基于模糊支持向量回歸機(jī)的WSN鏈路質(zhì)量預(yù)測(cè)模型.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)是由大量部署在監(jiān)控區(qū)域內(nèi)的低功耗節(jié)點(diǎn)以多跳方式自組織形成的網(wǎng)絡(luò)。鏈路是實(shí)現(xiàn)節(jié)點(diǎn)互連和多跳通信的基本元素，鏈路質(zhì)量是拓?fù)淇刂?、路由協(xié)議和移動(dòng)管理的基礎(chǔ)，準(zhǔn)確的鏈路質(zhì)量預(yù)測(cè)可以提高整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)吞吐率，從而延長(zhǎng)整個(gè)網(wǎng)絡(luò)的工作時(shí)間。
　　論文介紹了常用的鏈路質(zhì)量度量參數(shù)，分析了無(wú)線鏈路的特性，對(duì)現(xiàn)有鏈路質(zhì)量預(yù)測(cè)模型進(jìn)行了分類、對(duì)比，并針對(duì)當(dāng)前模型存在的不足，綜合物理層和鏈路層信息：接收信號(hào)強(qiáng)度指示、鏈路質(zhì)量指示、信噪比、包

2、接收率，以較全面地刻畫(huà)鏈路質(zhì)量。在此基礎(chǔ)上，提出一種基于混沌粒子群優(yōu)化算法與模糊支持向量回歸機(jī)（Chaos Particle Swam Optimization&Fuzzy Support Vector Regression，CPSO-FSVR）的鏈路質(zhì)量預(yù)測(cè)模型。該模型采用主成分分析法對(duì)特征參數(shù)進(jìn)行轉(zhuǎn)換以約簡(jiǎn)數(shù)據(jù)；考慮到不穩(wěn)定鏈路對(duì)通信的影響，采用無(wú)監(jiān)督模糊核聚類算法（Kernel Fuzzy C-means，KFCM）自動(dòng)劃分樣本集

3、，獲得樣本隸屬度；由于通信中鏈路干擾及環(huán)境帶來(lái)的噪聲與孤立點(diǎn)數(shù)據(jù)對(duì)預(yù)測(cè)性能的影響不容忽視，因此采用FSVR以降低其對(duì)預(yù)測(cè)性能的影響；最后，利用CPSO的遍歷性及收斂性確定模型參數(shù)，完成模型的建立。
　　論文選定室內(nèi)、室外（操場(chǎng)、廣場(chǎng)、公路）場(chǎng)景收集樣本，探究空間位置、無(wú)線電傳播的多徑效應(yīng)、鄰道干擾等因素作用下的鏈路特性，發(fā)現(xiàn)接收信號(hào)強(qiáng)度指示與距離有關(guān)、不同場(chǎng)景相同距離的包接收率的變化范圍較大、多徑效應(yīng)與鄰道干擾對(duì)鏈路有顯著的影響；