基于传感器布局优化和自适应Kriging模型的频谱地图构建方法技术

本发明专利技术公开了一种基于传感器布局优化和自适应Kriging模型的频谱地图构建方法，属于通信技术领域。该方法包括利用改进的人工蜂群算法对传感器布局进行优化选择；从经过优选的传感器中寻找传感器估计组；计算半变异函数值并拟合半变异函数；构建自适应的Kriging模型，根据所述自适应Kriging模型，构建频谱地图。本发明专利技术所提出的构建频谱地图的方法，具有较高的精度。精度。精度。

【技术实现步骤摘要】
基于传感器布局优化和自适应Kriging模型的频谱地图构建方法


[0001]本专利技术属于通信
，具体涉及一种基于传感器布局优化和自适应Kriging模型的频谱地图构建方法。

技术介绍

[0002]为了应对急剧增长的用频需求和日益严峻的“频谱赤字”，认知无线电技术被提出并得到快速发展，其核心思想是通过感知和理解所处电磁环境，自适应的调整无线电系统的工作参数(如频率、功率、调制和编码方式等)，来适应外部无线环境。电磁频谱地图通过汇聚一定区域内电磁频谱的使用情况，包括各个信号的频率、强度、位置、历史变化规律等频谱数据，可视化呈现区域电磁环境情况，可以为认知无线电系统掌握周边电磁频谱占用情况、科学选择可用频率、规避潜在用频冲突等提供支持。
[0003]电磁频谱地图所需的频谱数据通常来自由具备无线电信号监测接收处理能力的传感器组成的频谱传感网络，例如由认知无线电节点组成的认知通信网络、由联网协同工作的频谱监测节点组成的频谱监测网络等。研究表明，这些网络中各节点的位置布局对于电磁频谱地图的生成性能具有较大影响。近年来，电磁频谱地图构建主要面临两大个方面的挑战。第一，频谱地图生成精度与传感器布局的关系不够明确。现有的大多数工作都是随机抽样选择传感器位置，以返回用于构建频谱地图的样本数据。对于传统的随机采样布局而言，增加传感器数量是面对复杂、对抗的应用环境最行之有效的方案，与此同时带来的是数据回传和计算开销增加、链路不可靠等问题。因此，如果能够充分利用空间频谱态势的内在特征，就有可能以较少的数据需求生成频谱地图。第二，频谱地图构建过程中对信号传播模型的影响考虑较少。由于上述挑战，现有的方法难以构建精度较高的频谱地图。

