基于支持向量机的无线传感网络链路质量预测方法研究

In wireless sensor networks (WSNs) , link is the key element to achieve interconnects between nodes and multi-hop communication. Link quality is the fundamental of upper protocols, such as topology control, routing, and mobile management. Link quality prediction can not only improve network throughput and decrease node energy consumption, but also prolong network life time. So, it attracts many researchers attention, in which the key is how to achieve more accurate and holistic approach of link quality prediction. The proposal will focus on (1) the evaluation model of link quality metrics, (2) the pre-process of sample, (3) the evaluation and prediction models of link quality, and (4) optimization of prediction model. With the support of the funding, an uncertain multi-criterion decision making model will be constructed, which is employed to evaluate link quality metrics. A more holistic and representative metric set will be achieved in terms of the model. And then, support vector machine (SVM) will be adopted to evaluate and predict the link quality. To improve accuracy better, optimization of SVM parameters and pre-process of prediction sample will be adopted. Finally, a more accurate and holistic approach of link quality prediction will be achieved, so as to leverage its application in Poyang lake for monitoring environment, migrant birds, channel and so on.

无线传感网络（WSNs）中，链路是实现节点互连和多跳通信的最基本元素，链路质量是拓扑控制、路由和移动管理等上层协议的基础，链路质量预测不仅可以提高整个网络的数据吞吐率、降低节点能耗，还可延长整个网络的工作时间，链路质量预测方法的研究已成为国内外关注的热点问题之一，其关键是如何获得一种较准确而全面的预测方法。本项目研究内容如下：⑴链路质量参数评估模型；⑵样本的预处理方法；⑶链路质量评估及预测模型；⑷预测模型的优化。本项目拟构建不确定多准则决策模型评估链路质量参数,以获得一个较全面的参数集，借助支持向量机（SVM）在分类与回归上的优势，预测WSNs的链路质量，从链路质量参数的选择、预测样本的预处理、SVM参数的优化三方面提高WSNs链路质量预测的全面性和准确性，从而获得一种较准确、较全面反映链路质量的预测方法，为无线传感网络在鄱阳湖区域环境监测、野生动物监测、航道监测等方面的应用奠定基础。

无线传感器网络（WSNs）中，链路是实现节点互连和多跳通信的最基本元素，链路质量是拓扑控制、路由和移动管理等上层协议的基础，链路质量预测不仅可以提高整个网络的数据吞吐率、降低节点能耗，还可延长整个网络的工作时间，链路质量预测方法的研究已成为国内外关注的热点问题之一，其关键是如何获得一种较准确而全面的预测方法。本项目研究了无线传感器网络链路质量预测方法，具体开展了以下研究：1) 链路质量参数评估模型； 2) 样本的预处理方法； 3) 链路质量评估及预测模型； 4) 预测模型的优化。.具体表现在：1) 对链路质量参数的特性进行了深入研究，分析了均值RSSI、均值LQI、PRR 三间之间的相关性，分析了RSSI、LQI与PRR的关系、PRR与传输距离的关系，对链路质量参数的稳定性和敏捷性进行了分析与验证； 2) 构建了基于动态直觉模糊多属性决策的链路质量参数评估模型； 3) 对链路质量参数集，提出基于小波变换的卡尔曼滤波方法，基于模糊核聚类算法划分样本空间，基于粗糙集理论约简测试样本集；4) 采用遗传算法优化最小二乘支持向量机的参数，并构建了预测模型；5) 采用粒子群优化算法对模糊支持向量回归机中的参数进行优化，并构建了预测模型；6) 构建了基于动态贝叶斯网络的链路质量预测模型；7) 构建了基于云模型的链路质量预测模型；8) 构建了基于深度学习的链路质量预测模型。.本项目从链路质量参数的选择、预测样本的预处理、支持向量机参数的优化三方面提高了WSNs链路质量预测的全面性和准确性，从而获得了一种较准确、较全面反映链路质量的预测方法，为无线传感网络在鄱阳湖区域环境监测、野生动物监测、航道监测等方面的应用奠定基础。