基于改进的PSO-SVM室内走廊环境WSN信道建模

发布时间：2024-10-02 22:23

　　 随着无线传感器在室内的应用越来越普及,无线传感器网络(WSN)室内信道模型的研究成为了通信行业的一个热点。针对室内走廊环境进行了无线传感器网络的信号传输衰落特性测试,并根据测试所得数据利用粒子群算法优化支持向量机(PSO-SVM)进行了数据回归分析,通过选取交叉验证折数来提高精度,建立了PSO-SVM无线电波路径损耗模型。模型与双折线对数距离路径损耗模型进行对比分析,实验结果表明PSO-SVM模型预测精度优于双折线对数距离路径损耗模型,能很好的表征室内走廊环境下的WSN电波衰落特性。

【文章页数】：6 页

【部分图文】：

图1测试方案示意图

测试时,将发射节点固定在走廊一端1.5m的高度位置,天线竖直向上,以减少天线极化所带来的测量误差。距离发射节点2m的位置设置第一个测试点,然后每相距1m设置一个测试点,共设置39个测试点,测试方案示意图如图1所示。接收节点天线竖直向上,距离地面1.5m,与发射节点天线存在....

图2PSO-SVM算法流程图

对训练集进行K折交叉验证(K-foldCrossValidation,K-CV)意义下的准确率作为PSO中的适应度函数值,利用PSO对SVM中的惩罚参数c和核参数g进行选择,其整体算法流程图如图2所示。具体算法步骤如下:

图3不同传播距离信道路径损耗

通过数据预处理之后,不同距离下的路径损耗图,如图3所示,取2～40m测量点所得数据为样本数据,图中,随着距离的增加路径损耗值呈现整体上升趋势,距离小于14m时,损耗值增加幅度较大;距离大于14m时,损耗值增加幅度降低,不过整体仍呈现上升趋势。由于室内走廊环境较为封闭,干扰源....

图4样本数据归一化处理

式中,y为归一化后的样本数据;xi为样本值;xmin和xmax分别为样本值的最小值和最大值。经过归一化后的样本值如图4所示。利用归一化后的数据进行训练,建立PSO-SVM预测模型,该算法其主要参数设置为:核函数选择为高斯径向基函数(RBF);粒子群算法种群数量为pop=40,最大....

本文编号：4006426