无线传感器网络链路质量回归估计方法

技术领域

本发明涉及一种无线网络的链路质量估计方法，具体涉及一种无线传感器网络链路质量回归估计方法。

背景技术

在无线网络中，链路质量估计是路由选择、功率控制和多信道通信协议选择信道的依据，链路质量估计的准确程度直接影响无线网络的效率和可靠性。

现有方法包括基于理论模型的方法、统计包接收数量的方法、直接利用物理层参数的方法、在线建立模型的方法和机器学习方法等。

基于理论模型的方法，如专利申请号为CN202010135687公开的一种基于简化理论模型的自适应无线链路质量估计方法，将实时采集的参数代入计算公式得到链路质量估计结果，由于无线传感器网络物理层通常采用直接序列扩频技术和相移键控调制方法，很难推导出精确的差错率计算公式，通常采用估计误码率上限的方法，因此基于理论模型的方法在链路质量估计精度方面受到限制。另外，即使使用简化的计算公式，也包含指数运算和成方运算，计算开销较高。而且由于误码率难以准确计算，目前普遍采用统计接收包数量的方法，根据统计理论，为了准确估计包接收率PRR，需要使用大量的样本，对于计算能力和存储资源有限的无线传感器网络节点难以实现，并且随着样本数量的增加，动态响应性能降低，因此不适用于快速变化的无线网络，而使用少量样本则不可避免会存在较大误差。

直接利用物理层参数的方法，如Senel M,Chintalapudi K,Lal D,et al.AKalman Filter Based Link Quality Estimation Scheme for Sensor Networ，doi:10.1109/GLOCOM.2007.169的文献中，通过对实验数据的分析，得出物理层参数如RSSI、LQI和/或SNR等与PRR的定量关系，在网络运行期间，根据事先得到关系和实时采集的物理层参数对PRR进行估计。由于物理层参数与PRR的关系受环境和干扰等因素的影响较大，所以难以得到适用于所有链路的数学表达式，因此，此类方法只适用于链路质量比较稳定的网络或对估计精度要求不高的场合。

在线建立模型的的方法，如专利申请号为CN201410597267公开的融合信噪比、链路质量指数和包接收率的链路质量估计器和专利申请号为CN201410584342公开的通过少量数据包估计无线传感网络链路质量的方法，利用在线采集的少量数据，通过回归算法求解链路估计模型的参数。由于回归算法需要统计PRR，而当样本数量较少时，统计结果常常会出现较大的偏差，因此导致链路估计模型的精度受到影响。同时，此类方法需要利用接收数据包中的信息RSSI和LQI，一方面，因为没有对缺失数据进行处理，所以模型仅包含成功接收到的信息，从而难以全面估计链路质量；另一方面，当数据采集周期较长时，此类方法不能及时响应链路质量的动态变化。此外，回归算法的计算量也较大。

机器学习方法，如专利申请号为CN201910346281公开的采用广义回归神经网络评估链路质量的方法，利用离线阶段采集的数据集，对某种模型进行训练获得模型参数，在线阶段利用离线阶段建立的模型和实时获取的输入特征对链路质量进行估计。目前已公开的方法所选用的模型包括逻辑回归、支持向量机和神经网络等，部分模型的复杂度较高，不适合计算和存储能力有限的无线传感器网络节点。在特征选择方面，一般使用多种输入参数，包括RSSI、SNR、LQI和PRR等，RSSI表示接收数据包时的信号强度，没有反映信号与干扰和噪声的相对强度，在动态变化的环境中，RSSI与链路质量的相关性较低；尽管在标准中要求兼容的硬件应该提供LQI，但不同厂商的产品在实现方法上存在差异，CC2420、CC2530和SAM-R21等芯片采用连续多个符号的平均相关值作为LQI，MC13234，K32W061/41和JN5189/5188等则以接收包时的平均信号强度值作为LQI，还有一些产品则不提供LQI，因此以LQI作为特征的模型的在通用性方面存在不足。此外，LQI依赖于包的接收，存在不能及时响应链路动态特性的问题。SNR与PRR具有较高的相关度，不过现有硬件产品都不直接提供SNR，需要利用RSSI和能量检测(ED)结果间接得到。目前已公开的方法一般采取同时使用SNR和LQI的方案，当物理层提供的LQI为相关值时，与仅使用一种参数相比，同时使用两个参数并不能明显提高估计精度，当LQI为接收信号强度时，LQI与PRR的相关度较低，链路质量估计的精度主要由模型的SNR部分决定。以当前统计的PRR作为输入特征的方法利用PRR连续取值的相关性提高链路质量估计的精度，当同时使用物理层参数和PRR时，则会增加链路质量估计的计算复杂度。

