一種基于傳感器和量子智能計(jì)算的主用戶定位方法
【專利摘要】本發(fā)明公開(kāi)了一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其基于無(wú)線傳感器網(wǎng)絡(luò)輔助認(rèn)知無(wú)線電網(wǎng)絡(luò)實(shí)現(xiàn)，包括如下步驟：步驟一網(wǎng)絡(luò)部署階段，步驟二定位信息收集階段，步驟三測(cè)距階段，數(shù)據(jù)融合中心對(duì)采樣到的信號(hào)強(qiáng)度求均值作為該錨節(jié)點(diǎn)的接收信號(hào)強(qiáng)度RSS，在對(duì)數(shù)正態(tài)陰影路徑損耗無(wú)線傳播環(huán)境模型下，根據(jù)RSS估計(jì)出主用戶和錨節(jié)點(diǎn)之間的距離；步驟四定位階段，將定位問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題，采用量子遺傳模擬退火算法解決該優(yōu)化問(wèn)題，進(jìn)而實(shí)現(xiàn)對(duì)主用戶二維空間的位置定位。本發(fā)明能夠在確保良好的定位性能的前提下，達(dá)到同時(shí)降低算法的復(fù)雜度又節(jié)約電池能耗的效果；基于量子遺傳模擬退火算法的定位方法可以獲得精確的主用戶位置信息。
【專利說(shuō)明】一種基于傳感器和量子智能計(jì)算的主用戶定位方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及認(rèn)知無(wú)線電和傳感器網(wǎng)絡(luò)的交叉應(yīng)用領(lǐng)域，尤其涉及一種基于傳感器 和量子智能計(jì)算的主用戶定位方法。

【背景技術(shù)】
[0002] 隨著無(wú)線通信的應(yīng)用大量增加，無(wú)線終端的數(shù)量激增，而且越來(lái)越多的移動(dòng)通信 設(shè)備和通信服務(wù)的融合對(duì)更高的數(shù)據(jù)傳輸速率的需求日益增加，這造成對(duì)無(wú)線頻譜資源的 需求量將達(dá)到前所未有的程度，那么可用的頻譜資源將會(huì)很快被消耗殆盡。而現(xiàn)實(shí)的問(wèn)題 是，無(wú)線通信頻譜的利用效率并不高。在目前投入運(yùn)營(yíng)的無(wú)線頻段中，存在著許多"頻譜空 洞"（未被利用的頻譜），美國(guó)通信聯(lián)邦委員會(huì)（FCC)測(cè)量了在亞特蘭大、芝加哥等的頻譜使 用情況，研究表明，平均只有5 % -10 %的頻譜被使用，DARPA的研究表明，只有2 %的頻譜資 源是在任何時(shí)候都被占用的（謝顯中.認(rèn)知無(wú)線電技術(shù)及其應(yīng)用[M].北京：電子工業(yè)出 版社，2008.)。
[0003]為此，于 1999 年JosephMitola博士提出認(rèn)知無(wú)線電（CognitiveRadio,CR) 的概念（MitolaJ,MaguireJrGQ.Cognitiveradio:makingsoftwareradiosmore personal[J].IEEEPersonalCommunications, 1999, 6 (4): 13-18.)。他提出的認(rèn)知無(wú)線 電是智能的、靈活的、可重構(gòu)的軟件無(wú)線電。通過(guò)對(duì)外界環(huán)境的感知，并使用人工智能技術(shù) 從環(huán)境中有目地進(jìn)行學(xué)習(xí)，實(shí)現(xiàn)對(duì)某些操作參數(shù)（比如載波頻率、傳輸功率和調(diào)制技術(shù)等） 的實(shí)時(shí)改變，并且其內(nèi)部狀態(tài)能夠自動(dòng)地適應(yīng)接收的無(wú)線信號(hào)的統(tǒng)計(jì)變化，進(jìn)而實(shí)現(xiàn)任何 時(shí)間、任何地點(diǎn)的高可靠通信，以及對(duì)不同網(wǎng)絡(luò)環(huán)境中有限的無(wú)線頻譜資源進(jìn)行高效地利 用(HaykinS.Cognitiveradio:brain-empoweredwirelesscommunications[J].IEEE JournalonSelectedAreasinCommunications, 2005, 23 (2) : 201-220.)。因此認(rèn)知無(wú) 線電被認(rèn)為是一種最有前途的無(wú)線通信技術(shù)之一，近些年的許多研究都集中在認(rèn)知無(wú)線電 網(wǎng)絡(luò)。
