CN104301964A - 基于组合预测的自适应机会协作控制方法 - Google Patents

Abstract

一种基于组合预测的自适应机会协作控制方法，属于无线通信传输控制技术领域。根据不同的感知决策级别定义不同的控制事件序列，判断分析其随机性特征，结合预测请求和感知需求通过加权移动平均法和指数平滑法的组合预测选择最佳预测值；发送端节点根据感知级别和预测值确定最佳机会协作控制方案；协作节点根据发送端节点确定的感知决策级别，判断是否适合继续加入机会协作过程，如果相应状态参数低于门限值则向发送端节点反馈，重新建立机会协作传输控制过程，机会式地建立多样化自适应中继协作传输路径。优点：能实时感知无线传感器网络状态，充分考虑网络状态的变化，自适应建立具有高可靠性、实时性、高带宽和低能耗的机会协作传输控制***。

Description

基于组合预测的自适应机会协作控制方法

技术领域

本发明属于无线通信传输控制技术领域，涉及一种基于组合预测的自适应机会协作控制方法，具体涉及一种适用于无线传感器网络的基于多级感知组合预测的自适应机会协作控制方法。

背景技术

协作通信技术，是一种使得仅有单天线的移动终端也可以实现空间分集的新技术。它通过***中各个用户帮助其伙伴用户传输信息，共享彼此的天线和空间信道资源，构成虚拟MIMO(英文全称为：Multiple Input Multiple Output，中文名称为：多输入多输出)***，从而获得空间分集增益。而在无线传感器网络中，每个节点的传输功率受电池能量有限的约束，难以进行有效的长距离通信。利用协作通信技术，可以将多个传感器节点构成虚拟天线阵列，通过多节点间的协作在多径衰落环境中进行可靠通信，降低由信号衰落造成的误码引起的重传，提高节点能量的利用率，克服传感器节点能量受限的弱点。

无线传感器网络中的协作通信相对于传统的直接传输方式有其特殊性，主要表现为：其一，无线传感器网络依靠部署的高密度节点之间的协同合作方式实施数据感知、收集以及处理，然而在协作传输过程中必须考虑传感器节点自身体积、能量、数据存储与处理能力以及通信带宽等限制因数；其二，在无线传感器网络中，协作通信通过共享节点资源可以有效提高***资源利用率和改善网络性能，然而何时开始协作通信、选择哪些节点加入协作过程、如何建立协作传输控制机制等问题是无线传感器网络协作通信的关键；其三，影响传感器节点状态的因素主要包括发射功率、信道质量、距离、活动概率等，而传感器节点状态又会直接影响协作通信性能，例如某节点发射功率较强可能导致能量耗尽，使其活动概率下降，而无法继续作为协作节点进行协作传输，此时需要考虑重建协作传输过程，同时，如果能够预测影响传感器状态的因素将对于建立协作传输提供重要依据，因此无线传感器网络需要具备自适应机会协作传输控制功能；其四，机会协作方式中，探讨如何有效降低无线传感器网络中每个终端设备的能耗、改善***吞吐率和传输时延，同时提供高可靠性、满足多样***质量藉以保障需求，成为无线传感器网络协作通信研究领域亟待解决的关键问题之一。

综上所述，由于传感器节点自身物理和电气属性的限制以及无线传感器网络动态拓扑等的特殊性，使用直接传输或固定协作传输的控制方法，会难以满足实际应用业务和多样***质量的保障需求。因此，提出一种基于多级感知预测的自适应机会协作控制方法，既紧跟无线传感器网络未来发展趋势，又可以根据实际状态自适应建立最佳机会协作传输控制方案。鉴于此，本申请人作了有益的设计，下面将要介绍的技术方案便是在这种背景下产生的。

发明内容

本发明的目的在于提供一种基于组合预测的自适应机会协作控制方法，通过多级感知的组合预测，能实时感知无线传感器网络状态，协作节点自适应地建立机会协作传输，建立多样化自适应中断协作传输路径，使无线传感器网络在满足多样***质量保障需求的同时，提高了可靠性和实时性。

本发明的目的是这样来达到的，一种基于组合预测的自适应机会协作控制方法，其特征在于，包括如下步骤：

S01)发送端节点根据传感器节点物理和电气属性获取发射信号的能量E、节点近地参考距离d₀、发射信号速度R_radio、误码率P_b、噪声带宽B_N以及高斯白噪声方差σ²,并得出信噪比SNR和中断概率P_out；

