發(fā)布時間：2017-10-04 17:22

  本文關鍵詞：基于云模型的無線傳感網(wǎng)絡鏈路質(zhì)量預測方法

  更多相關文章： 無線傳感網(wǎng)絡 鏈路質(zhì)量預測 自適應高斯云變換 云推理 云模型

【摘要】：無線傳感網(wǎng)絡是由部署在監(jiān)控區(qū)域的節(jié)點以自組織方式構成的網(wǎng)絡,已應用于諸多領域。節(jié)點所在環(huán)境復雜多變導致其通信鏈路質(zhì)量的不可靠,若能提前感知鏈路質(zhì)量信息,為上層路由提供參考,則能很大程度上減少數(shù)據(jù)重傳的次數(shù),進而降低網(wǎng)絡中節(jié)點的額外能量消耗。因此,全面而準確的鏈路質(zhì)量預測機制可提高整個網(wǎng)絡通信的可靠性、延長網(wǎng)絡壽命。課題來源國家自然科學基金,研究無線傳感網(wǎng)絡鏈路質(zhì)量預測方法。論文分析了無線鏈路的特性:鏈路的不規(guī)則性、非對稱性、時間波動性等;介紹了鏈路質(zhì)量預測方法的研究現(xiàn)狀,對目前的方法進行了分類;深入分析了鏈路質(zhì)量的物理層參數(shù)與鏈路層參數(shù)作為鏈路質(zhì)量度量參數(shù)的優(yōu)缺點,研究了各個參數(shù)之間的相關性。在此基礎上,提出一種基于云模型的無線傳感網(wǎng)絡鏈路質(zhì)量預測方法。該方法利用自適應高斯云變換算法對鏈路質(zhì)量參數(shù)進行聚類;利用Apriori關聯(lián)規(guī)則算法挖掘物理層參數(shù)與鏈路層參數(shù)的關聯(lián)規(guī)則;提出了基于云推理的鏈路質(zhì)量預測模型;在此基礎上,考慮短期與長期兩個時間維度,提出了基于云模型時間序列的鏈路質(zhì)量預測模型�？紤]鏈路通信容易受到環(huán)境的影響,論文設定了室內(nèi)走廊、學校樹林、公路場景,收集多對節(jié)點的實驗樣本數(shù)據(jù)。實現(xiàn)結果表明,與基于BP神經(jīng)網(wǎng)絡的預測方法相比,本文提出的基于云推理的鏈路質(zhì)量預測方法,在穩(wěn)定鏈路與波動性較大鏈路兩種情況下,均具有較高的預測精度;與基于移動窗口指數(shù)加權平均預測方法相比,本文提出的基于云模型時間序列的鏈路質(zhì)量預測方法,在保證預測穩(wěn)定性的前提下,能更準確地捕獲鏈路的變化。
【關鍵詞】：無線傳感網(wǎng)絡 鏈路質(zhì)量預測 自適應高斯云變換 云推理 云模型
【學位授予單位】：南昌航空大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-10
• 1.1 研究背景及意義7-8
• 1.2 研究內(nèi)容8
• 1.3 本文組織結構8-10
• 第2章 鏈路質(zhì)量相關研究現(xiàn)狀10-19
• 2.1 鏈路特性研究10-15
• 2.1.1 鏈路的不規(guī)則性10-12
• 2.1.2 鏈路的非對稱性12-13
• 2.1.3 鏈路的時間波動性13-15
• 2.2 鏈路質(zhì)量預測模型的研究概述15-18
• 2.2.1 基于鏈路特性的預測模型15-16
• 2.2.2 基于概率估計的預測模型16-17
• 2.2.3 基于智能學習理論的預測模型17-18
• 2.3 本章小結18-19
• 第3章 鏈路質(zhì)量度量參數(shù)的選取19-27
• 3.1 基于物理層參數(shù)指標19-21
• 3.1.1 RSSI19-20
• 3.1.2 LQI20
• 3.1.3 SNR20-21
• 3.2 基于鏈路層參數(shù)PRR指標21-22
• 3.3 各個參數(shù)之間的相關性分析22-26
• 3.3.1 RSSI與PRR相關性分析22-24
• 3.3.2 SNR與PRR相關性分析24-25
• 3.3.3 LQI與PRR相關性分析25-26
• 3.4 本章小結26-27
• 第4章 基于云模型的鏈路質(zhì)量預測27-43
• 4.1 鏈路質(zhì)量預測模型的整體設計結構27
• 4.2 自適應高斯云變換算法的鏈路質(zhì)量劃分27-35
• 4.2.1 云模型相關理論27-30
• 4.2.2 自適應高斯云變換算法30-35
• 4.3 Apriori算法的介紹35-36
• 4.4 鏈路質(zhì)量預測模型的設計36-42
• 4.4.1 三維正向云算法36-37
• 4.4.2 三條件前件云發(fā)生器37-39
• 4.4.3 云推理鏈路質(zhì)量預測方法建立39-40
• 4.4.4 云模型時間序列鏈路質(zhì)量預測模型的建立40-42
• 4.5 本章小結42-43
• 第5章 實驗設計及分析43-64
• 5.1 實驗平臺介紹43-48
• 5.1.1 硬件平臺43-45
• 5.1.2 軟件平臺45-48
• 5.2 實驗場景與方案48-50
• 5.3 樣本數(shù)據(jù)分析50-52
• 5.4 參數(shù)相關性實驗結果52-55
• 5.5 云模型鏈路質(zhì)量預測模型驗證55-62
• 5.5.1 鏈路質(zhì)量參數(shù)分類實驗結果55-60
• 5.5.2 參數(shù)間關聯(lián)規(guī)則的挖掘實驗結果60
• 5.5.3 云推理鏈路質(zhì)量預測性能分析60-62
• 5.5.4 云模型時間序列鏈路質(zhì)量預測性能分析比較62
• 5.6 本章小結62-64
• 第6章 總結與展望64-66
• 6.1 總結64-65
• 6.2 展望65-66
• 參考文獻66-70
• 攻讀碩士學位期間參與課題情況70-71
• 攻讀碩士期間發(fā)表論文、軟件著作權及獲獎情況71-72
• 致謝72-73