[0004] 在認(rèn)知無(wú)線電網(wǎng)絡(luò)中，其位置和環(huán)境認(rèn)知功能旨在為無(wú)線設(shè)備和網(wǎng)絡(luò)提供有用的 信息，使得他們能夠互動(dòng)和從周?chē)h(huán)境中學(xué)習(xí)。其位置認(rèn)知功能為認(rèn)知無(wú)線電網(wǎng)絡(luò)引入了 新技術(shù)和應(yīng)用（基于位置信息的服務(wù)、移動(dòng)性管理、安全和隱私、無(wú)縫定位和互操作性、統(tǒng) 計(jì)學(xué)習(xí)和跟蹤、位置估計(jì)和認(rèn)知）。一個(gè)包括這些功能并被稱為位置認(rèn)知引擎的架構(gòu)在文 獻(xiàn)（CelebiH,ArslanH.Utilizationoflocationinformationincognitivewireless networks[J].IEEEWirelessCommunications，2007, 14(4) :6_13.)中被提出。如圖 1 所 示。不同的定位系統(tǒng)和各種定位方法之間的數(shù)據(jù)流被用于無(wú)縫定位和互操作功能中，移動(dòng) 設(shè)備的跟蹤可以通過(guò)統(tǒng)計(jì)學(xué)習(xí)和跟蹤工具來(lái)進(jìn)行，關(guān)于實(shí)施成本和系統(tǒng)容量的問(wèn)題交由移 動(dòng)性管理來(lái)處理。
[0005] 測(cè)量和（或）認(rèn)知設(shè)備接口被用來(lái)從操作環(huán)境中獲取主用戶的信號(hào)，獲得的信號(hào) 被發(fā)送到位置認(rèn)知中心進(jìn)行數(shù)據(jù)的后處理。定位估計(jì)和（或）認(rèn)知算法對(duì)這些數(shù)據(jù)進(jìn)行 處理，進(jìn)而獲得位置信息。在獲得主用戶的位置信息之后，其位置信息的應(yīng)用可以分為四 大類：（1)基于位置信息的服務(wù)應(yīng)用（例如：實(shí)時(shí)交通監(jiān)控）；（2)位置信息輔助的網(wǎng)絡(luò)優(yōu) 化應(yīng)用（例如：位置信息輔助的動(dòng)態(tài)頻譜接入系統(tǒng)）；（3)位置信息輔助的發(fā)射接收機(jī)算法 優(yōu)化應(yīng)用（例如：位置信息輔助的通信鏈路自適應(yīng)器）；(4)位置信息輔助的周?chē)ㄐ怒h(huán)境 認(rèn)知應(yīng)用（例如：位置信息輔助的信道環(huán)境識(shí)別）（CelebiH，ArslanH.Utilizationof locationinformationincognitivewirelessnetworks[J].IEEEWirelessCommunica tions, 2007, 14(4) : 6-13.)。
[0006]NamH認(rèn)為，在認(rèn)知無(wú)線電網(wǎng)絡(luò)中，主用戶的位置信息對(duì)實(shí)現(xiàn)頻譜資源的分配有著 非常重要的作用：已知主用戶的精確位置，就能夠估算出主用戶和次用戶之間的距離，根據(jù) 發(fā)射機(jī)與接收機(jī)的測(cè)量功率來(lái)估計(jì)出信道環(huán)境的路徑損耗因子，進(jìn)而估計(jì)出主用戶和錨節(jié) 點(diǎn)之間的信道狀態(tài)信息（ChannelStateInformation,CSI)，這比在假設(shè)信道狀態(tài)已知的 條件下進(jìn)行頻譜資源的分配更切合實(shí)際；這樣利于主用戶位置信息采用頻譜資源管理相關(guān) 算法能夠在保證主、次用戶之間正常通信的前提下，使主用戶免受錨節(jié)點(diǎn)的干擾，同時(shí)保持 主用戶發(fā)射信號(hào)功率最小，進(jìn)而極大地提高頻譜的利用效率，有助于實(shí)現(xiàn)認(rèn)知無(wú)線電網(wǎng)絡(luò) 的優(yōu)化配置，使頻譜資源的利用率和空間重用率達(dá)到最大化。
