基於人工蜂群算法的室內無線傳播模型校準擬合方法
2023-12-08 17:58:06 1
專利名稱：基於人工蜂群算法的室內無線傳播模型校準擬合方法
技術領域：
本發明涉及無線通信網絡領域，特別涉及網絡建設中，用於傳播模型校準的連續波測試獲得數據以及對於測試獲得的數據的處理方法。
背景技術：
傳播模型用於預測地形、障礙物及人為環境對電波傳播中路徑損耗的影響。傳播模型校正的工作是要找到一種更符合當地場景的傳播模型和模型中的參數。連續波測試進行傳播模型的校正的原理是發射機保持恆定狀態，接收機在發射機發射信號覆蓋範圍內移動，接收的信號強度隨接收機位置發生變化，則傳播過程中的路徑損耗等於發射機發射功率減去接收機接收信號功率。
在無線傳播模型校正中，傳統做法是在室內進行大量的測試，然後基於窮舉法對測試數據進行最小方差擬合。這種方法測試數據量很大，時間持續長。而且由於存在認識上的誤區，多數人覺得採樣點數目小才是問題，採樣點數目多不是問題，但實際上採樣點過多是資源和效率的嚴重浪費。而且在一些極端情況下，採樣點數目過多對傳播模型校正結果正確性影響十分嚴重。本發明採用一種基於人工蜂群算法的室內無線傳播模型校準擬合方法。測試數據方法採用在預定場景平面圖中按照地磚的邊界線畫好測試線路，參考地磚在預設線路上每隔O. 5m打一個點進行採樣。採樣之後，再把所有的結果進行篩選，濾除掉部分異常的數據，這種方法相對於傳統方法更加準確快捷。人工蜂群算法是一種最新發展的模擬昆蟲王國中蜜蜂群體尋找優良蜜源的仿生優化算法。它是建立在蜜蜂自組織模型和群體智能基礎上的一種計算方法，它主要從蜜蜂實現採蜜的群體智能行動中得到啟發。蜜蜂個體之間通過跳搖擺舞，交流彼此掌握的蜜源的距離等信息，通過蜜蜂角色的轉變來進行採蜜以及尋找更優的蜜源。在自然界中，雖然各社會階層的蜜蜂只能完成單一的任務，但是蜜蜂通過搖擺舞、氣味等多種信息交流方式，使得整個蜂群可以協同完成如構建蜂巢。收穫花粉等多種工作。蜜蜂沿直線爬行，然後再向左這樣一種舞蹈，其動線呈8字型，並搖擺其腹部，舞蹈的中軸線與地心引力的夾角正好表示蜜源方向和太陽方向的夾角。此外，蜜蜂搖擺舞還可以傳達更詳細的距離和方位信息。蜜蜂跳舞時頭向上，則表明找尋蜜源位置必須朝向著太陽的方向飛行，頭向下，則必須朝背著太陽的方向飛。蜜蜂跳舞的快慢與蜂巢距離蜜源的遠近同樣也有關係，蜜源距離越遠，蜜蜂擺尾的時間越長，並且在擺尾時發出的嗡嗡聲也會越久。在蜂巢內的蜜蜂根據搖擺舞得到的信息，選擇蜜源去採蜜或者在附近重新找尋新的蜜源。蜜蜂之間通過這種相互之間的信息交流、學習，使得整個蜂群總能找到比較優的蜜源進行採
蟲ο人工蜂群算法最初被用於解決連續多峰值函數求極值問題。作為一種新興的啟發式智能優化算法，本發明考慮將其拓展到室內傳播模型的擬合校準問題上，並取得了不錯的成果。
發明內容
本發明的目的在於克服無線傳播模型校準中，傳統的窮舉方法效率低、誤差大等缺點，提供一種更加快捷準確的基於人工蜂群算法的室內無線傳播模型校準擬合方法。為實現本發明目的，本發明所採用的技術方案如下步驟一數據的採樣、收集在室內平面圖中，在測試路線上每隔設定距離打一個點進行電場強採樣，作為校準時使用的原始數據；
採樣之後，把所有的結果進行篩選，濾除掉部分異常的數據。然後，以到發射機的距離為橫坐標，各個點的場強值為縱坐標繪製距離一場強曲線。步驟二 控制參數的設置設定人工蜂群算法參數，蜂群的數量(NP)等於僱傭蜂和跟隨蜂之和，食物源數量(FN)等於蜂群數量的一半,每個食物源的最大更新次數limit,循環次數maxCycle (算法停止的標準)。設當前迭代次數為cycle= I;每個食物源的當前更新次數trailfO。步驟三生成初始解X
