[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

说明书

技术领域

本发明涉及无线通信网络领域，特别涉及网络建设中，用于传播模型校准的连续波测试获得数据以及对于测试获得的数据的处理方法。

背景技术

传播模型用于预测地形、障碍物及人为环境对电波传播中路径损耗的影响。传播模型校正的工作是要找到一种更符合当地场景的传播模型和模型中的参数。

连续波测试进行传播模型的校正的原理是：发射机保持恒定状态，接收机在发射机发射信号覆盖范围内移动，接收的信号强度随接收机位置发生变化，则传播过程中的路径损耗等于发射机发射功率减去接收机接收信号功率。

在无线传播模型校正中，传统做法是在室内进行大量的测试，然后基于穷举法对测试数据进行最小方差拟合。这种方法测试数据量很大，时间持续长。而且由于存在认识上的误区，多数人觉得采样点数目小才是问题，采样点数目多不是问题，但实际上采样点过多是资源和效率的严重浪费。而且在一些极端情况下，采样点数目过多对传播模型校正结果正确性影响十分严重。本发明采用一种基于人工蜂群算法的室内无线传播模型校准拟合方法。测试数据方法采用在预定场景平面图中按照地砖的边界线画好测试线路，参考地砖在预设线路上每隔0.5m打一个点进行采样。采样之后，再把所有的结果进行筛选，滤除掉部分异常的数据，这种方法相对于传统方法更加准确快捷。

人工蜂群算法是一种最新发展的模拟昆虫王国中蜜蜂群体寻找优良蜜源的仿生优化算法。它是建立在蜜蜂自组织模型和群体智能基础上的一种计算方法，它主要从蜜蜂实现采蜜的群体智能行动中得到启发。蜜蜂个体之间通过跳摇摆舞，交流彼此掌握的蜜源的距离等信息，通过蜜蜂角色的转变来进行采蜜以及寻找更优的蜜源。

在自然界中，虽然各社会阶层的蜜蜂只能完成单一的任务，但是蜜蜂通过摇摆舞、气味等多种信息交流方式，使得整个蜂群可以协同完成如构建蜂巢。收获花粉等多种工作。蜜蜂沿直线爬行，然后再向左这样一种舞蹈，其动线呈8字型，并摇摆其腹部，舞蹈的中轴线与地心引力的夹角正好表示蜜源方向和太阳方向的夹角。此外，蜜蜂摇摆舞还可以传达更详细的距离和方位信息。蜜蜂跳舞时头向上，则表明找寻蜜源位置必须朝向着太阳的方向飞行，头向下，则必须朝背着太阳的方向飞。蜜蜂跳舞的快慢与蜂巢距离蜜源的远近同样也有关系，蜜源距离越远，蜜蜂摆尾的时间越长，并且在摆尾时发出的嗡嗡声也会越久。在蜂巢内的蜜蜂根据摇摆舞得到的信息，选择蜜源去采蜜或者在附近重新找寻新的蜜源。蜜蜂之间通过这种相互之间的信息交流、学习，使得整个蜂群总能找到比较优的蜜源进行采蜜。

人工蜂群算法最初被用于解决连续多峰值函数求极值问题。作为一种新兴的启发式智能优化算法，本发明考虑将其拓展到室内传播模型的拟合校准问题上，并取得了不错的成果。

发明内容

本发明的目的在于克服无线传播模型校准中，传统的穷举方法效率低、误差大等缺点，提供一种更加快捷准确的基于人工蜂群算法的室内无线传播模型校准拟合方法。

为实现本发明目的，本发明所采用的技术方案如下：

步骤一：数据的采样、收集：

在室内平面图中，在测试路线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，滤除掉部分异常的数据。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，每个食物源的最大更新次数limit, 循环次数maxCycle（算法停止的标准）。 设当前迭代次数为cycle= 1; 每个食物源的当前更新次数trail_l=0。

步骤三：生成初始解X：