

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 用于回歸預測的高斯過程模型研究.pdf
- 基于高斯過程回歸及Trust-Tech的短期風電功率預測方法.pdf
- 基于模糊支持向量回歸機的WSN鏈路質量預測模型.pdf
- 基于云模型的無線傳感網絡鏈路質量預測方法.pdf
- 高斯過程回歸理論在變形預測中的應用.pdf
- 基于高斯過程回歸的盲均衡算法研究
- 基于高斯過程回歸的盲均衡算法研究.pdf
- 基于高斯過程機器學習方法的證券預測模型研究.pdf
- 基于高斯過程的呼吸運動預測研究.pdf
- 基于高斯過程的備件消耗預測研究.pdf
- 基于高斯過程回歸的強化學習算法研究.pdf
- 基于多輸出高斯過程回歸的翼型快速設計.pdf
- 基于復雜網絡的鏈路預測方法的研究
- 基于高斯過程回歸學習的超分辨重建及后處理方法研究.pdf
- 66311.基于多模型的高斯過程回歸軟測量方法研究
- 基于多元邏輯回歸的CPS鏈路質量保障算法研究.pdf
- 基于深度學習的機會網絡鏈路預測方法研究.pdf
- 基于高斯過程的高爐煉鐵過程辨識與預測.pdf
- 基于廣義高斯過程回歸的函數型數據分析.pdf
- 基于高斯過程回歸的鋰電池數據處理.pdf
評論
0/150
提交評論