总之，现有技术存在不能在计算复杂度较低的情况下，及时且准确地估计当前链路质量的问题。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种无线传感器网络链路质量回归估计方法。

本发明提供了一种无线传感器网络链路质量回归估计方法，具有这样的特征，包括以下步骤：步骤S1，采用测试系统采集无线传感器网络的各个区域的数据，根据采集到的数据计算得到各个区域的系数向量w和截距b；步骤S2，无线传感器网络中的任意节点I根据实时采集的信道信号强度和与任意邻居节点J对应的接收信号强度均值，计算输入特征，结合节点I所在区域的系数向量w和截距b，计算得到节点I和邻居节点J之间链路的当前链路质量，其中，步骤S1包括以下子步骤：步骤S1-1，将无线传感器网络的部署空间划分为各个区域，使用测试系统分别在各个区域采集数据，测试系统包括多个发送节点、一个接收节点和一台计算机；步骤S1-2，在各个区域内，测试系统的发送节点以T1为周期，向接收节点发送测试包，接收节点在非传输状态下以T2(T2

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S1-3中，原始记录与接收到的所有测试包一一对应，按照接收测试包的时间顺序排列，每一条原始记录包括对应的测试包中的发送节点标识符、包序号、接收信号强度、信道信号强度和发送功率，填充记录与未接收到的测试包，即丢失包一一对应，填充记录的位置和数量根据相邻原始记录中的发送节点标识符和包序号确定，填充记录中的发送节点标识符、包序号和发送功率根据相邻原始记录确定，填充记录的信道信号强度为原始记录中接收节点采集的信道信号强度中的最大值，填充记录的接收信号强度为与填充记录的发送节点标识符和发送功率相同的所有原始记录的接收信号强度的平均值。

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S1-4中，信干噪比的计算公式为：SINR[i]＝RSS[i]-CSS[i]，各项滑动平均值的计算公式为：

式中SINR[i]为第i个信干噪比，RSS[i]为第i个接收信号强度，CSS[i]为第i个信道信号强度，1≤i≤C，C为跟踪数据集中原始记录和填充记录的总数，

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S1-5中，C

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S1-6中，特征矩阵X、输出向量y、系数向量w和截距b的计算公式为：

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S2-3中，信干噪比的估计值的计算公式为：

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S2-4中，输入特征的计算公式为：

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S2-5中，包接收率的滑动平均值的估计值的计算公式为：

在本发明提供的无线传感器网络链路质量回归估计方法中，还可以具有这样的特征：其中，在步骤S2-6中，发送包接收率的滑动平均值的估计值的方法包括：节点I周期地广播包含包接收率的滑动平均值的估计值的控制消息；或者网络使用确认消息ACK，节点I在每次接收到数据包后，将包接收率的滑动平均值的估计值包含在确认消息ACK中，发送给发送数据包的邻居节点J；或者网络具有请求-应答机制，节点I将包接收率的滑动平均值的估计值包含在CTS消息中，发送给发出RTS消息的邻居节点J；或者已知邻居节点J发送数据的周期，节点I在邻居节点J下一次发送数据包之前，将包接收率的滑动平均值的估计值发送给邻居节点J。