[0007]CelebiH(CelebiH,ArslanH.Utilizationoflocationinformationin cognitivewirelessnetworks[J].IEEEWirelessCommunications, 2007, 14(4) :6-13.) 認(rèn)為，主用戶的位置信息對(duì)于保證認(rèn)知無(wú)線電網(wǎng)絡(luò)頻譜認(rèn)知階段的網(wǎng)絡(luò)安全性也具重要作 用。在頻譜感知階段，有一種稱為模擬主用戶攻擊的問(wèn)題威脅著頻譜感知結(jié)果。在這種攻 擊中，攻擊者效仿主用戶信號(hào)向周?chē)l(fā)射信號(hào)。由于認(rèn)知無(wú)線電網(wǎng)絡(luò)的空中接口高度靈活 且基于軟件而設(shè)計(jì)，因而使得模擬主用戶攻擊成為可能。模擬主用戶攻擊不僅嚴(yán)重干擾了 頻譜感知過(guò)程，而且將顯著減少提供給主用戶的信道資源。為應(yīng)對(duì)該威脅，文中設(shè)計(jì)了一種 基于主用戶位置信息的發(fā)射機(jī)驗(yàn)證方案，通過(guò)估計(jì)主用戶的位置和觀察信號(hào)特征來(lái)驗(yàn)證一 個(gè)給定的信號(hào)是否為主用戶發(fā)射機(jī)的發(fā)射信號(hào)，進(jìn)而避免模擬主用戶攻擊，提高錨節(jié)點(diǎn)利 用頻譜的機(jī)會(huì)。仿真結(jié)果顯示，在一定條件下，設(shè)計(jì)的基于主用戶位置信息的安全算法在避 免模擬主用戶攻擊方面是有效的。因此，主用戶的位置信息在頻譜認(rèn)知過(guò)程中發(fā)揮著重要 的作用。
[0008] 根據(jù)是否需要在定位過(guò)程中對(duì)主用戶節(jié)點(diǎn)和次用戶之間的距離進(jìn)行測(cè)量，可以把 現(xiàn)有定位算法分為兩大類：range-based和range-free(WernerJ，HakkarainenA，Valkama M.Estimatingtheprimaryuserlocationandtransmitpowerincognitiveradio systemsusingextendedKalmanfilters[C]? 2013IEEE10thAnnualConferenceon WirelessOn-demandNetworkSystemsandServices(WONS), 2013:68-73.)，即基于測(cè)距 的定位方法和基于非測(cè)距的定位方法。目前，現(xiàn)有的測(cè)距技術(shù)主要有基于RSSOteceived SignalStrength)、D0A(DirectionOfArrival)、T0A(TimeOfArrival)、TD0A(Time DifferenceOfArrival)的測(cè)距技術(shù)，基于測(cè)距的定位方法是采用這些測(cè)距技術(shù)測(cè)量用 戶間的距離、角度或到達(dá)時(shí)間等信息，根據(jù)這些信息利用特定的定位算法定位主用戶的位 置；而基于非測(cè)距的定位方法則無(wú)需這些測(cè)距信息就可實(shí)現(xiàn)主用戶的定位，DV-Hop算法 (DistanceVector-hop:基于距離向量-跳段的算法）、Centroid算法（質(zhì)心算法）和 MDS_MAP(MultidimensionalScaling-Map:多維定標(biāo)算法）算法是三種主要的基于非測(cè)距 的定位方法。
[0009] 文獻(xiàn)（馬志垚，陳巍，曹志剛.認(rèn)知無(wú)線電網(wǎng)絡(luò)中基于檢測(cè)概率的主用戶定位算 法[了].北京郵電大學(xué)學(xué)報(bào)，2009,32(2):14-19.)〇\&12,〇161111^七&16€1(8,6七31^861111 range-basediterativelocalizationalgorithmforcognitiveradionetworks[J]. IEEETransactionsonVehicularTechnology, 2010, 59 (2) : 704-717.)提出了一種新的定 位算法，即基于檢測(cè)概率的三維定位算法。在認(rèn)知無(wú)線電網(wǎng)絡(luò)中，能量檢測(cè)是檢測(cè)主用戶存 在與否的最常用的方法。次用戶可以檢測(cè)到主用戶存在的成功概率的高低與次用戶到主用 戶的距離具有很大的關(guān)系，通過(guò)對(duì)信道模型的分析和對(duì)次用戶檢測(cè)概率的估計(jì)，根據(jù)合作 頻譜認(rèn)知得到的次用戶n的主用戶檢測(cè)概率與平均接收信噪比f(wàn)的關(guān)系，假設(shè)信道環(huán) 境采用Rayleigh信道，可得到第n個(gè)次用戶處的接收信噪比[與次用戶n到主用戶的距 離^，以及發(fā)射信號(hào)強(qiáng)度A的關(guān)系。然后采用加權(quán)最小二乘迭代算法間接實(shí)現(xiàn)主用戶測(cè)距 及三維空間位置定位，解決認(rèn)知無(wú)線電網(wǎng)絡(luò)中的主用戶定位的主要問(wèn)題。
