[发明专利]计算机辅助处理在传感器网络中检测到的测量值的方法

说明书

技术领域

本发明涉及一种用于计算机辅助处理在传感器网络中检测到的测量值的方法以及一种相对应的传感器网络和一种相对应的计算机程序产品。

背景技术

本发明通常涉及传感器网络，这些传感器网络包括多个传感器节点，其中每个传感器节点在所有情况下具有一个或者多个用于检测任意测量值的传感器。在这种情况下，各个传感器通过相应的通信连接、例如通过无线电或者有线连接至少部分地相互联网。尤其是，相应的传感器节点与一定数量的相邻传感器节点进行通信，使得在传感器节点之间能够交换相应的被确定的测量值。所检测到的测量值可以是任意测量量，例如是放置传感器的位置处的温度值、或者诸如空气湿度、入射光、冒烟等等的其它物理量。

在传感器网络中，传感器节点会发生故障，这些故障严重损害网络的高效能性。在传感器节点故障时，为了网络的正确运行方式因此必要的是修复相对应的传感器节点或用新的高效能的传感器节点来替换。可是，这通常需要更长的时间，以致传感器网络在该段时间中只能受限地运行。因此希望的是，在传感器网络中，即使在传感器节点故障时也保证网络的基本上完整的功能作用。

此外，公知的传感器网络始终只测量局部测量值，而在这种情况下，虽然相邻传感器节点的信息可供传感器节点使用，也无需在分析测量值时考虑这些信息。因此，不能通过全局分析局部测量值来检测测量中的不规则性。

文献US 2005/0251291 A1描述了一种自组织的移动机器人主体(Roboter-Agent)的系统，其中该系统使用了各种人工智能技术，这些技术包括人工神经网络。

文献Albrecht Schmidt的“A Modular Neural NetworkArchitecture with Additional Generalization Abilities for HighDimensional Input Vectors”(第I-x和1-113页，曼彻斯特城市大学(Manchester Metropolitan University)，1996年9月，eHB)说明了各种神经网络架构并且尤其是讨论了模块化人工神经网络。

演示文稿“Neuronal Netze in der Robotik”(第1-20页，克劳斯塔尔工业大学(TU-Clausthal)，2002年1月19日，http://www2.in.tu-clausthal.de/～reuter/ausarbeitung/Elke_von_Lienen_-_Neuronale_Netze_in_der_Robotik.pdf；eHB)通常说明了神经网络在机器人技术中的应用。

发明内容

因此，本发明的任务是提供一种用于计算机辅助处理在传感器网络中检测到的测量值的方法，利用该方法由局部的和部分不完整的测量可以检测传感器网络中的全局状况。

该任务通过独立权利要求来解决。本发明的改进方案被限定在从属权利要求中。

在根据本发明的方法中，给每个传感器节点分配神经元区域(Neuronenareal)，该神经元区域包括多个通过动作(Aktivitaet)表征的、具有一个或者多个神经元的神经元组，其中给每个神经元组分配在传感器节点中可测量的测量值的测量值和/或测量值域。相邻传感器节点的各个神经元组在这种情况下相互联网，其中相应的传感器节点的测量值与相邻传感器节点之间的相关性通过权重来表示，该权重利用学习方法来学习并且在所有情况下都位于相应传感器节点的神经元组与相邻传感器节点的神经元组之间。在这种情况下，作为学习方法尤其是使用以下学习方法，该学习方法在神经元组之间存在相关性时、也就是在多个神经元组同时动作时放大神经元组之间的相对应的权重。在优选的实施形式中，在这种情况下使用赫宾(Hebbian)学习方法。

在此，赫宾学习方法由现有技术充分公开(参见例如文献[1])。