论文部分内容阅读
近几年,随着定位技术的快速发展,基于位置服务技术已经广泛应用于人们的生产生活中。基于位置服务已经在智能汽车、超市购物、特殊人员监护以及室内导航等方面发挥重要作用。为了达到高精度室内定位的目的,如何优化网元布局从而提高给定区域的定位效果是十分重要的问题。在蜂窝网下的室外定位技术已经存在较为成熟的解决方案。但与室外环境相比室内建筑环境更加复杂,定位过程中存在多径效应以及非视距误差等问题需要解决。室内定位对精度和覆盖等指标要求更加严格,传统的网元布局优化算法不再适用。因此,论文设计并实现面向室内定位的网元布局算法,旨在异构网络环境下提高室内定位的定位精度。论文的主要工作如下:首先,为了提高室内环境的定位精度,本文提出一种基于遗传算法与蚁群算法融合的网元布局算法。针对遗传算法的后期由于缺乏反馈信息而收敛速度变慢,蚁群算法前期由于缺乏信息而收敛速度慢的问题,本文提出并实现一种基于遗传算法与蚁群算法融合的网元布局方法。本文对融合策略进行实现,并且对融合算法中的遗传算法部分和蚁群算法部分分别进行改进。对于融合算法中遗传算法中的改进,首先设计适应度函数,从而更适用于室内定位问题。其次对遗传算法中交叉概率和变异概率进行修改,改为自适应的概率函数。对于融合算法中蚁群算法中的改进,首先设计路径构建中的启发函数,从而更适用于室内定位问题。其次对蚁群算法中的信息素强度变量进行更改,改为自适应的变量。通过基于遗传算法与蚁群算法融合的网元布局算法对网元进行布局,有效提高室内定位精度。其次,在室内定位网络环境下,室外宏网元和室内微网元的联合优化能够进一步提高目标区域定位效果,本文提出一种基于菱形布局的微网元增补算法。针对网元布局后目标区域增补微网元问题,本文提出的微网元增补算法实现简单,并且可以有效提高室内定位的目标区域定位精度。最后,本文对基于遗传算法和蚁群算法融合的网元布局算法和基于菱形布局的微网元增补算法进行仿真实验。首先设置仿真场景,然后在该场景下,通过将现有方法与论文提出的方法进行对比,验证其有效性与可用性。