[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

说明书

本发明公开了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，将共存状态分为四类：空态、静态、半动态和动态，旨在保证共存问题可以被及时检测，后续可以针对不同状态快速选择合适的处理方法来解决问题。该方法采用了决策树模型，利用可以反映人体移动和干扰强度的平均PER、SSI及LC三个特征作为模型的输入。该发明实现简单，适用场景广泛，对共存状态预测具有较高的准确性和时效性。

技术领域

本发明涉及无线通信技术领域，是一种在无线体域网中通过机器学 习中的决策树模型来预测多网共存状态的方法。该方法主要用于解决多 个无线体域网的共存问题，对网络共存状态的预测具有较高的准确率和 时效性，能够确保共存问题可以被及时检测。

背景技术

无线体域网是一种以人体为中心，由各种置于人体体内、体表或布 置在人体周围的无线传感器节点组成的可穿戴式无线网络，其节点具有 低功耗、小型化、智能化等特征。无线体域网被设计为可以工作于以 2.45GHz为中心的免授权的工业、科学与医学频段上，这是一个非常拥挤 的频段，包括WiFi(IEEE 802.11)、蓝牙(IEEE 802.15.1)、Zi gBee(IEEE 802.15.4)等标准都工作于上。基于IEEE 802.15.6标准，单一 无线体域网中的节点可以通过复用技术来避免干扰，如时分复用等，因 此网内干扰一般不是重点考虑的问题。但由于受限的带宽和无线体域网 的移动性，一个体域网会在它的通信范围内遭遇另一个体域网，而多个 网络在同一时刻使用相同信道会产生网间干扰，并导致接收信号强度的下降和误包率的升高，进一步使得数据重传和时延增加，同时降低信道 利用率，这就是所谓的共存问题。共存问题会导致共存网络的通信性能 下降，信号得不到有效传输。因此需要一种能够可靠预测共存状态的方 法来确保共存问题可以被及时检测到，这样后续就可以通过采取合适的 措施快速处理问题。

目前，共存问题在LTE、WiFi、无线传感器网络等其它无线传输技术 的研究已经得到学术界的广泛关注并取得了巨大的进步。但是，由于无 线体域网所处环境复杂，网络节点密集，有较高的移动性，且一般为分 布式独立工作，难于管理，因此如何解决无线体域网的多网共存问题还 有待于深入研究。

在无线局域网中，有文献提出一种信息传输之前在物理层检测干扰的 机制，但它不适用于有低功耗要求的无线体域网。有文献使用信干噪比 来检测干扰，然而因为无线环境随着人体的移动和姿态的改变频繁变换， 对信干噪比的即时评估并不准确。有文献提出在物理层和MAC层通过接 收信号强度和误包率来检测干扰，但基于单一测量值预测共存状态是不 可靠的。有文献认为无线体域网的社会性和高移动性不允许通过一个全 局协调器来控制多个无线体域网，因此对于网内和网间干扰应选择不同 的方法进行管理；还有文献测量了无线体域网多网环境下的性能衰减， 或者研究了干扰与网络之间距离的关系，但以上研究都没有提出有效的 共存问题检测或预测方法。

有研究提出了一种新颖的基于机器学习的方法，它将干扰持续时间 T_SINR、收包率和前一状态输入到朴素贝叶斯分类器来预测共存状态，其中 T_SINR表示信干噪比不高于阈值SINR_th的持续时间。这种方法带来了新的思 路但却并不完善，因为它所使用的T_SINR的两个判断阈值时间太长，分别为 3s和19s。无线体域网在处理医疗数据的时候要求有严格的时效性和可 靠性，紧急情况应在不超过1s的时间内得到处理，过长的预测时间会导 致干扰处理不及时，信息发送受到影响，进一步可能危及生命安全。

发明内容