S02)结合步骤S01)中得到的信噪比SNR和中断概率P_out，分别建立用于分析活动概率AP门限值的函数THA(AP)、用于分析距离D门限值的函数THA(D)，用于分析发射功率TP门限值的函数THA(TP)以及用于分析协作节点个数M门限值的函数THA(M)；

S03)将发送端节点网络状态定义为包括活动概率集合APs、距离集合Ds、发射功率集合TPs以及节点个数集合Ms，并发射该状态信号序列；

S04)进入I级感知决策，定义活动概率AP为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S05)调用THA(AP)，得到活动概率门限值AP_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S06)进行I级感知决策，制定机会协作控制方案即选择M_j个活动概率AP大于门限值AP_j(1<j>N)的邻居节点进行协作传输；

S07)若I级感知收到接收端节点或协作节点反馈,则执行步骤S08),否则执行步骤S06)；

S08)进入II级感知决策，定义距离D为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S09)调用THA(D)，得到距离门限值D_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S10)进行II级感知决策，制定机会协作控制方案即选择M_j个距离D大于门限值D_j(1<j>N)的邻居节点进行协作传输；

S11)若II级感知收到接收端节点或协作节点反馈,则执行步骤S12),否则执行步骤S10；

S12)进入III级感知决策，定义发射功率TP为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S13)调用THA(TP)，得到发射功率门限值TP_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S14)进行III级感知决策，制定机会协作控制方案即选择M_j个发射功率TP大于门限值TP_j(1<j>N)的邻居节点进行协作传输；

S15)将协作节点网络状态定义为包括活动概率集合APs、距离集合Ds以及发射功率TPs，并发射该状态信号序列；

S16)若该协作节点是I级感知被选中则执行步骤S17)，是II级感知被选中则执行步骤S18)，否则执行步骤S19)；

S17)将协作节点的活动概率周期性与活动概率门限值进行比较，当活动概率周期性小于活动概率门限值AP_j(1<j>N)时向发送端节点反馈；

S18)将距离周期性与距离门限值进行比较，当距离周期性小于距离门限值D_j(1<j>N)时向发送端节点反馈；

S19)将发射功率周期性与发射功率门限值进行比较，当发射功率周期性小于发射功率门限值TP_j(1<j>N)时向发送端节点反馈。

在本发明的一个具体的实施例中，所述的控制事件序列x作随机性验证和组合预测，包括如下步骤：

S101)调用Randomness_Test(x)，得到用于检测控制事件序列x是否具有随机性以及保持随机性的最佳自相关系数个数m和显著性水平a；

S102)检测是否存储过去统计值，若是，则执行步骤S103)，若否，则检测通信设备有无足够的存储空间，若无，则执行步骤S104)，否则执行步骤S103)；

S103)采用加权移动平均法预测，调用WeightedMA(X)，根据预测请求和感知需求分析得到最佳统计值个数n和加权权重w值，并得到预测值；

S104)采用指数平滑法预测，调用ExponentialS(X)，根据预测请求分析得到多级感知的最佳平滑权重S_w值，并得到预测值。

本发明采用多级感知的组合预测，根据不同的感知决策级别定义不同的控制事件序列，判断分析其随机性特征参数，结合预测请求和感知需求通过加权移动平均法和指数平滑法的组合预测选择最佳预测值。发送端节点根据感知级别和预测值确定最佳机会协作控制方案；协作节点根据发送端节点确定的感知决策级别，判断是否适合于继续加入机会协作过程，如果相应状态参数低于门限值则向发送端节点反馈，重新建立机会协作传输控制过程，机会式地建立多样化自适应中继协作传输路径。本发明与现有技术相比，具有的有益效果是：能实时感知无线传感器网络状态，充分考虑网络状态的变化，自适应建立具有高可靠性、实时性、高带宽和低能耗的机会协作传输控制***。

