[发明专利]基于人工蜂群算法的室内无线传播模型校准拟合方法

权利要求书

1.基于人工蜂群算法的室内无线传播模型校准拟合方法，其特征在于包括如下步骤：

步骤一：数据的采样、收集：

在室内平面图中，在测试线路上每隔设定距离打一个点进行电场强采样，作为校准时使用的原始数据；

采样之后，把所有的结果进行筛选，滤除掉部分不在设定场强范围内的数据；然后，以到发射机的距离为横坐标，各个点的场强值为纵坐标绘制距离——场强曲线；

步骤二：控制参数的设置：

设定人工蜂群算法参数，蜂群的数量NP等于雇佣蜂和跟随蜂之和，食物源数量FN等于蜂群数量的一半，最大更新次数limit, 最大循环次数maxCycle， 设当前迭代次数为cycle= 1; 每个食物源的当前更新次数trail_i=0；

步骤三：生成待校准无线传播模型参数的初始解集X：

X=[X1,X2,...Xi,...XFN],Xi=(ki1,ki2)---(2)]]>

其中，i=1,2,…,FN，X_i为第i组初始解；k_ij表示第 i 组解中的第 j 个值，对应的是待校准无线传播模型中的一个参数，k_ij的初始解可以通过式(3)产生，

kij=lb+rand(0,1)*(ub-lb)---(3)]]>

i=1,2,…,FN;j=1,2，ran(0,1)表示产生[0,1]之间随机数，lb表示k_ij的下限值，ub表示k_ij的上限值；

与此同时，利用式(4)计算所有解X_i对应的适应度值，

fiti(Xi)=11+fi(Xi)fi(Xi)≥01+|fi(Xi)|fi(Xi)<0---(4)]]>

其中，f_i(X_i)表示目标函数值，此处表示拟合数据与原始数据之间的方差，即：

fi(Xi)=MV(rssiori,rssifit)=Σs=1SamSum|rssiori(s)-rssifit(s)|SamSum]]>

rssifit(s)=ki1+ki2log(ds)]]>

其中，原始数据rssi_ori为场强采样值，拟合数据rssi_fit为将当前解X_i做为待校准传播模型的参数后所得到的拟合计算场强值，MV(rssi_ori,rssi_fit)表示的是原始数据rssi_ori和拟合数据rssi_fit之间的最小均方差，SamSum指的是采样点的个数，d_s表示第s个采样点到发射机的距离；

步骤四：雇主蜂阶段：

雇主蜂利用式(5)对食物源X_i做邻域搜索产生新解X＇_i;并根据式(4)计算其适应度，

kij′=kij+τ(kij-kmj)---(5)]]>

其中，i,m=1,2,…,FN，j=1,2，参数 j 和一组解X_m=(k_m1,k_m2)是在当前解集X内随机选取的，而τ代表一个[-1,1]的随机值；

如果新解X＇_i的适应度优于原先解X_i，那么雇主蜂记录新解X＇_i代替原先解X_i，否则保持不变；

步骤五：观察蜂阶段：

首先，根据公式(6)计算每个食物源X_i被选择的概率P_i；

Pi=fiti(Xi)Σi=1FNfiti(Xi)---(6)]]>

其次，开始进行观察蜂的食物源更新过程，使得每一个观察蜂都选择一个食物源并对其更新；

观察蜂选择食物源的方法如下：在第 j 个观察蜂选择食物源的过程中，随机产生一个[0,1]之间的小数rand，如果rand小于P_i，那么该观察蜂将选择当前食物源X_i，且j=j+1；否则该观察蜂放弃当前食物源X_i， j不变，该观察蜂对下一个食物源X_i+1重复上述观察蜂选择食物源的方法；

观察蜂对食物源更新方法如下：根据公式(5)在食物源X_i的邻域内计算新解X＇_i，如果新解X＇_i的适应度优于原先解X_i，那么雇主蜂记录新解X＇_i代替原先解X_i，且trail_i置零，否则解X_i保持不变，且trail_i=trail_i+1；

循环上述观察蜂的食物源更新过程直到所有的观察蜂被分配到食物源上后结束，此时，食物源中的最优解被记录；

步骤六：侦查蜂阶段：

如果trail_i的值超过了预设的最大更新次数limit时，解X_i的适应度值仍没有改进，解X_i将被放弃；与此同时，雇主蜂将变成侦察蜂；这只侦察蜂利用公式(3)随机产生新解，并把解X_i对应的更新次数trail_i清0，此时这只侦察蜂又重新变为雇主蜂；如果trail_i的值没有超过预设的最大更新次数limit，则直接进入步骤七；

步骤七：迭代次数cycle增加1，跳转到步骤四继续执行，直到cycle的值达到预设的最大循环次数max Cycle，则整个拟合参数的搜索过程结束，并输出最优解X_best=[k_best1,k_best2]，其中X_best为整个蜂群算法循环max Cycle次后所搜索到的最优解，k_best1为最优解中的第一个值，k_best2为最优解的第二个值，即为最终拟合结果。