[发明专利]一种基于决策树模型的无线体域网多网共存状态预测方法

权利要求书

1.一种基于决策树模型的无线体域网多网共存状态预测方法，目的在于确保共存问题可以被及时检测，主要过程包括：

A.将无线体域网的多网共存状态分为四类：空态、静态、半动态和动态；

B.采用机器学习中的决策树模型作为预测模型；

C.对头部传感器节点采集的数据进行特征提取，作为模型的输入；

D.根据所提出的共存状态预测算法流程，对无线体域网当前的共存状态进行预测。

2.如权利要求1所述的方法，其特征在于，参考IEEE 802.15.6标准给出的三个移动等级，将无线体域网的多网共存状态定义为四类：空态、静态、半动态和动态，以确保共存问题可以被及时检测，而后续可以根据不同的状态采取不同的处理方式；之后根据实验生成的决策树模型的参数，对四类状态进行了定量定义。

3.如权利要求1所述的方法，其特征在于，采用了机器学习中的决策树模型来进行预测模型的训练和应用，具体采用C4.5算法，它在每次选择划分特征时使用信息增益率来作为评价标准；与其它监督学习模型相比，决策树模型具有相对较低的计算复杂度和较高的可解释性，并且其算法易于应用在计算和存储能力相对较弱的传感设备中。

4.如权利要求1所述的方法，其特征在于，通过实验比较，位于头部的传感器节点是预测模型输入数据最合适的来源，从其数据中100个连续采样的误包率和信干噪比中提取出的平均PER、SSI和LC三个特征，在用于模型输入时可以得到最高的预测准确率。

5.如权利要求1所述的方法，其特征在于，将生成的决策树模型用于协调器节点，在节点每收到100个连续采样的误包率和信干噪比数据后提取出各个特征，输入到决策树模型中得到预测结果，然后重复进行此预测过程，可以实时获取无线体域网当前所处的共存状态。