1、有限性，而上述的移动预测模型中的观察值可以取定范围内的任意值，因此在确定观察值和观察符号输出概率间的对应关系前，必须把观察序列量化到观察符号空间中。观察符号空间和量化的过程如图所示。观察符号空间由径向划分的方法来确定，即在以为中心的径向上在每个状态的范围内划分等间隔的区域，并以每区域边界的信号强度值或中心的信号强度值作为观察符号空间中的符号来形成观察符号空间。假定给定观察值或计算观察值为，并且落在,范围内，如果，则。在上述的量化过程中，虽然会产生量化误差，但量化后的观察值所对应的状态以及符号输出概率没有变化，因而在解决对将要连接的进行预测的问题上，量化误差不会产生明显的影响。仿真结果本文用对移动预测模型进行仿真，仿真从结构上分为模型拟合模型和规整算法三个主要部分，仿真过程分为如下步骤按照等概率的方法建立模型的初始参数令从出发产生路。移动自组网的路由技术作了引论，对路由技术的分类，以及分类的标准也作了介绍，这样可以对移动自组网的路由技术有个比较全面的了解，为对移动自组网的全面了解打好基础。第章基于隐马尔科夫模型的移动预测隐马尔科夫模型马尔科夫性如果个过程的将来仅依赖现在而不依赖过去，则此过程具有马尔科夫性，或称此过程为马尔科夫过程。马尔科夫链时间和状态都离散的马尔科夫过程称为马尔科夫链，个系统有个状态,随着时间的推移，系统从状态转移到另状态，设为时间的状态，系统在时间处于状态的概率取决于其在时间,的状态，该概率为∣如果系统在时间的状态只与其在时间的状态相关，则该系统构成个离散的阶马尔科夫链马尔科夫过程∣∣如果只考虑独立于时间的随机过程,∣其中状态转移概率,必须满足,且,，则该随机过程称为马尔科夫模型。隐马尔科夫模型在马尔科。
2、理位置信息的路由协议路由协议和功率感知路由协议。其中，利用地理位置信息的路由协议又可以分为地理位置辅助路由协议和基于地理位置的路由协议。目前提出的自组网路由算法可以分为两类对尽力而为型协议的改进和针对要求设计的路由算法。功率感知路由协议主要包括两个方面的要求尽量保证每个节点剩余能量均衡，要求寻找路由尽量选择剩余能量多的节点加入路由参与中继转发，同时避免使用电量已不足的节点加入路由。寻找条节能的路由，要求寻找总体最节能的路由。在空闲状态下，功率感知路由协议的基本思想是让每个空闲状态下的节点尽量将自己的工作模式调整到休眠或者关机，以此来节省能耗。然而，这种思想需要很好的路由设计，使得当许多节点处于休眠关机状态此时，无法为其他节点转发分组时也能保证通信的正常进行。本章小结移动自组网中的路由，是网络得以正常运行的重要组成部分，也可以说是核心部分，本章。指适用于中小规模自组网通常是几十个节点的路由协议，当前在该方面的研究已取得了很大进展，陆续提出了系列草案，如协议等。随着网络规模的扩大以及节点移动性的增强，这些路由协议的开销都成为个非常棘手的问题。同时，网络规模的扩大意味着路由协议收敛时间的增长，再加上节点的可移动性，整个网络路由信息的致性和准确性很难保证，路由失效和环路等问题开始出现。因此，适用于大规模网络的路由协议可扩展路由协议成为自组网路由协议研究的重要内容。单播路由协议和多播路由协议协议等都是支持单播应用的自组网路由协议。将多播技术的有效性与自组网的特殊优势相结合，在自组网环境下开发些基于组的多播应用业务，具有非常广阔的前景。因此，支持多播应用的自组网多播路由协议也是当前的个研究热点。其他路由协议另外，还可以根据是否使用地理位置信息是否提供保证或者是否考虑功率信息，将路由协议分为利用地。
