CN105848187A - 基于信噪比阈值自适应的无线网络链路质量评估方法 - Google Patents

Abstract

本发明公开了一种基于信噪比阈值自适应的无线网络链路质量评估方法，用于解决现有无线网络链路质量评估方法准确度差的技术问题。技术方案是首先根据异种无线设备信噪比与链路质量映射关系的不同，利用包接收率对阈值进行估计，设定一个采样周期，在周期内对包接收率进行监测，根据包接收率的变化，逐步逼近无线网卡的信噪比阈值，该信噪比阈值即是链路质量评估中所用的截取值，低于这个阈值即可认为链路质量较差。其次，在链路质量评估过程中，对信噪比进行采样，采用灰预测算法，仅需要3个样本，就可以预测下一信噪比值，大大降低了算法实现的复杂性，提高了无线网络链路质量评估方法准确度。

Description

基于信噪比阈值自适应的无线网络链路质量评估方法

技术领域

本发明涉及一种无线网络链路质量评估方法，特别涉及一种基于信噪比阈值自适应的无线网络链路质量评估方法。

背景技术

文献“Effective-SNR estimation for wireless sensor network using Kalman filter，AdHoc Networks，2013，Vol11(3)，p944-958”公开了一种基于卡尔曼滤波的信噪比估计链路质量的方法。该方法通过大量实验对信噪比、链路质量标志与链路质量之间的关系进行了统计分析，在此基础上给出了一个卡尔曼滤波算法，对物理噪声和计算噪声进行了过滤。该方法指出利用一个高阶的卡尔曼滤波算法可以带来更为准确的估计，但是考虑到实施的简便性，最后采取了低阶的算法，在两者之间做了一个平衡。文献所述方法存在两个缺点，一是采用卡尔曼滤波算法，需要预先知道样本的统计特性，而该样本特性一般与无线网卡的物理特性有关，且采用卡尔曼滤波算法后，降低了信噪比感知链路质量的灵敏性；其二是该文献在实验过程中采用了同种无线网络设备，由于异种网络设备对信噪比和链路质量之间关系的物理表现不是统一的，因而该文献中的方法并不能适用于异种网络设备共存的无线网络环境中。

发明内容

为了克服现有无线网络链路质量评估方法准确度差的不足，本发明提供一种基于信噪比阈值自适应的无线网络链路质量评估方法。该方法首先根据异种无线设备信噪比与链路质量映射关系的不同，利用包接收率对阈值进行估计，设定一个采样周期，在周期内对包接收率进行监测，根据包接收率的变化，逐步逼近无线网卡的信噪比阈值，该信噪比阈值即是链路质量评估中所用的截取值，低于这个阈值即可认为链路质量较差。其次，在链路质量评估过程中，对信噪比进行采样，采用灰预测算法，仅需要3个样本，就可以预测下一信噪比值，大大降低了算法实现的复杂性，提高了无线网络链路质量评估方法准确度。

本发明解决其技术问题所采用的技术方案：一种基于信噪比阈值自适应的无线网络链路质量评估方法，其特点是包括以下步骤：

(a)信噪比阈值的自适应计算，通过对信噪比采样序列以及对应的报文接收率统计关系来估计信噪比阈值。报文接收率采样序列在单位采样时间下，通常会表现为两种状态，平稳状态和抖动状态。其中平稳状态下的所对应的信噪比均值记为snr_steady，报文接收率处于抖动状态的信噪比均值记为snr_jitter，报文接收率的抖动过程是通过对报文接收率变化幅度来判断的。根据报文接收率的抖动情况，对snr_steady进行慢速减少或者对snr_jitter进行快速增加。根据snr_steady和snr_jitter两者的动态变化，实时计算该无线信道信噪比的阈值snr_threshold。

