基于LQI量度的无线链路质量评估模型

链路质量评估对无线传感器网络的上层协议设计至关重要.在对大量采样值进行统计分析的基础上,提出了一个基于高斯分布的链路评估模型,该评估模型能够通过节点感知到的LQI值推断出节点之间的链路质量状况.模型验证表明,该研究具有扩展性,所建立的链路模型既可为无线传感器网络的实际应用提供依据,又可为上层协议的仿真研究提供有价值的参考.

无感知分组丢失下的无线传感器网络链路质量评估模型

针对现有链路质量评估方法没有考虑到不完整分组对链路产生的影响,将无线传感器网络的链路分组丢失分为感知分组丢失和无感知分组丢失,分析了无感知分组丢失产生的原因,在对无感知分组丢失进行度量的基础上,提出一种无感知分组丢失下的链路质量评估模型。该模型采用卡尔曼滤波对获取的CCI进行降噪处理,基于Cubic模型、最小二乘法拟合出CCI与无感知分组丢失率的关系模型。实验结果表明,无感知分组丢失下的链路质量评估模型是合理的,通过该模型求得的无感知分组丢失率与实测值接近。

无线链路质量评估及预测方法综述

在无线通信系统中,对无线链路质量进行有效评估和预测是辅助高层协议设计、保障网络性能的基础。然而,节点移动、多径衰落、噪声和干扰等因素导致无线链路动态变化,尤其在复杂网络环境下,实时、准确的链路质量评估和预测面临巨大挑战,吸引国内外众多学者对此展开深入研究。本文对现有链路质量评估和预测方法进行全面和深入的调研,对设计思路和建模方法进行分析归类,探讨其优缺点和适用性。从应用需求角度,凝练未来链路质量评估与预测领域的发展趋势。

基于贝叶斯网络的WSNs链路质量评估机制研究

在无线传感器网络(WSNs)应用中,链路质量的有效评估是保障数据可靠传输和上层网络协议性能的基础性问题。针对现有无线链路质量评估研究中,链路质量等级划分仍无统一标准和模型缺乏环境自适应性问题,提出了一种基于贝叶斯网络的链路质量评估机制。从链路质量多属性角度出发,采用贴近度分析法对链路质量等级进行划分,利用贝叶斯网络对链路质量进行不确定性推理与评估建模。通过多应用场景的训练与测试,最后实际测试表明:基于贝叶斯网络的评估模型在不同应用环境具有较高准确率和泛化能力,体现了良好的自适应性。

基于自适应广义回归神经网络的链路质量评估

为选择合适的链路质量参数,进一步提高链路质量评估的性能和泛化能力、降低时间复杂度,确定链路质量参数的备选集M CS={μ,r,σ2},其中μ={μlqi,μrssi,μsnr},r={r lqi,r rssi,r snr},σ2={σ2 lqi,σ2 rssi,σ2 snr};提出包裹式链路质量参数选取算法,采用自适应广义回归神经网络(adaptive general regression neural network,AGRNN)评价各备选子集的重要性,选择链路质量参数;借助广义回归神经网络(general regression neural network,GRNN)在分类以及时间上的优势,提出基于AGRNN的链路质量评估模型,该模型为每个链路质量参数分配不同的光滑因子,采用误差反向传播的思想对其进行自适应修正;采用准确率、召回率、泛化误差和计算时间评价链路质量评估模型.室内、公园和公路场景下的实验表明:与基于多项式法、随机森林、支持向量分类器的链路质量评估模型相比,基于AGRNN的链路质量评估模型具有更优的评估性能和更好的泛化能力以及更低的时间复杂度.

基于窗口均值的WSNs链路质量评估方法

无线传感器网络(wireless sensor networks,WSNs)通信的不可靠性为网络协议的设计带来很大的挑战。准确而高效的链路质量评估则是保证上层协议性能的基础。针对传统的LQI(Link Quality Indication)均值评估法所存在的问题,提出了一种LQI窗口均值(window mean-LQI,WM-LQI)评估方法。实验结果表明该评估方法是合理的,且与传统的均值评估法相比,提高了评估的精度,从而更加具有实用性。

