CN105007596A - 一种基于QoS的WSANs丢包判决器设计方法 - Google Patents

Abstract

本发明为提高无线传感器/执行器网络WSANs的可靠性，提出了一种基于QoS的WSANs丢包判决器设计方法。该方法采用提供服务质量QoS的IEEE802.11e作为WSANs的数据通信协议，推导出该协议下的WSANs丢包概率矩阵，并将基于该丢包概率矩阵的龙伯格状态观测器的输出作为丢包的判决阈值，把网络中的丢包现象作为一种故障信号，从而设计出WSANs的丢包判决器。本发明所提的丢包判决器不仅能有效判断网络中是否出现了丢包，而且还能通过判决器输出的故障信号波形判断丢包原因：即传感器节点故障，或是由于信道环境不稳定造成的随机丢包。

Description

一种基于QoS的WSANs丢包判决器设计方法

技术领域

本发明涉及IEEE 802.11e协议和无线传感器/执行器网络的故障检测，尤其是无线传感器/执行器网络的丢包判决。

背景技术

传统的IEEE 802.11标准只能提供“尽力而为”的服务，对服务质量(Qualityof Service，QoS)没有保障，不能很好地支持视频、语音等多媒体实时业务。IEEE802.11e标准对IEEE 802.11标准的媒体接入控制(Medium Access Control,MAC)协议进行了增强，引入了业务等级的概念，增加了新的QoS参数和帧结构，从而提高了无线网络的性能。IEEE 802.11e的增强型分布式信道接入(EnhancedDistributed Channel Access,EDCA)的MAC机制是基于竞争的方式访问信道，它定义了四种访问类型(Access Category,AC)，使用8种用户优先级来接入无线网络，为不同的业务类型提供不同的业务等级，使得实时业务(如音频、视频业务)能获得较高的接入信道的优先级。

无线传感器/执行器网络(Wireless Sensor and Actuator Networks,WSANs)通过散布在空间各区域的传感器节点监测、感知和采集监测对象的信息。因此，WSANs被广泛的运用于各个领域，包括国防军事、智能家居、环境监测、医疗卫生和目标跟踪等。WSANs正朝着低成本、低能耗、安全、智能化、多样化等方向发展。除了传输数据业务的传统的温度、湿度等传感器外，对实时性要求较高的音视频业务的图像、声音等传感器在WSANs中的使用也越来越广泛。

在无线网络中，由于无线链路不稳定、传输频段易受干扰等因素，丢包的问题是难以避免的。而在某些实时性要求较高的系统中，丢包将会带来十分严重的危害。目前在处理WSANs丢包问题的主要方法是通过网络编码或均衡的方式对丢失数据进行恢复，但并不能对丢包的原因进行判断分析。

故采用恰当的通信协议来协调各传感器、执行器节点的网络资源，同时使用合理的手段来检测WSANs中的丢包，并判断分析丢包的原因显得十分重要。

发明内容

发明目的：为提高WSANs的可靠性，本发明提出了一种基于QoS的WSANs丢包判决器优化设计方法。该方法采用提供服务质量(Quality of Service,QoS)的IEEE 802.11e作为WSANs的数据通信协议，推导出该协议下的WSANs丢包概率矩阵，并将基于该丢包概率矩阵的龙伯格状态观测器的输出作为丢包的判决阈值，把网络中的丢包现象作为一种故障信号，从而设计出WSANs的丢包判决器。本发明所提的丢包判决器不仅能有效判断网络中是否出现了丢包，而且还能通过判决器输出的故障信号波形判断丢包原因：即传感器节点故障，或是由于信道环境不稳定造成的的随机丢包。

为实现本发明的目的，其特征包括：

(1)为了适应传感器、执行器节点传输业务多样化的趋势，本发明将支持QoS的IEEE 802.11e协议引入WSANs中，将各个传感器节点按其业务类型和传输数据的实时性要求划分不同的优先级，从而实现通信资源的合理分配；(2)将分组碰撞作为丢包的主要原因，分析了差错信道下EDCA的丢包概率，提出了WSANs中的丢包概率矩阵P_drop；(3)将基于丢包概率矩阵的龙伯格状态观测器的输出作为丢包的判决阈值，把丢包当作一种故障，设计出WSANs的丢包判决器，并且能通过判决器输出的故障信号判断丢包原因是传感器节点故障，或是由于链路不稳定造成的的随机丢包。

