本文關(guān)鍵詞：基于D-FNN的無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路質(zhì)量評(píng)估方法

  更多相關(guān)文章： 鏈路質(zhì)量評(píng)估 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò) PRR值 無(wú)線(xiàn)傳感網(wǎng)絡(luò)

【摘要】：無(wú)線(xiàn)傳感網(wǎng)絡(luò)是集成微型電子、無(wú)線(xiàn)通信網(wǎng)絡(luò)和對(duì)信息進(jìn)行分布式處理等技術(shù)的一種全新的計(jì)算模式。被廣泛用于智能交通,軍事、醫(yī)療、生態(tài)環(huán)境監(jiān)測(cè)等領(lǐng)域。因?yàn)闊o(wú)線(xiàn)射頻信號(hào)在信息通信傳輸?shù)倪^(guò)程中會(huì)受到各種外界因素干擾,造成鏈路的通信質(zhì)量。鏈路質(zhì)量評(píng)估對(duì)無(wú)線(xiàn)傳感網(wǎng)絡(luò)的路由策略、資源管理和可靠部署等尤為重要,好的鏈路能夠提高消息成功傳送的概率,降低信息重傳造成對(duì)的能量消耗,減少路由重構(gòu)的次數(shù)。由于鏈路質(zhì)量受多種因素的干擾,以往的方法對(duì)鏈路的預(yù)測(cè)的精度不準(zhǔn)。針對(duì)這些問(wèn)題,論文開(kāi)展了以下研究工作:提出了一種基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路質(zhì)量評(píng)估方法。把無(wú)線(xiàn)傳感器Mica系列節(jié)點(diǎn)接入筆記本電腦,使用TinyOS操作系統(tǒng)、nesC編程語(yǔ)言模擬傳感器節(jié)點(diǎn)發(fā)送數(shù)據(jù)包。對(duì)無(wú)線(xiàn)傳感網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)采集,通過(guò)比較和分析無(wú)線(xiàn)傳感網(wǎng)絡(luò)相關(guān)系數(shù)(RSSI、CCI、PRR和SNR),選取PRR作為鏈路質(zhì)量預(yù)測(cè)參數(shù)值。依據(jù)PRR值計(jì)算出ETX的路由量度,以此來(lái)評(píng)估無(wú)線(xiàn)傳感器的鏈路質(zhì)量�；贒-FNN的無(wú)線(xiàn)傳感器的鏈路評(píng)估方法存在著一些不足之處。這是因?yàn)殡S著目標(biāo)樣本數(shù)目的增加,整個(gè)動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)能力下降。由于系統(tǒng)誤差不能在線(xiàn)估計(jì),算法的運(yùn)算速度會(huì)受到影響。信號(hào)中的噪聲,也影響到無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路質(zhì)量評(píng)估參數(shù)的采集。針對(duì)該算法應(yīng)用在無(wú)線(xiàn)傳感網(wǎng)絡(luò)中存在的不足之處,提出用EKF(擴(kuò)展的卡爾曼濾波方法)更新前提參數(shù)的中心和寬度。在動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上使用自組織映射技術(shù)修正神經(jīng)元中心,從而得到更好的輸入空間劃分。最后,為了提高算法速度,用遞歸最小二乘法(RLS)替換線(xiàn)性最小二乘法(LLS)進(jìn)行噪聲消除。采用誤差下降率(ERR)方法作為修建策略。實(shí)驗(yàn)表明,優(yōu)化后的D-FNN算法,能夠增加鏈路預(yù)測(cè)準(zhǔn)確度和預(yù)測(cè)的質(zhì)量,降低算法的冗余,這在一定程度上減小節(jié)點(diǎn)能量的損耗,延長(zhǎng)WSN和自組織網(wǎng)絡(luò)的使用率和它們的使用壽命。
【關(guān)鍵詞】：鏈路質(zhì)量評(píng)估 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò) PRR值 無(wú)線(xiàn)傳感網(wǎng)絡(luò)
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP212.9;TN929.5
【目錄】：