基于贴近度等级的链路质量评估方法

无线传感器网络中,链路具有波动性,为提高数据传输的准确率,可以通过链路质量评估避开差的链路。在目前的链路质量评估研究中,针对链路等级划分存在主观性和无统一性的问题,利用熵值法计算评估参数权重,消除主观因素在参数权重计算中的干扰。由于链路质量受多特征属性影响,采用贴近度分析法综合各种特征属性划分链路质量等级。在此基础上,提出一种基于贴近度等级的链路质量评估方法,采用类间离散度二叉决策树进行链路分类,建立了链路质量4级二叉树的支持向量机SVM评估模型。同时提出一种混合优化算法对核函数的参数寻优。实验结果表明,改进的参数寻优方法有效提高了模型评估的准确性,训练时间短;在多网络环境下,与基于LQI的链路质量评估模型和BP神经网络评估模型相比,该模型以较少的探测包更为准确地评估出链路质量,避免因发送大量探测包带来的能量开销,降低了能耗,具有很好的环境适应能力。

基于综合性评估的无线链路质量分类预测机制

在无线传感器网络的应用中,对无线链路质量进行有效地评估和预测是网络协议设计中的一个基础性问题,特别是对于提高数据的传输可靠性.从刻画无线链路质量的多维角度出发,基于模糊逻辑设计了一个综合性链路质量指标(fuzzy-logic based link quality index,FLI),体现了无线链路的可靠性、波动性和丢包突发性对于链路数据传输可靠性的影响.然后基于FLI准则,利用贝叶斯网络设计了一种对无线链路质量进行分类预测的机制.通过3个实际无线传感器网络研究平台的链路数据集进行实验分析和对比,该机制中的分类预测器的平均预测精度约为85%.相比于4C预测器,在保证平均预测精度的同时,克服了其预测精度在分类界限处的畸变下滑现象,使预测精度的分布均匀化.

基于超限学习机的WSNs链路质量评估方法

提出基于超限学习机的链路质量评估方法.选择非对称性指标、信噪比变异系数、均值信噪比为链路质量参数,以包接收率为链路质量评价指标,划分链路质量等级;采用粒子群算法优化超限学习机的输入层权重和偏置参数,构建链路质量评估模型.不同场景下的实验结果表明,与支持向量分类机评估方法相比,所提方法具有更高的评估准确率.

基于超限快速决策树的链路质量评估

为了准确、快速评估无线传感器网络的链路质量,提出了基于改进超限快速决策树的链路质量评估方法.通过分析不同时间段内物理层参数与包接收率之间的关系,选取接收信号强度指示均值、链路质量指示均值以及信噪比均值作为链路质量参数;采用依据包接收率划分的链路质量等级作为评价指标;基于超限快速决策树评估链路质量,采用基尼指数作为决策节点的启发式度量,并依据决策节点的高度改进决策节点寻找最优属性样本数的计算方法.室内、走廊、停车场3种场景下的实验表明,与模糊逻辑、快速决策树、超限快速决策树等方法相比,提出的方法具有较好的评估准确率和更低的时间复杂度.

面向工业无线传感器网络的链路质量实时评估算法

无线通信链路的动态与耗散等性质对无线可靠、自组织的工业无线传感器网络是一个挑战,如何实时评估通信路径的链路质量对于工业无线网络来说至关重要.本文针对现存的链路质量评估方法的不足,结合已有的研究成果,依据在采油工业现场测得的无线链路特性,提出一种综合物理评估与逻辑评估方法的面向工业无线传感网络的实时链路质量评估方法,在保证链路质量评估准确性的同时,能够做到实时、无冗余、低能耗.

基于LQI的链路评估算法及其在WSN中的应用

在实验的基础上对一些链路质量评估参数进行对比之后,提出了一种基于LQI均值的链路评估算法.该算法能够在保障评估准确度的前提下减少冗余数据,从而降低能耗;采用该链路评估算法对ETX路由度量进行了修改,提出了一种IETX路由度量,并最终在Micaz节点上对该度量的选路性能进行测试.结果验证了基于LQI链路评估算法的IETX度量的选路可靠性与节能效果.

无线传感网络链路质量参数研究

链路质量参数是无线传感网络的研究热点,它在链路质量评估和预测方面有着关键作用,一个可靠的链路质量参数能够减少数据包的重传,延长网络寿命,提高网络的吞吐量。文章首先介绍链路质量参数在链路评估中的作用,然后将现有文献中的链路质量参数分为三类:基于硬件、基于软件和基于多参数组合的链路质量参数,最后对链路质量参数的研究进行了展望。

基于D-FNN的无线传感器网络链路预测

链路质量评估对无线传感器网络的路由策略、资源管理和可靠部署等尤为重要,设计一条好的链路能够提高消息成功传送的概率,降低信息重传造成对的能量消耗,减少路由重构的次数。由于链路质量受多种因素的干扰,以往的方法对突发链路的PRR值预测的精度不准。本文针对该问题提出一种基于动态模糊神经网络的预测模型。D-FNN预测模型采用PRR作为度量标准,网络结构在训练中自动调整,达到稳定状态,模糊规则自动产生。实验结果表明,基于动态模糊神经网络的链路质量评估方法与使用EWMA方法相比,预测的精度更高。