附图说明

图1为本发明中自适应机会协作控制方法工作流程示意图。

图2为本发明中发射功率和节点个数对信噪比影响变化规律示意图。

图3为本发明中距离和节点个数对信噪比影响变化规律示意图。

图4为本发明中发射功率和节点个数对中断概率影响变化规律示意图。

图5为本发明中距离和节点个数对中断概率影响变化规律示意图。

图6为本发明中活动概率和节点个数对中断概率影响变化规律示意图。

图7为本发明中加权移动平均法预测参数设置对预测效果实时性影响示意图。

图8为本发明中加权移动平均法预测参数设置对预测效果可靠性影响示意图。

图9为本发明中指数平滑预测法可靠性和实时性变化示意图。

图10为本发明中多级感知组合预测法工作流程示意图。

图11为本发明中基于组合预测的自适应机会协作控制示意图。

具体实施方式

为了使公众能充分了解本发明的技术实质和有益效果，申请人将在下面结合附图对本发明的具体实施方式详细描述，但申请人对实施例的描述不是对技术方案的限制，任何依据本发明构思作形式而非实质的变化都应当视为本发明的保护范围。

请参阅图1，对自适应机会协作控制机制进行说明。无线传感器网络中，发送端节点向接收端节点传输数据，假设发送端节点共有M-1个邻居节点，发送端节点通过无线广播发送数据，邻居节点接收数据并加入协作传输过程，由此发送端节点与邻居节点采用协作方式传输数据。在无线传感器网络协作通信中，可以从发送端节点的邻居节点中根据门限值以一定概率实时选择最佳中继节点，从而构成自适应机会协作传输控制***，包括如下步骤：

S01)发送端节点根据传感器节点物理和电气属性获取发射信号的能量E、节点近地参考距离d₀、发射信号速度R_radio、误码率P_b、噪声带宽B_N以及高斯白噪声方差σ²,并得出信噪比SNR和中断概率P_out，接收端节点信噪比SNR的计算公式如下

$\mathrm{SNR}=\frac{E}{{\mathrm{\&sigma;}}^2}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{AP}}_i{\mathrm{TP}}^i\left|{h_i}^2\right|{\left({10}^{{\mathrm{TP}}^0-\mathrm{TP}\left(d_0\right)+10\log d_0-{\mathrm{TP}}_n-\frac{{2R}_{\mathrm{radio}}{\ln }_2{P}_b}{B_N}}\right)}^{-1}---\left(1\right)$

其中，M为发送端节点、也为协作节点的个数，AP表示传感器节点活动概率取值为[0,1]的区间，TP表示传感器节点的发射功率，h_i表示传感器节点i到接收端节点的信道质量。

中断概率P_out的计算公式如下

$P_{\mathrm{out}}=\left\{\begin{array}{c}0,\mathrm{SNR}\&GreaterEqual;{\mathrm{TH}}_{\mathrm{SNR}}\\ 1-\frac{\mathrm{SNR}}{{\mathrm{TH}}_{\mathrm{SNR}}},\mathrm{SNR}<{\mathrm{TH}}_{\mathrm{SNR}}\end{array}\right.---\left(2\right)$

其中，TH_SNR为SNR阈值；

S02)结合步骤S01)中得到的信噪比SNR和中断概率P_out，分别建立用于分析活动概率AP门限值的函数THA(AP)、用于分析距离D门限值的函数THA(D)，用于分析发射功率TP门限值的函数THA(TP)以及用于分析协作节点个数M门限值的函数THA(M)；

S03)定义发送端节点的网络状态包括活动概率集合APs、距离集合Ds、发射功率TPs以及节点个数集合Ms，并发射该状态信号序列；

S04)进入I级感知决策；

S05)调用THA(AP)，得到活动概率门限值AP_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S06)进行I级感知决策，制定机会协作控制方案即选择M_j个活动概率AP大于门限值AP_j(1<j>N)的邻居节点进行协作传输；

S07)若收到接收端节点反馈，则执行步骤S08)，即进行II级感知决策；

S08)进入II级感知决策；

S09)调用THA(D)，得到距离门限值D_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S10)进行II级感知决策，制定机会协作控制方案即选择M_j个距离D大于门限值D_j(1<j>N)的邻居节点进行协作传输；

S11)若收到接收端节点反馈,则执行步骤S12)，即进行III级感知决策；

S12)调用THA(TP)，得到发射功率门限值TP_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S13)进行III级感知决策，制定机会协作控制方案即选择M_j个发射功率TP大于门限值TP_j(1<j>N)的邻居节点进行协作传输。

