主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
刘琳岚,谷小乐,刘松,舒坚.基于云模型的无线传感器网络链路质量的预测.软件学报,2015,26(S1):70-77
基于云模型的无线传感器网络链路质量的预测
Cloud Model-Based Link Quality Prediction Model for Wireless Sensor Networks
投稿时间:2015-04-15  修订日期:2015-07-20
DOI:
中文关键词:  无线传感器网络  链路质量预测  链路质量划分  高斯云变换  三维正向云
英文关键词:wireless sensor network  link quality prediction  link quality cluster  adaptive Gauss cloud transformation  three dimensional cloud model
基金项目:国家自然科学基金(61363015,61501217);江西省高等学校科技落地计划(KJLD14054)
作者单位E-mail
刘琳岚 南昌航空大学物联网技术研究所, 江西 南昌 330063
南昌航空大学信息工程学院, 江西 南昌 3300633 
liulinlan@nchu.edu.cn 
谷小乐 南昌航空大学物联网技术研究所, 江西 南昌 330063
南昌航空大学信息工程学院, 江西 南昌 3300633 
 
刘松 南昌航空大学物联网技术研究所, 江西 南昌 330063
南昌航空大学软件学院, 江西 南昌 330063 
 
舒坚 南昌航空大学物联网技术研究所, 江西 南昌 330063
南昌航空大学软件学院, 江西 南昌 330063 
 
摘要点击次数: 2008
全文下载次数: 2073
中文摘要:
      无线传感器网络中,节点通过单跳或多跳传递信息.如能提前获知链路质量信息,为上层路由选择链路提供参考,是感知信息实时、准确地送达监控中心的基础.在分析现有基于智能学习链路质量预测方法的基础上,提出一种基于云模型的链路质量预测机制.通过收集不同场景下的链路质量样本,采用自适应高斯云变换对训练样本中的 RSSI(received signal strength indication),LQI(link quality indicator),SNR(received signal strength indication)及PRR(packet reception rate)进行链路划分;考虑到传感器节点的资源受限问题,采用 Apriori 算法对划分后的链路质量参数 RSSI,LQI,SNR 及 PRR 进行关联规则挖掘;在此基础上,基于三维云正向发生器预测链路质量.仿真结果表明,与基于 BP 神经网络的预测方法相比,提出的链路质量预测机制具有较高的预测精度.
英文摘要:
      Message is delivered between nodes through single hop or multiple hops in wireless sensor networks(WSNs). Obtaining link quality information in advance which provides reference for the upper routing protocol to select link is the basis of delivering to the monitoring center accurately and in time. In this paper, a concrete analysis about the related works on WSNs link prediction based on intelligent learning is presented. A novel model, Cloud Model, is proposed to predict link quality. The large amounts of link quality samples are collected from different scenarios, and then adaptive gauss cloud transformation is applied to clustering training samples, such as RSSI, LQI, SNR and PRR. Taking the limit of node's resources into consideration, an Apriori algorithm is applied to mining the association rules from the RSSI, LQI, SNR and PRR which had been clustered. At last, three dimensional cloud model is employed in WSNs link prediction. Comparing with BP neural network prediction method, the proposed prediction model achieves higher accuracy as simulation experiment results show.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利