無(wú)線自組織網(wǎng)絡(luò)沒(méi)有基礎(chǔ)設(shè)施,可快速部署,節(jié)點(diǎn)可自由移動(dòng)。但由于節(jié)點(diǎn)移動(dòng)性,會(huì)導(dǎo)致鏈路斷裂進(jìn)而造成路徑中斷。因此對(duì)鏈路態(tài)勢(shì)的感知是鏈路和路徑穩(wěn)定性提升的基礎(chǔ)。很多研究集中在基于硬件的無(wú)線電信號(hào)變化數(shù)據(jù),和基于軟件的數(shù)據(jù)分組收發(fā)統(tǒng)計(jì)信息兩方面。但由于網(wǎng)絡(luò)環(huán)境復(fù)雜,使用解析法建立嚴(yán)密而復(fù)雜的數(shù)學(xué)模型并不容易。本文從局部拓?fù)浣嵌瘸霭l(fā),通過(guò)人工神經(jīng)網(wǎng)絡(luò)等數(shù)學(xué)工具對(duì)鏈路態(tài)勢(shì)有關(guān)的參數(shù)進(jìn)行收集、分析。分別對(duì)鏈路的長(zhǎng)期與短期態(tài)勢(shì)感知進(jìn)行研究。仿真實(shí)驗(yàn)表面,所提出的鏈路態(tài)勢(shì)感知方法在長(zhǎng)期能夠?qū)︽溌贩�(wěn)定性趨勢(shì)進(jìn)行預(yù)測(cè),短期能夠利用鏈路穩(wěn)定性態(tài)勢(shì)提升局部鏈路和路徑的穩(wěn)定性,提升了網(wǎng)絡(luò)的性能。主要工作有以下兩點(diǎn):第一,通過(guò)仿真實(shí)驗(yàn)建立節(jié)點(diǎn)運(yùn)動(dòng)模型,從節(jié)點(diǎn)運(yùn)動(dòng)角度收集與鏈路態(tài)勢(shì)相關(guān)的參數(shù)集。提出了使用鏈路剩余生命期作為評(píng)估鏈路長(zhǎng)期穩(wěn)定性的指標(biāo)。通過(guò)構(gòu)建人工神經(jīng)網(wǎng)絡(luò),擬合節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)參數(shù)集與鏈路剩余生命期之間的關(guān)系。將給定的節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)作為輸入?yún)?shù),使用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)對(duì)鏈路生命期進(jìn)行預(yù)測(cè)。仿真實(shí)驗(yàn)表明,對(duì)于與訓(xùn)練樣本相近的那些節(jié)點(diǎn)狀態(tài),訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)能給出較準(zhǔn)確的鏈路剩余生命期。而節(jié)點(diǎn)經(jīng)過(guò)較長(zhǎng)時(shí)間運(yùn)動(dòng)... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一個(gè)無(wú)線自組織網(wǎng)絡(luò)的例子

第三章鏈路態(tài)勢(shì)參數(shù)構(gòu)建與鏈路穩(wěn)定性指標(biāo)預(yù)測(cè)19二維隨機(jī)行走模型定義在平面區(qū)域上，也被稱為醉漢漫游模型。仿佛一個(gè)醉漢從自己家出發(fā)在大街上走。這時(shí)引出一個(gè)問(wèn)題：該醉漢是否一定能返回自己家？類似的，推廣到三維空間隨機(jī)行走模型中，節(jié)點(diǎn)返回到起點(diǎn)的概率是否為1。若推廣到更高維空間中，若讓節(jié)點(diǎn)在無(wú)窮大的時(shí)間內(nèi)隨機(jī)行走，節(jié)點(diǎn)是否總能回到起始點(diǎn)，即無(wú)限次返回起始點(diǎn)。對(duì)于這些問(wèn)題文獻(xiàn)[1]指出，在1921年，數(shù)學(xué)家波利亞證明：若空間范圍無(wú)限，在一維和二維空間中，只要節(jié)點(diǎn)隨機(jī)行走足夠長(zhǎng)的時(shí)間，最終會(huì)以概率為1返回起始點(diǎn)，而且可以無(wú)限次的返回起始點(diǎn)。而在三維空間中，節(jié)點(diǎn)隨機(jī)行走足夠長(zhǎng)的時(shí)間最終返回起始點(diǎn)的概率為0.34；在四維空間中，節(jié)點(diǎn)隨機(jī)行走足夠長(zhǎng)的時(shí)間最終返回起始點(diǎn)的概率為0.193；在八維空間中，節(jié)點(diǎn)隨機(jī)行走足夠長(zhǎng)的時(shí)間最終返回起始點(diǎn)的概率為0.073。他論證了在一維和二維空間的隨機(jī)行走模型具有周期性。圖3-1隨機(jī)行走舉例圖3-1顯示出了一個(gè)二維隨機(jī)行走的例子，該例中節(jié)點(diǎn)從場(chǎng)景中隨機(jī)一點(diǎn)為起始點(diǎn)進(jìn)行隨機(jī)行走運(yùn)動(dòng)。二維隨機(jī)行走模型中的節(jié)點(diǎn)會(huì)有一個(gè)預(yù)定義的初始位置，同時(shí)定義了最大移動(dòng)速度和最小移動(dòng)速度，運(yùn)動(dòng)方向選取夾角范圍為0~2的隨機(jī)單位向量的方向。節(jié)點(diǎn)會(huì)從起始點(diǎn)開(kāi)始，從定義好的數(shù)值中選取運(yùn)動(dòng)方向和運(yùn)動(dòng)速度行進(jìn)一個(gè)單位的時(shí)間（也有定義每次運(yùn)行的終點(diǎn)位置，以某個(gè)速度運(yùn)行到終點(diǎn)，

