链路质量评估方法及其系统的制作方法
【专利摘要】本发明提供一种基于动态模糊神经网络的链路质量评估方法及其系统，所述链路质量评估方法包括：建立汇聚型无线传感器网络，并初始化网络拓扑结构；统计所述Sink节点无线接收的来自所述传感节点或所述路由节点上传的数据包，对所述数据包提取信息并获取链路属性；对所述链路属性进行模糊化处理以建立与所述链路属性对应的链路属性模糊集；根据所述链路属性模糊集，建立动态模糊神经网络模型，以获得代表链路质量的度量输出。相对于现有技术，本发明通过建立动态模糊神经网络，提高了链路质量评估的学习能力、自适应能力，从在链路质量评估中提高准确性、鲁棒性，适用于大规模无线传感器网络的多种应用。
【专利说明】链路质量评估方法及其系统
【技术领域】
[0001]本发明涉及无线传感器网络基础协议领域，特别涉及一种应用于无线传感器网络的链路质量评估方法及其系统。
【背景技术】
[0002]无线传感器网络(Wireless Sensor Network, WSN)是一种全分布式系统，众多的传感器节点随机部署于各个监控区域，传感器节点之间以无线自织方式构成网络，其间的相互通信使用的是低功率的无线射频信号即电磁波。无线电波的各种特性例如波的反射，衍射，以及由于反射所引起的多径效应等，加上其传输所处的环境十分复杂多变以及干扰信号的存在，使得节点间的通信质量受到严重的影响和制约，从而导致节点间的链路具有随机性和不稳定性。为了保证网络高效稳定的运行，减少这种由链路的各种因素造成的影响以及提高网络通信的整体性能，这就使得对链路质量进行评估就成为了必须。
[0003]在无线传感器网络中，链路质量评估(Link Quality Evaluation, LQE)受到许多因素共同影响:链路处于射频过渡区域、射频通道时变性质、多径干扰、链接不对称、和硬件差异。无线传感器网络的链路质量评估相比传统无线Mesh网络和Ad-Hoc网络面临更大的挑战:1)、节点的能量有限，大部分应用不提供能量补给且要求长期工作，如何提高能量效率是链路质量评估面临的主要挑战之一；2)、现有无线传感器网络属于窄带通信，低劣的链路质量估计将导致大于200%的网络减速，链路质量评估需要优先考虑减少网络通信负载；3)、链路质量受节点自身和外界影响因素复杂。
[0004]目前，从获取链路质量评估参数角度，可将链路质量评估方法分为三类:基于硬件的链路质量评估(Hardware-Based LQE)、基于软件的链路质量评估(Software-BasedLQE)、以及综合链路质量评估(Hybrid Approach LQE)。
[0005]基于硬件链路质量评估是利用硬件层提供的链路信息，这些信息有些是硬件电路通过电平转换直接获取，如RSSI (Received Signal Strength Indication,接收信号强度指示)、SNR (Signal-to-Noise Ratio，信噪比)，有些是通过硬件层对采集信号编码的统计，如CCI (Co-Channel Interference,同道干扰)。它们的共同特点是不需要增加额外的计算，但这些信息受环境因素影响明显，相关实验研究表明通过基于硬件的评估方法精确度不闻，这是因为:
[0006]①仅能从成功接收的包中获取；②基于包中局部比特位采样获得；③仅能粗糙定性的描述链路质量，无法精确表达链路质量的刻度。
[0007]基于软件链路质量评估是通过链路中接收节点统计包传递或重传的数量或概率获得，可以分为两类:①基于传输成功概率的统计，如包接收率PRR 基于包数量的统计，如ETX、RNP。通过在WSN中持续发送一定数量的广播探测包(Boardcast Active Packet,BAP)，通过统计包交付率PDR反映链路的质量状况，增大了通信开销且对瞬间链路质量的反映不够灵敏。