本发明的技术方案如下。

1基于IEEE 802.11e的WSANs模型

图1是基于IEEE 802.11e的WSANs系统框图，主要由四部分构成：(1)控制系统(包括被控系统、传感器和执行器)；(2)具有随机数据传输延迟的IEEE802.11e无线通信网络，用于将传感器测得的控制系统输出信号y_k反馈给执行器，形成闭环反馈；(3)故障检测滤波器通过无线网络获取到y_k和执行器信号u_k进行故障检测；(4)丢包判决器通过通过无线网络获取到y_k和执行器信号u_k进行丢包判决。

图1所示的WSANs中包含了三类具有不同传输业务的传感器节点(图像、声音和数据传感器)，系统的输出y_k由各个传感器节点经由IEEE 802.11e无线网络传送至丢包检测器中进行判决，若没有发生丢包，则将原信号y_k输出至故障检测滤波器中进行下一步操作；若检测到丢包，则丢包判决器将产生一个丢包故障信号f_k，并将其传送至故障检测滤波器。

在IEEE 802.11e的协议中，定义了四种AC，分别为AC_VO(对应音频业务)，AC_VI(对应视频业务)，AC_BE(对应“尽力而为”的数据业务)，AC_BK(对应背景数据业务)，其优先级顺序为AC_VO>AC_VI>AC_BE>AC_BK。

EDCA是一种基于竞争的MAC层接入协议，EDCA与分布式协调控制(Distribution Coordination Function,DCF)最大的区别在于使用可变长度的仲裁时隙(Arbitration Inter-Frame Space,AIFS)代替固定长度的DCF帧间间隔(DCFInter-frame Space,DIFS)，即对于不同的AC数据帧采用不同的帧间隔，AIFS值是根据不同的业务类型而变化的，这样就能保证不同优先级业务的区别接入。于是，高优先级的业务在竞争中将更容易获得信道的使用权；反之，低优先级的业务在信道竞争激烈时可能会出现“饥饿”现象。

因此在WSANs中，个别传输业务实时性要求高的传感器节点应该被赋予更高的优先级，而实时性要求低的节点可以赋予较低的优先级，从而保证系统的能够高效有序的运行。

不同类型的传感器节点应对应不同的AC。其中，声音传感器对应AC_VO，图像传感器对应AC_VI，实时性较高的数据业务传感器对应AC_BE，实时性较低的数据业务传感器对应AC_BK。

2基于IEEE 802.11e的WSANs丢包概率分析

2.1丢包概率

假设系统中共有N个传感器节点，分组碰撞是由于在某一时隙内其余N-1个传感器中至少有一个节点同时发送分组数据造成的。在分析分组碰撞时，可认为信道是理想信道。根据二维过程马尔科夫链的建立，得到分组碰撞概率p_c为

p_c＝1-(1-τ)^N-1   (1)

其中τ为任意时隙内发送分组的概率，由式(2)表示

$\mathrm{\τ}=\frac{2(1-2p_c)(1-p_c^{R+1})}{W(1-{\left(2p_c\right)}^{M+1})(1-p_c)+(1-2p_c)(1-p_c^{R+1})+2^M{p}_c^{M+1}W(1-2p_c)(1-p_c^{R-M})},R>M---\left(2\right)$

其中，R表示分组重传次数限制，M为最大退避阶数，W表示初始竞争窗，W＝W_min，W_min是指最小竞争窗口。联合式(1)和式(2)，利用数值方法就可以求得理想信道下的p_c与τ。

假设系统采用的是无纠错编码，若发送的分组数据或者分组的确认信息由于信道衰落或者噪声导致某一比特发生错误，那么该分组将被发送传感器节点重传。

记比特错误概率为P_b，有效负荷长度为L，分组的头长度为H，H＝H_MAC+H_PHY(H_MAC表示MAC帧头的长度，H_PHY表示物理层帧头的长度)，分组确认信息长度为H_ACK，得到分组传输错误的概率p_p为

$p_p=1-{(1-P_b)}^{L+H+H_{ACK}}---\left(3\right)$

分组丢失的概率应由误码丢包概率和分组碰撞概率两部分组成，令p为分组丢失的概率，则有

$p=p_c+p_p-p_c{p}_p=1-{(1-\mathrm{\τ})}^{N-1}{(1-P_b)}^{L+H+H_{MAC}}---\left(4\right)$