[0010] 文獻(xiàn)(WangZ,FengZ,SongJ,etal.Apracticalsemirange-based localizationalgorithmforcognitiveradio[C]?2010IEEE71stVehicular TechnologyConference(VTC201〇-Spring), 2010:1-5.)利用 了頻譜認(rèn)知信息和主 從用戶之間的距離之間的潛在關(guān)系，提出了一種實(shí)用的被稱為PSRB(Practicalsemi range-based)的定位算法，該算法為了擺脫定位對(duì)主用戶發(fā)射端的先驗(yàn)信息的依賴，將主 用戶的發(fā)射功率和主用戶的位置信息都作為要估計(jì)的參數(shù)，這體現(xiàn)了該算法的實(shí)用性。而 且采取聯(lián)合頻譜感知技術(shù)來(lái)精確地估計(jì)主用戶的占用狀態(tài)，這使得次用戶的估計(jì)檢測(cè)概率 更精確。
[0011] 此外，還有一些研究了融合一種或者兩種方法的混合定位算法，如融合RSS和T0A 的算法，融合RSS和TD0A的算法等。
[0012] 以上這些定位方法的研究背景只是單純的認(rèn)知無(wú)線電網(wǎng)絡(luò)，對(duì)于無(wú)線傳感器網(wǎng)絡(luò) 輔助認(rèn)知無(wú)線電網(wǎng)絡(luò)的定位方法研究甚少。無(wú)線傳感器網(wǎng)絡(luò)以自組織的的方式進(jìn)行協(xié)作， 能夠?qū)崟r(shí)監(jiān)測(cè)和采集網(wǎng)絡(luò)分布區(qū)域內(nèi)的各種檢測(cè)對(duì)象的信息，并將這些信息發(fā)送到融合中 心進(jìn)行融合，可實(shí)現(xiàn)復(fù)雜的指定范圍內(nèi)目標(biāo)的檢測(cè)，具有可靠性、抗毀性高的優(yōu)點(diǎn)，并且部 署靈活、成本較低（孔德陽(yáng)，梁濤，張建照，蔣慧娟.面向頻譜感知的傳感器網(wǎng)絡(luò)設(shè)計(jì)[J]. 電子設(shè)計(jì)工程，2012, 20(13) :65-68.)。將無(wú)線傳感器網(wǎng)絡(luò)引入認(rèn)知無(wú)線電網(wǎng)絡(luò)中，將形成 一個(gè)全新的無(wú)線通信平臺(tái)--無(wú)線傳感器網(wǎng)絡(luò)輔助的認(rèn)知無(wú)線電系統(tǒng)（MercierB，F(xiàn)〇dor V,ThobabenR,etal.Sensornetworksforcognitiveradio:Theoryandsystem design[J].ICTmobileANmmit，2008.)，該系統(tǒng)兼具傳感器網(wǎng)絡(luò)的優(yōu)勢(shì)和認(rèn)知無(wú)線電網(wǎng)絡(luò) 的認(rèn)知能力，目前現(xiàn)有技術(shù)中還沒(méi)有將傳感器網(wǎng)絡(luò)和無(wú)線電網(wǎng)絡(luò)相結(jié)合用來(lái)定位主用戶 特別有效的方法。


【發(fā)明內(nèi)容】

[0013] 針對(duì)上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：
[0014] 一種基于傳感器和量子智能計(jì)算的主用戶定位方法，基于無(wú)線傳感器網(wǎng)絡(luò)輔助認(rèn) 知無(wú)線電網(wǎng)絡(luò)實(shí)現(xiàn)，該網(wǎng)絡(luò)包括主用戶、無(wú)線傳感器節(jié)點(diǎn)和融合中心，其步驟如下 ：
[0015] 1.步驟一：網(wǎng)絡(luò)部署階段；將無(wú)線傳感器錨節(jié)點(diǎn)部署在主用戶周?chē)?200mX200m感知區(qū)域中；
[0016] 步驟二：定位信息的收集階段，錨節(jié)點(diǎn)對(duì)主用戶的發(fā)射信號(hào)進(jìn)行采樣接收，并將每 個(gè)錨節(jié)點(diǎn)測(cè)量接收到的主用戶的信號(hào)強(qiáng)度RSS發(fā)送至數(shù)據(jù)融合中心；