(b)信噪比的灰预测过程。

令X⁽⁰⁾＝{x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(n)}是一个信噪比的采样序列，x⁽⁰⁾(k)是信噪比在k时刻的值。对序列X⁽⁰⁾执行一阶累加生成运算，得到其一阶生成序列：X⁽¹⁾＝{x⁽¹⁾(1)，x⁽¹⁾(2)，...，x⁽¹⁾(n)}

其中

依据灰理论中的灰系统模型GM(1，1)建立等式如下：

x⁽⁰⁾(k)+az⁽¹⁾(k)＝b，x⁽⁰⁾(0)＝x⁽⁰⁾(1) (1)

其中

$z^{\left(1\right)}\left(k\right)=\frac{x^{\left(1\right)}\left(k\right)+x^{\left(1\right)}(k-1)}{2},k=2,3,...,n.---\left(2\right)$

公式(2)中的参数a和b是通过最小二乘法来估计的。过程如下所示：

$\left[\begin{array}{c}a\\ b\end{array}\right]={\left(B^{T}B\right)}^{-1}{B}^{T}Y---\left(3\right)$

其中

$Y=\left[\begin{array}{c}{x}^{\left(0\right)}\left(2\right)\\ x^{\left(0\right)}\left(3\right)\\ ...\\ x^{\left(0\right)}\left(n\right)\end{array}\right],B=\left[\begin{array}{cc}-z^{\left(1\right)}\left(2\right)& 1\\ -z^{\left(1\right)}\left(3\right)& 1\\ ...& ...\\ -z^{\left(1\right)}\left(n\right)& 1\end{array}\right]---\left(4\right)$

GM(1，1)灰色模型通过白化方程解得：

${\hat{x}}^{\left(1\right)}(t+1)=\left(x^{\left(0\right)}\right(1)-\frac{b}{a})e^{-at}+\frac{b}{a}---\left(5\right)$

一阶累加生成运算的逆运算为：

${\hat{x}}^{\left(0\right)}(k+1)={\hat{x}}^{\left(1\right)}(k+1)-{\hat{x}}^{\left(1\right)}\left(k\right),k=1,2,...,n-1.---\left(6\right)$

由此得到下一时刻k+1的信噪比预测值为：

${\hat{x}}^{\left(0\right)}(k+1)=(1-e^a)\left(z^{\left(0\right)}\right(1)-\frac{b}{a})e^{-ak},k=1,2,...,n-1.---\left(7\right)$

得到信噪比预测序列后，为降低预测值的抖动，采用Nadaraya-Watson加权平均方法对序列值进行平滑过滤：

本发明的有益效果是：该方法首先根据异种无线设备信噪比与链路质量映射关系的不同，利用包接收率对阈值进行估计，设定一个采样周期，在周期内对包接收率进行监测，根据包接收率的变化，逐步逼近无线网卡的信噪比阈值，该信噪比阈值即是链路质量评估中所用的截取值，低于这个阈值即可认为链路质量较差。其次，在链路质量评估过程中，对信噪比进行采样，采用灰预测算法，仅需要3个样本，就可以预测下一信噪比值，大大降低了算法实现的复杂性，提高了无线网络链路质量评估方法准确度。

本发明不依赖某种特定无线网络设备，采用信噪比阈值自适应算法，因而信噪比与链路质量的对应关系，可以在运行过程中，由包接收率的统计特性给出，实现了算法的普适性，其次采用灰预测算法，降低了对样本质量和数量的要求，加速了算法的快启动，并且在工程中易于实现。该方法在构建实验床进行实验后，准确度达到90％以上。