丢包率是分组重传次数超过重传次数限制R的概率，所以p_d如式(5)所示

$p_d=p^{R+1}={\[1-{(1-\mathrm{\τ})}^{N-1}{(1-P_b)}^{L+H+H_{ACK}}\]}^{R+1}---\left(5\right)$

由以上分析可知，在给定重传次数限制R的条件下，丢包率与分组发送概率τ，节点数目n，误比特率P_b和分组长度L等参数有关。

2.2WSANs的丢包概率矩阵

前面分析已经得出了影响丢包概率的几个因素。对于一个固定的WSANs，传感器节点数N是不变的；而重传次数R、竞争窗口W和分组头长度H在同一节点中也是不会随时间变化的。所以，一方面，在信道环境不发生突变的前提下，我们可以认为一个传感器节点所对应的丢包率是不随时间变化的。另一方面，每一个传感器节点所处的信道环境各有差异，这就导致了不同传感器节点的误比特P_b可能有所不同，而且由于不同节点传输业务类型不同，传输分组的长度L也是不同的。

综合以上两点，可以得出每个传感器节点对应的丢包概率p_di是相对固定的，而不同节点之间的丢包概率又是不同的。为了方便的描述WSANs所特有的这种丢包概率特性，本发明提出WSANs的丢包概率矩阵P_drop作为之后设计丢包判决器的重要参数。

丢包概率矩阵P_drop是一个数量矩阵，如式(6)所示

$P_{drop}=\left[\begin{array}{cccccc}{p}_{d1}& & & & & 0\\ & p_{d2}& & & & \\ & & .& & & \\ & & & .& & \\ & & & & .& \\ 0& & & & & p_{dN}\end{array}\right]---\left(6\right)$

其中，对角线上的各元素是将式(5)的各个参数设为定值之后，计算得到的各路传感器节点所对应的丢包率，p_di∈[0,1]，其余元素为0；而P_drop的阶数等于传感器节点的数量N。

3丢包判决器的设计

3.1判决门限

将图1中的WSANs系统用一个连续时间空间微分方程描述，得到式(7)

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=Ax\left(t\right)+Bu\left(t\right)+B_{g}f\left(t\right)+B_{d}v\left(t\right)\\ y\left(t\right)=Cx\left(t\right)+D_{d}v\left(t\right)\end{array}\right.---\left(7\right)$

其中，x(t)∈R^P，u(t)∈R^M和y(t)∈R^N分别是被控系统的状态向量、输入向量(或控制向量)和输出向量。v(t)是一个未知输入向量，称作扰动向量，用来代表传感器测量噪音、建模误差或模型不确定性。故障采用一个变量(或称作故障信号)f(t)∈R^q来描述。

将(1)式离散化后，在[kT,(k+1)T]内积分并应用泰勒近似e^-At＝[I-At]，可以得到式(8)

$\left\{\begin{array}{c}{x}_{k+1}=\stackrel{\‾}{A}{x}_k+\stackrel{\‾}{B}{u}_k+{\mathrm{\Γ}}_d{d}_k+{\stackrel{\‾}{B}}_f{f}_k\\ y_k={\mathrm{Cx}}_k+{\stackrel{\‾}{D}}_d{d}_k\end{array}\right.---\left(8\right)$

其中， $\stackrel{\‾}{A}=e^{AT},{\stackrel{\‾}{B}}_f=\underset{0}{\overset{T}{\∫}}{e}^{At}{B}_{f}dt,\stackrel{\‾}{B}=\underset{0}{\overset{T}{\∫}}{e}^{At}Bdt,{\mathrm{\Γ}}_d=\[-\stackrel{\‾}{A}B{\stackrel{\‾}{B}}_d\],$ d_k＝[Δu_k·τ_k v_k]^T，u_k∈R^P为系统的输入向量，y_k∈R^N为系统的输出向量，x_k∈R^M为系统的状态向量。

假设传感器节点引入的噪声分量d_k＝0，在Cx_k左端乘以丢包概率矩阵P_drop得到P_dropCx_k，显然有Cx_k中的每一个元素均大于P_dropCx_k中的对应元素数学表达式如式(9)