[0008]综合链路评估是借助硬件层提供的廉价且灵敏的信道信息又能通过统计PDR获取较准确的链路质量，其中比较著名的有Four-bit和F-LQE。Four-bit利用信道信息作为链路发现的依据，然后选取少量较好的链路进行PRR计算一定程度上减少了通信开销，但其并未真正综合利用多种信息结合全面考虑链路的其他特性。F-LQE综合利用了 RSS1、PRR等多种测量方法能较全面的反映链路质量的准确性、稳定性、非对称性，但没有进一步指出各属性之间对链路质量的贡献度，各属性的平均值并不能适应无线传感器网络复杂多变的情况。
[0009]综上所述，目前的研究在获取链路质量方法，减少测量误差，提高方法能效等方面取得了一些进展，主要存在以下不足:1)、研究集中在单一性能方面的提高，还没有涉及到在各性能中寻求一个动态平衡；2)、在大规模WSN应用中，通过周期性广播Beacons获得的评估参数并不能反映瞬间链路质量，存在能耗高和易造成网络拥塞等弊端；3)、试图通过精确的模型在限定的场景下获得链路质量，无法回避影响链路质量复杂和变化的因素，尚未提出有效链路质量评估机制对不同场景的自适应能力。
【发明内容】
[0010]本发明的目的在于提供一种基于动态模糊神经网络的链路质量评估方法及其系统，用于解决现有技术中复杂度高、准确性低、自适应力弱、或者算法复杂度高等问题。
[0011]为解决上述问题及其他问题，本发明在一方面提供一种基于动态模糊神经网络的链路质量评估方法，应用于无线传感器网络中；所述链路质量评估方法包括:建立汇聚型无线传感器网络，并初始化网络拓扑结构；所述汇聚型无线传感器网络中，包括:作为网关节点的至少一个Sink节点，与所述Sink节点相连的一个或多个的传感节点和路由节点；统计所述Sink节点无线接收的来自所述传感节点或所述路由节点上传的数据包，对所述数据包提取信息并获取链路属性；对所述链路属性进行模糊化处理以建立与所述链路属性对应的链路属性模糊集；根据所述链路属性模糊集，建立动态模糊神经网络模型，以获得代表链路质量的度量输出。
[0012]可选地，所述链路质量评估方法还包括调度链路质量探测包的步骤，包括:在不破坏应用层提交的数据包内容基础上，对数据包进行封装，加入链路评估探测信息，评估计算，评估类型；按照链路质量评估实时参数，在链路空闲时生成并插入探测包。
[0013]可选地，在对所述数据包提取信息中，所述信息包括:接收信号强度指示RSS1、链路质量指示LQ1、数据包源地址、以及单播/广播属性。
[0014]可选地，所述链路属性包括:包交付率、链路非对称性、链路稳定性、以及信道质量CQ ;所述获取链路属性包括:所述包交付率是通过测量数据包成功接收率并利用WMEWMA算法处理获得:WMEWMA= α.WMEWMA+(1-α ).PRR' j a e [0，I]，其中，PRR' i 代表所述数据包成功接收率的当前测量值，α代表权值；所述链路非对称性表示被测链路中前行链路与反向链路的差异:ASL (w) = I PRRup-PRRdown |，其中，ASL表示链路非对称性值，PRRup表示前行链路包接收率，PRRdmtn表示反向链路包接收率；所述链路稳定性用于反映链路变化水平:
SFn=COV (PRRO, PRRl,......PRRn)其中，SF 表示稳定性，PRRO, PRRl,......PRRn 表示 PRR 序
列，COV表示变异系数；所述信道质量CQ表示链路的射频信号辨识清晰度，通过获取射频的信噪比SNR或链路质量指示LQI而获得。