下面结合附图和具体实施方式对本发明作详细说明。

附图说明

图1是本发明基于信噪比阈值自适应的无线网络链路质量评估方法的流程图。

图2是本发明基于信噪比阈值自适应的无线网络链路质量评估方法实施例的实现框架图。

图3是本发明方法中同种网卡包接收率与信噪比阈值的对比图。

图4是本发明方法中SNR阈值的自适应计算流程图。

具体实施方式

参照图1-4。本发明基于信噪比阈值自适应的无线网络链路质量评估方法具体步骤如下：

1、整体框架。

图1是基于信噪比(SNR)阈值自适应的链路质量评估方法的组成，分为三个部分，第一个部分是信噪比采样，第二个部分是灰预测估计及平滑处理，第三个部分是产生链路质量量化值。信噪比(SNR)阈值的自适应计算，通过对SNR采样序列以及对应的报文接收率(PRR)统计关系来估计SNR阈值。图2是在具体工程实现中，该方法处在内核态的位置，并与用户态和驱动之间的交互关系。

2、信噪比采样。

本方法是基于802.11无线网络协议对跨层设计的支持，使用了系统API提供的接口，修改了控制帧的内容来传输信噪比信息。一般802.11控制帧主要包含信标(BEACON)、握手(HELLO)消息等几种，诸如信标帧通常都是周期进行广播。因而通过周期广播的控制帧，实现了对信噪比的实时采样。

后续说明中，将以采用Marvell 88W8686芯片的无线网卡和采用Atheros Ar9271芯片为例，分别在各自驱动中植入了相关代码用于获取信噪比。

3、信噪比预测及平滑

本方法中对采样样本空间设定为3个，即k＝3。采用灰预测对信噪比进行计算的公式如表1所示：

表1对信噪比进行灰预测的算法公式

以节点A上对邻节点进行采样为例，t时刻，A收到邻居B的控制帧，从中提取到SNR值为32dB，与之前的t-1、t-2时刻采样的SNR值21，35，构成一个采样序列X⁽⁰⁾＝{21，35，32}.

其一阶累加生成向量为X⁽¹⁾＝{21，56，88}

z⁽¹⁾(2)＝38.5 z⁽¹⁾(3)＝72

故

${\hat{x}}^{\left(0\right)}\left(4\right)=29.2$

因k取值3，代入公式(8)，并设定向量(ω₁，ω₂，ω₃)＝(1/6，1/3，1/2)。

得到平滑后的预测值为，

4、信噪比自适应计算

通过使用信噪比阈值，将可用链路与不可用链路进行区分之后，可以免去评估不可用链路质量的计算冗余，从而提高链路质量评估方法的性能。

以图3为例，该网卡在不同SNR下包接收率体现出不同的曲线，大约在13dB左右，PRR值在90％左右，但在8db左右，PRR值几乎为零，因而可认为该网卡的SNR阈值在13dB左右。当SNR低于该阈值时，链路进入灰区域，丢包率急剧增大，对于这样的链路进行评估量化没有多大的实际意义，可以直接认定为不可用链路。

同时，由于不同网卡在物理特性上表现不一致，因而在SNR阈值上表现是不同的，以88W8686为例，在实验测试中，大约小于20dB时，包接收率急剧下降，故该网卡的SNR阈值应在20dB之上。

本方法为了兼容不同网卡的这一特性，从PRR与SNR的统计特性入手，同时对SNR和PRR进行采样，根据PRR的值对SNR进行归类，并分别计算平稳态和抖动态下的所对应的SNR，同时由PRR的变化趋势对SNR进行慢减少和快增长，具体流程如图4所示。

初始时将SNR阈值设为5dB，然后在运行过程中统计PRR值的变化，如果在一个统计周期内，PRR值呈现明显上升趋势，但未达到0.9之前，将对SNR阈值进行指数级增长；若是PRR稳定在(0.9，1)之间，将对统计的SNR值取均值，并赋值给snr_steady。若是PRR由(0.9,1)区间开始急剧下降，将对SNR进行线性减少，若PRR值继续下跌，并没有反转趋势，则不对SNR值进行修改。若PRR是在(0.8,1)区间抖动，则对(0.8,0.9)区间对应的SNR取值区间，求最小值，并赋值给snr_jitter。当PRR下降到0.7以下时，snr_threshold＝snr_jitter。其余情况，snr_threshold＝snr_steady。