【相似文獻】

中國期刊全文數(shù)據(jù)庫 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鏈路質(zhì)量估計方法[J];通信學報;2012年06期

2 徐佑軍,譚敦茂,朱建武,曹文熙;藍牙無線鏈路質(zhì)量的分析、測試與改善[J];計算機工程與應用;2004年12期

3 王廣杰;曾鵬;肖金超;;面向工業(yè)無線傳感器網(wǎng)絡的鏈路質(zhì)量實時評估算法[J];小型微型計算機系統(tǒng);2012年05期

4 郭志強;王沁;萬亞東;李默涵;;基于綜合性評估的無線鏈路質(zhì)量分類預測機制[J];計算機研究與發(fā)展;2013年06期

5 陸飛;樂曉波;向峗松;;基于無線網(wǎng)格網(wǎng)的鏈路質(zhì)量測量方案與路由尺度性能研究[J];計算機應用;2007年11期

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

7 廖欣;;一種鏈路質(zhì)量知曉的多跳無線網(wǎng)絡路由度量[J];懷化學院學報;2014年05期

8 蔣錕;汪蕓;;灰洞檢測:基于鏈路質(zhì)量估計的看門狗算法[J];計算機與現(xiàn)代化;2014年02期

9 戴靠柱;王潛平;;無線傳感網(wǎng)絡中基于鏈路質(zhì)量的地理路由[J];計算機工程與設計;2011年03期

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

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 胡丁丁;;Link Quality Control功能分析與優(yōu)化[A];2012全國無線及移動通信學術大會論文集（下）[C];2012年

2 李婷婷;毛玉明;于秦;;Ad Hoc網(wǎng)絡無線鏈路質(zhì)量評估算法研究[A];四川省通信學會2007年學術年會論文集[C];2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 周安;無線傳感器網(wǎng)絡鏈路質(zhì)量估計方法研究及應用[D];南京信息工程大學;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;2015年

3 胡剛;無線傳感網(wǎng)絡鏈路質(zhì)量評估參數(shù)優(yōu)選模型研究[D];南昌航空大學;2015年

4 湯津;基于模糊支持向量回歸機的WSN鏈路質(zhì)量預測模型[D];南昌航空大學;2015年

5 劉松;基于貝葉斯網(wǎng)絡的鏈路質(zhì)量預測機制研究[D];南昌航空大學;2016年

6 谷小樂;基于云模型的無線傳感網(wǎng)絡鏈路質(zhì)量預測方法[D];南昌航空大學;2016年

7 付逸斐;家庭無線場景下鏈路質(zhì)量評價與中繼機會判斷[D];華中科技大學;2011年

8 臧超;基于支持向量機的傳感網(wǎng)絡鏈路質(zhì)量預測機制研究[D];南昌航空大學;2013年

9 段磊;無線傳感器網(wǎng)絡中自適應鏈路質(zhì)量評估機制研究[D];南昌航空大學;2012年

10 何柳;基于鏈路質(zhì)量度量的工業(yè)無線網(wǎng)絡路由策略研究[D];西南大學;2012年

，

本文編號：971893