基于多元时间序列的无线网络跨层设计研究

针对无线网络传输过程中，容易出现某些节点负载压力过大的问题，利用跨层设计思想，结合多元时间序列理论，提出一种基于时间序列的节点负载预处理机制。利用跨层设计方法监测节点内分组投递率和

跨层设计思想打破了传统网络体系中“层”的界限，对物理层、数据链路层、传输层、网络层和应用层各层参数进行联合优化，获得各种通信性能指标之间的平衡，使总体通信性能最优，综合考虑网络体系结构中各个层的相关信息达到联合优化的目的。跨层设计包含不同层间的信息交互，包含每一层对这一信息的适应性设计和为了确保每一层的鲁棒性而嵌入的分集设计[1] [2]。

目前， 跨层设计主要研究的是物理层和数据链路层的参数联合优化问题。并且，无线网络传输过程中，比较常见的路由选择方式是以最小跳数作为路由选择的依据。当网络负载压力较小时，这种路由选择方式的弊端并不突出，但是当网络负载压力不断增大以后，以最小跳数为路由度量标准的路由选择方式，则由于缺乏对链路状况和节点处理能力等方面的综合考虑，使得在无线网络某些特定区域形成“热点”节点，最终导致丢包率增加， 分组投递率明显下降等现象，另外热点区域节点的拥塞以及信道竞争都会加剧端到端延迟，从而导致网络吞吐量下降。

因此，本文在在跨层设计思想基础上，将监测到的层间参数构建成时间序列，运用时间序列预测模型实现节点负载压力变化趋势的预测，可以有效的改善无线网络节点传输过程中的动态自适应性[3] [4] [5]。本文针对无线网络传输过程中容易出现“热点”节点的问题，提出了一种基于模糊时间序列的节点负载预测机制。通过运用跨层设计思想，监测节点在某一时间段内数据链路层的分组投递率参数和网络层的吞吐量参数，计算两者之间的相关系数，构建二元模糊时间序列预测模型，用以预测无线网络节点的负载压力，从而有效规避“热点”节点的形成，进而保障无线网络的传输质量。仿真实验表明，应用时间序列对节点的跨层参数网络吞吐量和分组投递率实现了有效预测。

2. 时间序列预测模型 时间序列分析是将相互具有影响关系的信息数据按照时间顺序，组成关联序列，并对序列内在相关关系进行有效分析[6]。在无线网络传输过程中，根据跨层设计思想，将相关参数进行有效提取，构建每个参数的时间序列，并计算不同参数之间的相关关系，建立多元时间序列预测模型对其中某一参数的变化趋势做短期变化趋势预测。

本文中的时间序列预测模型在构建完成时间序列后，需要对样本空间中的训练样本进行符号化[7]。

本文采用的符号化方法为统计向量空间法(SSVS 方法) [8]。其中所使用的统计特征包括等概率区间的频数统计特征、相邻两个数据大小关系的统计特征、相邻三个数据大小关系的统计特征。在进行等概率区间的频数统计特征的过程中，首先要进行等概率区间划分，可以将样本数据划分为12, , , mI II等m 个等