[发明专利]一种多尺度多权重链路质量评估的路由方法

摘要

本发明涉及一种多尺度多权重链路质量评估的路由方法。采用随机过程理论对链路质量与路径质量进行数学建模，将链路的稳定性作为路由选路的准则，形成了基于稳定链路的稳定路由策略。针对移动自组网中语音网络通信的具体应用需求，提出了多尺度评测链路质量指标集和链路综合评价指标，既减少了方案设计的复杂度又节约了节点有限的计算资源。同时本发明引入基于时间序列分析的卡尔曼滤波方法对样本进行预处理，形成了比较完备的链路稳定性计算和预测机制。另外本发明还引入权重层级划分与权重轮换机制，使得路由协议性能在闭环条件下实现稳态优化，提高了多尺度链路稳定模型的实用性和适应性。

主权项

一种多尺度多权重链路质量评估的路由方法，其特征在于步骤如下：步骤1：源节点使用全向天线向周边发送邻居探测信息报文和接收邻居节点发送过来的邻居探测信息报文；步骤2：根据节点间交换的邻居探测信息报文，收集一跳或两跳邻居信息，由收到邻居节点信息报文的多少计算出节点的网络密度：D=Neighbor_NumNetwork_scale×100%]]>Network_scale表示网络的节点总数，Neighbor_Num表示节点的邻居个数；步骤3：使用累积参数法计算邻节点的信号强度值：Scumj＝αScumj+(1‑α)SjSj代表当前时刻采集到的信号强度值，Scumj代表该时刻上一时刻的累积信号强度，α为亲和参数；步骤4：由操作系统统计节点CPU使用率，由下式计算报文队列的空闲率：Qfree=length-queued_lengthlength×100%]]>Qfree表示报文队列的空闲率，length表示报文队列的总长度，queued_length表示已经占用的报文队列长度；步骤5：将步骤2‑4得到的节点的网络密度、邻节点的信号强度值、节点CPU使用率和报文队列的空闲率分别代入结合时间序列分析的Kalman滤波模型中对链路状态向量进行滤波和预测：步骤a：根据链路状态向量的时间序列计算各链路状态的回归参数τj,φ1j,j＝1,2,3,4,5，确定状态转移方程中的状态转移矩阵A和水平向量β，计算量测误差阵Rk：步骤b：依据Kalman滤波模型进行状态向量k时刻的滤波和k+1时刻的预测：滤波实现过程：时间更新：x^k|k-1=Ax^k-1+x^Pk|k-1=APk-1AT+Qk]]>量测更新：Kk=Pk|k-1(Pk|k-1+Rk)-1x^k|k=x^k|k-1+Kk(zk-x^k|k-1)Pk|k=(1-Kk)Pk|k-1]]>预测实现过程：时间更新：x^k+1|k=Ax^k+βPk+1|k=APkAT+Qk+1]]>量测更新：Kk+1=Pk+1|k(Pk+1|k+Rk+1)-1x^k+1|k+1=x^k+1|k+Kk+1(zk+1-x^k+1|k)Pk+1|k+1=(1-Kk+1)Pk+1|k]]>Qk为k时刻的过程噪声方差阵；Qk+1为k+1时刻的过程噪声方差阵；为k时刻的最优线性估计；为k‑1时刻的最优线性估计；为k‑1时刻推出k时刻的最优线性估计；为k时刻推出k时刻的最优线性估计；为k时刻推出k+1时刻的最优线性估计；为k+1时刻推出k+1时刻的最优线性估计；Pk为k时刻的基于卡尔曼滤波的状态协方差估计；Pk‑1为k‑1时刻的基于卡尔曼滤波的状态协方差估计；Pk|k‑1为k‑1时刻推出k时刻的基于卡尔曼滤波的状态协方差估计；Pk|k为k时刻最优结果；Pk+1|k为k时刻推出k+1时刻的基于卡尔曼滤波的状态协方差估计；Pk+1|k+1为k+1时刻推出k+1时刻的基于卡尔曼滤波的状态协方差估计；Kk为k时刻的增益矩阵；Kk+1为k+1时刻的增益矩阵；zk为k时刻的测量值；zk+1为k+1时刻的测量值，Rk+1为k+1时刻的量测误差阵；步骤c：将k时刻的信号强度滤波值(m1，k)和信号强度预测值(m1，k+1)与阈值(m1，t)进行比较：若m1>(m1，t)时，将m1与除m1之外的由网络密度、邻节点的信号强度值、节点CPU使用率和报文队列的空闲率得到的指标(m2，m3，m4，m5)进行综合权重叠加，并计算出综合评价输出值M；若m1<＝(m1，t)时，则直接判定链路质量为坏；步骤d：将综合评价输出值M与总体阈值Mt进行比较，若M>Mt，则判定链路质量好；若M<＝Mt，则判定链路质量坏。