基于高斯過程回歸的鏈路質量預測方法.pdf

1、無線傳感器網絡是由部署在監(jiān)控區(qū)域的傳感器節(jié)點采用多跳方式傳輸數據而構成的自組織網絡，已在諸多領域得到了廣泛應用。由于傳感器節(jié)點采用低功耗功率進行無線電通信，并且其所處環(huán)境惡劣、復雜多變，從而導致節(jié)點之間的通信鏈路不穩(wěn)定。若能及時感知鏈路質量信息，為轉發(fā)數據提供路由參考,則能有效減少數據重傳次數，提高網絡數據吞吐率。因此有效的鏈路質量預測方法對于提高數據傳輸的成功率、延長網絡生存期非常重要。
　　論文介紹了無線鏈路特性和現有的鏈路質

2、量預測方法，分析了鏈路質量參數的定義和相關性。在此分析的基礎上，提出基于高斯過程回歸（Gaussian Process Regression，GPR）的鏈路質量預測模型。物理層參數實時靈敏，而直接測量包接收率需要消耗的能量比較多，因此本文構建物理層參數和包接收率之間的非線性映射關系。由于鏈路質量參數之間存在信息冗余，會降低模型的訓練速度，本文首先利用灰關聯分析方法分析鏈路質量參數之間的灰關聯度，選取有效影響因子；再結合鏈路質量時間序列特

3、點，選取合適的協(xié)方差函數，構建鏈路質量預測模型。
　　無線鏈路通信易受到所處空間環(huán)境、地理位置、無線信號的影響和干擾。論文研究對象為節(jié)點靜止的無線傳感器網絡，選取大學校園樹林、教學樓實驗室、圖書館廣場和公路四個場景部署實驗，收集處于不同方向和距離的多對節(jié)點之間的實驗數據。論文分析了不同場景下各節(jié)點對之間的鏈路波動情況以及不同鏈路質量參數之間的灰關聯度，確定預測模型的輸入參數。論文選取兩種鏈路進行實驗分析和模型驗證。實驗結果表明，降