基于门控循环单元的链路质量预测

无线传感器网络中,节点传输数据时容易受到环境中噪声的干扰,使传输链路质量变差,导致数据包丢失、消息重发,从而加速节点能量的消耗,缩短网络寿命。链路质量预测可以为上层路由协议选择高质量的无线链路进行通信提供依据,通过链路质量预测选取高质量的链路传输数据,可以提高数据传输效率,减少重传次数。本文提出基于门控循环单元(gate recurrent unit,GRU)的链路质量预测方法。首先,采用Gap Statistic算法优化的Kmeans++算法,依据包接收率的分布自适应划分链路质量等级,获得链路质量样本标签;其次,选择接收信号强度均值、链路质量指示均值及信噪比均值作为输入,借助CatBoost在分类问题上的优势,构建链路质量评估模型,并采用网格搜索法对参数寻优;最后,使用滑动时间窗口构建链路质量等级时序样本集,使用GRU提取链路质量等级时间序列的时序信息,为进一步提高预测的准确率,采用支持向量回归机构建链路质量预测模型,预测下一时刻链路质量等级。本文采用真实场景中的数据进行实验,根据主要干扰源不同,选择实验室、走廊和停车场3个场景收集数据,使用均方误差评价链路质量预测模型的有效性。实验结果表明,与小波神经网络、循环神经网络和随机向量函数链等方法相比,所提方法具有更小的预测误差,可以准确预测链路质量等级。