本文選題：無(wú)線傳感器網(wǎng)絡(luò) + 鏈路質(zhì)量預(yù)測(cè)��； 參考：《工程科學(xué)與技術(shù)》2017年02期

【摘要】：無(wú)線傳感器網(wǎng)絡(luò)中,鏈路質(zhì)量預(yù)測(cè)為數(shù)據(jù)可靠傳輸和上層網(wǎng)絡(luò)協(xié)議性能的提高提供支撐。為進(jìn)一步提高鏈路質(zhì)量預(yù)測(cè)的準(zhǔn)確性,提出基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)(dynamic Bayesian networks,DBN)的鏈路質(zhì)量預(yù)測(cè)機(jī)制。為避免單一評(píng)價(jià)指標(biāo)的片面性,從鏈路信號(hào)質(zhì)量、鏈路穩(wěn)定性及非對(duì)稱(chēng)性3方面綜合評(píng)價(jià)鏈路質(zhì)量;采用K-means聚類(lèi)算法對(duì)參數(shù)進(jìn)行離散化預(yù)處理,得到各參數(shù)的離散區(qū)間;采用熵值法確定各參數(shù)的權(quán)重,以消除參數(shù)權(quán)重計(jì)算中主觀因素的干擾;為避免最大隸屬原則的缺陷,采用非對(duì)稱(chēng)貼近度分析法構(gòu)建綜合性的鏈路質(zhì)量等級(jí)指標(biāo);借助貝葉斯網(wǎng)絡(luò)(Bayesian networks,BN)處理不確定性問(wèn)題的優(yōu)勢(shì)和BN分類(lèi)器在分類(lèi)上的良好性能,確定DBN的初始網(wǎng)絡(luò)和轉(zhuǎn)移網(wǎng)絡(luò),采用EM算法進(jìn)行DBN模型的參數(shù)學(xué)習(xí),從而構(gòu)建了基于DBN的鏈路質(zhì)量預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明了采用非對(duì)稱(chēng)貼近度分析法劃分鏈路質(zhì)量等級(jí)的合理性與DBN鏈路質(zhì)量預(yù)測(cè)模型的合理性;與4C及FLI預(yù)測(cè)模型相比,本文模型具有更高的預(yù)測(cè)準(zhǔn)確度。采用鏈路信號(hào)質(zhì)量、鏈路穩(wěn)定性及非對(duì)稱(chēng)性3個(gè)指標(biāo)評(píng)價(jià)鏈路質(zhì)量,采用DBN構(gòu)建預(yù)測(cè)模型,可得到更準(zhǔn)確及魯棒性更好的鏈路質(zhì)量預(yù)測(cè)結(jié)果。
[Abstract]:In wireless sensor networks, link quality prediction provides support for reliable data transmission and improved performance of upper layer protocols. In order to improve the accuracy of link quality prediction, a link quality prediction mechanism based on dynamic Bayesian networks is proposed. In order to avoid the one-sidedness of single evaluation index, the link quality is evaluated comprehensively from three aspects: link signal quality, link stability and asymmetry, and K-means clustering algorithm is used to discretize the parameters to obtain the discrete interval of each parameter. The entropy method is used to determine the weight of each parameter in order to eliminate the interference of subjective factors in the calculation of parameter weight, and to avoid the defect of maximum membership principle, asymmetric closeness analysis method is used to construct the comprehensive link quality grade index. Based on the advantages of Bayesian Networks (Bayesian Networks) in dealing with uncertain problems and the good performance of BN classifier in classification, the initial and transfer networks of DBN are determined, and the parameters of DBN model are studied by EM algorithm. The link quality prediction model based on DBN is constructed. The experimental results show that it is reasonable to use asymmetric closeness analysis method to divide link quality grade from DBN link quality prediction model, and compared with 4C and FLI prediction model, the proposed model has higher prediction accuracy. Using link signal quality, link stability and asymmetry to evaluate link quality, and using DBN to build prediction model, more accurate and robust link quality prediction results can be obtained.
【作者單位】： 南昌航空大學(xué)物聯(lián)網(wǎng)技術(shù)研究所;南昌航空大學(xué)軟件學(xué)院;南昌航空大學(xué)信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61363015;61262020;61501218;61501217) 江西省高等學(xué)�？萍悸涞赜�(jì)劃資助項(xiàng)目(KJLD14054) 江西省教育廳科學(xué)技術(shù)重點(diǎn)資助項(xiàng)目(GJJ150702)
【分類(lèi)號(hào)】：TP212.9;TN929.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃庭培;李棟;張招亮;崔莉;;突發(fā)性鏈路感知的自適應(yīng)鏈路質(zhì)量估計(jì)方法[J];通信學(xué)報(bào);2012年06期