• 摘要3-4
• Abstract4-8
• 1 緒論8-12
• 1.1 背景知識(shí)8-9
• 1.2 研究現(xiàn)狀9-10
• 1.3 論文研究?jī)?nèi)容10-11
• 1.4 論文組織結(jié)構(gòu)11-12
• 2 無(wú)線(xiàn)傳感網(wǎng)絡(luò)及其鏈路質(zhì)量分析的理論基礎(chǔ)12-24
• 2.1 無(wú)線(xiàn)傳感網(wǎng)絡(luò)12-17
• 2.1.1 無(wú)線(xiàn)傳感網(wǎng)絡(luò)技術(shù)12
• 2.1.2 傳感器網(wǎng)絡(luò)的特點(diǎn)12-14
• 2.1.3 傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)結(jié)構(gòu)14
• 2.1.4 影響無(wú)線(xiàn)傳感網(wǎng)絡(luò)的鏈路因素14-17
• 2.2 無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路評(píng)估17-21
• 2.2.1 鏈路評(píng)估的原理17-18
• 2.2.2 鏈路質(zhì)量評(píng)估要求18
• 2.2.3 鏈路質(zhì)量評(píng)估參數(shù)及評(píng)估方法18-21
• 2.3 本章總結(jié)21-24
• 3 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的性能分析24-38
• 3.1 模糊系統(tǒng)及神經(jīng)網(wǎng)絡(luò)24-29
• 3.1.1 模糊邏輯控制系統(tǒng)的基本結(jié)構(gòu)和基本原理24-27
• 3.1.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型27-28
• 3.1.3 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的比較28
• 3.1.4 模糊神經(jīng)網(wǎng)絡(luò)的產(chǎn)生28-29
• 3.2 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)29-37
• 3.2.1 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法30-36
• 3.2.2 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型36-37
• 3.3 本章小結(jié)37-38
• 4 基于D-FNN的無(wú)線(xiàn)傳感網(wǎng)絡(luò)的鏈路質(zhì)量評(píng)估方法38-48
• 4.1 無(wú)線(xiàn)傳感網(wǎng)絡(luò)質(zhì)量評(píng)估平臺(tái)38-41
• 4.1.1 硬件平臺(tái)38-40
• 4.1.2 軟件平臺(tái)40-41
• 4.2 無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路質(zhì)量模型實(shí)現(xiàn)41-45
• 4.2.1 實(shí)驗(yàn)?zāi)Ｐ蛯?shí)現(xiàn)41-42
• 4.2.2 數(shù)據(jù)采集42-44
• 4.2.3 基于D-FNN的無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路質(zhì)量評(píng)估方法的實(shí)現(xiàn)44-45
• 4.3 基于D-FNN鏈路評(píng)估的路由量度45-46
• 4.4 本章小結(jié)46-48
• 5 基于D-FNN的無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路質(zhì)量評(píng)估方法的改進(jìn)48-62
• 5.1 D-FNN算法改進(jìn)48-60
• 5.1.1 優(yōu)化參數(shù)48-51
• 5.1.2 劃分輸入空間51-52
• 5.1.3 過(guò)濾噪聲52-58
• 5.1.4 修剪模糊規(guī)則58-60
• 5.2 改進(jìn)的基于D-FNN在無(wú)線(xiàn)傳感網(wǎng)絡(luò)鏈路質(zhì)量評(píng)估方法的實(shí)現(xiàn)60-61
• 5.3 本章小結(jié)61-62
• 6 總結(jié)和展望62-64
• 6.1 總結(jié)62
• 6.2 展望62-64
• 致謝64-66
• 參考文獻(xiàn)66-69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 李文鋒;符修文;;無(wú)線(xiàn)傳感器網(wǎng)絡(luò)抗毀性[J];計(jì)算機(jī)學(xué)報(bào);2015年03期

2 SHU Jian;TAO Juan;LIU Lin-lan;CHEN Ye-bin;ZANG Chao;;CCI-based link quality estimation mechanism for wireless sensor networks under non-perceived packet loss[J];The Journal of China Universities of Posts and Telecommunications;2013年01期

3 孫凌逸;黃先祥;蔡偉;夏梅尼;;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法[J];傳感技術(shù)學(xué)報(bào);2011年01期

4 龔本燦;李臘元;;無(wú)線(xiàn)傳感器網(wǎng)絡(luò)路由協(xié)議研究[J];微計(jì)算機(jī)信息;2011年01期

5 俞黎陽(yáng);王能;張衛(wèi);;無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合模型[J];計(jì)算機(jī)科學(xué);2008年12期

6 侯蓉暉;史浩山;楊少軍;;無(wú)線(xiàn)傳感器網(wǎng)絡(luò)鏈路統(tǒng)計(jì)特性研究與應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2007年07期

，

本文編號(hào)：929325