基于EWMA的无线传感器网络路由度量性研究

选择有效的路由量度方法对于提高无线传感器网络的路由性能而言至关重要。本文首先通过实验研究,发现了无线传感器网络的通信链路存在着高丢失率、非对称性等特点,并分析了LQI、RSSI与收包率关系;由此提出了基于EWMA的LETX路由度量算法。最后,将此度量算法应用于AODV协议中,仿真结果表明本文提出的LETX路由量度方法是一种保证可靠性的前提下节省网络能量的量度方法,能够为无线传感器网络高效路由协议的设计提供有价值的参考。

移动边缘计算环境下基于改进GPSR的VANET路由算法

针对车辆自组织网络(VANET,vehicular ad-hoc network)中现有路由协议存在的路由选择错误、丢包率较高、服务质量低等问题,提出了移动边缘计算环境下,结合改进贪婪周边无状态路由(GPSR,greedy perimeter stateless routing)和自适应链路质量评估的VANET路由算法;首先,结合边缘计算构建了VANET通信模型,对其车辆位置和速度进行系统的理论分析;将边缘计算架构应用于VANET能够有效缓解计算量大、与车辆有限且不均的资源分布之间的矛盾;然后,提出了基于节点移动速度和节点间距离的改进GPSR协议,通过自适应链路稳定性和链路传递速率评估来选择合适的中继节点,动态更新链路;通过SUMO仿真平台对路由算法的性能进行评估,实验结果表明,相对于其他算法,所提算法受车辆密度、交通流以及车辆相对速度的影响较小,且提高了分组传送率(车辆数为300时传送率达到92%),减少端到端延迟(交通流为5时延迟降低到1.5 s),从而降低了通信开销。

基于动态直觉模糊多属性的链路质量参数优选

为选择有代表性的、较全面反映链路质量的参数,提出了基于动态直觉模糊多属性决策的链路质量参数优选方法.从链路质量评估的稳定性和敏捷性出发,以4种不同链路质量等级下的决策矩阵作为优选依据,采用优劣解距离法得到备选参数集的排序,并进行筛选,根据贴近度对筛选后的备选参数集进行加权平均融合,得到优选的基于动态直觉模糊多属性的链路质量参数.实验结果表明,与平滑后的包接收率、模糊链路质量评估器(F-LQE)相比,采用优选的链路质量参数具有较强的稳定性和敏捷性.

基于联合优化的无线传感器网络传输可靠性研究

如何保证传输可靠性的前提下延长网络寿命是无线传感器网络应用研究所必须面对的重要课题.首先综述了功率控制以及路由度量方法的研究现状;其次通过实验研究,发现了无线传感器网络的通信链路存在着高丢失率、非对称性等特点,并通过理论推导出节点优化的发射功率;由此提出一种将功率控制和路由度量相结合的PCETX联合优化方法.最后,将此联合优化算法应用于AODV协议中,仿真结果表明使用本文提出的联合优化方法,在保证端到端的可靠性的前提下延长了网络的寿命,能够为无线传感器网络实际的应用提供有价值的参考.

变电站在线监测系统中无线传感器网络的RETX算法

智能变电站中如何通过无线传感器网络(WSN)将现场设备状态数据安全、可靠、低成本地传送到监控中心进行分析,是该领域的一个重要课题。首先通过实验研究,发现了WSN的通信链路存在高丢失率、非对称性等特点,由此提出了基于链路质量的路由量度算法———RETX(接收信号强度显示(RSSI)值+期望发包数(ETX))算法。该算法的核心思想是通过指数加权移动平均算法求得正向链路和反向链路的RSSI值,进而计算出成功发送一个包所需要的最小能量。将该算法应用于智能变电站在线监测系统中,在保证端到端可靠性的前提下延长了网络的使用寿命,为将WSN应用于智能变电站在线监测系统提供参考。

一种高效可靠的无线传感器网络定位算法

提出了一种新的基于接收信号强度(RSSI)的无线传感器网络定位算法,将固定锚节点之间的距离和信号强度信息同时作为参考来校正每个固定锚节点的权值,每个节点收集自身到其一跳邻节点的RSSI值,当收集数量达到要求时,对数据进行滤波并求平均值处理。通过理论推导证明该方法可以有效降低RSSI不规则网络的定位误差,进而实现高效定位。仿真结果表明,该定位算法可以降低定位误差,具有高效的可用性,能够应用于实际的无线传感器网络中。