智能传感器网络中异常数据检测与融合算法研究

阎晓红 1 吕东波（通讯作者）2

1. 1. 太原市优特奥科电子科技有限公司 太原市优特奥科电子科技有限公司 山西省 山西省 太原市 太原市 030006 030006 2. 2. 北京森信维计算机科技有限公司 北京森信维计算机科技有限公司 北京市 北京市 100194

摘要：智能传感器网络在复杂环境下易受硬件老化、链路抖动与时钟漂移等多因素干扰，导致异常数据破坏时间平稳性与空间一致性。针对该问题，本文提出面向多场景的组合方法：在孤立森林中引入特征加权与物理约束，使分裂维度与路径累计对时序稳健度、空间一致度、设备健康度与物理场符合度敏感；辅以时空关联筛选，利用邻域一致轨迹与短时对齐剔除瞬时伪异常；并以熵权法实现多节点自适应加权融合。我们在包含二十个节点的 LoRa 实验平台上开展为期二十八天的验证，构建突变、缺失与噪声三类可控异常。结果显示，所提方法的 F1 值为 92.5，较传统孤立森林提升 8.3，融合序列均方误差降至 0.03；在噪声与拓扑破碎并存片段保持更高稳定性。研究表明，将设备与物理约束嵌入检测判据并以时空一致性校核和熵权融合协同，可在不增加采样成本的前提下显著提升检测与融合一致性，具备在城市空气与矿井通风网络中的推广价值。

关键词：智能传感器网络；异常检测；改进孤立森林；时空关联；多源加权融合