发明的作用与效果

根据本发明所涉及的无线传感器网络链路质量回归估计方法，因为一方面，将信干噪比及其平方和三次方的滑动平均值作为输入特征，采用线性回归模型对包接收率的滑动平均值进行估计，可以得到较高的估计精度，并且计算复杂度较低，另一方面，由接收节点实时采集数据并估计链路质量，不依赖于包的接收过程，在数据发送间隔较大的情况下也能及时准确地估计当前的包接收率，所以，本发明的无线传感器网络链路质量回归估计方法能够在计算复杂度较低的情况下，及时且准确地估计当前链路质量。

附图说明

图1是本发明的实施例中无线传感器网络链路质量回归估计方法的流程示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明无线传感器网络链路质量回归估计方法作具体阐述。

本发明无线传感器网络链路质量回归估计方法以信干噪比及其平方和三次方值的滑动平均值作为输入特征，在离线训练阶段，利用测试系统建立跟踪数据集，并对缺失值进行处理，使用训练数据子集获得无线传感器网络各个划分区域对应的模型参数，包括系数向量w和截距b，在在线阶段，部署在对应区域的无线传感网络节点通过实时采集信道参数，计算输入特征，并利用离线训练阶段得到的模型参数进行链路质量估计。

图1是本发明的实施例中无线传感器网络链路质量回归估计方法的流程示意图。

如图1所示，无线传感器网络链路质量回归估计方法包括以下步骤：

步骤S1，采用测试系统采集无线传感器网络的各个区域的数据，根据采集到的数据计算得到各个区域的系数向量w和截距b。即通过离线训练的方式，采用测试系统在各个区域采集包括信道信号强度和接收信号强度的数据，建立跟踪数据集，利用原始记录的信息填充缺失数据，根据信道信号强度和接收信号强度计算信干噪比、信干噪比的平方、信干噪比的三次方的滑动平均值作为回归模型的输入特征，计算包接收率的滑动平均值作为回归模型的输出量，从而获得各个区域的系数向量w和截距b。具体包括以下子步骤：

步骤S1-1，将无线传感器网络的部署空间划分为各个区域，使用测试系统分别在各个区域采集数据，测试系统包括多个发送节点、一个接收节点和一台计算机，测试系统的发送节点和接收节点与组成无线传感器网络的各节点具有相同类型的射频通信电路，可以采用无线传感器网络的部分节点作为发送节点和接收节点。

步骤S1-2，在各个区域内，测试系统的发送节点以T1为周期，向接收节点发送测试包，接收节点在非传输状态下以T2(T2

步骤S1-3，根据区域内收到的所有测试包，构造具有C条记录的该区域的跟踪数据集，跟踪数据集包括原始记录和填充记录。

其中，原始记录与接收到的所有测试包一一对应，按照接收测试包的时间顺序排列，每一条原始记录包括对应的测试包中的发送节点标识符、包序号、接收信号强度、信道信号强度和发送功率，填充记录与未接收到的测试包，即丢失包一一对应，填充记录的位置和数量根据相邻原始记录中的发送节点标识符和包序号确定，填充记录中的发送节点标识符、包序号和发送功率根据相邻原始记录确定，填充记录的信道信号强度为原始记录中接收节点采集的信道信号强度中的最大值，填充记录的接收信号强度为与填充记录的发送节点标识符和发送功率相同的所有原始记录的接收信号强度的平均值。

步骤S1-4，根据跟踪数据集中的记录，分别计算得到信干噪比、信干噪比的平方、信干噪比的三次方和包接收率对应的滑动平均值，将各项滑动平均值添加到跟踪数据集中的对应记录中。