$\left\{\begin{array}{c}\left|\underset{j=0}{\overset{M-1}{\&Sigma;}}{c}_{ij}{x}_j\right|>\left|p_{di}\underset{j=0}{\overset{M-1}{\&Sigma;}}{c}_{ij}{x}_j\right|\\ 0<\left|p_{di}\underset{j=0}{\overset{M-1}{\&Sigma;}}{c}_{ij}{x}_j\right|\end{array}\right.,(i=0,1,2,...,N-1)---\left(9\right)$

考虑传感器节点引入的噪声d_k，式(9)将转化成为式(10)

$\left\{\begin{array}{c}\left|\underset{j=0}{\overset{M-1}{\&Sigma;}}{c}_{ij}{x}_j\right|+d_i>\left|p_{di}\underset{j=0}{\overset{M-1}{\&Sigma;}}{c}_{ij}{x}_j\right|+d_i\\ d_i<\left|p_{di}\underset{j=0}{\overset{M-1}{\&Sigma;}}{c}_{ij}{x}_j\right|+d_i\end{array}\right.,(i=0,1,2,...,N-1)---\left(10\right)$

其中d_i为传感器节点引入噪声矩阵的对应元素。

结合式(8)与式(10)，有y_k中的每一个元素y_ki均大于P_dropy_k中的对应元素p_diy_ki，数学表达式如式(11)

$\left\{\begin{array}{c}{y}_{ki}>p_{di}{y}_{ki}+(1+p_{di})d_{ki}\\ d_{ki}<p_{di}{y}_{ki}+(1+p_{di})d_{ki}\end{array}\right.,(i=0,1,2...,N-1)---\left(11\right)$

此处需要强调，y_k是WSANs的输出向量，而并非丢包判决器的输入向量。

当P_drop中元素都较小时可以近似认为(1-p_di)d_ki＝d_ki，即

$\left\{\begin{array}{c}{y}_{ki}>p_{di}{y}_{ki}+d_{ki}\\ d_{ki}<p_{di}{y}_{ki}+d_{ki}\end{array}\right.,(i=0,1,2...,N-1)---\left(12\right)$

在网络正常运行的情况下，丢包判决器可以获取到系统输出y_k，但在网络出现丢包时，丢包判决器的输入仅为噪声。从而由式(12)可知，将P_dropy_k+d_k作为丢包判决的阈值是合理的。

然而，在出现丢包的情况下，丢包判决器的输入仅为噪声，判决器无法获取到系统准确的输出值y_k。为了应对这种情况，本发明设计了基于丢包概率矩阵的龙伯格观测器，以观测器的输出y_th来逼近P_dropy_k+d_k。

3.2丢包判决器的结构

图2是本发明提出的丢包判决器的结构框图。

丢包判决器以y_k、u_k为输入首先经过基于丢包概率矩阵的龙伯格状态观测器(1)得到判决阈值y_th，将y_th与输入y_k经过比较器(2)比较，判断是否发生丢包，将判决结果作为二选一选择器(3)的驱动信号，未丢包时输出输入信号y_k，丢包时输出由(4)故障信号发生器发生的故障信号f_k。

为实现闭环极点的任意配置，必须进行状态反馈，然而系统的状态变量并不都是易于直接检测得到的，有些状态变量甚至根本无法检测。这样，就提出所谓状态观测或者状态重构问题。由龙伯格(Luenberger)提出的状态观测器理论，解决了在确定性条件下受控系统的状态重构问题，从而使状态反馈成为一种可实现的控制律。

本发明将状态观测器作为一种系统输出的估计手段，利用状态观测器重构的状态变量进一步求解系统的输出向量并将与丢包概率矩阵P_drop相乘，从而逼近判决阈值P_dropy_k。

基于丢包概率矩阵的龙伯格状态观测器可由式(13)描述如下

$\left\{\begin{array}{c}{\hat{x}}_{k+1}=\stackrel{\&OverBar;}{A}{\hat{x}}_k+\stackrel{\&OverBar;}{B}{u}_k+L(y_k-{\hat{y}}_k)\\ {\hat{y}}_k=C{\hat{x}}_k\\ y_{th}=P_{drop}{\hat{y}}_k+(y_k-{\hat{y}}_k)\end{array}\right.---\left(13\right)$

