[发明专利]采用广义回归神经网络评估链路质量的方法

权利要求书

1.一种采用广义回归神经网络评估链路质量的方法，其特征在于，包括如下步骤：

S1，采用改进的网格搜索法缩小优化范围，当均方误差达到理想值时或者达到终止条件均方误差最小时对应的光滑因子为最优解，从而得到光滑因子，以建立基于广义回归神经网络的链路质量评估模型；

S2，采用所述基于广义回归神经网络的链路质量评估模型对链路质量进行评估；

所述步骤S1具体包括：

S11，根据包接收率的值将样本划分为好、中、差三类，分别建立基于广义回归神经网络的链路质量评估模型，光滑因子用Spread表示，其中Spread＝Spread+x，x为光滑因子的粗粒度步长，A为光滑因子的最小值，Spread≧A，B为光滑因子的最大值，Spread≤B；

S12，观察各基于广义回归神经网络的链路质量评估模型随着光滑因子从A增加到B的过程中，均方误差的变化情况，使得各评估模型均方误差之和最小为最优光滑因子所在范围，缩小最优光滑因子所在的范围为[A，B]；

S13，将x调整为细粒度步长，进行训练，即寻找最优光滑因子，其中光滑因子Spread＝Spread+x，Spread≤B，Spread的初始值定为A，寻找全局最优光滑因子。

2.根据权利要求1所述的采用广义回归神经网络评估链路质量的方法，其特征在于，在步骤S11中，包接收率的值在0～0.2之间为差链路样本，包接收率的值在0.2～0.8之间为中等链路样本，包接收率的值在0.8～1之间为好链路样本，分别建立基于广义回归神经网络的链路质量评估模型。

3.根据权利要求1所述的采用广义回归神经网络评估链路质量的方法，其特征在于，在步骤S12中，先将三类样本分别按照预设比例划分训练集样本和测试集样本。

4.根据权利要求3所述的采用广义回归神经网络评估链路质量的方法，其特征在于，所述训练集样本和所述测试集样本的比例为7:3。

5.根据权利要求1所述的采用广义回归神经网络评估链路质量的方法，其特征在于，所述基于广义回归神经网络的链路质量评估模型由四个部分组成，分别为输入层、模式层、求和层和输出层，其中x＝[x₁,x₂......x_p]为基于广义回归神经网络的链路质量评估模型的输入向量，为基于广义回归神经网络的链路质量评估模型的输出，即链路质量评估值。