通信工程毕业论文无线通信论文.docx

无线通信论文摘要:传统无线网络故障节点定位方法无法有效处理节点功率波动以及模糊环境对故障节点定位精度的干扰。提出基于小波神经网络的无线网络故障节点定位方法,分析了小波神经网络在节点故障定位的三种作用形式,融合形式1和3对冗余节点故障进行定位,将小波神经网络当成预测器,将前一采样时刻的正常输出交叉输入n个小波神经网络,获取节点当前时刻的预测输出值,取节点预测输出值和真实输出值的残差,若该残差值高于阈值,则说明该节点是故障节点。实验结果表明,所提故障节点定位方法能够对节点的附加、倍数以及短路故障进行准确定位。关键词:无线通信论文随着科学技术的高速发展,无线传感网络的应用领域不断扩张。但是无线传感网络中的节点受到自身以及外界因素的干扰,会出现较多的故障,导致传感网络质量降低[12]。传统无线网络故障节点定位方法,无法有效处理节点功率波动以及模糊环境对故障节点定位精度的干扰,具有较高的局限性。因此,寻求有效的方法对故障节点进行准确定位,具有重要的应用意义。 1基于小波神经网络的无线网络故障节点定位技术 ,将小波神经网络在故障节点定位过程作用划分成如下三种形式:(1)将小波神经网络当成分类器,将节点输出当成小波神经网络的输入值,用“1”和“0”描述节点存在故障以及不存在故障,并将节点状态当成网络输出[3],通过不同的故障模式对小波神经网络实施训练,采用训练好的小波神经网络分类器对无线网络故障节点进行定位。该方法的定位原理如图1所示。(2)将小波神经网络当成观测器,基于大量的隐层,小波神经网络可对系统输入/输出样本实施自主学习,逼近真实的动态系统[4]。基于传统观测原理塑造小波神经网络观测器,通过正常工作情况下的数据对小波神经网络进行训练,采用训练好的小波神经网络观测器形成故障残差,完成无线传感故障节点的定位[5]。定位原理如图2所示。络塑造传感网络节点的预测模型,小波神经网络的输入值为节点的前一时刻输出值,网络输出是节点的输出预测值,对比该预测值同节点的真实输出值,产生残差实施故障节点定位。该方法的定位原理如图3所示。在对孤立节点进行故障定位时,将小波神经网络当成观测器,将节点当前时刻的输入当成神经网络的输入,逼近节点当前时刻的正常输出为神经网络的输出[67]。融合形式1和3定位冗余节点故障,将小波神经网络当成预测器,将前一采样时刻的正常输出当成小波神经网络的输入,预测节点当前采样时刻的输出,获取差值信号,再同预先设置的阈值实施对比,则高于阈值的差值信号对应的节点为故障节点。 、小波神经网络预测器以及信息定位方案构成。无线传感网络中有n个检测值存在冗余关系的传感器节点,x1,x2,…,xn-1,xn用于描述n个传感器节点的输出值。采用图3描述的结构图,将小波神经网络当成预测器,获取节点后续时刻的正常输出。本文方法定位无线网络故障节点前,需要塑造n个小波神经网络预测器,并训练这些预测器。在无线传感网络簇中全部节点的运行状态都是正常时,采集训练样本。通过交叉训练方法对训练样本实施训练[8],交叉训练k个小波神经网络预测器的过程如图5所示。其他预测器的