请参阅图2～图6，对如何建立步骤02)中所述的函数THA(AP)、THA(D)、THA(TP)以及THA(M)进行说明。根据公式(1)和(2)分析协作节点个数M、活动概率AP、距离D以及发射功率TP对信噪比SNR和中断概率P_out的影响。结合信噪比SNR和中断概率P_out的变化规律，得到分析节点个数M、活动概率AP、距离D以及发射功率TP的门限值，具体如下：

活动概率AP门限值：AP＝1 M＝2，AP＝0.8 M＝3，AP＝0.6 M＝4，AP＝0.4 M＝5；

距离D门限值：M＝5 D>＝10，M＝4 D<＝8，M＝3 d<＝6 M＝2 d<＝4；

发射功率TP门限值：M＝5 TP＝3，M＝4 TP＝5，M＝3 TP＝7，M＝2 TP＝10。

在本发明中将分析活动概率AP门限值的方法设为函数THA(AP)，将分析距离D门限值的方法设为函数THA(D)，将分析发射功率TP门限值的方法设为函数THA(TP)，将分析协作节点个数M门限值的方法设为函数THA(M)。

接着，对无线传感器网络中控制事件序列的随机性验证进行说明。在无线传感器网络中，数据按照一定的时间间隔进行传输，过程中的控制事件按照先后顺序排列构成事件序列，通过计算自相关系数个数m并结合显著性水平a，对采集到的事件序列的动态特征进行分析，判断其在什么情况下具有随机性以便进行数据传输控制事件的预测。定义r为事件序列的自相关系数，x为通过采集数据而构成的控制事件序列的变量，自相关系数r的计算公式如下，

$r=\underset{t=1}{\overset{N-k}{\mathrm{\&Sigma;}}}(x_t-\stackrel{\&OverBar;}{x})(x_{t+k}-\stackrel{\&OverBar;}{x})/\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{(x_t-\stackrel{\&OverBar;}{x})}^2---\left(3\right)$

x_t表示t时刻控制事件，x_t+k表示t+k时刻控制事件，t为控制事件发生时间，N表示控制事件发生个数，将N个控制事件分成(N-k)组数据，其中， $\stackrel{\&OverBar;}{x}=\frac{1}{N}\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_t.$

如果r满足如下不等式，则认为该组事件序列具有随机性，

$\left|r\right|\&le;\frac{T_a}{\sqrt{N}}---\left(4\right)$

其中，T_a表示根据显著性水平a得到的权值系数。

请参阅表1，表1为本发明所述的随机性检测分析表。

为了分析自相关系数个数m和显著性水平a对事件序列动态特性的影响，将m取值为[4，5，6，7，8]，且a取值为[0.01，0.02，0.05，0.1，0.2，0.3，0.4，0.5]。表中的T表示此时事件序列具有随机性特征，F表示不具有随机特性。当m＝[4，5，6，7，8]，事件序列在a＝[0.01，0.02，0.05]时具有随机性特征；当m＝[5，6，7，8]，事件序列仅在a＝0.1时具有随机特征；当m＝[6，7，8]，事件序列仅在a＝0.2时具有随机性特征，由此可总结为：

当a≤0.05时，事件序列均具有随机性特征；

当a＝0.1时，只有当m≥5事件序列才具有随机性；

当a＝0.2时，只有当m≥6事件序列才具有随机性；

当a≥0.3时，事件序列均不具有随机性。

该事件序列中的事件具有多样性，可以是丢包时间点、丢包个数、信噪比、误码率、中断概率以及通信距离等多样性多级事件。在本发明中，将以上事件序列的动态特性检测方法设为Randomness_Test(x)。

请参阅图7和图8，对多级感知的组合预测进行说明。当无线传感器网络的数据通信受周期性变动、拓扑动态变化以及随机干扰等因素影响较大时，无线传输事件的预测难度将增大，此时可考虑采用加权移动平均法来消除以上干扰因素，以便明确传输控制事件的发展趋势，进行有效预测。此处，以丢包时间点为例进行说明，从无线传感器网络实际通信过程中统计n个丢包时间作为基数，预测第n+1、n+2…个丢包时间点。根据如下公式计算得到加权移动平均值即事件预测值。

${\mathrm{WMA}}_{t+1}=\frac{1}{n}\underset{i=t+1-n}{\overset{t}{\mathrm{\&Sigma;}}}{w}_{i-t+n}{x}_i---\left(5\right)$