3、的∣和∣，并与∣比较，结果显示准确率为。本章小结本章详细主要介绍了隐马尔科夫模型及其相关问题解法，并提出了种基于的移动预测模型，仿真结果显示在适当的选择状态数的条件下，模型对移动节点的随机性有较好的适应能力，证明了此模型的可行性。结论本文从无线移动自组织网络基础理论出发，知识的介绍由浅入深，在深入了解移动自组网及其基本路由协议技术的前提下，提出了种基于隐马尔科夫模型的移动预测模型，该模型用于预测移动网络中移动节点的运动和将要连接的接入路由器，为避免或减小由于移动造成的通信中断和时延赢得了准备时间。模型是种描述与时间序列相关的有效模型，也是种随机概率模型，利用概率和统计学的原理，解决如何辨识具有不同参数的短时平稳信号段以及它们之间的转化问题，任何运用此模型的实际问题都可以转化为中的三个问题。在本论文中，我主要是通过仿真证明预测移动的可行性，。有限性，而上述的移动预测模型中的观察值可以取定范围内的任意值，因此在确定观察值和观察符号输出概率间的对应关系前，必须把观察序列量化到观察符号空间中。观察符号空间和量化的过程如图所示。观察符号空间由径向划分的方法来确定，即在以为中心的径向上在每个状态的范围内划分等间隔的区域，并以每区域边界的信号强度值或中心的信号强度值作为观察符号空间中的符号来形成观察符号空间。假定给定观察值或计算观察值为，并且落在,范围内，如果，则。在上述的量化过程中，虽然会产生量化误差，但量化后的观察值所对应的状态以及符号输出概率没有变化，因而在解决对将要连接的进行预测的问题上，量化误差不会产生明显的影响。仿真结果本文用对移动预测模型进行仿真，仿真从结构上分为模型拟合模型和规整算法三个主要部分，仿真过程分为如下步骤按照等概率的方法建立模型的初始参数令从出发产生路。
4、不确定性和路由建立延迟的不确定性。在按需路由协议中，每条激活路由建立的平均开销要远远高于先应式路由协议的平均开销。在只有少数节点之间需要通信的情况下，按需路由协议的路由开销才比先应式路由协议的小。混合型路由协议是对先应式路由协议和按需路由协议的综合。它在小范围局部区域内使用先应式路由协议，对局部区域外节点的路由查找采用按需路由协议。这样可将链路变化限定在局部区域内，从而减少全网广播带来的路由开销。混合路由协议实现了按需路由协议和先应式路由协议优势互补，具有相对低的带宽消耗和路由发现延迟平面结构路由协议和分层结构路由协议按照路由协议所依据的网络逻辑结构的不同，自组网路由协议可分为平面结构和分层结构。平面结构路由协议是指网络中各节点在路由功能上地位相同，没有引入分层管理机制。它的主要优点是网络中没有特殊的节点，网络流量均匀地发散在网络中，路由算法易。理位置信息的路由协议路由协议和功率感知路由协议。其中，利用地理位置信息的路由协议又可以分为地理位置辅助路由协议和基于地理位置的路由协议。目前提出的自组网路由算法可以分为两类对尽力而为型协议的改进和针对要求设计的路由算法。功率感知路由协议主要包括两个方面的要求尽量保证每个节点剩余能量均衡，要求寻找路由尽量选择剩余能量多的节点加入路由参与中继转发，同时避免使用电量已不足的节点加入路由。寻找条节能的路由，要求寻找总体最节能的路由。在空闲状态下，功率感知路由协议的基本思想是让每个空闲状态下的节点尽量将自己的工作模式调整到休眠或者关机，以此来节省能耗。然而，这种思想需要很好的路由设计，使得当许多节点处于休眠关机状态此时，无法为其他节点转发分组时也能保证通信的正常进行。本章小结移动自组网中的路由，是网络得以正常运行的重要组成部分，也可以说是核心部分，本章。
