一种基于BP神经网络的信道选择和比特率自适应方法技术

技术编号:19702227 阅读:43 留言:0更新日期:2018-12-08 14:08
本发明专利技术一种基于BP神经网络的信道选择和比特率自适应方法,属于基于BP神经网络的信道选择和比特率自适应技术领域;所要解决的技术问题为:提供一种基于BP神经网络的信道选择和比特率自适应方法;解决该技术问题采用的技术方案为:包括如下步骤:步骤一:对信道的信号强度指示值进行方差计算;步骤二:输入信号强度指示方差、丢包率及当前信道列表数值;步骤三:初始化阈值、权值、隐含层节点数数值;步骤四:计算各层输入输出值,不断修改阈值、权值,并输出最优的信道选择列表;步骤五:获得最优的信道选择列表后,选取最优信道,能够得到对应的信号强度指示方差和丢包率;本发明专利技术应用于BP神经网络。

【技术实现步骤摘要】
一种基于BP神经网络的信道选择和比特率自适应方法
本专利技术一种基于BP神经网络的信道选择和比特率自适应方法,属于基于BP神经网络的信道选择和比特率自适应

技术介绍
目前使用的超低功耗传感器难以使用传统无线传感技术进行信号传输,这类传感器设备在极低的能量预算下运行,虽然微控制器在主动和睡眠模式功耗方面已经变得越来越高效,但802.15.4等有源无线电对能量消耗过大;因此迫切需要对这类传感器的超低功率通信方式进行优化,而一个可以显著降低能源成本的通信方式是反向散射通信。反向散射基站向传感器节点提供载波,该载波可以使用简单的模拟比较器电路对传输信号进行解码,由于传感器本身不需要主动发送无线电信号,该通信方法消耗的功率很低。而采用反向散射通信方式进行信号传输时,其在网络中的通信速率适应至关重要,反向散射设备通过吸收从阅读器端发射的射频能量来传输收集到的数据,而射频能量的低功耗特性将导致信号质量不高,使得标签与阅读器之间通信对信道质量较为敏感;其次,反向散射通信网络通常应用在较为嘈杂的环境中,这就造成了信道质量会受到如阻塞,多路径衰落,外部干扰等因素干扰;因此,为保证较高的网络吞吐量,需要根据信道质量动态调整数据速率以适应信道变化,应对现有反向散射通信方法进行优化。
技术实现思路
本专利技术为了克服现有技术中存在的不足,所要解决的技术问题为:提供一种基于BP神经网络的信道选择和比特率自适应方法;为了解决上述技术问题,本专利技术采用的技术方案为:一种基于BP神经网络的信道选择和比特率自适应方法,包括如下步骤:步骤一:对信道的信号强度指示值进行方差计算;步骤二:输入信号强度指示方差、丢包率及当前信道列表数值;步骤三:初始化阈值、权值、隐含层节点数数值;步骤四:计算各层输入输出值,不断修改阈值、权值,并输出最优的信道选择列表;步骤五:获得最优的信道选择列表后,选取最优信道,能够得到对应的信号强度指示方差和丢包率;步骤六:使用KNN算法对信号强度指示方差和丢包率进行分类,从EPCC1G2协议规定的六种不同编码/波特率组合的比特率中,对应选择一个最好的比特率。本专利技术相对于现有技术具备的有益效果为:本专利技术为了解决无源感知系统中从WISP标签端到阅读器端的高质量数据传输,提出了一种基于BP神经网络的信道选择和速率自适应选择方法,具体操作为:在原有技术上采用低复杂度的贪心算法实现信道的分配,应用贪心算法模型使信道分配达到局部最优,但是不能达到全局最优,但是对于多节点,密度大的布局,应用BP神经网络的信道预测可以达到全局最优,可以有效提升上行链路的吞吐量,使信号传输更稳定,传输效率更高。附图说明下面结合附图对本专利技术做进一步说明:图1为本专利技术利用BP神经网络进行分析的模型图;图2为本专利技术的方法流程图。