无线传感器网络链路质量评估方法技术

一种无线传感器网络链路质量评估方法，包括：S1，选取无线传感器网络的链路质量参数并对其进行归一化处理；S2，采用无监督聚类为融合方法，建立基于改进Stacking集成算法的链路质量评估模型；S3，分别采用准确率和时间复杂度对链路质量评估模型的有效性和计算速度进行评价。本发明专利技术在全面选取链路质量特性的基础上，采用无监督聚类为融合算法，建立了基于改进Stacking集成算法的链路质量评估模型，Stacking集成算法不仅可发挥各分类算法的优势且可避免单一分类算法导致的评估结果准确度不高及泛化能力弱等问题，最后分别采用准确率和时间复杂度对链路质量评估模型的有效性和计算速度进行评价，使得该方法能够有效的提高WSNs链路质量评估的全面性、准确性及高效性。

Link Quality Assessment Method for Wireless Sensor Networks

A link quality evaluation method for wireless sensor networks includes: S1, selecting link quality parameters of wireless sensor networks and normalizing them; S2, using unsupervised clustering as fusion method, establishing link quality evaluation model based on improved Stacking integration algorithm; S3, using accuracy and time complexity to evaluate the effectiveness of the link quality evaluation model and S3, respectively. The calculation speed is evaluated. On the basis of choosing link quality characteristics in an all-round way and adopting unsupervised clustering as fusion algorithm, the present invention establishes a link quality evaluation model based on improved Stacking integration algorithm. The Stacking integration algorithm can not only give full play to the advantages of each classification algorithm, but also avoid the problems of low accuracy and weak generalization ability of evaluation results caused by single classification algorithm. Finally, the accuracy rate is adopted separately. The effectiveness and computational speed of the link quality assessment model are evaluated with time complexity, which makes the method effective in improving the comprehensiveness, accuracy and efficiency of WSNs link quality assessment.

【技术实现步骤摘要】
无线传感器网络链路质量评估方法
本专利技术涉及无线传感器网络链路质量评估
，特别是涉及一种无线传感器网络链路质量评估方法。
技术介绍
无线传感器网络(Wirelesssensornetworks，WSNs)是一种由各种具有感知能力、计算能力和通信能力的廉价的微型传感器节点通过无线通信的方式以自组织形式形成的网络。节点通过协作实时监测、感知、采集和处理网络分布区域内的对象信息，并将得到的信息发送给基站。在数据收集、传感云系统、军事医疗等广泛运用。无线传感器网络满足可靠性和实时性等服务质量的要求是部署WSNs的主要挑战之一。然而，由于IEEE802.15.4网络的兼容性，使节点在传输低功率无线电信号时容易受到噪声等干扰。无线链路通信很容易处于多径失真和干扰等环境条件下，因此，位于WSNs中链路是不可靠的、可变的，而且往往是不对称的。设计有效的链路质量评估模型，较真实评估链路质量是提高WSNs可靠性的重要方法之一。目前为止基于机器学习的链路质量评估虽然取得很大成果，但在基于机器学习的评估方法中大部分均采用的单一分类算法，造成评估结果的准确性不高及泛化能力较差。
技术实现思路
为解决上述无线传感器网络中链路质量评估方法存在的问题，本专利技术提供了一种无线传感器网络链路质量评估方法，具体是基于改进Stacking集成算法的链路质量评估方法。一种无线传感器网络链路质量评估方法，包括如下步骤：S1，选取无线传感器网络的链路质量参数并对其进行归一化处理；S2，采用无监督聚类为融合方法，建立基于改进Stacking集成算法的链路质量评估模型；S3，分别采用准确率和时间复杂度对链路质量评估模型的有效性和计算速度进行评价。与现有技术相比，本专利技术在全面选取链路质量特性的基础上，采用无监督聚类为融合算法，建立了基于改进Stacking集成算法的链路质量评估模型，Stacking集成算法不仅可发挥各分类算法的优势且可避免单一分类算法导致的评估结果准确度不高及泛化能力弱等问题，最后分别采用准确率和时间复杂度对链路质量评估模型的有效性和计算速度进行评价，使得本专利技术提供的方法能够有效的提高WSNs链路质量评估的全面性、准确性及高效性。上述方法，其中，所述步骤S1具体包括：S11，采取SNR表征信道质量；S12，通过表征链路的稳定性，其中μ(LQI)、σ(LQI)分别为LQI的均值和方差；S13，通过ASL＝|LQIup-LQIdown|表征链路的不对称，其中LQIup表示上行LQI；LQIdown表示下行LQI；S14，构建样本集空间{SNR,CV,ASL}；S15，对输入样本进行归一化处理。上述方法，其中，所述步骤S15具体包括：将所有数据归一化到[0,1]之间，{SNR,CV,ASL}为链路质量的特征向量，分别遍历各特征向量，将Max和Min的记录下来，并通过Max-Min作为基数，采用以下公式进行数据的归一化处理：其中，为某特征向量的某个数值，遍历此特征向量，最大值记为Max，最小值记为Min。上述方法，其中，所述步骤S2具体包括：S21，通过K-折交叉验证对N个分类算法分别进行实验，通过数据集将N种不同的分类学习算法训练得到C1,...CN，其中CN表示第N个分类器，N＝6；S22，将数据集样本Vj(j＝1,...Q)输入到C1,...CN中，得到分类结果：[C1(Vj),...,CN(Vj)]j＝1,...Q，把N个分类结果加入到Vj(j＝1,...Q)的样本空间中，即{C1(Vj),...,CN(Vj),SNR(Vj),CV(Vj),ASL(Vj)}，其中Ci(Vj)i＝1,...N；j＝1,...Q表示分类器Ci对样本Vj的分类结果；S23，根据信息增益比对{C1,...,CN,SNR,CV,ASL}进行排序，信息增益比由高到低排序为：{f1,...,fN+K}，其中fi∈{C1,...,CN,SNR,CV,ASL}，i＝1,...N+K，K＝3，N＝6；S24，从N+K个特征中，选取l个特征以来获得最佳聚簇，即：{[c1(Vj),...,cn(Vj),F1(Vj),...,Fk(Vj)]}j＝1,...Q，c1,...cn表示从{C1,...,CN}中选取的n个特征，F1,...,Fk表示从{SNR,CV,ASL}中选取的k个特征，其中n＜N；k＜K；n+k＜N+K；n+k＝l；S25，根据n+k个特征使用聚类算法把样本划分为L个聚簇，其中L＜Q，Q为样本个数；S26，从质心集合中寻找与样本距离最短的质心，此质心的链路质量等级即为评估结果。上述方法，其中，所述步骤S21中的分类算法具体包括朴素贝叶斯、J48决策树、简单逻辑回归。上述方法，其中，所述步骤S24中，样本的分类结果连同已选取的链路质量参数用来聚类，且n＜k，其中2≤n＜k≤3，故n＝2，k＝K＝3，l＝5。上述方法，其中，所述步骤S3具体包括：S31，采用准确率对链路质量评估模型的有效性进行评价，准确率的定义为：对于给定的测试数据集，分类器正确分类的样本数与总样本数之比；S32，采用时间复杂度对链路质量评估模型的计算速度进行评价。上述方法，其中，所述时间复杂度分为训练时间复杂度和评估时间复杂度。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例的无线传感器网络链路质量评估方法中无线传感网络场景的模型图；图2无线传感器网络中5号节点的周期数据图。具体实施方式为使本专利技术的目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。附图中给出了本专利技术的若干实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。本专利技术的优选实施例以基于CC2530芯片的无线传感器网络节点及组成网络为例，对本专利技术提供的无线传感器网络链路质量评估方法进行说明，图1是实例实验场景的模型图，共有7个节点，其中一个为Sink节点(Tx)，其余为感知节点(Rx1、Rx2、Rx3、Rx4、Rx5、Rx6)，节点在一条直线上，与Sink最近的感知节点距离为10m，每个感知节点之间距离为5m。分别设置7dBm、19dBm、31dBm三种不同的功率值，可得到3×6种不同状态的链路。为了减少实验所受的干扰，选择第26号信道进行实验，同时把实验安排在晚上，受人为的干扰因素较小。感知节点通过主动监听的方式，每6s为一个探测周期，以0.2s的间隔发送30个数据包，来获得链路相关信息，其中链路的传输速率为250kbits/s，功率值默认为0dBm。本实施提供的无线传感器网络链路质量评估方法具体包括步骤S1～S3：S1，较全面的选取无线传感器网络的链路质量参数并对其进行归一化处理，具体包括步骤S11～S15：S11，在一个周期内，对30个探测包的SNR求均值即表征该周期链路信道的质量，其中，感知节点Rx5的周期数据可参阅图2；S12，在一个周期内，通过表征链路的稳定性，其中LQI为LQIup的值，μ(LQI)、σ(LQI)分别为该周本文档来自技高网...