第三章鏈路態(tài)勢(shì)參數(shù)構(gòu)建與鏈路穩(wěn)定性指標(biāo)預(yù)測(cè)21組件通過(guò)一組接口公開(kāi)其功能。組件的行為由它提供和使用的接口定義。對(duì)象模型的靈感來(lái)源于微軟組件對(duì)象模型（COM）。根接口是“IObject”。每個(gè)接口實(shí)際上都必須直接或間接地從“IObject”派生。每個(gè)組件都必須實(shí)現(xiàn)“IObject”�！癐Object”定義如圖3-2所示。圖3-2對(duì)象接口公有函數(shù)定義過(guò)程（3）NSFX場(chǎng)景仿真過(guò)程在下文中，將介紹使用NSFX仿真的設(shè)計(jì)開(kāi)發(fā)過(guò)程，有以下4步。首先，要選擇所需組件。需要將網(wǎng)絡(luò)場(chǎng)景中的移動(dòng)模型、節(jié)點(diǎn)及它們所具有的各種行為屬性進(jìn)行抽象。如果NSFX中提供相應(yīng)的行為組件則可直接使用，一般需要自己開(kāi)發(fā)所需組件，以上文中定義“IObject”的方式派生出相應(yīng)的組件。組件包括使用接口和暴露接口兩種功能，如節(jié)點(diǎn)需要使用移動(dòng)模型提供的移動(dòng)方式，同時(shí)暴露自身的運(yùn)動(dòng)結(jié)果。其次，編寫(xiě)仿真的測(cè)試用例。一般需要先在配置代碼中編寫(xiě)網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)量，節(jié)點(diǎn)的運(yùn)動(dòng)方式等，然后將節(jié)點(diǎn)行為，運(yùn)動(dòng)行為和移動(dòng)模型的行為抽象為不同的組件，其功能通過(guò)接口提供。接著，撰寫(xiě)代碼，并對(duì)各種組件按照說(shuō)明文檔提供的編寫(xiě)格式進(jìn)行編寫(xiě)，使用諸如泛化等手法進(jìn)行派生與繼承，將這些節(jié)點(diǎn)按照NSFX的說(shuō)明文檔進(jìn)行組合來(lái)構(gòu)建仿真場(chǎng)景。最后通過(guò)編寫(xiě)RUN組件啟動(dòng)仿真中的所有組件。隨后按照NSFX說(shuō)明文檔中的makefile編寫(xiě)格式撰寫(xiě)makefile，對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)具體參數(shù)進(jìn)行配置。最后通過(guò)Build工具生成相應(yīng)的exe可執(zhí)行文件，運(yùn)行可執(zhí)行文件來(lái)啟動(dòng)仿真。啟動(dòng)仿真后，需進(jìn)行仿真數(shù)據(jù)的收集和分析�？梢酝ㄟ^(guò)采樣點(diǎn)的方式，對(duì)每隔一定時(shí)間的仿真場(chǎng)景進(jìn)行一次數(shù)據(jù)收集，并將其通過(guò)文件流操作寫(xiě)入文本文檔中。將網(wǎng)絡(luò)場(chǎng)景的相關(guān)數(shù)據(jù)進(jìn)行采集后，可進(jìn)一步通過(guò)MATLAB等數(shù)學(xué)分析軟件進(jìn)行計(jì)算處理，進(jìn)而評(píng)估網(wǎng)?

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的鏈路質(zhì)量預(yù)測(cè)[J]. 劉琳嵐,高聲榮,舒堅(jiān).  通信學(xué)報(bào). 2019(04)
[2]鏈路質(zhì)量感知無(wú)線傳感器網(wǎng)絡(luò)K近鄰查詢處理算法[J]. 李馥娟,王群,周倩.  南京理工大學(xué)學(xué)報(bào). 2018(05)
[3]基于HELLO包鏈路質(zhì)量感知的多跳路由[J]. 劉飛飛,藺婧娜,劉瀟瀟.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(12)
[4]基于深度信念網(wǎng)絡(luò)的WSN鏈路質(zhì)量預(yù)測(cè)[J]. 劉琳嵐,許江波,李越,楊志勇.  通信學(xué)報(bào). 2017(S2)
[5]無(wú)線鏈路質(zhì)量評(píng)估及預(yù)測(cè)方法綜述[J]. 翁麗娜,劉軼銘,劉磊,王兆偉.  中國(guó)電子科學(xué)研究院學(xué)報(bào). 2016(03)
[6]利用Hello消息改進(jìn)AODV路由的實(shí)時(shí)性[J]. 龍亮,肖宇峰,張華,陳維.  光通信研究. 2014(01)
[7]無(wú)線網(wǎng)絡(luò)鏈路質(zhì)量感知的機(jī)會(huì)網(wǎng)絡(luò)編碼機(jī)制[J]. 葛青,白光偉,沈航,張芃,曹磊.  計(jì)算機(jī)科學(xué). 2013(11)
[8]LAAODV路由協(xié)議的仿真與性能分析[J]. 王俊偉,陸陽(yáng),官駿鳴,盛鋒.  計(jì)算機(jī)應(yīng)用. 2007(11)
[9]無(wú)線傳感器網(wǎng)絡(luò)鏈路通信質(zhì)量測(cè)量研究[J]. 孫佩剛,趙海,羅玎玎,張希元,朱劍.  通信學(xué)報(bào). 2007(10)

碩士論文
[1]多接口多信道無(wú)線多跳網(wǎng)路由技術(shù)研究與實(shí)現(xiàn)[D]. 吳限.電子科技大學(xué) 2017
[2]基于RSSI的無(wú)線傳感器網(wǎng)絡(luò)的人體探測(cè)[D]. 王海靜.山東大學(xué) 2014



本文編號(hào)：3390999