5、模型中，每个状态代表个可观察的事件。在隐马尔科夫模型中观察到的事件是状态的随机函数，中状态是不确定或不可见的，只有通过观察序列的随机过程才能表现出来，因此该模型是双重随机过程，其中状态的转移过程是不可观察的，是个马尔科夫链，用转移概率描述，而可观察的事件的随机过程是隐蔽的状态转移过程的随机函数，它描述状态与观察序列间的关系，用观察值概率描述的基本要素用模型五元组来描述，或简写。状态数目每个状态可能的观察值数目与时间无关的状态转移概率矩阵给定状态下观察值概率分布初始状态空间的概率分布状态转移矩阵,∣观察值概率分布矩阵，从状态观察到符号的概率分布矩阵,∣初始状态概率分布当给定模型时，观察序列,可由以下步骤产生根据初始状态练样本的可能取值空间和训练样本具有。于实现其主要缺点是可扩展性差，在定程度上限制了网络的规模。与平面结构路由协议相对应的是分层结构路由协议。分层路由协议采用群的概念对移动节点进行层次划分。若干个在地理空间上相邻的节点构成个群，每个群有个群首。群与群之间通过网关节点进行通信。网关节点可以是群首也可以是其他群成员。网关节点之间的链接构成上层骨干网。所有群之间的通信都通过骨干网转发。分层结构路由协议包括分群算法群维护协议群内路由协议和群间路由协议个部分。分群算法解决如何在动态分布式网络环境下使移动节点高效地聚集成群，它是分层路由协议的关键。群维护协议主要解决节点移动过程中的群结构维护问题，包括移动节点退出和加入群群的产生和消亡等功能。分层结构路由协议适用于超大型网络，但在自组网环境中，由于网络拓扑结构的快速变化，其算法实现非常复杂。中小规模路由协议和大规模可扩展路由协议中小规模路由协议。
6、移动自组网的路由技术作了引论，对路由技术的分类，以及分类的标准也作了介绍，这样可以对移动自组网的路由技术有个比较全面的了解，为对移动自组网的全面了解打好基础。第章基于隐马尔科夫模型的移动预测隐马尔科夫模型马尔科夫性如果个过程的将来仅依赖现在而不依赖过去，则此过程具有马尔科夫性，或称此过程为马尔科夫过程。马尔科夫链时间和状态都离散的马尔科夫过程称为马尔科夫链，个系统有个状态,随着时间的推移，系统从状态转移到另状态，设为时间的状态，系统在时间处于状态的概率取决于其在时间,的状态，该概率为∣如果系统在时间的状态只与其在时间的状态相关，则该系统构成个离散的阶马尔科夫链马尔科夫过程∣∣如果只考虑独立于时间的随机过程,∣其中状态转移概率,必须满足,且,，则该随机过程称为马尔科夫模型。隐马尔科夫模型在马尔科。上的训练样本数据，并规整用规整后的组训练样本训练模型，并得到模型参数使用两组观察数据对模型进行检验在对模型的训练过程中，用编写的算法根据的初始参数和训练样本进行有限次数的迭代直到收敛，得到的此模型参数即为最优模型参数。对训练后的模型的检验中，令从点出发沿路径移动，移动过程中以随机的间隔测量到的距离，并以此来仿真移动速度的随机性。将测量的距离构成观察序列，则观察序列也具有随机性。再令沿着条路径移动两次，会得到两组观察序列，然后再用观察序列对模型进行测试。图训练样本和模型参数的似然程度上图显示了用算法训练样本，经过三次迭代以后模型参数趋于收敛。图中横坐标表示迭代次数，纵坐标表示每次迭代后参数和样本数据的似然程度，其值越大说明当前模型参数值更加准确，为最优。用迭代求出的最优模型参数计算在训练样本下的∣，然后用最优模型参数计算在两组测试样本下。