其中，WMA_t+1表示第t次周期性变动后的加权移动平均值即第t+1次预测值，w表示加权权重，x_i为对应丢包时间点的事件序列。

请参阅表2，表2为本发明所述的加权移动平均法下的预测对比分析表。

预测参数设置	实际值	预测值	误差
				(n＝6,w1)	39	43.5282	0.1492
(n＝6,w2)	39	46.7233	0.2866
				(n＝6,w3)	39	45.1210	0.1676
(n＝10,w1)	48.5	50.7251	0.1014
				(n＝10,w2)	48.5	52.1369	0.1573
(n＝10,w3)	48.5	52.1320	0.1060

基于n个实测统计丢包时间点来预测第n+1和n+2个丢包时间点，由此可分析该方法的可靠性和实时性。将n取值为[6，10]，同时加权权重w取三组数据，分别为：w₁＝[0.05，0.1，0.5，1.0，1.5]；w₂＝[0.5，1.0，1.5，2.0，2.5]；w₃＝[0.05，0.1，0.5，1.0]。另外，图7中示意了不同预测参数条件下的预测时间值，其中11th表示第11个实际统计时间值，12th表示第12个实际统计时间值。由表2和图7可总结出通过加权移动平均法的预测效果的实时性规律：n越小实时性越好，即预测时间值更靠近实际值。而由图8可总结出预测效果的可靠性规律：n较小时，若加权权重w太小，误差会很大；n越大误差越小，可靠性越高；加权权重w并不是越大越好，而是应根据预测需求选择合适的值；在加权权重w数组内各元素取值相等的情况下，增加数组长度可降低预测误差，提高可靠性。由以上分析发现，在实际应用中，最近统计数据可以更准确地展示控制事件发展趋势，加权移动平均法正是利用该特性进行预测，并具有可靠性和实时性感知能力。在本发明中将以上的加权移动平均预测方法设为WeightedMA(x)。

所述的多样性感知的加权移动平均预测法，基于n个实测统计丢包时间点，分析加权权重w对预测可靠性和实时性的影响规律，选择最佳预测参数设置条件，但是必须有n个过去实际统计值。然而在无线传感器网络的数据传输初期难以满足该条件，且大量的数据存储会增加***负担。由此，考虑采用指数平滑预测法来替代加权移动平均预测法。所述的指数平滑预测法只需要两个数值，其通过最新一期实测值和上一期预测值便可以预测事件，具体公式如下

ES_t+1＝S_wx_t+(1-S_w)ES_t   (6)

其中，ES_t+1表示基于第t个实测统计值得到的第t+1个指数平滑预测值，S_w表示平滑权重。

请参阅图9，基于n个实测统计丢包时间点预测第n+1和n+2个丢包时间点，由此可分析该方法的可靠性和实时性。将平滑权重Sw取值为[0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1]，可总结如下结论：

基于第9个实测值预测第10个丢包时间点时，平滑权重S_w应小于0.5，并存在最佳值；

预测第11个和第12个丢包时间点时，平滑权重S_w应大于0.5，并存在最佳值；

预测值根据事件序列顺序，越靠后其最佳平滑权重S_w越接近于1。

基于以上分析方法可以为事件序列中每个预测点找到综合了可靠性和实时性的最佳平滑权重S_w值。在本发明中将上述用于分析包括可靠性和实时性综合感知的最佳平滑权重S_w值的指数平滑预测法设为ExponentialS(X)。

加权移动平均法可以根据预测请求选择最佳统计值个数n和加权权重w值，但必须占用一定的存储空间对过去的统计值进行存储；而指数平滑预测法不需要大量过去统计值便可综合考虑可靠性和实时性进行预测，但它的精度比加权移动平均法略低。因此本发明给出了基于多样性预测请求且支持多级感知的组合预测法，请参阅图10，在根据预测请求确定预测对象的控制事件序列x后，按如下步骤实现组合预测：

S101)调用Randomness_Test(x)，得到用于检测控制事件序列x是否具有随机性以及保持随机性的最佳自相关系数个数m和显著性水平a；

S102)检测是否存储过去统计值，若是，则执行步骤S103)，若否，则检测传感器节点、基站或服务器等通信设备有无足够的存储空间，若无，则执行步骤S104)，否则执行步骤S103)；

