[發明專利]一種采用超限學習機綜合評估鏈路質量的方法

有效

• 申請號: 201710644576.5
• 申請日: 2017-07-31
• 公開（公告）號: CN107302768B
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 劉琳嵐;許江波;高聲榮;舒堅
• 申請（專利權）人: 南昌航空大學
• 主分類號: H04W24/08
• 分類號: H04W24/08;H04W84/18;H04B17/309;H04B17/391
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 彭琰

本發明公開了一種采用超限學習機綜合評估鏈路質量的方法。該方法是在分析無線傳感器網絡鏈路特性基礎上，提出的一種綜合性的鏈路質量評估方法。該方法首先對部署的網絡鏈路特性進行研究，考慮鏈路可靠性、波動性、非對稱性以及信道質量作為鏈路綜合評估指標，并提出相應的度量方法；其次，考慮參數間的相互作用力對綜合評價的影響，使用基于模糊測度的模糊積分進行評價，根據評分劃分鏈路質量等級；最后，構建并訓練超限學習機鏈路質量評估模型。本發明方法考慮綜合評估中，各參數之間相互作用力對綜合評價指標的影響，可有效地較全面地評估鏈路質量，其優點在于可以為無線傳感器網絡的路由協議奠定基礎，減少節點的能耗并提高通信效率。

技術領域

本發明涉及無線傳感器網絡領域，主要涉及應用機器學習實現無線傳感器網絡鏈路質量綜合性評估。

背景技術

無線傳感器網絡是由部署在監測區域內大量的廉價微型傳感器節點組成，通過無線通信的方式形成的一個多跳自組織網絡。無線傳感器網絡將邏輯上的信息世界與客觀上的物理世界無縫地連接起來，廣泛應用于軍事、醫療保健、環境監測、智能家居等諸多領域。

目前國內外關于無線傳感器網絡鏈路質量評估的研究主要可以分為：基于鏈路特性的評估、基于物理層參數的評估、基于鏈路層參數的評估以及綜合性的評估。綜合性評估方面，Wang Y等人在“Predicting link quality using supervised learning inwireless sensor networks”【ACM SIGMOBILE Mobile Computing and CommunicationsReview,2007,11(3):71-83】提出“4C”綜合評估方法。Guo Z Q等人在“Fuzzy Logic BasedMultidimensional Link Quality Estimation for Multi-Hop Wireless SensorNetworks”【IEEE Sensors Journal,2013,13(10):3605-3615】提出考慮鏈路可靠性、波動性和丟包突發性的鏈路質量評估指標FLI,與4C對比有了性能上的提高。Baccour N等人在“Reliable link quality estimation in low-power wireless networks and itsimpact on tree-routing”【Ad Hoc Networks,2015,27:1-25】中提出了綜合性的評估器F-LQE，獲得了較好的評估效果。

上述鏈路質量綜合性評估方法以及評估選擇的指標有所不同，但同樣都是盡量排除和回避多指標對綜合評價指標的影響，在綜合評估鏈路質量時存在一定程度的局限性。

發明內容

為了解決上述鏈路質量綜合評估的問題，本發明的目的在于提供一種采用超限學習機(Extreme Learning Machine，ELM)綜合評估鏈路質量的方法，通過無線傳感器網絡的鏈路特性研究，綜合考慮鏈路的可靠性、波動性、非對稱性以及信道質量，應用考慮評價指標相互作用力的基于模糊測度的模糊積分方法實現綜合評價，并劃分鏈路質量等級，通過模型簡單、學習速度快、泛化能力好的超限學習機來構建綜合性的鏈路質量綜合評估模型。實現較準確較合理地評估鏈路質量，提供上層路由協議性能，保證通信質量，延長網絡生命周期。、

本發明的技術方案如下：一種采用超限學習機綜合評估鏈路質量的方法，其特征在于：采用基于模糊測度的模糊積分方法實現鏈路綜合評價，進而劃分鏈路質量等級，應用超限學習機算法訓練得到鏈路質量綜合評估模型；包括以下步驟：

步驟S1：選擇包括：鏈路可靠性、波動性、非對稱性以及信道質量的四項鏈路特性綜合評估鏈路質量，模型訓練數據樣本的獲得，具體步驟如下：

a)通過部署測試網絡，以Sink節點被動偵聽感知節點周期性探測包，獲得包括包接受率、上下行信噪比等基本鏈路參數，樣本數w≥10000；