【技术实现步骤摘要】
基于改进的卡尔曼算法的移动边缘计算基站选择方法
本专利技术属于移动边缘计算领域，更具体的，涉及一种根据基于改进的卡尔曼滤波器算法的车辆路径预测的基站选择方法。
技术介绍
对于当今的车联网移动边缘计算而言，由于基站的覆盖范围小，车辆的移动速度快，在计算的过程中出现基站切换的情况，这样会产生大量的数据传输时延，消除由此产生的时延的极为重要。车辆的高速移动会使车辆在基站间进行切换，车辆将计算任务上传至移动边缘计算服务器及移动边缘计算服务器将计算结果回传车辆会产生一定时延，如果车辆在这个过程中移动出当前基站范围就会造成计算任务的失败，需要车辆重新发送计算任务。由此出现的额外时延，对用户产生巨大影响。因此，设计出一个能够选择稳定基站的算法是当前一个重要任务。
技术实现思路
本专利技术要解决的技术问题是提供一种基于改进的卡尔曼算法的移动边缘计算基站选择方法，该方法能够选取最优基站，进而降低时间延迟，提高任务的成功率。为了解决上述技术问题，本专利技术的基于改进的卡尔曼算法的移动边缘计算基站选择方法包括下...
【技术保护点】
1.一种基于改进的卡尔曼算法的移动边缘计算基站选择方法，其特征在于包括下述步骤：/n步骤一、利用车辆上的GPS导航系统测量出当前车辆的初始位置p
【技术特征摘要】
1.一种基于改进的卡尔曼算法的移动边缘计算基站选择方法，其特征在于包括下述步骤：
步骤一、利用车辆上的GPS导航系统测量出当前车辆的初始位置p0，利用车辆上的速度传感器测量出当前车辆的初始速度v0；
步骤二、选定一个系统噪声基础值Rs，计算实际残差；系统噪声基础值Rs取值范围在15-30，是一个10位二进制编码；实际残差方法如下：
(1)计算将步骤二选定的系统噪声基础值Rs带入公式(1)得到t时刻的卡尔曼增益基础值Kts；
其中，H为预测域到观测域的转换系数，为t时刻误差协方差基础初预测；
其中F是状态转移方程，F的数值设置为p(t-1)s为t-1时刻误差协方差基础终预测，Q表示环境噪声；
(2)将卡尔曼增益基础值Kts带入公式(3)、(4)得到当前车辆t时刻的基础终预测状态方程和t时刻误差协方差基础终预测
其中，表示当前车辆t时刻的基础初预测状态方程，表示当前车辆t-1时刻的基础初预测状态方程，表示当前车辆t时刻的位置基础预测，表示t时刻当前车辆的速度基础预测；B是控制矩阵，
(3)根据公式(7)计算实际残差εts：
步骤三、随机生成多个系统噪声随机值，分别计算理论残差，方法如下：
(1)在取值范围15-30内随机生成多个10位二进制参数编码；
(2)从随机生成的参数编码中，随机抽取N个不重复的参数编码作为系统噪声随机值，以这N个系统噪声随机值作为初始群体开始迭代，N不小于500；
(3)计算各系统噪声随机值对应的理论残差；针对第i个系统噪声随机值Ri，理论残差计算方法如下：
a.将系统噪声随机值Ri带入公式(8)得到t时刻的卡尔曼增益随机值Kti；
其中，为t时刻误差协方差随机初预测；
其中p(t-1)i为t-1时刻误差协方差随机终预测；
b.将卡尔曼增益随机值Kti带入公式(10)、(11)得到当前车辆t时刻的随机终预测状态方程和t时刻误差协方差基础终预测
其中，表示当前车辆t时刻的随机初预测状态方程，表示当前车辆t-1时刻的随机初预测状态方程，表示当前车辆t时刻的位置随机预测，表示t时刻当前车辆的速度随机推测；
c.根据公式(14)计算理论残差εti：
(4)计算选取的各系统噪声随机值对应的适应度函数值，针对系统噪声随机值Ri：
ffitness(Ri)为系统噪声随机值Ri的适应度函数值；
(5)利用轮盘赌算法，选取进入下一次迭代的个体，个体即系统噪声随...
【专利技术属性】
技术研发人员：丛玉良，薛科，赵欣宇，王皓，孙闻晞，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22
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。