【技术实现步骤摘要】
本专利技术涉及复杂协同定位系统中的多因素质量评估，具体为一种基于主观层级分析和客观熵权分析的多维度topsis可拓云模型质量评估架构(amultidimensional topsis cloud model cooperative positioning qualityevaluation architecture based on ahp-ewm)方法。
技术介绍
1、当前协同定位策略类型众多、各有侧重且定位质量良莠不齐，不能满足针对性定位服务需求，造成了方案难以取舍、性能难以权衡的困境；要确保定位方案的有效性和适用性，迫切需要对其进行评估。
2、当下协同定位主流评估方案集中在仿真模拟评估、实验验证评估与仿真实验结合三种层面。最早有利用仿真建模讨论初始位置误差、时钟漂移、无线电指纹增强对于定位位置精确度影响，但指标数量单一局限；也有通过仿真来估计信任节点辅助和信道估计系统对平均路径损耗和阴影的影响。实验验证方面，有使用具有粒子滤波的超宽带芯片智能手机来考察超宽带协作多跳自定位算法；也有考虑可信度评价，在实验室和运动场馆中进行了大量仿真和实验来评估多级融合室内定位误差。二者结合方面，有在室内展开重复试验和开发声学定位测试平台，评估wifi、zigbee协同手机定位效果，并对精度进行仿真和实验验证。但仿真和实验评估缺乏全面性和科学性，结果往往因条件而异，不能作为定位方案的有效选择手段。
技术实现思路
1、现阶段的定位评估方法大都层级浅薄、维度单一且伴随着一定主观性和局限性
2、本专利技术的技术方案为：
3、一种基于ahp-ewm的多维topsis云模型协同定位质量评估方法，包括以下步骤：
4、步骤1：针对待评估的协同定位系统，建立协同定位质量评估指标体系，所述体系中包括四个一级指标和若干二级指标，其中四个一级指标分别为定位节点质量、定位链路质量、定位算法质量以及定位硬件质量；
5、步骤2：对于待评估协同定位系统，通过专家组成员根据模糊隶属度语言评价量，在m个维度上对协同定位系统的n个二级指标进行评价，将得到的模糊隶属度语言评价量与专家权重相乘得到原始数据多维度决策云矩阵y；利用原始数据多维度决策云矩阵y以及各个评估维度权重，计算各个二级指标最优理想云临近系数并根据系数对各个二级指标进行重要性排序；
6、步骤3：应用ahp-cloud算法计算各级指标的主观权重，包括每个一级指标的主观权重θi，以及每个二级指标的主观权重ωj；
7、步骤4：应用ewm-cloud算法计算二级指标的客观权重
8、步骤5：对二级指标的主观权重和客观权重进行线性集成，得到归一化的二级指标集成权重为γj；
9、步骤6：根据待评估系统的二级指标实测参数，计算各个二级指标得分然后结合二级指标集成权重γj，根据公式
10、
11、计算待评估系统的一级指标得分i＝1,2,3,4；再根据公式
12、
13、计算待评估系统综合得分t，根据得分t以及协同定位质量评估水平模型，确定待评估系统的评估水平。
14、进一步的，步骤1中，每个一级指标对应的二级指标为：
15、定位节点质量对应的二级指标为：节点测距误差、协同节点类型比例、节点拓扑结构指数、节点协同通信范围；
16、定位链路质量对应的二级指标为：信号时域质量指数、信号频域质量指数、信号信道质量指数、信号测量质量指数；
17、定位算法质量对应的二级指标为：定位结果精确度、定位算法稳定度、定位算法复杂度；
18、定位硬件质量对应的二级指标为：硬件成本指数、硬件总体功耗、硬件模块稳定度。
19、进一步的，协同节点类型比例系数定义为某待定位节点的所有协同节点中，参考基站节点nnode与所有协同节点数目nnode的比值，描述为：
20、
21、节点拓扑结构指数定义为协同节点数目值nnode与最优协同节点数量值nnode_os的比值，具体由下式描述：
22、
23、信号时域质量指数mt定义为实际信号与理想信号的拟合差mc、最大信号幅度ma、实际信号与理想信号的眼图差my三者算数平均值：
24、mt＝(ma+mc+my)/3
25、信号频域质量指数mp与信号功率pc、信号功率谱密度值pe、信号眼图标准化指数es三者存在如下关系：
26、
27、信号测量质量指数ml与数据帧传输速率比ml、数据帧长度l、有效数据段长度lt三者存在如下关系：
28、
29、硬件成本指数sc与硬件模块成本cm、硬件通讯成本cc、系统维护成本cs、系统总体成本c存在如下关系：
30、
31、进一步的，步骤2中，各个评估维度权重通过两两维度逐个进行重要性比较，得到重要性一致矩阵，用ahp方法确定出各维度权重。
