基于机器学习的 Wi-Fi 链路质量准确高效预测

无线通信以其不可预测性为特征，这给维持一致的通信质量带来了挑战。本文对各种预测模型进行了全面分析，重点关注利用机器学习技术实现准确高效的 Wi-Fi 链路质量预测。具体而言，本文评估了基于指数移动平均线性组合的数据驱动模型的性能，这些模型专为低复杂度实现而设计，因此适用于处理资源有限的硬件平台。使用来自真实世界 Wi-Fi 测试床的实验数据，在考虑依赖信道和独立于信道的训练数据的情况下，评估了所提方法的准确性。值得注意的是，允许设备制造商进行泛化训练的独立于信道的模型展现出了极具竞争力的性能。总体而言，本研究为基于机器学习的预测模型在工业环境中增强 Wi-Fi 可靠性的实际部署提供了见解。