アダプティブ・マシン・ラーニングと環境センシングによるRSSI予測

科学分野:

• ワイヤレス通信
• 機械学習
• 環境センシング

背景:

• 受信信号強度指標 (RSSI) の予測は,ネットワークの計画,最適化,効率的な手渡し管理に不可欠です.
• 伝統的な経路喪失モデルは 理論的な基礎を提供していますが 複雑な環境の相互作用と闘っています
• 機械学習は,無線ネットワークのパフォーマンスを向上させるためのデータ主導のアプローチを提示します.

研究 の 目的:

• RSSI予測のための適応的な機械学習フレームワークを提案する.
• RSSI予測に環境センサーパラメータ (温度,湿度,圧力,粒子) を統合する.
• RSSI予測の精度に対する環境要因の影響を評価する.

主な方法:

• RSSI予測のための適応型機械学習フレームワークを開発しました.
• 組み込み環境センサーデータ (温度,相対湿度,気圧,粒子状物質)
• バリアンス説明とルーツ平均二乗誤差のようなパフォーマンスメトリックを使用して 提案されたモデルとベースラインモデルを比較しました.

主要な成果:

• RSSI値は複雑で非線形な相互作用によって環境要因に影響されます.
• 提案されたモデルは,環境データのないベースラインモデルと比較して,6.02%の差異が説明されました.
• 環境パラメータを含めると,解明された変数の2.4%の増加と平方根平均誤差の1.40dBの減少が観察されました.

結論:

• 環境要因はRSSIの予測に大きく影響し,従来のモデルの線形仮定に挑戦しています.
• 環境データを統合したコグニティブ・メソッドは,RSSIの予測精度を大幅に高めます.
• 提案されたフレームワークは,ワイヤレスネットワークの計画と最適化のためのより高い精度を提供します.