论文部分内容阅读
无线传感网络的节点通常部署在恶劣的野外环境下，恶劣环境对节点间通信使用的无线电波影响较大，会造成数据的丢失，数据丢失后一般采用重传机制，该机制虽然在一定程度上可以提高数据传输成功率但也造成能量的浪费。如果网络的上层协议在选择路径进行传输数据时选择链路质量较好的链路进行传输，则会提高数据传输率，并且还能因减少数据的重传而节省能量。因此，有必要对无线传感网络链路质量预测机制进行研究。本课题来源于国家自然科学基金：应用于事件检测的无线传感网络自身健康状态监视研究。论文首先通过实验的方式对无线传感网络的链路特性进行了研究，接着提出两种用于无线传感网络链路质量预测的模型，一种是基于指数平滑的WSNs链路质量预测模型(LQP-ES)，另一种是基于BP神经网络的WSNs链路质量预测模型(LQP-BP)。LQP-ES预测模型主要包括PRR值的计算模型、基于指数平滑的预测模型建立、链路质量路由度量三方面的内容。根据均值RSSI、均值LQI、PRR的性质，提出联合均值RSSI和均值LQI计算PRR的计算模型；使用指数平滑的预测算法建立预测模型；使用ETX方法对链路质量路由进行度量。LQP-BP预测模型主要包括链路分析与划分、BP人工神经网络的设计两方面的内容。以均值RSSI为标准把链路划分为突发性链路和稳定性链路，不同链路采用不同的样本采集方法；根据BP人工神经网络的设计原理，对用于时间序列预测的基于BP神经网络的预测模型进行了设计。实验结果表明，两种预测模型均可以用于无线传感网络链路质量预测，LQP-ES模型的计算过程在资源相对受限的TelosB节点上完成，计算量较小；LQP-BP模型的预测过程在内嵌Linux操作系统高性能的Imote2节点上完成，与LQP-ES模型相比，具有预测精度高的优点，但计算量较大。