基于卷积阶梯网络的链路质量评估

作者：吕辉

来源：计算机技术（专业学位）, 硕士, 南昌航空大学, 2022.

DOI：10.27233/d.cnki.gnchc.2022.000743

• 无线传感器网络
• 链路质量评估
• 卷积阶梯网络
• 链路质量等级

无线传感器网络具有能量、存储受限的特性,部署环境多样化,导致节点间的数据传输容易受到部署环境中遮掩物等因素的干扰,使节点间的通信具有不可靠性。准确有效地评估链路质量可以使节点在传输数据时,选择更为合适的节点作为下一跳,降低数据包重传概率,提高无线传感器网络的吞吐量,减少数据传输能耗,从而延长网络的存活时间。论文提出一种基于卷积阶梯网络的链路质量评估方法:针对链路具有不对称性的特点,选择通信节点上下行的链路质量指示、信噪比以及接收信号强度指示作为链路质量参数;数据预处理阶段,使用探测周期内链路质量参数的最小值填充缺失探测包;由于链路质量参数具有时序性,利用滑动时间窗口选择历史链路质量样本作为评估模型的输入;采用优化的围绕中心点划分算法划分链路质量等级,避免人为划分造成误差;借助阶梯网络在特征提取上的优势,构建链路质量评估模型(Link Quality Estimation Model Based on Ladder Network,LQE-LNet);针对阶梯网络中全连接层提取时序特征效果不佳的问题,引入一维卷积层提取链路质量参数的时序特征,再使用全连接层融合提取到的时序特征,从而构建基于卷积阶梯网络的链路质量评估模型(Link Quality Estimation Model Based on Convolutional Ladder Network,LQE-CLNet),实现对链路质量的评估。论文分析常见的干扰类型,依据主要干扰源的不同,选择停车场、街道和室内作为实验场景,收集数据并进行实验,使用Precision、F1-score评价链路质量评估模型的分类性能。评估模型对比结果表明,与LQE-LNet相比,LQE-CLNet具有更高的Precision,引入一维卷积层可以有效提高LQE-CLNet对链路时序特征的提取效果;与基于随机森林、轻量级波动多参数融合、自适应广义回归神经网络等链路质量评估模型相比,LQE-CLNet具有更高的Precision与F1-score;设计消融实验分析模型不同模块对整体性能的贡献,消融实验结果表明,LQE-CLNet的跨层连接对模型整体性能贡献最大,其次为无噪编码器模块以及高斯噪声模块。