1.一种传感器网络中分组丢失和错误的原因识别方法,其特征在于,包括:步骤1:在实验传感器网络中,获得多个实验样本分组,建立二元分类器;步骤2:通过所述二元分类器,识别真实传感器网络中分组丢失和错误的原因;其中所述步骤1包括:步骤1.1:建立第一实验样本分组,提取分组丢失和错误的特征属性;步骤1.2:建立第二实验样本分组;步骤1.3:获得分组丢失和错误的所述第二实验样本分组的分组丢失和错误的原因;步骤1.4:计算所述分组丢失和错误的第二实验样本分组的所述特征属性的特征属性值,根据所述特征属性值和所述分组丢失和错误的原因建立所述二元分类器;所述步骤2包括:步骤2.1:计算所述真实传感器网络的分组丢失和错误的分组的所述特征属性的所述特征属性值;步骤2.2:将所述特征属性值输入所述二元分类器,获得所述真实传感器网络的分组丢失和错误的原因。
2.如权利要求1所述的传感器网络中分组丢失和错误的原因识别方法,其特征在于,所述特征属性包括一时间段内正确分组的接收信号强度指示符RSSI平均值、所述时间段内所述正确分组的链路质量指示符LQI平均值、单个丢失或错误分组的RSSI瞬时值相比所述时间段内所述正确分组的RSSI均值的变化幅度、分组级比特误码率和所述时间段内全部分组中分组头部出错的概率。
3.如权利要求1所述的传感器网络中分组丢失和错误的原因识别方法,其特征在于,所述实验传感器网络包括信道错误主导的实验传感器网络、冲突主导的实验传感器网络和信道错误和冲突都存在的实验传感器网络。
4.如权利要求1所述的传感器网络中分组丢失和错误的原因识别方法,其特征在于,所述分组丢失和错误原因包括信道错误和冲突。
5.如权利要求1所述的传感器网络中分组丢失和错误的原因识别方法,其特征在于,通过朴素贝叶斯、逻辑回归模型和决策树分类器的任一算法建立所述二元分类器。
6.一种传感器网络中分组丢失和错误的原因识别系统,其特征在于,包括:二元分类器建立模块,用于在实验传感器网络中,获得多个实验样本分组,建立二元分类器;原因识别模块,用于通过所述二元分类器,识别真实传感器网络中分组丢失和错误的原因;其中所述二元分类器建立模块包括特征属性提取子模块、样本采集子模块、原因获得子模块、监督学习子模块:特征属性提取子模块,用于建立第一实验样本分组,提取分组丢失和错误的特征属性;样本采集子模块,用于建立第二实验样本分组;原因获得子模块,用于获得分组丢失和错误的所述第二实验样本分组的分组丢失和错误的原因;监督学习子模块,用于计算所述分组丢失和错误的第二实验样本分组的所述特征属性的特征属性值,根据所述特征属性值和所述分组丢失和错误的原因建立二元分类器;所述原因识别模块包括在线特征属性值预测子模块、在线识别子模块:在线特征属性值预测子模块,用于计算所述真实传感器网络的分组丢失和错误的分组的所述特征属性的所述特征属性值;在线识别子模块,用于将所述特征属性值输入所述二元分类器,获得所述真实传感器网络的分组丢失和错误的原因。
展开