[发明专利]一种基于支持向量机的认知无线自组织网络节点稳定性判决方法

摘要

一种基于支持向量机的认知无线自组织网络节点稳定性判决方法，该方法结合局部网络属性，基于支持向量机方法，对认知无线自组织网络中节点的稳定性状态问题进行建模。本发明包含指标参数的感知与获取机制、基于支持状态机的节点稳定性判决及路由决策方法。首先，通过跨层交互机制，感知当前网络环境、获取指标参数传递给稳定性判决决策模块。其次，结合支持向量机模型，以前述指标为输入特征，以不同的稳定性状态为分类标签进行训练，获得其预测输出。最后，选择有差异的路由策略进行数据转发。本发明通过综合分析网络环境，融合机器学习方法对节点稳定性状态做出预测，从而增强对动态认知无线自组织网络的适应性、提高转发效率。

主权项

一种基于支持向量机的认知无线自组织网络节点稳定性判决方法，具体包括指标参数的感知与获取、基于支持状态机的节点稳定性判决决策、基于节点稳定性的路由方式选择，其特征在于：指标参数的感知与获取的目的是周期性收集当前局部网络环境相关属性，并将分析后的指标参数传递给节点稳定性判决决策模块进行模型训练与预测，基于节点稳定性的路由方式选择则以该预测结果为基础，选择有差异的路由方式进行数据分组转发，步骤如下：1)指标参数的感知与获取，通过周期性信息交换或跨层交互机制，感知获取、分析当前局部网络环境相关属性，这包括邻居节点稳定性、可用频谱稳定性及干扰程度等三个方面，其中邻居节点稳定性可用当前一跳的邻居节点总数、一跳邻居节点的变化频繁程度来衡量，可用频谱稳定性可用当前邻居节点的可用信道数、可用信道的变化情况统计来衡量；干扰程度可用与当前邻居节点的链路质量、受到电磁干扰的链路变化情况统计来衡量；2)基于支持向量机的节点稳定性判决决策，采用有监督的学习方法，判决出最符合当前网络状况的节点稳定性状态(分为稳定、次稳定、不稳定三种状态)，其包含如下步骤：a)对网络相关属性信息进行周期性收集(即指标信息的感知与获取)、分析并划分分类标准(即网络状态在参数为何种条件下被定义为稳定、次稳定或不稳定)，获得输入数据集；b)设(x_i，y_i)为通过网络预设实验采集的数据点，即x_i为网络中收集的参数归一化后组成的向量，如当前邻居总数、可用链路值、存在的干扰值大小等变量，y_i为节点稳定性状态分类，由于其分为稳定、次稳定、不稳定三类，其取值集合为{‑1，0，1}；令超平面为w^Tx+b＝0，优化问题为s.t.y_i(w^Tx_i+b)≥1，通过对该问题求解完成模型训练；c)结果预测，模型训练完成后，节点通过感知网络环境和提取指标参数，预测当前的稳定性状态并进行输出。