其中，信干噪比的计算公式为：

SINR[i]＝RSS[i]-CSS[i]，

计算跟踪数据中所有记录即所有填充记录和原始记录的信干噪比，再选取所有记录的信干噪比中的最小值替换所有填充记录中原来的信干噪比。

各项滑动平均值的计算公式为：

/>

式中SINR[i]为第i个信干噪比，RSS[i]为第i个接收信号强度，CSS[i]为第i个信道信号强度，1≤i≤C，C为跟踪数据集中原始记录和填充记录的总数，

步骤S1-5，从跟踪数据集中随机选取C

其中，C

步骤S1-6，根据训练数据子集中的各项滑动平均值，构建输入特征矩阵X和输出向量y，根据输入特征矩阵X和输出向量y，计算得到该区域的系数向量w和截距b。

其中，特征矩阵X、输出向量y、系数向量w和截距b的计算公式为：

w＝(w

b＝w

式中

步骤S1-7，根据测试数据子集，对参数为系数向量w和截距b的回归模型进行测试，计算均方误差MSE和决定系数R

上述步骤S1-1至步骤S1-7为离线训练阶段。

步骤S2，无线传感器网络中的任意节点I根据实时采集的信道信号强度和与任意邻居节点J对应的接收信号强度均值，计算输入特征，结合节点I所在区域的系数向量w和截距b，计算得到节点I和邻居节点J之间链路的当前链路质量。该系数向量w和截距b表示了包接收率的滑动平均值和信干燥比及其平方和三次方的滑动平均值的关系，因而能够用于估计对应区域的无线传感网络节点间的链路质量。具体包括以下子步骤：

步骤S2-1，无线传感器网络的任意节点I在非传输状态下，周期地采集信道信号强度，并存储最近采集的L个信道信号强度，作为最新信道信号强度集。

步骤S2-2，节点I从任意邻居节点J接收到数据包时，计算并更新节点I从邻居节点J收到信号的接收信号强度的平均值，作为与节点J对应的接收信号强度平均值。

步骤S2-3，根据最新信道信号强度集和与节点J对应的接收信号强度平均值，计算得到节点I从邻居节点J接收信号的最近L个信干噪比的估计值，根据L个信干噪比的估计值，分别计算得到对应的L个信干噪比的估计值的平方值和L个信干噪比的估计值的三次方值。

其中，信干噪比的估计值的计算公式为：

式中SINR

步骤S2-4，根据L个信干噪比的估计值、L个信干噪比的估计值的平方值和L个信干噪比的估计值的三次方值，以L为滑动窗口长度，计算得到信干噪比的估计值、信干噪比的估计值的平方值和信干噪比的估计值的三次方值对应的滑动平均值，作为输入特征。

其中，输入特征的计算公式为：

式中L为滑动窗口长度，L＝K，SINR

步骤S2-5，根据输入特征构造输入特征向量，结合节点I所在区域的系数向量w和截距b，计算得到邻居节点J发送时节点I的包接收率的滑动平均值的估计值。

其中，包接收率的滑动平均值的估计值的计算公式为：

式中x

步骤S2-6，节点I将包接收率的滑动平均值的估计值，作为节点I和邻居节点J之间链路的当前链路质量，发送给邻居节点J，使邻居节点J得到与节点I之间链路的当前链路质量。

其中，发送包接收率的滑动平均值的估计值的方法包括：节点I周期地广播包含包接收率的滑动平均值的估计值的控制消息；或者网络使用确认消息ACK，节点I在每次接收到数据包后，将包接收率的滑动平均值的估计值包含在确认消息ACK中，发送给发送数据包的邻居节点J；或者网络具有请求-应答机制，节点I将包接收率的滑动平均值的估计值包含在CTS消息中，发送给发出RTS消息的邻居节点J；或者已知邻居节点J发送数据的周期，节点I在邻居节点J下一次发送数据包之前，将包接收率的滑动平均值的估计值发送给邻居节点J。

上述步骤S2-1至步骤S2-6为在线阶段。

实施例的作用与效果

根据本实施例所涉及的无线传感器网络链路质量回归估计方法，一方面，将信干噪比及其平方和三次方的滑动平均值作为输入特征，采用线性回归模型对包接收率的滑动平均值进行估计，可以得到较高的估计精度，并且计算复杂度较低，另一方面，通过接收节点实时采集信干噪比，而不依赖于包的接收过程，在数据发送间隔较大的情况下也能及时准确地估计当前的包接收率。总之，本方法能够在计算复杂度较低的情况下，及时且准确地估计当前链路质量。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。