[0017] 步驟三：在測(cè)距階段，數(shù)據(jù)融合中心根據(jù)該錨節(jié)點(diǎn)的接收信號(hào)強(qiáng)度計(jì)算出路徑損 耗，對(duì)每個(gè)錨節(jié)點(diǎn)的RSS進(jìn)行采樣求平均值，將得到的均值作為該錨節(jié)點(diǎn)實(shí)際的接收信號(hào) 強(qiáng)度：

【權(quán)利要求】
1. 一種基于傳感器和量子智能計(jì)算的主用戶定位方法，基于無(wú)線傳感器網(wǎng)絡(luò)輔助認(rèn)知 無(wú)線電網(wǎng)絡(luò)實(shí)現(xiàn)，該網(wǎng)絡(luò)包括主用戶、無(wú)線傳感器節(jié)點(diǎn)和融合中心，其步驟如下 ： 步驟一：網(wǎng)絡(luò)部署階段；將無(wú)線傳感器錨節(jié)點(diǎn)部署在主用戶周?chē)?00mX200m感知 區(qū)域中； 步驟二：定位信息的收集階段，錨節(jié)點(diǎn)對(duì)主用戶的發(fā)射信號(hào)進(jìn)行采樣接收，并將每個(gè)錨 節(jié)點(diǎn)測(cè)量接收到的主用戶的信號(hào)強(qiáng)度RSS發(fā)送至數(shù)據(jù)融合中心； 步驟三：在測(cè)距階段，數(shù)據(jù)融合中心根據(jù)該錨節(jié)點(diǎn)的接收信號(hào)強(qiáng)度計(jì)算出路徑損耗，對(duì) 每個(gè)錨節(jié)點(diǎn)的RSS進(jìn)行采樣求平均值，將得到的均值作為該錨節(jié)點(diǎn)實(shí)際的接收信號(hào)強(qiáng)度：
其中，M為采樣次數(shù)，RSSu為第i個(gè)錨節(jié)點(diǎn)在第j次的接收信號(hào)強(qiáng)度； 據(jù)此估計(jì)出主用戶和錨節(jié)點(diǎn)之間的距離； 步驟四：將定位問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題，采用量子遺傳模擬退火算法對(duì)主用戶進(jìn)行二維 空間里兩種場(chǎng)景下的位置定位，并對(duì)影響定位性能的因素進(jìn)行了分析。
2. 根據(jù)權(quán)利要求1所述的一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其步驟 一中網(wǎng)絡(luò)部署結(jié)構(gòu)根據(jù)主用戶和錨節(jié)點(diǎn)所處的相對(duì)位置的不同分為主用戶位于錨節(jié)點(diǎn)組 成的凸包內(nèi)和凸包外兩種網(wǎng)絡(luò)部署結(jié)構(gòu)。
3. 根據(jù)權(quán)利要求1所述的一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其步驟 二中按照距離主用戶最近的原則選取合適數(shù)量的錨節(jié)點(diǎn)來(lái)接收信號(hào)，并將它們的RSS發(fā)送 至數(shù)據(jù)融合中心進(jìn)行處理。
4. 根據(jù)權(quán)利要求1所述的一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其步驟 三中測(cè)量距離的方法根據(jù)對(duì)數(shù)正態(tài)陰影路徑損耗模型計(jì)算出信號(hào)傳播的路徑損耗，進(jìn)而求 出主用戶發(fā)射機(jī)和錨節(jié)點(diǎn)接收機(jī)之間的距離； 基于RSS的測(cè)距方法采用的無(wú)線傳播信道環(huán)境模型設(shè)定為對(duì)數(shù)正態(tài)陰影路徑損耗模 型，其數(shù)學(xué)模型為：
其中Cltl表示參考距離，一般取經(jīng)驗(yàn)值ImTL(Clci)表示在Cltl處的路徑損耗，η為與環(huán)境 相關(guān)的路徑損耗指數(shù)，其取值見(jiàn)表1，Χ。代表一個(gè)具有〇均值且標(biāo)準(zhǔn)差為σ的高斯隨機(jī)變 量；據(jù)此模型估計(jì)主用戶和錨節(jié)點(diǎn)之間的距離d;
表1。
