无线传感网络链路质量预测机制分析-analysis of link quality prediction mechanism in wireless sensor networks.docxVIP

Generated Generated by Foxit PDF Creator ? Foxit Software HYPERLINK / For evaluation only. I I 摘 要 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。 关键词：无线传感网络；链路质量预测；BP 人工神经网络；均值 RSSI；均值 LQI； PRR Abstr act The nodes are often deployed in harsh field environment which influences the wireless wave used in the communication among nodes greatly. This will cause the loss of data. Then the retransmission mechanism is generally used which can improve the success rate of data transmission to a certain extent but cause the waste of energy. So, if the upper-layer protocol can select a good quality link to transmit data, the transmission rate of data will be improved and the energy will be saved by reducing the retransmission of data. Therefore, it is necessary to study the mechanism of the link quality prediction in WSNs. This project comes from the National Nature Science Foundation: monitoring and studying the WSNs’ own health status used in the event detection. This paper firstly studies the link characteristic of WSNs through the experiment. Then two link quality prediction methods in WSNs are proposed，which are LQP-ES (a Link Quality Prediction method for WSNs based on Exponential Smoothing) and LQP-BP