其中，y_th∈R^M为该状态观测器的输出信号，L∈R^N×M是该状态观测器的增益矩阵。本发明通过使用状态观测器来重构系统的输出变量用来还原传感器中的噪声分量d_k，当增益矩阵L能够较好的抑制接收到的信号中的噪声时，就能够不断逼近y_k，从而使得y_th逼近P_dropy_k+d_k，使得丢包的判断趋于准确。即该观测器可以使得y_th满足式(14)

$\left\{\begin{array}{c}{y}_{ki}>y_{th,i}\\ d_{ki}<y_{th,i}\end{array}\right.,(i=0,1,2,...,N-1)---\left(14\right)$

将y_k和u_k作为输入得到了y_th之后，将y_th与此时的输入y_k作比较，当y_ki>y_th,i时，判定为没有丢包，反之判定为丢包。由判定的结果作为选路器的驱动信号，当没有发生丢包时，选路器将把输出信号y_k交给故障检测滤波器做下一步处理；当发生丢包时，选路器将选择由故障信号发生器发出的故障信号作为输出，当故障检测滤波器收到该故障信号后，再进一步根据故障信号波形判断丢包原因是节点故障或是链路上的随机丢包，并做出相应的处理。

附图说明

图1基于QoS的WSANs丢包判决器系统框图；

图2丢包判决器结构框图；

图3WSANs的仿真网络拓扑；

图4WSANs中基于IEEE 802.11e协议仿真的主要参数；

图5丢包时接入与未接入丢包判决器的故障检测滤波器输出对比；

图6随机丢包与节点故障丢包的故障检测滤波器输出对比。

具体实施方式

为了验证本发明提出的丢包判决器性能，我们在OMNET++仿真平台上搭建了一个IEEE 802.11e网络(包含6个传感器节点，6个执行器节点和一个位于中心的接入节点(Access Point,AP))，传输速率是2Mbps，数据包y_k和u_k的长度都是112byte。

WSANs的仿真拓扑如图3，传感器节点包括1个AC_VO节点，2个AC_VI节点，2个AC_BE节点，1个AC_BG节点。

在设定系统仿真参数时，短帧间间隔(Short Inter-Frame Space,SIFS)、点协调控制帧间间隔(Point coordination function Inter-Frame Space,PIFS)、DIFS和扩展帧间间隔(Extended Inter-Frame space,EIFS)与IEEE 802.11中定义的一样，而AIFS为IEEE 802.11e协议新增的的时间间隔，其计算公式如下

AIFS[AC]＝AIFSN[AC]*a slot Time+a SIFS Time

其中，AIFSN表示不同AC所对应的仲裁帧间间隔数，a slot Time为一个时隙的时间，a SIFS Time为一个SIFS的时间。

WSANs中基于IEEE 802.11e协议仿真的主要参数如图4所示。

通过OMNET++仿真得到了每一路无线传感器的误比特率P_bi，并结合设定的参数通过式(5)计算得到了丢包概率矩阵P_drop如下

$P_{drop}=\left[\begin{array}{cccccc}0.00005& & & & & 0\\ & 0.00061& & & & \\ & & 0.00061& & & \\ & & & 0.00235& & \\ & & & & 0.00235& \\ 0& & & & & 0.01276\end{array}\right]$

对于被控系统，在采样间隔为0.05s(20Hz)的条件下，离散化后的系统(式(13))的矩阵参数为

$\stackrel{\&OverBar;}{A}=\left[\begin{array}{cc}1.00& 0.05\\ 0& 0.9975\end{array}\right],\stackrel{\&OverBar;}{B}=\left[\begin{array}{cccccc}0.0002& 0& 0& 0& 0& 0\\ 0.0250& 0& 0& 0& 0& 0\end{array}\right]$

以抑制噪声为最优化目标，通过特征根优化的方法求解增益矩阵L，结果如下

$L=\left[\begin{array}{cccccc}0.020& 0.035& 0.036& 0.055& 0.054& 0.102\\ 0& 0.015& 0.014& 0.035& 0.035& 0.853\end{array}\right]$