5. 根據(jù)權(quán)利要求1所述的一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其步驟 四中將定位問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題的方法如下： 假設(shè)二維空間的認(rèn)知無(wú)線電網(wǎng)絡(luò)中含有N個(gè)錨節(jié)點(diǎn)，1個(gè)主用戶；使用向量Θ= [Z1,Z2，…，zN]代表錨節(jié)點(diǎn)的初始坐標(biāo)，其中Zi = [Xi,yj'i= 1，2,…N，表示第i個(gè)錨節(jié) 點(diǎn)的坐標(biāo)，i為該用戶在網(wǎng)絡(luò)中的唯一標(biāo)示符；對(duì)待定位的主用戶，設(shè)其坐標(biāo)為（x，y)，測(cè)得 N個(gè)錨節(jié)點(diǎn)與主用戶的距離分別為rf,^,，用戶定位問(wèn)題的實(shí)質(zhì)便轉(zhuǎn)化為求解下式的 優(yōu)化問(wèn)顥： 1 - 1
其中N為錨節(jié)點(diǎn)的數(shù)量，（x，y)為待定位的主用戶位置，（Xi，yi)為第i個(gè)錨節(jié)點(diǎn)的位 置，i為第i個(gè)錨節(jié)點(diǎn)到主用戶的估計(jì)距離。
6. 根據(jù)權(quán)利要求1所述的一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其步驟 四中的定位性能是指選擇定位結(jié)果的平均定位誤差MeanError來(lái)評(píng)估采用的定位算法的 性能；
其中，N為定位主用戶的次數(shù)，（x，y)和分別是主用戶的實(shí)際位置和第i次的QGSA定位估計(jì)位置； 那么，定義本發(fā)明采用的QGSA算法的適應(yīng)度函數(shù)fitnessO為：
其中，N為選擇到距離主用戶最近的錨節(jié)點(diǎn)數(shù)，（Xi，yi)為第i個(gè)錨節(jié)點(diǎn)的位置， 為主用戶的估計(jì)位置，i為第i個(gè)錨節(jié)點(diǎn)與主用戶之間的估計(jì)距離； 通過(guò)QGSA算法求解該適應(yīng)度函數(shù)的最優(yōu)解實(shí)現(xiàn)對(duì)認(rèn)知無(wú)線電網(wǎng)絡(luò)主用戶定位模型的 求解。
7. 根據(jù)權(quán)利要求6所述的一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其QGSA 算法的實(shí)現(xiàn)過(guò)程為： 步驟1 :參數(shù)設(shè)置及種群初始化： 參數(shù)設(shè)置：量子遺傳操作的種群規(guī)模pop、染色體編碼長(zhǎng)度length、進(jìn)化代數(shù)maxgen、 量子變異概率Pv、轉(zhuǎn)角步長(zhǎng)Λθ;模擬退火操作的初始溫度T、退火系數(shù)λ、每一固定溫度 下的迭代次數(shù)為L(zhǎng)、更新解的概率Praew、學(xué)習(xí)步長(zhǎng)step、搜索半徑sR; 種群的初始化：隨機(jī)生成初始化種群QUtl)，種群由量子染色體構(gòu)成，在第t代的種群 為ρ(〇 =+!?···，〇染色體<定義如下：
將全部pop條染色體的2popXlength個(gè)概率幅都初始化為I/ ^ ,那么在第1代時(shí)，所 有染色體均以相同的概率I/^處于所有可能狀態(tài)的線性疊加態(tài)之中，即
其中sk是由二進(jìn)制串（X1X2. ..xm)描述的第k個(gè)狀態(tài)，Xi = 0, 1，i= 1，2,…，length; 那么，初始化的種群
步驟2 :通過(guò)觀察測(cè)量QUci)的狀態(tài)來(lái)生成二進(jìn)制解集PUci) = (X1,X2, ...，x_),每個(gè) 解= 是一個(gè)由〇和1組成的長(zhǎng)度為length的二進(jìn)制串，其值是0還是1 要由相應(yīng)量子位的觀測(cè)概率β丨2或|/<|(i= 1,2,…,/ewgi/i)決定； 步驟3:評(píng)估PUtl)的適應(yīng)度函數(shù)值，以函數(shù)fitness(x，y)為適應(yīng)度函數(shù)進(jìn)行評(píng)估； 步驟4:記錄PUtl)中最佳適應(yīng)度函數(shù)值及對(duì)應(yīng)最佳個(gè)體作為下一步種群更新的目標(biāo)； 步驟5:對(duì)當(dāng)代的種群進(jìn)行量子交叉、更新和變異，得到子代Q(t+1); a) 量子交叉：采用全干擾交叉，該交叉方式在所有的染色體之間進(jìn)行交叉； b) 量子更新：采用適當(dāng)?shù)牧孔有D(zhuǎn)門(mén)來(lái)實(shí)現(xiàn)，采用的量子旋轉(zhuǎn)門(mén)為：
