktif Kalman filter (KF) selama periode normal, (2) deteksi berbasis hybrid generalized likelihood ratio (GLR) dengan ambang batas relatif node pada node sentinel yang disampel secara kontinu selama periode anomali, dan (3) bangun tetangga satu hop dengan kendali p

Inovasi

Eksperimen dilakukan pada dataset suhu Intel Berkeley Research Lab dengan anomali spasiotemporal acak yang mendadak. Metrik utamanya adalah rasio pengambilan sampel jendela anomali (AWSR), yang didefinisikan sebagai fraksi sampel yang diambil selama jendela anomali relatif terhadap total sampel yang mungkin pada jendela tersebut. Metode yang diusulkan mencapai AWSR 0,933 pada eksperimen utama, dibandingkan dengan 0,439 untuk pendekatan pengambilan sampel jarang baseline. Ini merupakan peningkatan signifikan dalam menangkap dinamika anomali. Dibandingkan dengan AAS dan Adapted e-Sampling, metode yang diusulkan meningkatkan AWSR sekaligus menurunkan total biaya. Secara spesifik, metode ini menurunkan total biaya sebesar 15,4% dibandingkan AAS dan sebesar 2,1% dibandingkan Adapted e-Sampling. Total biaya mencakup konsumsi energi untuk penginderaan, komunikasi, dan komputasi. Hasil menunjukkan bahwa kerangka kerja pengambilan sampel adaptif berbantuan sentinel secara efektif menyeimbangkan trade-off antara visibilitas anomali dan biaya pengambilan sampel. Hasil kuantitatif utama dirangkum dalam tabel di bawah ini: | Metode | AWSR | Penurunan Total Biaya | |--------|------|----------

Pemantauan lingkungan jangka panjang di jaringan sensor nirkabel (WSN) sering kali mengandalkan pengambilan sampel jarang untuk memperpanjang masa hidup jaringan. Namun, penginderaan jarang dapat melewatkan anomali yang berumur pendek, terlokalisasi, dan berpotensi menyebar. Makalah ini mengatasi trade-off tersebut dengan mengusulkan kerangka kerja pengambilan sampel adaptif berbantuan sentinel yang beroperasi sebagai pipeline penginderaan-kendali kooperatif untuk pemantauan anomali WSN. Masalah intinya adalah pada periode normal, energi harus dihemat, tetapi pada periode anomali, pengambilan sampel resolusi tinggi diperlukan untuk menangkap evolusi spasiotemporal anomali. Para penulis bertujuan meningkatkan visibilitas jendela anomali tanpa menimbulkan biaya pengambilan sampel yang berlebihan. Pendekatan yang diusulkan mengintegrasikan tiga mekanisme utama: (1) penginderaan jarang yang digerakkan oleh ketidakpastian prediktif Kalman filter (KF) selama periode normal, (2) deteksi berbasis hybrid generalized likelihood ratio (GLR) dengan ambang batas relatif node pada node sentinel yang disampel secara kontinu selama periode anomali, dan (3) bangun tetangga satu hop dengan kendali peringatan sadar pemulihan yang dipicu oleh deteksi lokal. Kerangka kerja ini dievaluasi pada dataset suhu Intel Berkeley Research Lab dengan anomali spasiotemporal acak yang mendadak.

Kerangka kerja yang diusulkan beroperasi dalam dua mode berbeda: normal dan anomali. Selama periode normal, semua node melakukan penginderaan jarang yang digerakkan oleh ketidakpastian prediktif Kalman filter. KF memodelkan medan suhu spasiotemporal, dan varians prediktif pada setiap node menentukan waktu pengambilan sampel berikutnya. Secara spesifik, sebuah node mengambil sampel ketika ketidakpastian prediktifnya melebihi ambang batas, yang dihitung sebagai:

Mengapa penting

Hasil menunjukkan bahwa pengintegrasian pengambilan sampel jarang berbasis KF, deteksi GLR sentinel, dan propagasi peringatan lokal secara substansial meningkatkan visibilitas jendela anomali sekaligus mempertahankan trade-off biaya pengambilan sampel yang lebih rendah. Penggunaan ambang batas relatif node dalam deteksi GLR memungkinkan sentinel beradaptasi dengan variabilitas lingkungan lokal, mengurangi alarm palsu, dan memungkinkan deteksi andal terhadap anomali halus. Mekanisme bangun tetangga satu hop memastikan bahwa anomali dipantau secara kolaboratif tanpa memerlukan bangun seluruh jaringan global, yang akan boros energi. Kendali peringatan sadar pemulihan mencegah pengambilan sampel yang tidak perlu setelah anomali berlalu, sehingga lebih menghemat energi. Perbandingan dengan AAS dan Adapted e-Sampling menunjukkan bahwa metode yang diusulkan mencapai keseimbangan yang lebih baik antara kinerja deteksi dan konsumsi energi. Penurunan biaya 15,4% relatif terhadap AAS sangat menonjol, karena AAS dirancang untuk efisiensi energi tetapi mungkin tidak memprioritaskan visibilitas anomali. Salah satu batasannya adalah bahwa evaluasi didasarkan pada satu dataset (suhu Intel Berkeley Research Lab) dengan anomali sintetis. Pekerjaan selanjutnya dapat memvalidasi kerangka kerja ini pada modalitas lingkungan lain dan peristiwa anomali nyata. Selain itu, strategi pemilihan sentinel tidak dirinci dalam abstrak; penyelidikan lebih lanjut dapat mengoptimalkan penempatan sentinel untuk cakupan yang lebih luas. Secara keseluruhan, kerangka kerja yang diusulkan menawarkan pendekatan yang menjanjikan untuk pemantauan WSN jangka panjang di mana efisiensi energi dan deteksi anomali sama-sama kritis.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten member…