通过MATLAB仿真得到结果如图5和图6所示。

图5为加入丢包判决器和未加丢包判决器的WSANs在发生丢包时故障检测滤波器的输出信号，丢包是通过将5s-5.1s时间段内系统的输出y_k强制赋值为噪声信号d_k从而模拟得到的。由图4可见，当WSANs发生丢包时，若不接入丢包判决器则很难判断此时系统是否发生丢包；而加入丢包判决器后发生丢包时则能够明显观测到故障检测滤波器输出了一个脉冲信号，表示这一时刻发生了丢包。

图6为链路随机丢包和由于节点故障而产生丢包时故障检测滤波器输出信号的比较图。从图中可以看出，链路发生随机丢包时故障检测器输出为一个脉冲信号；而当传感器节点发生故障时，丢包判决器将无法接收到任何有效的信息，此时故障检测滤波器的输出为一个逐渐衰减的阶跃信号。

综上，本发明所设计的丢包判决器与故障检测滤波器结合使用能够有效地判决链路中出现的丢包现象，并能根据故障检测滤波器的输出信号波形判定丢包的原因。

在此说明书中，本发明已参照特定的实施实例做了描述。但是，很显然仍可以做出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (4)

1.一种基于QoS的WSANs丢包判决器设计方法，其特征在于，包括：

S1，为了适应传感器、执行器节点传输业务多样化的趋势，本发明将支持QoS的IEEE 802.11e协议引入WSANs中，将各个传感器节点按其业务类型和传输数据的实时性要求划分不同的优先级，从而实现通信资源的合理分配；

S2，将分组碰撞作为丢包的主要原因，分析了差错信道下EDCA的丢包概率，提出了WSANs中的丢包概率矩阵P_drop；

S3，将基于丢包概率矩阵P_drop的龙伯格状态观测器的输出作为丢包的判决阈值，把丢包当作一种故障，设计出WSANs丢包判决器，并且能通过判决器输出的故障信号判断丢包原因是传感器节点故障，或是由于链路不稳定造成的的随机丢包。

2.根据权利要求1所述的一种基于QoS的WSANs丢包判决器设计方法，其特征在于，所述S1中将支持QoS的IEEE 802.11e协议引入WSANs的内容包括：

将支持QoS的IEEE 802.11e协议引入WSANs中，将各个传感器节点按其业务类型和传输数据的实时性要求划分不同的优先级，从而实现通信资源的合理分配；

在IEEE 802.11e的协议中，定义了四种接入类别AC，分别为AC_VO，对应音频业务；AC_VI，对应视频业务；AC_BE，对应“尽力而为”的数据业务；AC_BK，对应背景数据业务；其优先级顺序为AC_VO>AC_VI>AC_BE>AC_BK；

增强型分布式信道接入EDCA是一种基于竞争的MAC层接入协议，EDCA与分布式协调控制DCF最大的区别在于使用可变长度的仲裁时隙AIFS代替固定长度的DCF帧间间隔DIFS，即对于不同的AC数据帧采用不同的帧间隔，AIFS值是根据不同的业务类型而变化的，这样就能保证不同优先级业务的区别接入；

于是，高优先级的业务在竞争中将更容易获得信道的使用权；反之，低优先级的业务在信道竞争激烈时可能会出现“饥饿”现象；

因此在WSANs中，个别传输业务实时性要求高的传感器节点应该被赋予更高的优先级，而实时性要求低的节点可以赋予较低的优先级，从而保证系统的能够高效有序的运行；不同类型的传感器节点应对应不同的AC；其中，声音传感器对应AC_VO，图像传感器对应AC_VI，实时性较高的数据业务传感器对应AC_BE，实时性较低的数据业务传感器对应AC_BK。

3.根据权利要求1所述的一种基于QoS的WSANs丢包判决器的设计方法，其特征在于，所述S2中WSANs的丢包概率矩阵P_drop设计过程如下：

通过分析得出在WSANs中单个传感器链路的丢包概率p_d如下式所示，

$p_d=p^{R+1}={\&lsqb;1-{(1-\mathrm{\&tau;})}^{N-1}{(1-P_b)}^{L+H+H_{ACK}}\&rsqb;}^{R+1},$