量子態(tài)的更新策略（ct ' i β ' D = U ( Θ D · ( a i β D，即
/ ·\ 其中，$是染色體中第i位量子位，Si是量子旋轉(zhuǎn)門(mén)旋轉(zhuǎn)角，其大小、方向可以通過(guò) 相應(yīng)的資料查得； c) 量子變異：對(duì)選中的個(gè)體按照變異概率確定若干個(gè)量子位，對(duì)選中的量子位進(jìn)行非 f αΛ fβΛ 門(mén)操作，即當(dāng)前量子位為Λ *變異后為 ，即可實(shí)現(xiàn)量子變異操作； \aI J 步驟6 :模擬退火操作： 1)依據(jù)遺傳操作求得的當(dāng)前最優(yōu)解S生成新解S'，新解的產(chǎn)生方法如下：
其中s，S'分別代表了當(dāng)前解和產(chǎn)生的新解，U(a，b)表示隨機(jī)產(chǎn)生的a?b之間的任 何值，P為取值在〇. 3-0. 4之間的概率值，sR為算法搜索半徑，step學(xué)習(xí)步長(zhǎng)；具體操作時(shí)， 若溫度較高，新解的產(chǎn)生采用式（12);若溫度較低，新解的產(chǎn)生則采用式（13); 2) 求解當(dāng)前解與新解之間的能級(jí)差△ =f(S)-f(S'）； 3) 評(píng)估新解S'，根據(jù)Metropolis接收準(zhǔn)則來(lái)判斷接收或拋棄新解；Metropolis接收 準(zhǔn)則表達(dá)式可表述如下：
其中P^s,表示由當(dāng)前解S向這新解S'的轉(zhuǎn)換接收概率，Λ=f(S)-f(S'）表示狀態(tài) 間能級(jí)的差值，當(dāng)能級(jí)增量△< 〇時(shí)，接收新?tīng)顟B(tài)，否則以某一概率接收新?tīng)顟B(tài)； 4) 判斷當(dāng)前溫度是否足夠低，當(dāng)溫度不夠低時(shí)，繼續(xù)進(jìn)行模擬退火操作；當(dāng)溫度足夠 低，停止模擬退火操作，并記錄目前最佳適應(yīng)度函數(shù)值及最佳個(gè)體，將最佳個(gè)體作為下一次 種群更新的目標(biāo)，繼續(xù)步驟7; 步驟7 :判斷遺傳操作是否達(dá)到最大進(jìn)化代數(shù)maxgen，若沒(méi)有達(dá)到，繼續(xù)步驟5-6 ;若 達(dá)到，算法結(jié)束。
8.根據(jù)權(quán)利要求1所述的一種基于傳感器和量子智能計(jì)算的主用戶定位方法，其應(yīng)用 量子遺傳模擬退火算法實(shí)現(xiàn)主用戶定位的具體步驟如下： 步驟1 :參數(shù)設(shè)置及種群初始化： 參數(shù)設(shè)置：主用戶發(fā)射功率Pt、路徑損耗指數(shù)η、量子遺傳操作的種群規(guī)模pop、染色 體編碼長(zhǎng)度length、進(jìn)化代數(shù)maxgen、量子變異概率Pv、轉(zhuǎn)角步長(zhǎng)ΔΘ;模擬退火操作的 初始溫度T、退火系數(shù)λ、每一固定溫度下的迭代次數(shù)為L(zhǎng)、更新解的概率Pmiot、學(xué)習(xí)步長(zhǎng) step、搜索半徑sR; 種群的初始化：隨機(jī)生成初始化種群QUtl)，種群由量子染色體構(gòu)成，在第t代的種群 為0(0 =丨"…染色體<定義如下：
將全部pop條染色體的2popXlength個(gè)概率幅都初始化為〖1 ，那么在第1代時(shí)，所 有染色體均以相同的概率I/處于所有可能狀態(tài)的線性疊加態(tài)之中，即
其中Sk是由二進(jìn)制串（X1X2. . .Xm)描述的第k個(gè)狀態(tài)，Xi = 0, 1，i= 1，2,···，length; 那么，初始化的種群！
步驟2 :通過(guò)觀察測(cè)量QUci)的狀態(tài)來(lái)生成二進(jìn)制解集PUci) = (X1,X2,...，x_),每個(gè) 解= …JengiA)是一個(gè)由〇和！組成的長(zhǎng)度為iength的二進(jìn)制串，其值是〇還是1 要由相應(yīng)量子位的觀測(cè)概率或I貧f(/ = 1,2,…,/?igrt)決定； 步驟3 :評(píng)估PUtl)的適應(yīng)度函數(shù)值，適應(yīng)度函數(shù)為上述的將定位問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題 的救受摁型.