X = [X X1,...,Xm\Xl={kn^^)KD (/' = 1,2,... \)其中，ku表示第I紐解中的第j個值，對應的是擬合模型中的一個參數，ku的初始解可以通過式(3)產生。
k . 二 Ib + rand {O ("/) - lb)J(3)
(/' = 1,2,...,/'Af; /' = 1,2)(rand(O, I)表示產生[O, I]之間隨機數)。與此同時，利用式(4)計算所有解Xi(i=l，2，- ,FN)對應的適應度值。
——-——/'(X )>0JiriXi) = Il^fXXl)(4)
、i+|/.(i,)| /從)<o其中，A(Xi)表示目標函數值，此處表示擬合數據與原始數據之間的方差，SP
SamSumX|r^0 (s)-m/,i(s)|
/:. (Xi) = MVirssin i, rssi ) = ^-
z V JyV on 7nt,γ η
SamSumrssi /;, (s) = kn + kr log(c/s)MV (rssiori, rssifit)表示的是原始數據rssiOTi和擬合數據rssifit之間的最小均方差，SamSum指的是採樣點的個數，ds表示第s個採樣點到發射機的距離。步驟四僱主蜂階段僱主蜂利用式(5)對食物源Xi做鄰域搜索產生新解X丨i；並根據式(4)計算其適應度，t
r-Iki: = k +— k )/r-\1 3 1 1(5)
(/,/ ; == I 2)其中，參數j和一組解Xm=(kml，km2)都是隨機產生的，而τ代表一個[-1，I]的隨機值。如果新解X丨,的適應度優於原先解Xi,那麼僱主蜂在對應的位置記錄新解X丨i代替原先解Xi，否則保持不變。步驟五觀察蜂階段
首先，根據公式(6)計算每個食物源Xi被選擇的概率Pi ;
P- filMA⑻
「0033!1 m
_ Σ.順)
.仁I其次，在第j個觀察蜂選擇食物源的過程中，隨機產生一個
之間的小數rand,如果rand小於Pi,那麼該觀察蜂將選擇該食物源Xi,同時j=j+l。最後，根據公式(5)在食物源Xi的鄰域內計算新解X' i，如果新解)T i的適應度優於原先解Xi,那麼僱主蜂在對應的位置記錄新解i代替原先解Xi，且traili置零。否則解Xi保持不變，且traiIi=^raili+1。以上更新過程直到所有的觀察蜂被分配到食物源上結束。此時，食物源中的最優解被記錄。步驟六偵查蜂階段如果traili的值超過了預設值「limit」時，解Xi的適應度值仍沒有改進，解Xi將被放棄。與此同時，僱主蜂將變成偵察蜂。這隻偵察蜂利用公式(3)隨機產生新解，並把解Xi對應的試驗計數器traili清0，此時這隻偵察蜂又重新變為僱主蜂。步驟七迭代次數cycle增加1，跳轉到步驟四繼續執行，直到cycle的值達到最大值max Cycle,則整個尋優過程結束,並輸出最優解Xbest= [kbestl, kbest2],即為本發明要求的擬合結果。相對於傳統方法，本發明具有如下優點(I)基於人工蜂群算法的數據擬合方法相對於傳統的窮舉式的最小方差擬合，更加快捷和準確，前者的運行效率是後者的兩倍；(2)傳統的窮舉方法中，模型中兩個參數值的是離散變化的，這個間隔通常是根據經驗確定的，帶有很大的不確定性。而本發明提出的擬合方法中這兩個參數值近似連續，可以避免傳統方法中離散變化的間隔所引入的誤差問題和運行時間過長的問題。(3)相對於其他諸如遺傳算法、粒子群算法，人工蜂群算法最大的優點是它每次迭代都進行局部搜索，因此找到更優參數的概率也大大增加。