7、于实现其主要缺点是可扩展性差，在定程度上限制了网络的规模。与平面结构路由协议相对应的是分层结构路由协议。分层路由协议采用群的概念对移动节点进行层次划分。若干个在地理空间上相邻的节点构成个群，每个群有个群首。群与群之间通过网关节点进行通信。网关节点可以是群首也可以是其他群成员。网关节点之间的链接构成上层骨干网。所有群之间的通信都通过骨干网转发。分层结构路由协议包括分群算法群维护协议群内路由协议和群间路由协议个部分。分群算法解决如何在动态分布式网络环境下使移动节点高效地聚集成群，它是分层路由协议的关键。群维护协议主要解决节点移动过程中的群结构维护问题，包括移动节点退出和加入群群的产生和消亡等功能。分层结构路由协议适用于超大型网络，但在自组网环境中，由于网络拓扑结构的快速变化，其算法实现非常复杂。中小规模路由协议和大规模可扩展路由协议中小规模路由协议。已知训练样本和初始模型参数的情况下，用算法求出新的最优模型参数，并用新的观察数据对模型进行检验，以此证明模型的预测准确率，仿真结果表明了模型的可行性。无线移动自组网是个非常前沿的研究话题，其种种优点加深了人们的研究兴趣，由于预测机制是提高自组网传输路径稳定性的重要手段，以后的主要的预测研究工作包括基于具体应用的预测模型的建立和分析，节点运动的数学模型的建立和分析，网络链路信息获取与预测机制的关系，基于预测的网络通信协议等。参考文献于宏毅无线移动自组织网北京人民邮电出版社，谢希仁计算机网络教程北京高等教育出版社，计算机网络熊桂喜，王小虎译北京清华大学出版社，何非常现代战争的神经网络北京国防工业出版社，刘卫国，宋翰涛移动分组无线网络路由协议设计和优化方法的研究计算机工程与应用张悠，张光昭无线特定网络网络，，王建新，陈松乔中移动预测方法研究计算机科学。
8、指适用于中小规模自组网通常是几十个节点的路由协议，当前在该方面的研究已取得了很大进展，陆续提出了系列草案，如协议等。随着网络规模的扩大以及节点移动性的增强，这些路由协议的开销都成为个非常棘手的问题。同时，网络规模的扩大意味着路由协议收敛时间的增长，再加上节点的可移动性，整个网络路由信息的致性和准确性很难保证，路由失效和环路等问题开始出现。因此，适用于大规模网络的路由协议可扩展路由协议成为自组网路由协议研究的重要内容。单播路由协议和多播路由协议协议等都是支持单播应用的自组网路由协议。将多播技术的有效性与自组网的特殊优势相结合，在自组网环境下开发些基于组的多播应用业务，具有非常广阔的前景。因此，支持多播应用的自组网多播路由协议也是当前的个研究热点。其他路由协议另外，还可以根据是否使用地理位置信息是否提供保证或者是否考虑功率信息，将路由协议分为利用地。不确定性和路由建立延迟的不确定性。在按需路由协议中，每条激活路由建立的平均开销要远远高于先应式路由协议的平均开销。在只有少数节点之间需要通信的情况下，按需路由协议的路由开销才比先应式路由协议的小。混合型路由协议是对先应式路由协议和按需路由协议的综合。它在小范围局部区域内使用先应式路由协议，对局部区域外节点的路由查找采用按需路由协议。这样可将链路变化限定在局部区域内，从而减少全网广播带来的路由开销。混合路由协议实现了按需路由协议和先应式路由协议优势互补，具有相对低的带宽消耗和路由发现延迟平面结构路由协议和分层结构路由协议按照路由协议所依据的网络逻辑结构的不同，自组网路由协议可分为平面结构和分层结构。平面结构路由协议是指网络中各节点在路由功能上地位相同，没有引入分层管理机制。它的主要优点是网络中没有特殊的节点，网络流量均匀地发散在网络中，路由算法易。
