[发明专利]一种高自由度水下传感器网络中无线链路质量预测方法

权利要求书

1.一种高自由度水下传感器网络中无线链路质量预测方法，其特征在于，包括以下步骤：

步骤1、建立水下传感器网络的加权图序列模型，并设置链路质量、路径质量的衡量指标；

步骤2、通过时间序列模型拟合方法，实现传感器节点与锚节点间链路质量预测；

步骤3、分析链路质量预测结果，进行差错控制与模型优化；

步骤1中所述的建立水下传感器网络的加权图序列模型，具体为：

设定水下传感器网络的加权图序列模型为与其对应的不同时隙的链路质量邻接矩阵为(M₁,…,M_T)；

其中，加权图表示该网络在时隙t的拓扑快照，SN,AN和o分别表示传感器节点集合、锚节点集合以及海面上的Sink，边集E为包含所有有向链路的集合，权重集W为包含在该时隙内所有链路的链路质量集合；

步骤1中所述链路质量，定义为：

给定网络中一对通信邻居节点源节点s和目的节点d，源节点s和目的节点d在时隙t间的链路l(s,d)的链路质量θ(l(s,d))，用该链路在该时隙的分组接收率PRR来衡量；

步骤1中所述路径质量，定义为：

给定网络中的一对非通信邻居节点源节点s’和目的节点d’，源节点s’和目的节点d’在时隙t间的多跳通信路径质量θ(π(s′,d′))，用该条路径π(s',d')在该时隙的分组接收率PRR来衡量，即

θ(π(s′,d′))＝Π_{l(i,j)∈π(s′,d′),i≠j}θ(l(i,j))

其中，i、j表示该路径上的两个相邻节点，l(i,j)表示相应的单跳链路；

步骤2中所述的时间序列模型拟合方法，具体如下：

首先，对于平稳的时间序列，根据自相关函数ACF和偏相关函数PACF的数值变化趋势，选取模型进行建模；

自相关函数的表达式为：

式中，n为时间序列{θ_t}观察值的个数，k为延迟阶数，t＝1,2,…,n；为{θ_t}的平均值；

偏相关函数的表达式为以下递推形式：

其中，j、k为延迟阶数；

然后，采用近似极大似然估计方法估计模型参数；

最后，采用SBC准则进行模型定阶，SBC定阶函数为：

SBC(Ω)＝nlnσ²+2ln(n)Ω

其中，Ω是模型的阶数、n是样本观察值的个数、σ²是模型残差序列的方差估计值；

步骤3中所述的差错控制与模型优化，具体如下：

对于t+l时刻的链路质量预测值计算预测误差e_t+l：

式中，l是预测步长，θ_t+l是t+l时刻的链路质量真实值；

当预测误差的均方差满足下式时，为有效的链路质量预测：

式中，是预测误差的平均值，υ是指定的预测精度门限值，l是预测步长，i是预测步长变量，e_t+i(s,a)为t+i时刻的链路质量预测误差；

当链路质量预测无效时，重复步骤1～步骤2的模型建立过程以及更新预测模型，直至实现有效的链路质量预测。