共查询到15条相似文献,搜索用时 78 毫秒
1.
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. 相似文献
2.
无线传感器网络中,节点通过单跳或多跳传递信息.如能提前获知链路质量信息,为上层路由选择链路提供参考,是感知信息实时、准确地送达监控中心的基础.在分析现有基于智能学习链路质量预测方法的基础上,提出一种基于云模型的链路质量预测机制.通过收集不同场景下的链路质量样本,采用自适应高斯云变换对训练样本中的 RSSI(received signal strength indication),LQI(link quality indicator),SNR(received signal strength indication)及PRR(packet reception rate)进行链路划分;考虑到传感器节点的资源受限问题,采用 Apriori 算法对划分后的链路质量参数 RSSI,LQI,SNR 及 PRR 进行关联规则挖掘;在此基础上,基于三维云正向发生器预测链路质量.仿真结果表明,与基于 BP 神经网络的预测方法相比,提出的链路质量预测机制具有较高的预测精度. 相似文献
3.
4.
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。 相似文献
5.
6.
基于模糊支持向量回归机的WSNs链路质量预测 总被引:1,自引:0,他引:1
在无线传感器网络中,链路是实现节点互连和多跳通信的基本元素,链路质量是拓扑控制、路由协议和移动管理的基础,准确的链路质量预测不仅可以提高整个网络的数据吞吐率,降低节点能耗,还可延长整个网络的工作时间.在分析现有链路质量预测方法的基础上,提出一种基于模糊支持向量回归机(fuzzy support vector regression, FSVR)的链路质量预测模型,以降低噪声与孤立点对预测性能的影响.通过收集不同场景下的链路质量样本,考虑不稳定链路中数据分布的特点,该模型采用无监督模糊核聚类算法(kernel fuzzy c-means, KFCM)自动划分样本集,并获得样本隶属度;采用混沌粒子群优化算法(chaos particle swam optimization, CPSO)选择子模型参数.实验结果表明,与基于经验风险的BP神经网络相比,基于模糊支持向量回归机的链路质量预测模型具有更好的预测精度和泛化能力. 相似文献
7.
一种基于ARIMA的无线传感器网络链路质量预测方法 总被引:1,自引:0,他引:1
针对无线传感器网络里上层协议选择数据链路的问题,提出一种采用ARIMA(差分自回归滑动平均模型)模型的EPRR算法,首先根据历史数据确定参数,然后综合考虑链路中的不对称性对PRR( Packet Reception Ratio)进行预测.实验证明,对比使用移动窗口平均模型对PRR的预测结果,该模型的预测准确度比SPRR( Smooth Packet Reception Ratio)算法有很大提高,并且能够较好地反映链路质量的变化趋势. 相似文献
8.
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,σ\\+2},其中μ={μ\\-{lqi}, μ\\-{rssi},μ\\-{snr}},r={r\\-{lqi},r\\-{rssi},r\\-{snr}},σ\\+2={σ\\+2\\-{lqi},σ\\+2\\-{rssi},σ\\+2\\-{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. 相似文献
9.
10.
信任评估模型对无线传感器网络的可靠运行和安全保障具有重要意义。针对无线传感器网络主观信任的模糊性,提出了一种基于模糊逻辑的信任评估模型(TEFL,trust evaluation model based on fuzzylogic)。模型使用模糊集理论给出节点信任值的形式化定义;利用模糊推理方法量化本地信任值,通过邻居节点获取推荐信任值;在此基础上,对推荐信任值的综合权重进行模糊推理,并将本地、推荐信任值予以合成,最终得到节点综合信任值。仿真结果表明,该模型具有较好的鲁棒性,能实时、准确地发现恶意节点,确保网络安全性。 相似文献
11.
12.
无线传感器网络(WSN)节点能量有限,采用传统的链路选择的方法(经验法)进行链路选择,需要发送大量的数据包作为测试样本,这在WSN中是不合适的。设计了两种基于Bayes估计与一种基于多层Bayes估计的WSN链路选择算法,分别记为BLSP-B1、BLSP-B2、BLSP-HE。仿真实验发现,在小样本的条件下,BLSP-B1、BLSP-B2、BLSP-HE选择高质量的链路的概率比经验法要高出10%~20%,其中BLSP-HE算法最稳健,性能较好。 相似文献
13.
14.
15.
一种无线传感器网络以数据为中心的QoS路由协议 总被引:2,自引:0,他引:2
提出一种以数据为中心的QoS路由协议(DDQP).DDQP支持两种QoS度量:可靠性和传输延迟;采用交叉层优化技术将传感器网络无线信道通信模型作为路由协议设计的依据,有效的节约了网络能源消耗;采用反压力重新路由机制在满足业务QoS的前提下尽可能均匀使用网络中节点的能源,不仅延长了网络生命期,而且有效的控制网络拥塞;采用以数据为中心的数据分发模式,具有良好的可扩展性.描述了DDQP设计的理论依据,并通过仿真实验验证了DDQP的高效可行性. 相似文献