[发明专利]基于动态时间规整算法的无线链路质量预测方法

摘要

本发明公开了一种基于动态时间规整算法的无线链路质量预测方法，其特征在于：采集节点间链路的信噪比；对链路信息信噪比进行去噪处理，并定义为训练序列；将训练序列进行分段，每段定义每段为训练子序列；采集当前时刻链路的信噪比，对其进行去噪后，定义为询问序列；利用动态时间规整算法计算询问序列与训练子序列之间的相似度；将计算的相似度结果进行比较；预测节点间链路下一时段的链路质量。本发明可以广泛应用于无线传感器网络领域，有效地预测链路质量，提高了链路传输的稳定性和可靠性。

主权项

1.一种基于动态时间规整算法的无线链路质量预测方法，其特征在于，无线链路质量是由无线信号的信噪比所表征，预测方法包括链路信噪比训练数据采集与处理、待预测链路信噪比序列相似度匹配和链路质量预测，其具体步骤如下：步骤1，使用无线传感器网络中所规定的A节点按一定周期P连续采集无线传感器网络中规定的B节点发出的无线信号的信噪比，所采集的数据组成一段长度为K的信噪比时间序列，其中，100≤K≤1000，1s≤P≤3s；步骤2，对步骤1所采集的信噪比时间序列进行滤波处理；步骤3，存储滤波处理后的信噪比时间序列，标记为训练数据序列T，T＝{T1,T2,T3,...,TK}，其中T1、T2、T3、TK分别表示经过滤波处理的第1、2、3、K次采集的信噪比；步骤4，将长度为K的训练数据序列T切分成(K‑M+1)个长度为M的训练子序列(t1,t2,t3,...,tK‑M+1)，其中M为小于20的正整数，各个训练子序列的表达式为：t1＝{T1,...,TM}；t2＝{T2,...,TM+1}；t3＝{T3,...,TM+2}；……tK‑M+1＝{TK‑M+1,...,TK}；t1、t2、t3、tK‑M+1分别表示第1、2、3、K‑M+1段训练子序列；TM、TM+1、TM+2、TK‑M+1分别表示经过滤波处理的第M、M+1、M+2、K‑M+1次采集的信噪比；步骤5，使用步骤1中的A节点按相同的周期P连续采集B节点当前时刻的信噪比，并组成长度为M的信噪比时间序列；步骤6，对步骤5所采集的长度为M的信噪比时间序列进行滤波处理，并把经过滤波处理的序列标记为当前询问序列Q，Q＝{Q1,Q2,Q3,...,QM}式中，Q1、Q2、Q3、QM分别表示经过滤波处理的当前链路第1、2、3、M次采集的信噪比；步骤7，对步骤4中得到的每一个训练子序列，利用动态时间规整算法计算该训练子序列与步骤6中的当前询问序列Q之间的最优路径所对应的累积距离，其具体步骤包括：步骤7.1，计算当前询问序列Q和训练子序列每个信噪比之间的相互距离，包括：列出长度均为M的两序列的信噪比值，构造成一个M×M的矩阵网格，计算每个信噪比值之间的距离，得到M×M个距离值，其中距离值的计算公式为：di,j＝(Qi‑Tj)2式中，di,j表示当前询问序列第i个信噪比与训练子序列第j个信噪比的距离值；Qi表示当前询问序列中第i个信噪比数值；Tj表示训练子序列中第j个信噪比数值；步骤7.2，将步骤7.1求得距离值di,j按照其下标依次填入M×M矩阵网格相应的位置，其中i为行的位置，j为列的位置；步骤7.3，按照路径约束条件，在M×M的矩阵网格中寻找出一条最优路径，并将该最优路径所经过的网格中的距离值累加求和，得出该最优路径所对应的累计距离，即为该训练子序列与当前询问序列Q之间最优路径对应的累积距离；步骤7.3中所述的路径约束条件包括：边界条件：路径必须是从M×M矩阵网格的左下角出发，在右上角结束；连续性：路径只能沿着相邻以及对角的网格这三个方向延续；最值性：在所形成的最优路径中必须满足其路径的距离值最小；步骤7.3中所述的最优路径是指按照权利步骤7.3中所述的路径约束条件所形成的一条路径；步骤8，对步骤4中(K‑M+1)个训练子序列用步骤7同样的方法计算出每个训练子序列与当前询问序列Q之间最优路径对应的累计距离，并进行比较，找出累计距离最小的训练子序列，定义该训练子序列为与当前询问序列相似度最高的训练子序列，记为R；步骤9，将步骤8所得到的训练子序列R按照所采集时间顺序排列的下一段训练子序列设定为预测未来一段时间的链路质量。