技术实现思路

[0004]技术问题：本专利技术提供一种能够提高构建精度的基于传感器布局优化和自适应Kriging模型的频谱地图构建方法。
[0005]技术方案：本专利技术提供一种基于传感器布局优化和自适应Kriging模型的频谱地图构建方法，包括：
[0006]利用改进的人工蜂群算法对传感器布局进行优化选择；
[0007]从经过优选的传感器中寻找传感器估计组；
[0008]计算半变异函数值并拟合半变异函数；
[0009]构建自适应的Kriging模型，根据所述自适应Kriging模型，构建频谱地图。
[0010]进一步地，所述改进的人工蜂群算法包括对扰动机制和适应度函数的改进，以及对人工蜂群改进。
[0011]进一步地，所述对扰动机制进行的改进为：通过选中的传感器和未选中的传感器进行互换，从而对下一状态进行探索，其中已选中的传感器表示用于插值的传感器，未选中
的传感器表示待插值的传感器。
[0012]进一步地，所述的扰动机制和适应度函数用于产生新的解，包括：
[0013]在选取待替换传感器时，这里考虑替换对当前传感器布局插值精度影响最小的传感器；
[0014]通过m次插值误差计算来确定当前布局中对插值精度影响最小的传感器，该点会被侦查蜂当做探索上限的传感器在下一次状态转移时被优先丢弃；
[0015]在选取待插入传感器时，会根据每个传感器的RMSE考虑各自的权重η
i
。
[0016]进一步地，所述适应度函数如公式(5)所示：
[0017][0018]式中，是未选中传感器的估计值，是真实数据，m
*
是传感器数量。
[0019]进一步地，所述对人工蜂群进行改进包括：
[0020]雇佣蜂根据公式(6)寻找新的传感器，即产生一个新传感器布局并与观察蜂分享传感器布局信息，并根据贪心策略选择适应度函数值f最小的传感器布局，维持最优解：
[0021]v
ij
＝η
kj
×
x
kj
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0022]式中，k＝1,2,...,NP j＝1,2,...,D且k≠i，η
kj
为权重矩阵；v
ij
表示雇佣蜂寻找到的新解。
[0023]观察蜂根据公式(7)计算每个传感器的选择概率，并依据雇佣蜂分享的信息上式优先选择权重较高的传感器，提高收敛速度：
[0024][0025]侦查蜂把达到探索上限和权重较低的传感器丢弃根据公式(8)寻找一个新的有价值的传感器，增强摆脱局部最优的能力：
[0026][0027]式中，r
ij
为[0,1]之间的随机数；x
ij
表示侦查蜂寻找到的新解；和表示问题第j个维度的上限和下限。
[0028]进一步地，所述利用改进的人工蜂群算法对传感器布局进行优化选择包括：
[0029]初始化传感器位置；
[0030]雇佣蜂根据改进的扰动机制产生新的解；
[0031]观察蜂根据概率从p
i
产生新的解；
[0032]侦查蜂决定放弃的解决方案；
[0033]经过多次迭代，输出最佳的传感器位置。
[0034]进一步地，所述从经过优选的传感器中寻找传感器估计组的方法为：根据去相关距离d
cor
建立未知点s0的传感器估计组Ω0，未知点通过莫兰指数定义去相关距离。
[0035]进一步地，采用下式计算半变异值：
[0036][0037]式中，s
i
为点(x
i
,y
i
)，d
ij
为点(x
i
,y
i
)和点(x
j
,y
j
)的距离，N(d
ij
)为两点距离为h的数量；
[0038]所述半变异函数的拟合采用指数模型并通过最小二乘拟合。
[0039]进一步地，所述构建自适应的Kriging模型的方法为：通过拉格朗日乘数法求解一组称为Kriging模型的线性方程组来获得权重系数ω
i
，线性系统由公式(12)给出：
[0040][0041]式中，γ
ij
为点(x
i
,y
i
)和点(x
j
,y
j
)之间的半变异函数值，φ为拉格朗日乘数，权重系 数ω
i
是能够满足点(x0,y0)处的估计值与真实值P0的差最小的一套最优系数，即同时满足无偏估计的条件γ
io
表示为位置i和估计点之 间的半变异函数值。
[0042]根据公式(13)计算出估计点值
[0043][0044]式中，是点(x0,y0)处的某一属性估计值，P
i
为样本值。
[0045]本专利技术与现有技术相比，首先利用改进的人工蜂群算法生成最优传感器布局，与随机布局相比，大大提高了频谱地图恢复性能，在此基础上，提出了一种基于阴影衰落自相关的自适应Krigi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于传感器布局优化和自适应Kriging模型的频谱地图构建方法，其特征在于，包括：利用改进的人工蜂群算法对传感器布局进行优化选择；从经过优选的传感器中寻找传感器估计组；计算半变异函数值并拟合半变异函数；构建自适应的Kriging模型，根据所述自适应Kriging模型，构建频谱地图。2.根据权利要求1所述的方法，其特征在于，所述改进的人工蜂群算法包括对扰动机制和适应度函数的改进，以及对人工蜂群改进。3.根据权利要求2所述的方法，其特征在于，所述对扰动机制进行的改进为：通过选中的传感器和未选中的传感器进行互换，从而对下一状态进行探索，其中已选中的传感器表示用于插值的传感器，未选中的传感器表示待插值的传感器。4.根据权利要求3所述的方法，其特征在于，所述的扰动机制和适应度函数用于产生新的解，包括：在选取待替换传感器时，这里考虑替换对当前传感器布局插值精度影响最小的传感器；通过m次插值误差计算来确定当前布局中对插值精度影响最小的传感器，该点会被侦查蜂当做探索上限的传感器在下一次状态转移时被优先丢弃；在选取待插入传感器时，会根据每个传感器的RMSE考虑各自的权重η
i
。5.根据权利要求4所述的方法，其特征在于，所述适应度函数如公式(5)所示：式中，是未选中传感器的估计值，是真实数据，m
*
是传感器数量。6.根据权利要求5所述的方法，其特征在于，所述对人工蜂群进行改进包括：雇佣蜂根据公式(6)寻找新的传感器，即产生一个新传感器布局并与观察蜂分享传感器布局信息，并根据贪心策略选择适应度函数值f最小的传感器布局，维持最优解：v
ij
＝η
kj
×
x
kj
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)式中，k＝1,2,...,NP j＝1,2,...,D且k≠i，η
kj
为权重矩阵；x
ij
表示侦查蜂寻找到的新解；v
ij
表示雇佣蜂寻找到的新解；观察蜂根据公式(7)计算每个传感器的选择概率p
i
，并依据雇佣蜂分享的信息上式优先选择权重较高的传感器，提高收敛速度：侦查蜂把达到探索上限和权重较低的传感器丢弃，根据公式(8)...

【专利技术属性】
技术研发人员：柳永祥，张建照，丁志清，司呈呈，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：