S103)采用加权移动平均法预测，调用WeightedMA(X)，根据预测请求和感知需求分析得到最佳统计值个数n和加权权重w值，并得到预测值；

S104)采用指数平滑法预测，调用ExponentialS(X)，根据预测请求分析得到多级感知的最佳平滑权重S_w值，并得到预测值；

S105)转入步骤S102)。

本发明所述的多级感知组合预测法，在无线传感器网络数据通信的可靠性保障方面，具有如下优势：组合预测可以平滑抖动；在低丢包率情况下可以保证无丢包发生；信道质量较差情况下可以显著改善数据传输质量；针对不同的数据传输控制事件，均可使***整体性能得到改善。

请参阅图11，示意了本发明一具体实施例的网络体系结构图。

在本实施例中，发送端节点处的操作流程如下：

S01)发送端节点根据传感器节点物理和电气属性获取发射信号的能量E、节点近地参考距离d₀、发射信号速度R_radio，经统计得到误码率P_b、噪声带宽B_N以及高斯白噪声的方差σ²,并计算得出信噪比SNR和中断概率P_out，

S02)结合步骤S01)所述的信噪比SNR和中断概率P_out，分别建立用于分析活动概率AP门限值的函数THA(AP)、用于分析距离D门限值的函数THA(D)，用于分析发射功率TP门限值的函数THA(TP)以及用于分析协作节点个数M门限值的函数THA(M)；

S03)将发送端节点网络状态定义为包括活动概率集合APs、距离集合Ds、发射功率集合TPs以及节点个数集合Ms，并发射该状态信号序列；

S04)进入I级感知决策，定义活动概率AP为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S05)调用THA(AP)，得到活动概率门限值AP_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S06)进行I级感知决策，制定机会协作控制方案即选择M_j个活动概率AP大于门限值AP_j(1<j>N)的邻居节点进行协作传输；

S07)若I级感知决策收到接收端节点或协作节点反馈,则执行步骤08),否则执行步骤S06)；

S08)进入II级感知决策，定义距离D为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S09)调用THA(D)，得到距离门限值D_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S10)进行II级感知决策，制定机会协作控制方案即选择M_j个距离D大于门限值D_j(1<j>N)的邻居节点进行协作传输；

S11)若II级感知决策收到接收端节点或协作节点反馈,则执行步骤S12),否则执行步骤S10)；

S12)进入III级感知决策，定义发射功率TP为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S13)调用THA(TP)，得到发射功率门限值TP_j(1<j>N)，调用THA(M)，得到协作节点个数门限值M_j(1<j>N)；

S14)进行III级感知决策，制定机会协作控制方案即选择M_j个发射功率TP大于门限值TP_j(1<j>N)的邻居节点进行协作传输；

其中，所述的控制事件序列x作随机性验证和组合预测，包括如下步骤：

S101)调用Randomness_Test(X)，检测序列是否具有随机性，并且保持随机性的最佳自相关系数个数m和显著性水平a值；

S102)检测是否存储过去统计值，若是，则执行步骤S103)，若否，则检测通信设备有无足够的存储空间，若无，则执行步骤S104)，否则执行步骤S103)；

S103)采用加权移动平均法预测，调用WeightedMA(X)，根据预测请求和感知需求分析得到最佳统计值个数n和加权权重w值，并得到预测值；

S104)采用指数平滑法预测，调用ExponentialS(X)，根据预测请求分析得到多级感知的最佳平滑权重S_w值，并得到预测值。

在所述的步骤S04)、步骤S08)以及步骤S12)中分别通过执行上述步骤S101)～S104)实现对控制事件序列x的随机性验证和组合预测。

在协作节点处的操作流程如下：

S15)将协作节点网络状态定义为包括活动概率集合APs、距离集合Ds以及发射功率TPs，并发射该状态信号序列；

S16)若该协作节点是I级感知被选中则执行步骤S17)，是II级感知被选中则执行步骤S18)，否则执行步骤S19)；

S17)将协作节点的活动概率周期性与活动概率门限值进行比较，当活动概率周期性小于活动概率门限值AP_j(1<j>N)时向发送端节点反馈；

S18)将距离周期性与距离门限值进行比较，当距离周期性小于距离门限值D_j(1<j>N)时向发送端节点反馈；

S19)将发射功率周期性与发射功率门限值进行比较，当发射功率周期性小于发射功率门限值TP_j(1<j>N)时向发送端节点反馈。

图中，R1至R_N为N个候选中继节点；R1至R_M为M个最佳机会协作中继节点。

本发明采用多级感知的组合预测，根据不同的感知决策级别定义不同的控制事件序列，判断分析其随机性特征参数，结合预测请求和感知需求通过加权移动平均法和指数平滑法的组合预测选择最佳预测值。发送端节点根据感知级别和预测值确定最佳机会协作控制方案；协作节点根据发送端节点确定的感知决策级别，判断是否适合于继续加入机会协作过程，如果相应状态参数低于门限值则向发送端节点反馈，重新建立机会协作传输控制过程，机会式地建立多样化自适应中继协作传输路径。