具体实施方式如图1和图2所示,本专利技术一种基于BP神经网络的信道选择和比特率自适应方法,包括如下步骤:步骤一:对信道的信号强度指示值进行方差计算;步骤二:输入信号强度指示方差、丢包率及当前信道列表数值;步骤三:初始化阈值、权值、隐含层节点数数值;步骤四:计算各层输入输出值,不断修改阈值、权值,并输出最优的信道选择列表;步骤五:获得最优的信道选择列表后,选取最优信道,能够得到对应的信号强度指示方差和丢包率;步骤六:使用KNN算法对信号强度指示方差和丢包率进行分类,从EPCC1G2协议规定的六种不同编码/波特率组合的比特率中,对应选择一个最好的比特率。本专利技术是采用如下技术方案实现:信道主要的质量参数为:接收信号强度指示(RSSI)和丢包率(packetlossrate);超高频阅读器在902~928MHz频段内有50个信道可供使用,并不是每条信道都适用于信息传输,因此需要对信道进行选择性调频。本专利技术提出的BP神经网络优化方案利用梯度下降法,按照网络的权值和阈值利用反向传播来不断调整数值,这可以将网络的误差平方和调整至最小,更有利于对信道的选择。具体操作时,将RSSI方差、丢包率和当前信道列表作为BP神经网络的输入量,以优先选择信道列表、RSSI方差和丢包率作为输出,分析判断输出值来选择最佳传输比特率。信道可靠性利用BP神经网络分析模型如图1所示:当BP神经网络对信号进行正向传播时;设BP网络的输入层有n个节点,隐含层有q个节点,输出层有m个节点,输入层与隐含层有权值为vki,隐含层与输出层之间的权值为wjk,隐含层的传递函数为f1(·),输出层的传递函数为f2(·),则隐含层节点输出值的计算公式为:输出层节点输出值的计算公式为:当BP神经网络对信号进行反向传播时:传输误差值的计算公式为:其中为期望输出;输出层权值变化的计算公式为:隐含层权值变化的计算公式为:其中Sj和Sk分别为相应神经元的净输入值,η为学习率。在算法初始化时,预先设定阈值和权重,然后根据输出的接收信号强度方差以及丢包率不断对阈值和权值进行调整,直到RSSI方差和丢包率满足要求,最后通过RSSI方差和丢包率使用KNN算法进行数据速率的映射。经过实验验证,预测到的信道接收信号强度,几乎与实际值吻合,准确率可达80%以上。最后应说明的是:以上各实施例仅用以说明本专利技术的技术方案,而非对其限制;尽管参照前述各实施例对本专利技术进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本专利技术各实施例技术方案的范围。本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的信道选择和比特率自适应方法,其特征在于:包括如下步骤:步骤一:对信道的信号强度指示值进行方差计算;步骤二:输入信号强度指示方差、丢包率及当前信道列表数值;步骤三:初始化阈值、权值、隐含层节点数数值;步骤四:计算各层输入输出值,不断修改阈值、权值,并输出最优的信道选择列表;步骤五:获得最优的信道选择列表后,选取最优信道,能够得到对应的信号强度指示方差和丢包率;步骤六:使用KNN算法对信号强度指示方差和丢包率进行分类,从EPCC1G2协议规定的六种不同编码/波特率组合的比特率中,对应选择一个最好的比特率。

【技术特征摘要】
1.一种基于BP神经网络的信道选择和比特率自适应方法,其特征在于:包括如下步骤:步骤一:对信道的信号强度指示值进行方差计算;步骤二:输入信号强度指示方差、丢包率及当前信道列表数值;步骤三:初始化阈值、权值、隐含层节点数数值;步骤四:计算各层输入输出值,不断修改阈值、...

【专利技术属性】
技术研发人员:赵菊敏李灯熬田浩
申请(专利权)人:太原理工大学
类型:发明
国别省市:山西,14

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1