9、上的训练样本数据，并规整用规整后的组训练样本训练模型，并得到模型参数使用两组观察数据对模型进行检验在对模型的训练过程中，用编写的算法根据的初始参数和训练样本进行有限次数的迭代直到收敛，得到的此模型参数即为最优模型参数。对训练后的模型的检验中，令从点出发沿路径移动，移动过程中以随机的间隔测量到的距离，并以此来仿真移动速度的随机性。将测量的距离构成观察序列，则观察序列也具有随机性。再令沿着条路径移动两次，会得到两组观察序列，然后再用观察序列对模型进行测试。图训练样本和模型参数的似然程度上图显示了用算法训练样本，经过三次迭代以后模型参数趋于收敛。图中横坐标表示迭代次数，纵坐标表示每次迭代后参数和样本数据的似然程度，其值越大说明当前模型参数值更加准确，为最优。用迭代求出的最优模型参数计算在训练样本下的∣，然后用最优模型参数计算在两组测试样本下 。模型中，每个状态代表个可观察的事件。在隐马尔科夫模型中观察到的事件是状态的随机函数，中状态是不确定或不可见的，只有通过观察序列的随机过程才能表现出来，因此该模型是双重随机过程，其中状态的转移过程是不可观察的，是个马尔科夫链，用转移概率描述，而可观察的事件的随机过程是隐蔽的状态转移过程的随机函数，它描述状态与观察序列间的关系，用观察值概率描述的基本要素用模型五元组来描述，或简写。状态数目每个状态可能的观察值数目与时间无关的状态转移概率矩阵给定状态下观察值概率分布初始状态空间的概率分布状态转移矩阵,∣观察值概率分布矩阵，从状态观察到符号的概率分布矩阵,∣初始状态概率分布当给定模型时，观察序列,可由以下步骤产生根据初始状态练样本的可能取值空间和训练样本具有。
10、已知训练样本和初始模型参数的情况下，用算法求出新的最优模型参数，并用新的观察数据对模型进行检验，以此证明模型的预测准确率，仿真结果表明了模型的可行性。无线移动自组网是个非常前沿的研究话题，其种种优点加深了人们的研究兴趣，由于预测机制是提高自组网传输路径稳定性的重要手段，以后的主要的预测研究工作包括基于具体应用的预测模型的建立和分析，节点运动的数学模型的建立和分析，网络链路信息获取与预测机制的关系，基于预测的网络通信协议等。参考文献于宏毅无线移动自组织网北京人民邮电出版社，谢希仁计算机网络教程北京高等教育出版社，计算机网络熊桂喜，王小虎译北京清华大学出版社，何非常现代战争的神经网络北京国防工业出版社，刘卫国，宋翰涛移动分组无线网络路由协议设计和优化方法的研究计算机工程与应用张悠，张光昭无线特定网络网络，，王建新，陈松乔中移动预测方法研究计算机科学。的∣和∣，并与∣比较，结果显示准确率为。本章小结本章详细主要介绍了隐马尔科夫模型及其相关问题解法，并提出了种基于的移动预测模型，仿真结果显示在适当的选择状态数的条件下，模型对移动节点的随机性有较好的适应能力，证明了此模型的可行性。结论本文从无线移动自组织网络基础理论出发，知识的介绍由浅入深，在深入了解移动自组网及其基本路由协议技术的前提下，提出了种基于隐马尔科夫模型的移动预测模型，该模型用于预测移动网络中移动节点的运动和将要连接的接入路由器，为避免或减小由于移动造成的通信中断和时延赢得了准备时间。模型是种描述与时间序列相关的有效模型，也是种随机概率模型，利用概率和统计学的原理，解决如何辨识具有不同参数的短时平稳信号段以及它们之间的转化问题，任何运用此模型的实际问题都可以转化为中的三个问题。在本论文中，我主要是通过仿真证明预测移动的可行性，。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
移动预测算法研究毕业设计论文