Claims (2)

1.一种基于组合预测的自适应机会协作控制方法，其特征在于，包括如下步骤：

S01）发送端节点根据传感器节点物理和电气属性获取发射信号的能量E、节点近地参考距离d₀、发射信号速度R_radio、误码率P_b、噪声带宽B_N以及高斯白噪声方差,并得出信噪比SNR和中断概率P_out；

S02)结合步骤S01）中得到的信噪比SNR和中断概率P_out，分别建立用于分析活动概率AP门限值的函数THA(AP)、用于分析距离D门限值的函数THA(D)，用于分析发射功率TP门限值的函数THA(TP)以及用于分析协作节点个数M门限值的函数THA(M)；

S03)将发送端节点网络状态定义为包括活动概率集合APs、距离集合Ds、发射功率集合TPs以及节点个数集合Ms，并发射该状态信号序列；

S04)进入I级感知决策，定义活动概率AP为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S05)调用THA（AP），得到活动概率门限值AP_j（1<j>N），调用THA（M），得到协作节点个数门限值M_j（1<j>N）；

S06）进行I级感知决策，制定机会协作控制方案即选择M_j个活动概率AP大于门限值AP_j（1<j>N）的邻居节点进行协作传输；

S07）若I级感知收到接收端节点或协作节点反馈,则执行步骤S08）,否则执行步骤S06）；

S08）进入II级感知决策，定义距离D为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S09）调用THA（D），得到距离门限值D_j（1<j>N），调用THA（M），得到协作节点个数门限值M_j（1<j>N）；

S10）进行II级感知决策，制定机会协作控制方案即选择M_j个距离D大于门限值D_j（1<j>N）的邻居节点进行协作传输；

S11）若II级感知收到接收端节点或协作节点反馈,则执行步骤S12）,否则执行步骤S10；

S12）进入III级感知决策，定义发射功率TP为控制事件序列x，对该控制事件序列x作随机性验证和组合预测；

S13）调用THA（TP），得到发射功率门限值TP_j（1<j>N），调用THA（M），得到协作节点个数门限值M_j（1<j>N）；

S14）进行III级感知决策，制定机会协作控制方案即选择M_j个发射功率TP大于门限值TP_j（1<j>N）的邻居节点进行协作传输；

S15）将协作节点网络状态定义为包括活动概率集合APs、距离集合Ds以及发射功率TPs，并发射该状态信号序列；

S16）若该协作节点是I级感知被选中则执行步骤S17），是II级感知被选中则执行步骤S18），否则执行步骤S19）；

S17）将协作节点的活动概率周期性与活动概率门限值进行比较，当活动概率周期性小于活动概率门限值AP_j（1<j>N）时向发送端节点反馈；

S18）将距离周期性与距离门限值进行比较，当距离周期性小于距离门限值D_j（1<j>N）时向发送端节点反馈；

S19）将发射功率周期性与发射功率门限值进行比较，当发射功率周期性小于发射功率门限值TP_j（1<j>N）时向发送端节点反馈。

2.根据权利要求1所述的基于组合预测的自适应机会协作控制方法，其特征在于在所述的控制事件序列x作随机性验证和组合预测，包括如下步骤：

S101）调用Randomness_Test(x)，得到用于检测控制事件序列x是否具有随机性以及保持随机性的最佳自相关系数个数m和显著性水平a；

S102）检测是否存储过去统计值，若是，则执行步骤S103），若否，则检测通信设备有无足够的存储空间，若无，则执行步骤S104），否则执行步骤S103）；

S103）采用加权移动平均法预测，调用WeightedMA(X)，根据预测请求和感知需求分析得到最佳统计值个数n和加权权重w值，并得到预测值；

S104）采用指数平滑法预测，调用ExponentialS(X)，根据预测请求分析得到多级感知的最佳平滑权重S_w值，并得到预测值。