[发明专利]无线传感器网络链路质量预测方法

摘要

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。

主权项

1.一种无线传感器网络链路质量预测方法，其特征在于，包括如下步骤：/nS1，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；/nS2，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；/n所述步骤S2中，采用XGBoost算法训练得到链路质量预测模型的步骤具体包括：/nS21，输入带标签的训练数据集n为样本数目，m为特征数目，x_i为历史时刻和当前时刻的链路质量信息，y_i为下一时刻的链路质量信息；/nS22，定义目标函数，/n /n其中l为损失函数，模型中采用均方误差作为误差函数，为第i个样本的预测值，y_i为第i个样本的真实值，f_k包括每棵树的结构和叶子权重，用于衡量树的复杂度，其包含了树的叶子节点数和L2正则，其中T为树中叶子数目，ω为叶子的权重，γ,λ为权重参数；/nS23，利用损失函数的二阶泰勒展开近似得到损失函数的一阶导数g_i和二阶导数h_i，/n /n /n其中为第t-1次迭代的预测值，将目标函数转化为/n /n其中I_j为叶子j的实例集；/nS24，树节点在进行分裂时，计算每个特征的每个分割点对应的增益/n /n其中I_L、I_R分别为左右叶子结点集合，增益Gain越小表明分裂产生的损失越小；/nS25，通过近似算法中的近似直方图算法确定一组候选分裂点，通过遍历所有的候选分裂点来找到最佳分裂点，在寻找切分点时，对特征值进行聚合统计，然后形成若干个桶，将桶边界上的特征值作为候选切分点；/nS26，计算一棵树的结构分数/n /n通过结构分数找到一颗最优结构树并加入模型中，若不满足停止条件则返回步骤S24迭代；/nS27，预测输出为/n /n其中f_m(x_i)为每棵树的预测结果，为回归树空间。/n