周春华，王运成，陈冰

（解放军信息工程大学理学院，河南郑州 450001）

0 引言

在无线传感器网络中，用户可以通过数据查询获得感兴趣的数据信息［1－2］。然而，由于传感器节点本身具有一些缺陷，如感知准确性低、存储能力有限、抵制干扰性能差等［1－9］，节点会因为自己本身的缺陷以及外部因素的影响，如环境噪声、环境温度等干扰，产生错误数据（又称脏数据）［10－13］，按照错误数据的特点和性质的不同，将脏数据分为两种：暂时性错误数据和永久性错误数据。脏数据会严重地浪费资源和影响查询结果的准确性，甚至会造成非常严重的后果，如森林火灾监控。

文献［11］提出了一种基于几何学的错误容忍的分布式方法，利用凸边形规则有效地判断错误节点等信息。文献［12－13］提出了基于概率模型的方法，该方法比较浪费节点能量，且不适用于网络节点密度大，感知属性多的情况。

针对上述问题，利用感知数据的时空关联性［10，14］，本文提出了基于时空关联的脏数据过滤技术。该技术通过时空关联两次过滤脏数据：本地节点通过时间关联进行一次过滤，过滤掉暂时性错误数据；在一个簇中采用空间关联进行二次过滤，过滤掉永久性错误数据。簇的划分采用全联通簇的划分技术［15］，并且簇中采用每个节点轮回的方式动态选择簇首，使得传感器节点能量消耗均衡，从而降低节点死亡速度，延长整个网络的生命周期。

1 网络模型

本文研究的无线传感器网络满足以下几点假设：①传感器节点的分布密度足够大，以保证网络的连通性［15］。……