[發明專利]一種采用GRU預測無線傳感器網絡鏈路質量的方法有效
| 申請號： | 202010826981.0 | 申請日： | 2020-08-17 |
| 公開（公告）號： | CN111935747B | 公開（公告）日： | 2021-04-27 |
| 發明（設計）人： | 肖庭忠;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;G06N3/04;G06N3/08 |
| 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 |
| 地址： | 330063 江*** | 國省代碼： | 江西;36 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 采用 gru 預測 無線 傳感器 網絡 質量 方法 | ||
1.一種采用GRU預測無線傳感器網絡鏈路質量的方法，其特征在于，包括：
獲取一段時間內每一時刻的無線傳感器網絡的鏈路質量參數，并根據獲取的鏈路質量參數確定每一時刻的鏈路質量等級；
計算當前時刻之前的歷史鏈路質量參數與所述當前時刻的鏈路質量參數之間的皮爾遜相關系數，以得到每一時刻 的皮爾遜相關系數；
確定與當前時刻皮爾遜相關系數大于閾值的歷史時刻的數量，并根據所述數量確定時間窗口的尺寸；
以所述尺寸大小的時間窗口對鏈路質量參數進行數據截取，以得到訓練樣本集，并將帶有鏈路質量等級標簽的訓練樣本集對GRU神經網絡模型進行訓練；
利用訓練好的GRU神經網絡模型對所述無線傳感器的鏈路質量進行預測；
所述根據獲取的鏈路質量參數確定每一時刻的鏈路質量等級的步驟包括：
基于密度峰值優化的譜聚類算法對每一時刻的所述鏈路質量參數進行聚類分析，以確定每一時刻的鏈路質量等級；
所述基于密度峰值優化的譜聚類算法對每一時刻的所述鏈路質量參數進行聚類分析的步驟包括：
計算待聚類的數據集的相似度矩陣；
根據所述相似度矩陣選擇局部密度和距離大的數據點作為初始的聚類中心；
對初始的聚類中心進行合并，以獲取聚類數目K；
計算Laplacia矩陣L，L＝D-1/2WD-1/2，其中，D為度矩陣，每個元素xij滿足下述公式，
對L進行特征分解，得到前K個特征向量，并構建特征向量空間；
利用經典聚類算法K-Means對特征向量空間中的特征向量進行聚類，得到聚類結果，其中，W表示相似度矩陣，wij表示相似度矩陣W中的每一個元素。
2.如權利要求1所述的方法，其特征在于，所述根據獲取的鏈路質量參數確定每一時刻的鏈路質量等級的步驟之前還包括：
對所述鏈路質量參數進行降噪和歸一化處理。
3.如權利要求1所述的方法，其特征在于，所述當前時刻之前的歷史鏈路質量參數與所述當前時刻的鏈路質量參數的皮爾遜相關性，根據以下公式計算：
其中xi是歷史的鏈路質量信息，yi是當前時刻的鏈路質量信息，rxy是xi和yi之間的皮爾遜系數，是xi的平均值，是yi的平均值，m是表示鏈路質量的屬性的個數。
4.如權利要求1所述的方法，其特征在于，所述將帶有鏈路質量等級標簽的訓練樣本集對GRU神經網絡模型進行訓練的步驟包括：
通過使用Adam優化算法和MSE損失函數，經過多次迭代優化GRU神經網絡模型的超參數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南昌航空大學，未經南昌航空大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010826981.0/1.html，轉載請聲明來源鉆瓜專利網。