圖I是基於人工蜂群算法的室內無線傳播模型校準擬合方法的程序流程方框示意圖2是實例的運行結果。
具體實施例方式下面通過一個具體實施例來驗證本發明所提出的基於人工蜂群算法的室內無線傳播模型校準擬合方法的性能，但本發明要求保護的範圍並不局限於下例表述的範圍。為了更好地對室內無線傳播模型進行校準擬合，本實例使用下面的KM校準模型
式中kfm——kfm表示第f組解中的第m個值，當前情況下表示穿透第m類地板的個數；k wn——km表示第w組解中的第η個值，當前情況下表示穿透第η類牆壁的個數；L fm-----第m類地板的穿透損耗；L m-----第η類牆壁的穿透損耗；M-----地板的種類數；N-----牆壁的種類數；X0——X0表示第σ組解，當前情況下表示標準方差下的衰落餘量而使用基於人工蜂群算法的室內無線傳播模型校準擬合方法的目的是為了更加快捷準確地擬合出P1和P2的值，具體步驟如下。步驟一數據的採樣、收集在預定場景平面圖中，按照地磚的邊界線畫好測試線路，參考地磚在預設線路上每隔O. 5m打一個點進行採樣(採樣點的個數可以根據實際情況確定，不是本發明的改進之處)。採樣之後，把所有的結果進行篩選，濾除掉部分在O. 5倍平均值到I. 5倍平均值範圍之外的異常的數據。然後，以到發射機的距離為橫坐標，各個點的場強值為縱坐標繪製距離一場強曲線。步驟二 控制參數的設置設定人工蜂群算法參數，蜂群的數量(NP=IO)等於僱傭蜂和跟隨蜂之和，食物源數量(FN=5)等於蜂群數量的一半,最大更新次數Iimit=IO,循環次數maxCycle=35 (算法停止的標準)。設當前迭代次數為cycle= I;每個食物源的當前更新次數trailfO。步驟三生成初始解集X UJ (/ = 1,2，···，,Λ,)其中，ku表示第i組解中的第j個值，對應的是擬合模型中的一個參數，ku的初始解可以通過式(3)產生。k - Ib + randI) * (//Λ - lb)(3)
(/ = l,2,...,/'Af;./·= 1,2)(rand(0, I)表示產生
之間隨機數,本例中取Ib=IO ub=60)。與此同時，利用式(4)計算所有解Xi(i=l，2，- ,FN)對應的適應度值。
~1——/(Xi) > OJHi(Xi) = ^fl(Xl)(4)
.1+1/.(1,)1 Z(^i) < ο 其中，A(Xi)表示目標函數值，此處表示擬合數據與原始數據之間的方差，SP
SamSum
Γ0071]2hO)-M (s)|
./； (- = MVirssinn, /·.、..、./+,,) = ~—-
SumSnm!'SSijh (s) = kn + kr log(t/s)MV (rssiori, rssifit)表示的是原始數據rssiOTi和擬合數據rssifit之間的最小均方差，SamSum指的是採樣點的個數，ds表示第s個採樣點到發射機的距離。步驟四僱主蜂階段僱主蜂利用式(5)對食物源Xi做鄰域搜索產生新解並根據式(4)計算其適應度，
/
rIJiii = k + T(k/Γ-\3 v 1 1(5)
(/+，m = 1,2,..., /々V; j = 1,2)其中，參數j和一組解Xm=(kml，km2)都是隨機產生的，而τ代表一個[-1，I]的隨機值。如果新解X丨,的適應度優於原先解Xi,那麼僱主蜂在對應的位置記錄新解X丨i代替原先解Xi，否則保持不變。步驟五觀察蜂階段首先，根據公式(6)計算每個食物源Xi被選擇的概率Pi ;
,,A(A)&、
