基于动态贝叶斯网络的WSNs链路质量预测
无线传感器网络中,链路质量预测为数据可靠传输和上层网络协议性能的提高提供支撑.为进一步提高链路质量预测的准确性,提出基于动态贝叶斯网络(dynamic Bayesian networks,DBN)的链路质量预测机制.为避免单一评价指标的片面性,从链路信号质量、链路稳定性及非对称性3方面综合评价链路质量;采用K-means聚类算法对参数进行离散化预处理,得到各参数的离散区间;采用熵值法确定各参数的权重,以消除参数权重计算中主观因素的干扰;为避免最大隶属原则的缺陷,采用非对称贴近度分析法构建综合性的链路质量等级指标;借助贝叶斯网络(Bayesian networks,BN)处理不确定性问题的优势和BN分类器在分类上的良好性能,确定DBN的初始网络和转移网络,采用EM算法进行DBN模型的参数学习,从而构建了基于DBN的链路质量预测模型.实验结果表明了采用非对称贴近度分析法划分链路质量等级的合理性与DBN链路质量预测模型的合理性;与4C及FLI预测模型相比,本文模型具有更高的预测准确度.采用链路信号质量、链路稳定性及非对称性3个指标评价链路质量,采用DBN构建预测模型,可得到更准确及鲁棒性更好的链路质量预测结果.
无线传感器网络、链路质量预测、动态贝叶斯网络、贴近度分析法
49
TP393(计算技术、计算机技术)
国家自然科学基金资助项目61363015,61262020,61501218,61501217;江西省高等学校科技落地计划资助项目KJLD14054;江西省教育厅科学技术重点资助项目GJJ150702
2017-05-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
152-159