基于多目标优化的自适应AP选取方法技术
【技术实现步骤摘要】
201610283599
【技术保护点】
一种基于多目标优化的自适应AP选取方法，其特征在于，包括以下步骤：步骤一，在室内环境中选取若干参考点，采集参考点处WiFi的信号强度信息，将信号强度信息和参考点的位置信息关联起来组成位置指纹，得到位置指纹库；步骤二，采集定位点的WiFi信号强度信息，将定位点的WiFI信号强度信息与位置指纹库进行预匹配，获得定位点的邻近指纹点；步骤三，选取定位点和邻近参考点共同观测到的AP集合作为初始AP集合；步骤四，通过加权求和的方法融合信息增益和互信息，建立基于两种不同信息熵指标的多目标优化函数如下，fitness＝wIG·(1‑IGSta)+wMI·MISta式中，fitness表示多目标优化函数的适应值，作为目标函数，fitness越小对应的AP组合观测质量越好，wIG和wMI分别表示联合信息增益和简化互信息对应的权重，且满足wIG≥0,wMI≥0,wIG+wMI＝1，IGSta和MISta分别表示标准化后的联合信息增益和互信息；步骤五，采用基因算法对多目标优化函数的最优解进行解算，包括以下子步骤，子步骤1.初始化阶段，首先根据预设最优子集的AP个数k，对N个AP的集合，利用二进制方式进行随机编...
【技术特征摘要】
1.一种基于多目标优化的自适应AP选取方法，其特征在于，包括以下步骤：步骤一，在室内环境中选取若干参考点，采集参考点处WiFi的信号强度信息，将信号强度信息和参考点的位置信息关联起来组成位置指纹，得到位置指纹库；步骤二，采集定位点的WiFi信号强度信息，将定位点的WiFI信号强度信息与位置指纹库进行预匹配，获得定位点的邻近指纹点；步骤三，选取定位点和邻近参考点共同观测到的AP集合作为初始AP集合；步骤四，通过加权求和的方法融合信息增益和互信息，建立基于两种不同信息熵指标的多目标优化函数如下，fitness＝wIG·(1-IGSta)+wMI·MISta式中，fitness表示多目标优化函数的适应值，作为目标函数，fitness越小对应的AP组合观测质量越好，wIG和wMI分别表示联合信息增益和简化互信息对应的权重，且满足wIG≥0,wMI≥0,wIG+wMI＝1，IGSta和MISta分别表示标准化后的联合信息增益和互信息；步骤五，采用基因算法对多目标优化函数的最优解进行解算，包括以下子步骤，子步骤1.初始化阶段，首先根据预设最优子集的AP个数k，对N个AP的集合，利用二进制方式进行随机编码得到编码长度为N的个体并确保个体值为1的编码的个数为k；当值为1时表示编码对应的是最优AP，而值为0的编码对应的AP表示非最优AP；重复生成NP个个体形成父代群体，NP为预设数值；子步骤2.按照步骤四中的目标函数计算初始种群的适应值；每个个体中值为1的编码对应的AP组成的集合就是该个体对应的AP子集，获得所有个体的适应值后，按照轮盘赌法选取NS个优良个体，NS为预设数值，小于NP；个体选中的概率采用反比例加权法；子步骤3.利用变异算子对选取的子代个体进行变异操作，包括交换个体的两个染色体编码；子步骤4.按照步骤四中的目标函数计算变异后新产生个体的适应值，与父代群体进行比较，按照个体适应值的大小从新生成的个体以及父代群体中选取适应值最小的NP个个体作为新的父代群体，完成种群进化，记录当前种群的最小适应值；子步骤5.返回子步骤2，直到满足迭代终止条件，进入子步骤6；子步骤6.对具有最小适应值的个体进行解码，找出其编码为1的染色体对应的AP，获取最终需要的最优AP子集；步骤六，根据步骤五所得最优AP子集进行位置估计；步骤七，...
【专利技术属性】
技术研发人员：张伟，花向红，邱卫宁，吴帮，刘少伟，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。