[發明專利]一種采用多粒度級聯森林評估鏈路質量的方法

有效

• 申請號: 201910913356.7
• 申請日: 2019-09-25
• 公開（公告）號: CN110662232B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 何慕;舒堅;劉琳嵐
• 申請（專利權）人: 南昌航空大學
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W24/06;H04W84/18;G06K9/62
• 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多粒度級聯森林評估鏈路質量的方法，該方法通過利用無線傳感網絡的鏈路特性與多粒度級聯森林(gcForest，multi?Grained Cascade forest)模型相結合，提出了一種無線傳感器網絡鏈路質量評估的方法。該方法首先獲取實驗場景下的樣本數據，運用步長和中心點優化的聚類算法對樣本數據劃分鏈路質量等級；利用分層抽樣獲取鏈路中三個區域的樣本進行訓練，結合級聯森林堆疊結構建立多粒度級聯森林鏈路質量評估模型；最后通過準確性、穩定性和敏捷性評價整個鏈路質量評估模型的性能。本發明優點在于運用鏈路區域特性與分層抽樣改善不平衡鏈路質量數據集對評估模型性能的影響，提高評估結果的準確性和穩定性，為給上層協議的優化奠定基礎。

技術領域

本發明涉及無線傳感器網絡鏈路質量評估技術領域，特別是涉及一種采用多粒度級聯森林評估鏈路質量的方法。

背景技術

無線傳感器網絡(Wireless sensor networks，WSNs)是一種由各種具有感知能力、計算能力和通信能力的廉價的微型傳感器節點通過無線通信的方式以自組織形式形成的網絡。節點通過協作實時監測、感知、采集和處理網絡分布區域內的對象信息，并將得到的信息發送給基站。在數據收集、傳感云系統、軍事醫療等廣泛運用。

無線傳感網絡中的鏈路易發生質量波動且具有弱連接性，因此非常不可靠。盡管難以測量鏈路質量，但準確的鏈路質量信息的潛在好處是相當大的。鏈路質量可以反映真實的鏈路狀態，避免不必要的路由重選和數據重傳造成的能耗。因此，構建良好的鏈路質量評估模型可提高數據包的傳輸效率、節約傳感器節點能耗、延長網絡使用壽命。

隨著大數據時代的來臨，一些淺層的機器學習模型在某些問題上已經很難取得更高的精度了。相關技術中，已有不同的分類算法應用在鏈路質量評估上，例如：邏輯回歸、隨機森林、及支持向量機等。但是這些模型都存有弱點，當數據量大到一定程度時，這些淺層算法學習能力較差，影響鏈路質量評估準確性和穩定性。

發明內容

為解決上述無線傳感器網絡中鏈路質量評估方法存在的問題，本發明提供了一種采用多粒度級聯森林(gcForest，multi-Grained Cascade forest)評估鏈路質量的方法，以提高鏈路質量評估準確性和穩定性。

一種采用gcForest的鏈路質量評估方法，首先獲取實驗場景下的樣本數據，使用步長和中心點優化(INCK，Increasing K-medoids)聚類算法對鏈路質量等級進行有效劃分；其次運用鏈路的區域特性通過分層抽樣提取鏈路質量數據特征，并構建gcForest鏈路質量評估模型；最后通過準確性、穩定性和敏捷性評價模型的性能，整個鏈路質量評估過程具體步驟如下：

步驟S1：設計實驗場景模擬鏈路的多種狀態，獲取樣本數據。采用基于步長增加和中心優化的K-Medoids聚類算法對鏈路質量等級進行劃分；

步驟S2：依據鏈路的不對稱級別和信噪比(SNR，Signal to Noise Ratio)劃分連通、過渡和未連通區域鏈路的樣本，將三層樣本進行分層抽樣訓練后得到的特征向量輸入級聯森林，構建基于gcForest的鏈路質量評估模型，將鏈路質量等級作為模型的輸出結果。

步驟S3：通過定義的準確率以及自定義的穩定性和敏捷性對模型的性能進行評估。

具體的，在步驟S1中，所述劃分鏈路質量等級的方法為步長和中心點優化 (INCK，Increasing K-medoids)聚類算法。

具體的，在步驟S2中，所述采用gcForest方法構建鏈路質量評估模型。

具體的，在步驟S1中，所述劃分鏈路質量等級的方法為INCK聚類算法，其劃分等級的過程為：