無線傳感器網(wǎng)絡(luò)（WSN）是通過對特定區(qū)域進(jìn)行數(shù)據(jù)采集、處理和匯聚,來實現(xiàn)區(qū)域監(jiān)控的一種新興技術(shù)。由于傳感器節(jié)點的能量和傳輸功率有限,在無線通信過程中常受到噪聲、多徑效應(yīng)和信號干擾等因素的影響。網(wǎng)絡(luò)中的鏈路質(zhì)量一般具有很強(qiáng)的不確定性。而使用低質(zhì)量的鏈路進(jìn)行通信會造成數(shù)據(jù)傳輸失敗和頻繁的數(shù)據(jù)重傳,不僅會增大網(wǎng)絡(luò)時延,還會影響數(shù)據(jù)傳輸質(zhì)量,進(jìn)而增加節(jié)點能耗,縮短網(wǎng)絡(luò)生存周期。因此,本文提出了一種針對鏈路質(zhì)量未知的應(yīng)用場景的鏈路質(zhì)量估計模型,并在此基礎(chǔ)上提出了一種基于鏈路質(zhì)量感知的WSN路由算法。本文的主要工作可以總結(jié)為以下幾點。（1）分析了鏈路質(zhì)量估計和WSN路由協(xié)議的相關(guān)基礎(chǔ)理論。總結(jié)了鏈路質(zhì)量的位置特性、時間特性和非對稱性,介紹了基于硬件參數(shù)和基于軟件參數(shù)的鏈路質(zhì)量估計方式。分析闡述了WSN路由協(xié)議的定義、問題、分類和性能指標(biāo),并且列舉介紹了一些經(jīng)典路由協(xié)議。（2）首先,構(gòu)建了存儲鏈路參數(shù)樣本的鏈路數(shù)據(jù)集,介紹了采集樣本使用的硬件設(shè)備和采集策略。在鏈路數(shù)據(jù)集的預(yù)處理階段,訓(xùn)練基于iForest算法的數(shù)據(jù)降噪模型并對鏈路數(shù)據(jù)集進(jìn)行數(shù)據(jù)降噪,之后完成數(shù)據(jù)歸一化。最后,使用預(yù)處理過的鏈路數(shù)據(jù)集... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

實驗所用的ZigBee節(jié)點Figure3-4ZigBeenodeusedintheexperiment

3鏈路質(zhì)量估計模型23在完成1m距離下的鏈路數(shù)據(jù)采集后，再以1m為單位逐步增大收發(fā)節(jié)點距離并重復(fù)上述操作。為了方便后續(xù)仿真中模擬場景的調(diào)用，根據(jù)鏈路分區(qū)特性，將采集的鏈路質(zhì)量數(shù)據(jù)分為連通區(qū)鏈路數(shù)據(jù)、過渡區(qū)鏈路數(shù)據(jù)和非連通區(qū)鏈路數(shù)據(jù)并分別存儲。圖3-5采集數(shù)據(jù)場景Figure3-5Scenarioofdatacollection3.2數(shù)據(jù)降噪（Datadenoising）在采集鏈路數(shù)據(jù)的過程中，常會發(fā)生一些不可預(yù)知的突發(fā)事件，比如往來行人、設(shè)備位移和操作失誤等。在這些情況下，所采集的數(shù)據(jù)集中往往包含一些干擾數(shù)據(jù)，即噪聲點。這些噪聲點作為實測數(shù)據(jù)卻不能準(zhǔn)確反映所測環(huán)境在正常條件下的鏈路特性，是需要仔細(xì)加以剔除的。若不進(jìn)行相應(yīng)的處理，將會嚴(yán)重限制所訓(xùn)練模型的精度和收斂速度，降低模型的整體性能。為此，本文采用孤立森林（iForest，isolationforest）算法對數(shù)據(jù)集進(jìn)行降噪處理。3.2.1iForest算法原理孤立森林算法[69]是一種無監(jiān)督學(xué)習(xí)模式的Bagging算法。Bagging是一類集成學(xué)習(xí)算法的統(tǒng)稱，它基于自助采樣法，通過放回抽樣的方式從總數(shù)據(jù)集中隨機(jī)提取樣本建立子數(shù)據(jù)集。使用大量這樣的子數(shù)據(jù)集作為訓(xùn)練集，分別訓(xùn)練對應(yīng)的基學(xué)習(xí)器。最終，將這些基學(xué)習(xí)器組合在一起，得到增強(qiáng)型的學(xué)習(xí)器。由于每次抽樣都是隨機(jī)的有放回抽樣，在所有樣本被抽中的概率均相等的情況下，最終總會有一部分?jǐn)?shù)據(jù)未被用來做為任何一個基學(xué)習(xí)器的訓(xùn)練數(shù)據(jù)。這樣的數(shù)據(jù)被稱為包外數(shù)據(jù)，約占整體數(shù)據(jù)的36.8%。這些包外數(shù)據(jù)為Bagging算法提供了一種被稱作包外估計的泛化性能估計方式，可以用于檢驗?zāi)Ｐ偷男阅�。作為Bagging算法的典型代表，隨機(jī)森林（RF，RandomForest）以決策樹

3鏈路質(zhì)量估計模型33圖3-15Anaconda主界面Figure3-15MaininterfaceofAnaconda（2）JupyterNotebook在實驗中，用于具體實施代碼編寫等操作的軟件是JunpyterNotebook。它是一種可以同時兼容JavaScript和Python等數(shù)十種編程語言的開源Web應(yīng)用。其系統(tǒng)結(jié)構(gòu)如圖3-16所示。瀏覽器內(nèi)核存儲磁盤Notebook服務(wù)器用戶上傳程序獲取結(jié)果輸入程序輸出結(jié)果編寫程序獲取結(jié)果存儲程序加載程序圖3-16JupyterNotebook系統(tǒng)結(jié)構(gòu)Figure3-16SystemstructureofJupyterNotebook系統(tǒng)通過B/S架構(gòu)，將已連接到服務(wù)器的使用者在Web頁面上編輯的程序


本文編號：2941234