总之，本发明利用信噪比阈值自适应计算，且采用灰预测方法对信噪比进行预测平滑，与现有无线网络链路质量评估方法相比，对网络节点的无线信道不做同一性要求，能够兼容不同厂商或不同批次的无线设备，降低了“设备不兼容性”对链路质量评估方法的影响，同时该方法易于工程实现，评估准确率达到了90％以上。

Claims (1)

1.一种基于信噪比阈值自适应的无线网络链路质量评估方法，其特征在于包括以下步骤：

(a)信噪比阈值的自适应计算，通过对信噪比采样序列以及对应的报文接收率统计关系来估计信噪比阈值；报文接收率采样序列在单位采样时间下，通常会表现为两种状态，平稳状态和抖动状态；其中平稳状态下的所对应的信噪比均值记为snr_steady，报文接收率处于抖动状态的信噪比均值记为snr_jitter，报文接收率的抖动过程是通过对报文接收率变化幅度来判断的；根据报文接收率的抖动情况，对snr_steady进行慢速减少或者对snr_jitter进行快速增加；根据snr_steady和snr_jitter两者的动态变化，实时计算该无线信道信噪比的阈值snr_threshold；

(b)信噪比的灰预测过程；

令X⁽⁰⁾＝{x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(n)}是一个信噪比的采样序列，X⁽⁰⁾(k)是信噪比在k时刻的值；对序列X⁽⁰⁾执行一阶累加生成运算，得到其一阶生成序列：

X⁽¹⁾＝{x⁽¹⁾(1)，x⁽¹⁾(2)，...，x⁽¹⁾(n)}

其中

依据灰理论中的灰系统模型GM(1，1)建立等式如下：

x⁽⁰⁾(k)+az⁽¹⁾(k)＝b，x⁽⁰⁾(0)＝x⁽⁰⁾(1) (1)

其中

$z^{\left(1\right)}\left(k\right)=\frac{x^{\left(1\right)}\left(k\right)+x^{\left(1\right)}\left(k-1\right)}{2},k=2,3,...,n.---\left(2\right)$

公式(2)中的参数a和b是通过最小二乘法来估计的；过程如下所示：

$\left[\begin{array}{c}a\\ b\end{array}\right]={\left(B^{T}B\right)}^{-1}{B}^{T}Y---\left(3\right)$

其中

$Y=\left[\begin{array}{c}{x}^{\left(0\right)}\left(2\right)\\ x^{\left(0\right)}\left(3\right)\\ ...\\ x^{\left(0\right)}\left(n\right)\end{array}\right],B=\left[\begin{array}{cc}-z^{\left(1\right)}\left(2\right)& 1\\ -z^{\left(1\right)}\left(3\right)& 1\\ ...& ...\\ -z^{\left(1\right)}\left(n\right)& 1\end{array}\right]---\left(4\right)$

GM(1，1)灰色模型通过白化方程解得：

${\hat{x}}^{\left(1\right)}\left(t+1\right)=\left(x^{\left(0\right)}\left(1\right)-\frac{b}{a}\right)e^{-at}+\frac{b}{a}---\left(5\right)$

一阶累加生成运算的逆运算为：

${\hat{x}}^{\left(0\right)}(k+1)={\hat{x}}^{\left(1\right)}(k+1)-{\hat{x}}^{\left(1\right)}\left(k\right),k=1,2,...,n-1.---\left(6\right)$

由此得到下一时刻k+1的信噪比预测值为：

${\hat{x}}^{\left(0\right)}(k+1)=(1-e^a)\left(x^{\left(0\right)}\right(1)-\frac{b}{a})e^{-ak},k=1,2,...,n-1.---\left(7\right)$

得到信噪比预测序列后，为降低预测值的抖动，采用Nadaraya-Watson加权平均方法对序列值进行平滑过滤：