由上式可知，在给定重传次数限制R的条件下，丢包率与分组发送概率τ，节点数目n，误比特率P_b和分组长度L等参数有关；

对于一个固定的WSANs，传感器节点数N是不变的；而重传次数R、竞争窗口W和分组头长度H在同一节点中也是不会随时间变化的；所以，一方面，在信道环境不发生突变的前提下，我们可以认为一个传感器节点所对应的丢包率是不随时间变化的；另一方面，每一个传感器节点所处的信道环境各有差异，这就导致了不同传感器节点的误比特P_b可能有所不同，而且由于不同节点传输业务类型不同，传输分组的长度L也是不同的；

综合以上两点，可以得出每个传感器节点对应的丢包概率p_di是相对固定的，而不同节点之间的丢包概率又是不同的；为了方便的描述WSANs所特有的这种丢包概率特性，本发明提出WSANs的丢包概率矩阵P_drop作为之后设计丢包判决器的重要参数；

丢包概率矩阵P_drop是一个数量矩阵，如下式所示，

$P_{drop}=\left[\begin{array}{cccccc}{p}_{d1}& & & & & 0\\ & p_{d2}& & & & \\ & & .& & & \\ & & & .& & \\ & & & & .& \\ 0& & & & & p_{dN}\end{array}\right],$

其中，对角线上的各元素是将前式中的各个参数设为定值之后，计算得到的各路传感器节点所对应的丢包率，p_di∈[0,1]，其余元素为0；而P_drop的阶数等于传感器节点的数量N。

4.根据权利要求1所述的一种基于QoS的WSANs丢包判决器设计方法，其特征在于，所述的S3中将基于丢包概率矩阵的龙伯格状态观测器的输出作为丢包的判决阈值，把丢包当作一种故障，设计的WSANs丢包判决器内容如下：

以y_k、u_k为输入首先经过基于丢包概率矩阵的龙伯格状态观测器得到判决阈值y_th，将y_th与输入y_k经过比较器比较，判断是否发生丢包，将判决结果作为二选一选择器的驱动信号，未丢包时输出输入信号y_k，丢包时输出由故障信号发生器发生的故障信号f_k；

本发明将状态观测器作为一种系统输出的估计手段，利用状态观测器重构的系统的状态变量进一步求解系统的输出向量并将与丢包概率矩阵P_drop相乘，从而逼近判决阈值P_dropy_k+d_k；

基于丢包概率矩阵的龙伯格状态观测器可描述如下，

$\left\{\begin{array}{c}{\hat{x}}_{k+1}=\stackrel{\&OverBar;}{A}{\hat{x}}_k+\stackrel{\&OverBar;}{B}{u}_k+L(y_k-{\hat{y}}_k)\\ {\hat{y}}_k=C{\hat{x}}_k\\ y_{th}=P_{drop}{\hat{y}}_k+(y_k-{\hat{y}}_k)\end{array}\right.,$

其中， $\stackrel{\&OverBar;}{A}=e^{AT},{\stackrel{\&OverBar;}{B}}_f=\underset{0}{\overset{T}{\&Integral;}}{e}^{At}{B}_{f}dt,\stackrel{\&OverBar;}{B}=\underset{0}{\overset{T}{\&Integral;}}{e}^{At}Bdt,$ u_k∈R^P为系统的输入向量，y_k∈R^N为系统的输出向量，x_k∈R^M为系统的状态向量，y_th∈R^M为该状态观测器的输出信号，L∈R^N×M是该状态观测器的增益矩阵；

本发明通过使用状态观测器来重构系统的输出变量用来还原传感器中的噪声分量，当增益矩阵L能够较好的抑制接收到的信号中的噪声时，就能够不断逼近y_k，从而使得y_th逼近P_dropy_k+d_k，使得丢包的判断趋于准确；即该观测器可以使得y_th满足下式，

$\left\{\begin{array}{c}{y}_{ki}>y_{th,i}\\ d_{ki}<y_{th,i}\end{array}\right.,(i=0,1,2,...,N-1),$

将y_k和u_k作为输入得到了y_th之后，将y_th与此时的输入y_k作比较，当y_ki>y_th,i时，判定为没有丢包，反之判定为丢包；由判定的结果作为选路器的驱动信号，当没有发生丢包时，选路器将把输出信号y_k交给故障检测滤波器做下一步处理；当发生丢包时，选路器将选择由故障信号发生器发出的故障信号作为输出，当故障检测滤波器收到该故障信号后，再进一步根据故障信号波形判断丢包原因是节点故障或是链路上的随机丢包，并做出相应的处理。