故障容错是无线传感器网络(Wireless Sensor Networks,WSN)应用中的一项关键技术。无线传感器网络中的节点失效、通信链路故障和数据的丢失等问题是不可避免的,其根本原因是无线传感器网络在部署、通信、供电、数据感知和采集等方面存在诸多的不确定性,并且无线传感器节点容易受到节点能量、计算性能、工作环境等因素的干扰。如果在实际应用的场景中出现节点失效、网络链路丢失等故障,将会影响到整个网络的工作效率、安全和服务质量。因此,如何消除故障的影响,提高无线传感器容错能力是一个值得关注的问题,无线传感器网络容错关键技术的研究具有重要的理论意义和较大的实用价值。无线传感器网络产生故障的原因可能是部署节点的失效、链路错误、网络拥塞、以及接收器或基站错误等,涉及到网络部署、路由、数据处理等环节。为了提高WSN的容错能力和鲁棒性,本文以空间冗余(如冗余的传感器节点)和信息冗余、数据冗余(如接收到的冗余数据)为研究对象,对无线传感器网络在部署、路由、数据处理过程中的容错技术进行了充分的研究。包括如下四个方面:(1)基于拓扑控制的WSN容错机制研究;(2)基于路由冗余的WSN容错机制研究;(3)基于异常数据修复的WSN容错机制研究;(4)基于冗余数据聚类的WSN容错机制研究。本文的主要工作和贡献如下:第二章中工作的创新点包括:从路径生存时间的角度优化了DPV(Disjoint Path Vector)算法,解决了个别高频使用节点生存时间短问题,从而达到提高整网能量使用均衡的目的,即,为了解决基于k顶点连通的WSN容错拓扑控制技术存在计算复杂度和耗能严重等问题,本文提出了一种基于独立路径生存时间优化控制的分布式无线传感网络拓扑容错控制方法:非相交路径生存时间优化控制算法(Disjoint Path Vector Live Time Optimize,DPLTO),算法基于DPV算法的思想,从路径生存时间角度进行优化,以延长网络生存周期。DPLTO算法包含两个阶段:初始化阶段和连通恢复阶段。初始化阶段构造一个最优化WSN拓扑,达到获取高质量的恢复路径时能耗最少的目的。在连通恢复阶段中,DPLTO算法引入了路径容忍失效时间机制。通过对路径容忍时间的动态调整,能够降低恢复阶段的路由信息交互,从而进一步降低由于故障节点引起的连锁反应造成的能量耗损。这种机制也能有效解决多节点并发故障时造成的故障容忍度低的问题。此外,DPLTO算法采用动态地调整传感节点的传输功率,从而优化能量耗损和网络的拓扑结构,以达到延长WSN网络的生命周期的目的。DPLTO从局部能耗的角度进行了考虑,即DPLTOP考虑WSN的拓扑路径上的平衡能量耗损、计算复杂度和网络恢复效率等方面的问题。仿真结果表明,DPLTO算法可以有效地保证网络的k-顶点连通性,从而延长整个网络的生命周期。第三章中工作的创新点包括:引入新的分析参数并提出了新的路由算法:引入节点能耗和节点能量参数进行节点生存指数计算,提出后向能量有效冗余路由选择算法,提高了节点生存时间,在关键节点即族头节点失效前能有效地解决备份路由选择问题,提供了高效而具有低复杂度的容错机制。即,针对WSN路由冗余设计中冗余节点引起的能耗过多问题,提出了一种基于路由冗余的WSN网络故障容错方法BRFTR(Backward Redundant Fault-Tolerant Routing),以达到网络节能的目的。该方法引入了节点能耗度和节点生存指数两个重要的参数。其中,能耗度参数通过利用节点工作时间和能量消耗情况两方面信息进行计算;节点生存指数通过邻居节点寿命和能耗度参数这两方面信息进行计算。在BRFTR方法中,使用蚁群启发式算法用于控制路由冗余休眠和工作两种状态间的交替,将路由冗余的能耗控制在合理的范围内,从而防止WSN网络由于某些关键节点提前失效致使性能下降的问题产生。此外,该算法在路由阶段以能量有效的方式来选择下一跳簇头节点,并且在簇头失效的前提下,恢复其邻居节点的连通性,即BRFTR算法提供了故障容忍机制,以便在簇头节点失效的情况下可以将数据传输到基站节点。通过实验仿真和结果分析可以看出,BRFTR不仅能高效地控制网关节点的能量消耗,而且能够延长网关节点的生命周期,从而提高网络的可用性。第四章中工作的创新点包括:尝试使用灰度模型来解决传感器网络数据检测与恢复问题:提出基于灰度模型的异常数据检测和恢复,对丢失、错误、突变、无效的数据有效的进行识别和修复。在第四章中,针对传感器节点或者无线传感器网络链路出现故障时,网络采集的数据可能存在丢失、错误、无效等异常问题,本文提出了一个包含两个阶段的ELOFGM(Extended Local Outlier Factor and Grey Model)算法:异常点检测阶段和异常点修复阶段。在异常点检测阶段,ELOFGM算法通过计算相邻两个时间窗口内所有数据点的标准差的比值,可以在缺乏数据全局信息的情况下,有效地对丢失、错误、无效类型的异常数据进行识别。在异常点修复阶段,应用灰度理论,构建了针对冗余数据的GM(1,1)模型。通过实验仿真和结果分析可以看出,GM(1,1)可以有效地完成对异常数据的修复,从而提高了数据的质量。第五章中工作的创新点包括:将R-PCA算法应用到传感器网络中,实现容错性能的提升,提出的多变量数据恢复的容错方法,有效利用WSN分布式的特点,提升了数据检测和修复精度。针对高密度的分布式传感器节点的部署,可能形成较高的相关性和节点冗余等特点,导致WSN感知的数据存在较高冗余的问题,本文结合冗余数据,应用k-means聚类的思想,在无线传感器网络故障检测R-PCA算法的基础上,提出一种基于多变量数据恢复的容错算法MDRR-PCA(Multivariate Data Recover Recursive PCA)。由于R-PCA方法的主成分转换基的提取是通过递归的方式来实现的,使得MDRR-PCA算法能够适应动态变化的无线传感器网络。MDRR-PCA算法有两大特点:(1)直接操作无线传感器网络中的簇头,因此可以有效地容忍故障孤立点;(2)充分利用邻居节点的同一个物理变量的传感数据的相关性高于来自同一节点采集的不同物理变量的数据的原理。通过实验仿真和结果分析可以看出,MDRR-PCA在故障检测精度、数据恢复精度均具有较优的性能。相对于传统的方法,在故障检测精度上提高了20%左右,在数据恢复的误差上降低了约28%。综上所述,本文系统地研究了无线传感器网络在网络部署、路由、数据处理过程中的容错问题。基于空间冗余、信息冗余和数据冗余研究了面向网络连通性和传输数据有效性的容错机制。针对网络拓扑、网络路由和网络中传输的数据,分别提出了对应的容错机制。通过仿真实验和结果分析,证明了本文提出的算法在容错方面的有效性,提升了无线传感网络的健壮性,延长了无线传感网络的生命周期,从而为提供更好的网络服务打下坚实的基础。