[0015]可选地，对所述链路属性进行模糊化处理以建立与所述链路属性对应的链路属性模糊集包括:针对包交付率，包交付率有限集PRR为:
【权利要求】
1.一种基于动态模糊神经网络的链路质量评估方法，应用于无线传感器网络中，其特征在于，所述链路质量评估方法包括: 建立汇聚型无线传感器网络，并初始化网络拓扑结构；所述汇聚型无线传感器网络中，包括:作为网关节点的至少一个Sink节点，与所述Sink节点相连的一个或多个的传感节点和路由节点； 统计所述Sink节点无线接收的来自所述传感节点或所述路由节点上传的数据包，对所述数据包提取信息并获取链路属性； 对所述链路属性进行模糊化处理以建立与所述链路属性对应的链路属性模糊集；根据所述链路属性模糊集，建立动态模糊神经网络模型，以获得代表链路质量的度量输出。
2.如权利要求1所述的基于动态模糊神经网络的链路质量评估方法，其特征在于，还包括调度链路质量探测包的步骤，包括:在不破坏应用层提交的数据包内容基础上，对数据包进行封装，加入链路评估探测信息，评估计算，评估类型；按照链路质量评估实时参数，在链路空闲时生成并插入探测包。
3.如权利要求1所述的基于动态模糊神经网络的链路质量评估方法，其特征在于，在对所述数据包提取信息中，所述信息包括:接收信号强度指示RSS1、链路质量指示LQ1、数据包源地址、以及单播/广播属性。
4.如权利要求3所述的基于动态模糊神经网络的链路质量评估方法，其特征在于: 所述链路属性包括:包交付率、链路非对称性、链路稳定性、以及信道质量CQ ； 所述获取链路属性包括: 所述包交付率是通过测量数据包成功接收率并利用WMEWMA算法处理获得: WMEWMA=Q.WMEWMA+(1-a ).PRR'[O, I] 其中，PRf 表所述数据包成功接收率的当前测量值，a代表权值； 所述链路非对称性表示被测链路中前行链路与反向链路的差异:
ASL (w) =PRRup-PRRdown 其中，ASL表示链路非对称性值，PRRup表示前行链路包接收率，PRRdown表示反向链路包接收率； 所述链路稳定性用于反映链路变化水平: SFn=COV (PRRO, PRRl,......PRRn) 其中，SF表示稳定性，PRRO，PRRl，……PRRn表示PRR序列，COV表示变异系数；所述信道质量CQ表示链路的射频信号辨识清晰度，通过获取射频的信噪比SNR或链路质量指示LQI而获得。
5.如权利要求4所述的基于动态模糊神经网络的链路质量评估方法，其特征在于，对所述链路属性进行模糊化处理以建立与所述链路属性对应的链路属性模糊集包括: 针对包交付率，包交付率有限集PRR为:
PRR = {(H, Mhptr I (H, μ; ) (H, P1prr)} 其中，H=高交付，M=中交付，L =低交付，μ prr为隶属函数； 针对链路非对称性，链路非对称性有限集为:
6.如权利要求5所述的基于动态模糊神经网络的链路质量评估方法，其特征在于，所述动态模糊神经网络模型包括: 链路属性测量值输入层，用于接收各个所述链路属性并根据各个所述链路属性的不同特征采用相应的滤波算法； 隶属函数层，用于反映各输入变量模糊化过程中相应的隶属函数； T-泛数层，用于反映神经网络的模糊规则； 归一化层，用于将各规则的结果按链接权结合并选择激活函数进行归一输出； 链路质量输出层，用于输出所有信号的叠加，代表链路质量的度量。
7.如权利要求6所述的基于动态模糊神经网络的链路质量评估方法，其特征在于，在所述动态模糊神经网络模型中: 所述T-泛数层的规则输出信号为％，k为规则序号，第k个规则的链接权为cok; 依据TSK模型则有:
