无线传感网络是由部署在监控区域的节点以自组织方式构成的网络,已应用于诸多领域。节点所在环境复杂多变导致其通信链路质量的不可靠,若能提前感知链路质量信息,为上层路由提供参考,则能很大程度上减少数据重传的次数,进而降低网络中节点的额外能量消耗。因此,全面而准确的链路质量预测机制可提高整个网络通信的可靠性、延长网络寿命。课题来源国家自然科学基金,研究无线传感网络链路质量预测方法。论文分析了无线链路的特性:链路的不规则性、非对称性、时间波动性等;介绍了链路质量预测方法的研究现状,对目前的方法进行了分类;深入分析了链路质量的物理层参数与链路层参数作为链路质量度量参数的优缺点,研究了各个参数之间的相关性。在此基础上,提出一种基于云模型的无线传感网络链路质量预测方法。该方法利用自适应高斯云变换算法对链路质量参数进行聚类;利用Apriori关联规则算法挖掘物理层参数与链路层参数的关联规则;提出了基于云推理的链路质量预测模型;在此基础上,考虑短期与长期两个时间维度,提出了基于云模型时间序列的链路质量预测模型。考虑链路通信容易受到环境的影响,论文设定了室内走廊、学校树林、公路场景,收集多对节点的实验样本数据。实现结果表明,与基于BP神经网络的预测方法相比,本文提出的基于云推理的链路质量预测方法,在稳定链路与波动性较大链路两种情况下,均具有较高的预测精度;与基于移动窗口指数加权平均预测方法相比,本文提出的基于云模型时间序列的链路质量预测方法,在保证预测稳定性的前提下,能更准确地捕获链路的变化。