[发明专利]无线电环境图场强参数估计算法

说明书

本发明公开无线电环境图场强参数估计算法，基于监测节点感知数据的无线电环境图参数空间估计方法，结合无线电传播信号强度损耗的规律，提出基于传播模型改进的理论变异函数模型，使得改进的理论变异函数更符合无线电信号传播衰减变化规律，并结合场强参数估计的特点提出了加权理论变异函数拟合方法。本发明方法紧密结合电磁环境图参数的物理特点，设计变异函数和拟合方法，更符合电磁环境图参数空间分布变化规律。

技术领域

本发明涉及无线电环境图，具体涉及无线电环境图场强参数估计算法

背景技术

无线电环境图参数估计方法可以分为3大类，第一类是基于空间插值的直接估计方法，另外一类是基于传播模型估计的方法，第三类是基于前两种方法的混合构造方法。基于传播模型的方法需要知道信号发射源的经纬度坐标、天线高度、发射功率，甚至是传播路径上的地理信息和气候信息等，这大大削弱了该类方法应用的范围，同时由于大多传播模型是无线电传输的经验模型，通用性不强，Ojaniemi等人研究表明在一定条件下该类方法相比空间插值方法，具有更低的预测精度。

近年来对无线电环境图参数估计方法的研究重点转移到空间插值类方法上，尤其是基于地质统计学的方法。该类方法通过无线电监测传感器实地的测量值，应用空间插值估计方法获得其余位置的无线电环境图参数值。现有技术对反距离加权法、梯度加距离平方反比法(GIDS)以及克里金插值方法进行了比较研究，并通过室内室外电磁环境预测实验，证明反距离加权技术是比较稳健的插值方法，但克里金插值技术是精确度最高的方法。现有技术方法依赖于监测传感器采集的数据，因此监测传感器的分布和数量影响着无线电环境图参数预测的准确度。

已有的研究表明地质统计学克里金法是无线电环境图参数估计的最优方法，但是无线电传输过程中受到发射站数量、地理环境、天气等各类因素的影响，并且实际应用中监测传感器数量有限，数据采样点稀疏分布，这增大了参数空间分布估计的难度。同时，由于克里金法以变异函数为基础，其线性最优的特性建立在数据集符合正态分布且符合二阶平稳假设或准二阶平稳假设的基础上，因此，数据的非正态分布将会影响到数据的平稳性，同时也会使变异函数产生比例效应，即提高基台和块金值，增大估计误差，使变差值点的波动变大，甚至会掩盖其固有的结构特征。针对这一问题，本发明提出了一种基于无线电传播模型的克里金无线电环境图参数估计方法，综合运用了传播模型和地质统计学中克里金方法的优点，获得了比单一方法更好的参数空间预测精度。本发明主要的贡献在于：(1)使用无线电传播模型改进克里金算法的变异函数，提出适用于电磁环境图参数估计的理论变异函数模型，(2)基于无线电信号传播以及数据采集的特点，提出了变异函数加权优化模型，并采用粒子群算法加权拟合改进后的变异函数，使得改进后的克里金算法可以更好地适应无线电环境参数空间分布的特点。

发明内容

针对上述现有技术，本发明目的在于提供，解决现有技术由于没有考虑无线电空间分布特征和传播特征，或者在克里金方法数据集假设不适用时产生变异函数比例效应导致预测结果存在精度低甚至预测错误的技术问题。

为达到上述目的，本发明采用的技术方案如下：

无线电环境图场强参数估计算法，包括如下步骤

步骤1、获取样本点坐标和样本点处采样值，以及待估点坐标，再由各点坐标求出两点间的距离并筛选出滞后距；

步骤2、根据滞后距、滞后距处坐标点对数量和对应坐标的区域化变量值，定义无线电环境下的变异函数，再将采样值代入变异函数获得实际变异函数值；

步骤3、根据Longley-Rice模型，引入不同距离条件下的对应损耗系数，由损耗系数表征出理论变异函数、考虑自由空间传输损耗的总理论变异函数；

步骤4、根据样本点坐标的分布特征和无线电在样本点的传播特征，结合实际变异函数值，通过迭代算法获得理论变异函数和总理论变异函数的函数式，作为理论变异函数模型；