【技术保护点】
1.一种无线传感器网络链路质量评估方法，其特征在于，包括如下步骤：S1，选取无线传感器网络的链路质量参数并对其进行归一化处理；S2，采用无监督聚类为融合方法，建立基于改进Stacking集成算法的链路质量评估模型；S3，分别采用准确率和时间复杂度对链路质量评估模型的有效性和计算速度进行评价。

【技术特征摘要】
1.一种无线传感器网络链路质量评估方法，其特征在于，包括如下步骤：S1，选取无线传感器网络的链路质量参数并对其进行归一化处理；S2，采用无监督聚类为融合方法，建立基于改进Stacking集成算法的链路质量评估模型；S3，分别采用准确率和时间复杂度对链路质量评估模型的有效性和计算速度进行评价。2.根据权利要求1所述的无线传感器网络链路质量评估方法，其特征在于，所述步骤S1具体包括：S11，采取SNR表征信道质量；S12，通过表征链路的稳定性，其中μ(LQI)、σ(LQI)分别为LQI的均值和方差；S13，通过ASL＝|LQIup-LQIdown|表征链路的不对称，其中LQIup表示上行LQI；LQIdown表示下行LQI；S14，构建样本集空间{SNR,CV,ASL}；S15，对输入样本进行归一化处理。3.根据权利要求2所述的无线传感器网络链路质量评估方法，其特征在于，所述步骤S15具体包括：将所有数据归一化到[0,1]之间，{SNR,CV,ASL}为链路质量的特征向量，分别遍历各特征向量，将Max和Min的记录下来，并通过Max-Min作为基数，采用以下公式进行数据的归一化处理：其中，x为某特征向量的某个数值，遍历此特征向量，最大值记为Max，最小值记为Min。4.根据权利要求1所述的无线传感器网络链路质量评估方法，其特征在于，所述步骤S2具体包括：S21，通过K-折交叉验证对N个分类算法分别进行实验，通过数据集将N种不同的分类学习算法训练得到C1,...CN，其中CN表示第N个分类器，N＝6；S22，将数据集样本Vj(j＝1,...Q)输入到C1,...CN中，得到分类结果：[C1(Vj),...,CN(Vj)]j＝1,...Q，把N个分类结果加入到Vj(j＝1,...Q)的样本空间中，即{C1(Vj),...,CN(Vj),SNR(Vj)...

【专利技术属性】
技术研发人员：高素，舒坚，刘琳岚，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36