「nPi = ^--(6)^其次，在第j個觀察蜂選擇食物源的過程中，隨機產生一個
之間的小數rand,如果rand小於Pi,那麼該觀察蜂將選擇該食物源Xi,同時j=j+l。最後，根據公式(5)在食物源Xi的鄰域內計算新解X' i，如果新解)T i的適應度優於原先解Xi,那麼僱主蜂在對應的位置記錄新解i代替原先解Xi，且traili置零。否則解Xi保持不變，且traiIi=^raili+1。以上更新過程直到所有的觀察蜂被分配到食物源上結束。此時，食物源中的最優解被記錄。
步驟六偵查蜂階段如果traili的值超過了預設值「limit」時，解Xi的適應度值仍沒有改進，解Xi將被放棄。與此同時，僱主蜂將變成偵察蜂。這隻偵察蜂利用公式(3)隨機產生新解，並把解Xi對應的試驗計數器traili清0，此時這隻偵察蜂又重新變為僱主蜂。步驟七迭代次數cycle增加1，跳轉到步驟四繼續執行，直到cycle的值達到最大值max Cycle,則整個尋優過程結束,並輸出最優解Xbest= [ktestl, kbest2],即為本發明要求的擬合結果。同時本發明也用傳統的窮舉法沿著同樣的路線進行了一次室內無線傳播模型校準擬合，並將結果和基於人工蜂群算法的室內無線傳播模型校準擬合結果進行對比。圖2即為實例運行結果，可見該方法為室內無線傳播模型校準擬合提供了一條相對快捷且準確的方法途徑。
·
以上所述僅為本發明的較佳實例而已，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。
權利要求
1.基於人工蜂群算法的室內無線傳播模型校準擬合方法，其特徵在於包括如下步驟 步驟一數據的採樣、收集 在室內平面圖中，在測試線路上每隔設定距離打一個點進行電場強採樣，作為校準時使用的原始數據； 採樣之後，把所有的結果進行篩選，濾除掉部分不在設定場強範圍內的數據；然後，以到發射機的距離為橫坐標，各個點的場強值為縱坐標繪製距離一場強曲線； 步驟二 控制參數的設置 設定人工蜂群算法參數，蜂群的數量NP等於僱傭蜂和跟隨蜂之和，食物源數量FN等於蜂群數量的一半，最大更新次數limit，最大循環次數maxCycle，設當前迭代次數為cycle= I;每個食物源的當前更新次數trailfO ; 步驟三生成待校準無線傳播模型參數的初始解集X :
2.根據權利要求I所述的基於人工蜂群算法的室內無線傳播模型校準擬合方法，其特徵在於步驟一所述不在設定場強範圍內的數據是指O. 5倍平均值到I. 5倍平均值範圍之外的異常場強數據。
3.根據權利要求I所述的基於人工蜂群算法的室內無線傳播模型校準擬合方法，其特徵在於所述每隔設定距離為每隔O. 5m。
全文摘要
本發明公開一種基於人工蜂群算法的室內無線傳播模型校準擬合方法，其實施步驟為步驟一數據的採樣、收集；步驟二控制參數的設置；步驟三生成初始解；步驟四僱主蜂階段；步驟五觀察蜂階段；步驟六偵查蜂階段；步驟七一輪循環結束，食物源中的最優解被記錄，迭代次數增加1，跳轉到步驟四繼續執行，直到的值達到最大值，則整個尋優過程結束，並輸出最優解，即為本發明要求的擬合結果。該方法相對於傳統的窮舉式最小方差擬合法，不僅更加快捷和準確，運行效率是傳統方法的兩倍，而且可以避免傳統方法中離散變化的間隔所引入的誤差問題和運行時間過長的問題。
文檔編號H04B17/00GK102917373SQ20121040911
公開日2013年2月6日 申請日期2012年10月23日 優先權日2012年10月23日
發明者章秀銀, 曹雲飛, 餘楓林, 胡斌傑, 田娜 申請人:華南理工大學