[發明專利]一種基于信息增益比的多特征模糊映射接入點優化方法

有效

• 申請號: 202010436857.3
• 申請日: 2020-05-21
• 公開（公告）號: CN111757249B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 周牧;李欣玥;楊小龍;王勇;何維
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/021;H04W4/33;G01S11/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于信息增益比的多特征模糊映射接入點優化方法，其特征在于包括以下步驟：

步驟一、離線階段，在目標環境中部署n個位置已知的AP并標定m個參考點(ReferencePoint,RP)，其中，n與m均為整數；

步驟二、在每個RP處采集來自不同AP的RSS，構建離線RSS特征矩陣Z^off；具體包括以下步驟：

步驟二(一)、在離線階段，對于n個AP發射信號，在RP處提取接收信號強度序列RSS＝{rss¹,rss²,…,rss^m}，其中，rss^j表示在第j個RP處采集的來自目標環境中AP的RSS，j＝1,…,m；其中，rss^j＝{rss_1j,rss_2j,…,rss_nj}，rss_ij表示在第j個RP處接收到的來自第i個AP的RSS，i＝1,…,n，因此可獲得接收信號強度集合為：

步驟二(二)、基于步驟二(一)，分別選取這些RSS數據的RSS均值、RSS方差、RSS最大值、RSS最小值、RSS最值差、RSS中值、最大概率RSS和RSS過均值概率作為標記RP的信號特征，并將信號特征的數目記為χ；

步驟二(三)、基于步驟二(二)構建離線RSS特征集合其中，表示在線階段目標環境中AP的第s個RSS特征,s＝1,…,χ，表示第i個AP在所有RP處的第s個RSS特征的均值，即基于此，構建離線RSS特征矩陣：

步驟三、根據Z^off構造AP的信息增益比集合Φ， 具體包括以下步驟：

步驟三(一)、計算關于目標環境中所有RP的不確定度H(P)：

其中，m表示目標環境中的RP數目，p_j表示第j個RP的先驗概率，通常假設測試點在每個RP處的概率相等，即

步驟三(二)、對于第i個AP，記為AP_i，根據Z^off將所有RP劃分為U個子集C_1i,…,C_Ui，其中，每個子集C_ui中的RP具有相同的來自AP_i的離線RSS特征s＝1,…,χ，u＝1,…,U,χ表示離線RSS特征類別數目；

步驟三(三)、根據將所有RP劃分為V個子集其中，第v個子集，v＝1,2,…,V表示對于AP_i具有相同的RP集合；

步驟三(四)、對于AP_i，根據Z^off計算目標環境中所有RP的不確定度H(P|AP_i)：

其中，表示中RP數目，表示中RP的不確定度，

步驟三(五)、對于AP_i，根據計算目標環境中所有RP關于第i個AP的第s個離線RSS特征的不確定度H(P|AP_i)_s：

步驟三(六)、根據Z^off計算AP_i關于第s個離線RSS特征的信息增益比進而構造AP的信息增益比集合Φ：

Φ＝(ψ₁,…,ψ_χ)

其中，為AP關于的信息增益比，s＝1,…,χ；

步驟四、根據AP信息增益比集合Φ，構造離線RSS特征的模糊關系矩陣R^off；具體包括以下步驟：

步驟四(一)、對于目標環境中AP的信息增益比集合Φ，對其進行歸一化處理，即獲得離線階段目標AP的模糊隸屬度，記為表示目標環境中AP的位置分辨能力，其中，表示離線階段第i個AP的模糊隸屬度；

步驟四(二)、對于離線RSS特征集合計算第i個AP在所有RP處的第s個RSS特征的均值在所有AP的同一RSS特征期望的總和中所占的比例，即表示離線階段第i個AP關于第s個RSS特征的隸屬度；

步驟四(三)、基于步驟四(二)，構造目標環境中所有AP關于χ個離線RSS特征的模糊關系矩陣：

步驟五、根據R^off并利用模糊關系方程，獲取離線RSS特征的模糊權重A^off；具體包括以下步驟：

步驟五(一)、令其中，表示的模糊權重，構造關于離線RSS特征的模糊關系方程其中，

步驟五(二)、由步驟五(一)，將改寫為：

步驟五(三)、計算步驟五(二)方程組中第i個方程的第s個解

其中，s′＝1,…,s-1,s+1,…,χ；

步驟五(四)、由步驟五(三)，可得步驟五(二)方程組中第i個方程的解

步驟五(五)、由步驟五(四)，可得的解A^off＝A⁽¹⁾∩…∩A⁽ⁿ⁾；

步驟六、在線階段，在測試點處采集來自不同AP的RSS，構建在線RSS特征矩陣Z^onli；具體包括以下步驟：

步驟六(一)、在在線階段，對于目標環境中的n個AP和w個測試點，rss_nω表示在第ω個測試點處接收到的來自第i個AP的RSS數據，ω＝1,2,…,w；分別選取這些RSS數據與離線階段相同的χ個RSS特征，構建在線RSS特征集合其中，表示在線階段目標環境中AP的第s個RSS特征，表示第i個AP在所有測試點處的第s個RSS特征的期望，即

步驟六(二)、基于在線RSS特征集合Z^onli，構建在線RSS特征矩陣：

步驟七、根據Z^onli并通過關于在線RSS特征的模糊映射，構造在線RSS特征的模糊判定矩陣R^onli；具體包括以下步驟：

步驟七(一)、將在線階段目標環境中AP集合記為Q＝(q₁,q₂,…,q_n)，其中，q_i表示在線階段目標環境中的第i個AP，基于此，建立RSS特征與AP的模糊映射為：

其中，為Z^onli經模糊映射后所得的模糊集合，具體地，s＝1,…,χ，表示目標AP關于第s個RSS特征的隸屬度集合，表示第i個AP在所有測試點處的第s個RSS特征的期望在目標環境中AP的同一RSS特征期望的總和中所占的比例，即為在線階段第i個AP關于第s個RSS特征的隸屬度；

步驟七(二)、基于步驟七(一)所得的RSS特征隸屬度，構建AP關于在線階段RSS特征模糊判定矩陣：

步驟八、根據R^onli和A^off，利用模糊關系方程可得：

其中，表示在線階段第i個AP的模糊隸屬度，表示在線階段AP的模糊隸屬度集合；

步驟九、將具有較大模糊隸屬度的AP定義為具有較強位置分辨力的AP，基于此可構造具有較強位置分辨力的AP集合G，并將集合G中AP作為優化AP用于定位。