32、进一步的，步骤2中，在头衔、课题、论文、教学和年龄方面以renjith评分基法进行五分以内的打分，以个人得分与全体成员总分的比值作为专家权重。
33、进一步的，步骤2中，将topsis与云模型结合，采用基于云模型的模糊隶属度函数作为语言评价量表。
34、进一步的，步骤2中，原始数据多维度决策云矩阵y为：
35、
36、然后计算各个维度下最优理想云y+和最劣理想云y-：
37、
38、
39、接下来根据各个评估维度权重μi求解最优理想云汉明距离d+和最劣理想云汉明距离d-：
40、
41、
42、
43、
44、根据各个二级指标的最优理想云汉明距离和最劣理想云汉明距离，计算各个二级指标最优理想云临近系数
45、
46、进一步的，步骤3中，一级指标的主观权重θi，以及每个二级指标的主观权重ωj通过以下过程得到：
47、对于一级指标，采用重要性量化决策方法得到一级指标决策矩阵t：
48、
49、一级指标决策云矩阵t的列元素累积作为新矩阵t′的行元素：
50、
51、
52、再计算矩阵t′的n次方根得到新矩阵t″：
53、
【技术保护点】
1.一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：包括以下步骤：
2.根据权利要求1所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤1中，每个一级指标对应的二级指标为：
3.根据权利要求2所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：
4.根据权利要求1所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤2中，各个评估维度权重通过两两维度逐个进行重要性比较，得到重要性一致矩阵，用AHP方法确定出各维度权重。
5.根据权利要求1所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤2中，在头衔、课题、论文、教学和年龄方面以Renjith评分基法进行五分以内的打分，以个人得分与全体成员总分的比值作为专家权重。
6.根据权利要求1所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤2中，将TOPSIS与云模型结合
7.根据权利要求6所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤2中，原始数据多维度决策云矩阵Y为：
8.根据权利要求6所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤3中，一级指标的主观权重θi，以及每个二级指标的主观权重ωj通过以下过程得到：
9.根据权利要求8所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤4中，计算二级指标的客观权重的过程为：
10.根据权利要求9所述一种基于AHP-EWM的多维TOPSIS云模型协同定位质量评估方法，其特征在于：步骤5中，对二级指标的主观权重和客观权重进行线性集成，得到归一化的二级指标集成权重为γj的过程为：
...【技术特征摘要】
1.一种基于ahp-ewm的多维topsis云模型协同定位质量评估方法，其特征在于：包括以下步骤：
2.根据权利要求1所述一种基于ahp-ewm的多维topsis云模型协同定位质量评估方法，其特征在于：步骤1中，每个一级指标对应的二级指标为：
3.根据权利要求2所述一种基于ahp-ewm的多维topsis云模型协同定位质量评估方法，其特征在于：
4.根据权利要求1所述一种基于ahp-ewm的多维topsis云模型协同定位质量评估方法，其特征在于：步骤2中，各个评估维度权重通过两两维度逐个进行重要性比较，得到重要性一致矩阵，用ahp方法确定出各维度权重。
5.根据权利要求1所述一种基于ahp-ewm的多维topsis云模型协同定位质量评估方法，其特征在于：步骤2中，在头衔、课题、论文、教学和年龄方面以renjith评分基法进行五分以内的打分，以个人得分与全体成员总分的比值作为专家权重。
6.根据权利要求1所述一种基于...
【专利技术属性】
技术研发人员：唐成凯，张存乐，廉保旺，赵鹏雷，郜义蒙，张玲玲，刘智惟，刘洋洋，丹泽升，骆云娜，张家乐，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
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。