8.一种基于动态模糊神经网络的链路质量评估系统，应用于无线传感器网络中，其特征在于，所述链路质量评估系统包括: 无线传感器网络初始化单元，用于建立汇聚型无线传感器网络并初始化网络拓扑结构；所述汇聚型无线传感器网络中，包括:作为网关节点的至少一个Sink节点，与所述Sink节点相连的一个或多个的传感节点和路由节点； 链路属性获取单元，用于统计所述Sink节点无线接收的来自所述传感节点或所述路由节点上传的数据包并对所述数据包提取信息并获取链路属性； 模糊化处理单元，用于对所述链路属性进行模糊化处理以建立与所述链路属性对应的链路属性模糊集； 模糊神经网络模型建立单元，用于根据所述链路属性模糊集，建立动态模糊神经网络模型，以获得代表链路质量的度量输出。
9.如权利要求8所述的基于动态模糊神经网络的链路质量评估系统，其特征在于，还包括数据包调度单元，用于:在不破坏应用层提交的数据包内容基础上，对数据包进行封装，加入链路评估探测信息，评估计算，评估类型；按照链路质量评估实时参数，在链路空闲时生成并插入探测包。
10.如权利要求8所述的基于动态模糊神经网络的链路质量评估系统，其特征在于，所述汇聚型无线传感器网络采用基于IEEE802.15.4的媒体接入控制协议。
11.如权利要求8所述的基于动态模糊神经网络的链路质量评估系统，其特征在于，对所述数据包提取的信息包括:接收信号强度指示RSS1、链路质量指示LQ1、数据包源地址、以及单播/广播属性。
12.如权利要求11所述的基于动态模糊神经网络的链路质量评估系统，其特征在于: 所述链路属性包括:包交付率、链路非对称性、链路稳定性、以及信道质量CQ ； 所述获取链路属性包括: 所述包交付率是通过测量数据包成功接收率并利用WMEWMA算法处理获得: WMEWMA=Q.WMEWMA+(1-a ).PRR'[O, I] 其中，PRf 表所述数据包成功接收率的当前测量值，a代表权值； 所述链路非对称性表示被测链路中前行链路与反向链路的差异:
ASl (w) =PRRup-PRRdown 其中，ASL表示链路非对称性值，PRRup表示前行链路包接收率，PRRdown表示反向链路包接收率； 所述链路稳定性用于反映链路变化水平:
SFn=COV (PRRO, PRRl,......PRRn) 其中，SF表示稳定性，PRRO，PRRl，……PRRn表示PRR序列，COV表示变异系数；所述信道质量CQ表示链路的射频信号辨识清晰度，通过获取射频的信噪比SNR或链路质量指示LQI而获得。
13.如权利要求12所述的基于动态模糊神经网络的链路质量评估系统，其特征在于，对所述链路属性进行模糊化处理以建立与所述链路属性对应的链路属性模糊集包括: 针对包交付率，包交付率有限集PRR为:
14.如权利要求13所述的基于动态模糊神经网络的链路质量评估系统，其特征在于，所述动态模糊神经网络模型包括:链路属性测量值输入层，用于接收各个所述链路属性并根据各个所述链路属性的不同特征采用相应的滤波算法； 隶属函数层，用于反映各输入变量模糊化过程中相应的隶属函数； T-泛数层，用于反映神经网络的模糊规则； 归一化层，用于将各规则的结果按链接权结合并选择激活函数进行归一输出； 链路质量输出层，用于输出所有信号的叠加，代表链路质量的度量。
15.如权利要求14所述的基于动态模糊神经网络的链路质量评估系统，其特征在于，在所述动态模糊神经网络模型中: 所述T-泛数层的规则输出信号为％，k为规则序号，第k个规则的链接权为cok; 依据TSK模型则有:
【文档编号】H04W84/18GK103581974SQ201210575763
【公开日】2014年2月12日 申请日期:2012年12月26日 优先权日:2012年12月26日
【发明者】陈宇斌, 熊模昌, 冯利爽, 徐海平 申请人:华平信息技术股份有限公司