2 徐佑軍,譚敦茂,朱建武,曹文熙;藍(lán)牙無(wú)線鏈路質(zhì)量的分析、測(cè)試與改善[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

3 王廣杰;曾鵬;肖金超;;面向工業(yè)無(wú)線傳感器網(wǎng)絡(luò)的鏈路質(zhì)量實(shí)時(shí)評(píng)估算法[J];小型微型計(jì)算機(jī)系統(tǒng);2012年05期

4 郭志強(qiáng);王沁;萬(wàn)亞?wèn)|;李默涵;;基于綜合性評(píng)估的無(wú)線鏈路質(zhì)量分類(lèi)預(yù)測(cè)機(jī)制[J];計(jì)算機(jī)研究與發(fā)展;2013年06期

5 陸飛;樂(lè)曉波;向峗松;;基于無(wú)線網(wǎng)格網(wǎng)的鏈路質(zhì)量測(cè)量方案與路由尺度性能研究[J];計(jì)算機(jī)應(yīng)用;2007年11期

6 李慕峰;田宇;徐鴻飛;易平;;基于鏈路質(zhì)量的應(yīng)急無(wú)線傳感網(wǎng)絡(luò)路由算法研究[J];信息網(wǎng)絡(luò)安全;2014年05期

7 廖欣;;一種鏈路質(zhì)量知曉的多跳無(wú)線網(wǎng)絡(luò)路由度量[J];懷化學(xué)院學(xué)報(bào);2014年05期

8 蔣錕;汪蕓;;灰洞檢測(cè):基于鏈路質(zhì)量估計(jì)的看門(mén)狗算法[J];計(jì)算機(jī)與現(xiàn)代化;2014年02期

9 戴靠柱;王潛平;;無(wú)線傳感網(wǎng)絡(luò)中基于鏈路質(zhì)量的地理路由[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年03期

10 孫佩剛;陳燕;王琳;張希元;趙海;;基于鏈路質(zhì)量的無(wú)線傳感器網(wǎng)絡(luò)路由量度研究[J];系統(tǒng)仿真學(xué)報(bào);2008年07期

相關(guān)會(huì)議論文 前2條

1 胡丁丁;;Link Quality Control功能分析與優(yōu)化[A];2012全國(guó)無(wú)線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集（下）[C];2012年

2 李婷婷;毛玉明;于秦;;Ad Hoc網(wǎng)絡(luò)無(wú)線鏈路質(zhì)量評(píng)估算法研究[A];四川省通信學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

相關(guān)碩士學(xué)位論文 前10條

1 周安;無(wú)線傳感器網(wǎng)絡(luò)鏈路質(zhì)量估計(jì)方法研究及應(yīng)用[D];南京信息工程大學(xué);2015年

2 張海洋;WSN中障礙物感知的鏈路質(zhì)量估算方法研究[D];浙江工業(yè)大學(xué);2015年

3 胡剛;無(wú)線傳感網(wǎng)絡(luò)鏈路質(zhì)量評(píng)估參數(shù)優(yōu)選模型研究[D];南昌航空大學(xué);2015年

4 湯津;基于模糊支持向量回歸機(jī)的WSN鏈路質(zhì)量預(yù)測(cè)模型[D];南昌航空大學(xué);2015年

5 劉松;基于貝葉斯網(wǎng)絡(luò)的鏈路質(zhì)量預(yù)測(cè)機(jī)制研究[D];南昌航空大學(xué);2016年

6 谷小樂(lè);基于云模型的無(wú)線傳感網(wǎng)絡(luò)鏈路質(zhì)量預(yù)測(cè)方法[D];南昌航空大學(xué);2016年

7 趙婷;水下傳感器網(wǎng)絡(luò)基于能量和鏈路質(zhì)量的路徑選擇研究[D];天津大學(xué);2014年

8 付逸斐;家庭無(wú)線場(chǎng)景下鏈路質(zhì)量評(píng)價(jià)與中繼機(jī)會(huì)判斷[D];華中科技大學(xué);2011年

9 臧超;基于支持向量機(jī)的傳感網(wǎng)絡(luò)鏈路質(zhì)量預(yù)測(cè)機(jī)制研究[D];南昌航空大學(xué);2013年

10 段磊;無(wú)線傳感器網(wǎng)絡(luò)中自適應(yīng)鏈路質(zhì)量評(píng)估機(jī)制研究[D];南昌航空大學(xué);2012年

，

本文編號(hào)：2074469