[发明专利]无线传感器网络链路质量预测方法

说明书

本发明公开了一种无线传感器网络链路质量预测方法，包括如下步骤：S1，采用卡尔曼滤波算法对链路质量参数进行降噪，采用最大最小法对链路质量参数进行标准化处理，并采用模糊C均值聚类算法对链路质量等级进行划分；S2，采用XGBoost算法训练得到链路质量预测模型，通过该预测模型预测下一时刻的链路质量等级。本发明在考虑无线传感器网络链路质量动态变化的情况下，提供了基于XGBoost的无线传感器网络链路质量预测方法，能够有效的预测下一时刻的链路质量，能够提高网络吞吐量，从而提高网络的数据转发效率，并为上层路由协议选择通信链路提供依据，此外，该方法还具有延长网络寿命以及节省节点能量的优点。

技术领域

本发明涉及无线传感器技术领域，特别是涉及一种无线传感器网络链路质量预测方法。

背景技术

无线传感器网络(Wireless Sensor Networks，WSNs)由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个多跳自组织网络，其目的是协作地感知、采集和处理网络覆盖区域中被感知对象的信息，并发送给观察者。传感器、感知对象和观察者构成了无线传感器网络的三个要素。传感器节点在能量、通信、计算与存储等多方面都受限，部署环境通常复杂多变且存在各种干扰源，从而导致节点间通信链路质量不可靠。链路质量预测机制是拓扑控制、路由协议和移动管理的基础，可提高网络吞吐量、延长网络寿命以及节省节点能量。

相关技术中，对WSNs链路质量的评估预测方法主要有基于链路特性和基于概率估计的预测方法，但这两者方法均存在数据转发效率较低的问题，影响了对下一时刻链路质量的预测。

发明内容

为解决上述无线传感器网络中链路质量预测方法存在的问题，本发明提供了一种无线传感器网络链路质量预测方法，具体是基于XGBoost的链路质量预测方法。

一种无线传感器网络链路质量预测方法，包括如下步骤：

S1，采用卡尔曼滤波算法对链路质量参数进行降噪，采用最大最小法对链路质量参数进行标准化处理，并采用模糊C均值聚类算法对链路质量等级进行划分；

S2，采用XGBoost算法训练得到链路质量预测模型，通过该预测模型预测下一时刻的链路质量等级。

与现有技术相比，本发明的有益效果为：

本发明在考虑无线传感器网络链路质量动态变化的情况下，提供了基于XGBoost的无线传感器网络链路质量预测方法，首先通过卡尔曼滤波算法对链路质量参数进行降噪，采用最大最小法对链路质量参数进行标准化处理，并采用模糊C均值聚类算法对链路质量等级进行划分，然后采用XGBoost算法训练得到链路质量预测模型，并通过该预测模型预测下一时刻的链路质量等级，能够有效的预测下一时刻的链路质量，能够提高网络吞吐量，从而提高网络的数据转发效率，并为上层路由协议选择通信链路提供依据，此外，该方法还具有延长网络寿命以及节省节点能量的优点。

上述方法，其中，所述步骤S1中，采用最大最小法对链路质量参数进行标准化处理中，选择表征链路可靠性、稳定性、非对称性、信道质量的参数作为输入。

上述方法，其中，所述步骤S1中，采用模糊C均值聚类算法对链路质量等级进行划分。

上述方法，其中，所述步骤S1中，采用模糊C均值聚类算法对链路质量等级进行划分的步骤具体包括：

S11，输入样本集{ζ₁,ζ₂,....ζ_n},ζ_i∈R^s，设定欲划分等级数c,2≤c≤n，模糊指数p，迭代次数k＝0，迭代停止阈值ε，初始化聚类中心矩阵A⁽⁰⁾，其中A_s×c＝{a₁,a₂,...,a_c}表示c个聚类中心的集合；