步驟4:記錄Patl)中最佳適應(yīng)度函數(shù)值及對(duì)應(yīng)最佳個(gè)體作為下一步種群更新的目標(biāo)； 步驟5 :對(duì)當(dāng)代的種群進(jìn)行量子交叉、更新和變異，得到子代Q(t+1); d) 量子交叉：采用全干擾交叉，該交叉方式在所有的染色體之間進(jìn)行交叉； e) 量子更新：采用適當(dāng)?shù)牧孔有D(zhuǎn)門(mén)來(lái)實(shí)現(xiàn)，采用的量子旋轉(zhuǎn)門(mén)為：
量子態(tài)的更新策略（a'iβ'D=U(ΘD· (aiβD，即
其中，是染色體中第i位量子位，Si是量子旋轉(zhuǎn)門(mén)旋轉(zhuǎn)角，其大小、方向可以通過(guò) 相應(yīng)的資料查得； f) 量子變異：對(duì)選中的個(gè)體按照變異概率確定若干個(gè)量子位，對(duì)選中的量子位進(jìn)行非 fa \ fβ\ 門(mén)操作，即當(dāng)前量子位為j，變異后為 ，即可實(shí)現(xiàn)量子變異操作； KAJ KaJ 步驟6 :模擬退火操作： 5)依據(jù)遺傳操作求得的當(dāng)前最優(yōu)解S生成新解S'，新解的產(chǎn)生方法如下：
其中S，S'分別代表了當(dāng)前解和產(chǎn)生的新解，U(a，b)表示隨機(jī)產(chǎn)生的a?b之間的任 何值，P為取值在0. 3-0. 4之間的概率值，SR為算法搜索半徑，step學(xué)習(xí)步長(zhǎng)；具體操作時(shí)， 若溫度較高，新解的產(chǎn)生采用式（12);若溫度較低，新解的產(chǎn)生則采用式（13); 6) 求解當(dāng)前解與新解之間的能級(jí)差Λ=f(S)-f(S'）； 7) 評(píng)估新解S'，根據(jù)Metropolis接收準(zhǔn)則來(lái)判斷接收或拋棄新解；Metropolis接收 準(zhǔn)則表達(dá)式可表述如下：
其中P^s,表示由當(dāng)前解S向這新解S'的轉(zhuǎn)換接收概率，Λ=f(S)-f(S'）表示狀態(tài) 間能級(jí)的差值，當(dāng)能級(jí)增量△< 〇時(shí)，接收新?tīng)顟B(tài)，否則以某一概率接收新?tīng)顟B(tài)； 8) 判斷當(dāng)前溫度是否足夠低，當(dāng)溫度不夠低時(shí)，繼續(xù)進(jìn)行模擬退火操作； 當(dāng)溫度足夠低，停止模擬退火操作，并記錄目前最佳適應(yīng)度函數(shù)值及最佳個(gè)體，將最佳 個(gè)體作為下一次種群更新的目標(biāo)，繼續(xù)步驟7 ; 步驟7 :判斷遺傳操作是否達(dá)到最大進(jìn)化代數(shù)maxgen，若沒(méi)有達(dá)到，繼續(xù)步驟5-6 ;若 達(dá)到，算法結(jié)束；此時(shí)搜索到的最終解所對(duì)應(yīng)的變量值即為QGSA算法對(duì)主用戶的定位結(jié)果 (%Λ.、 Iχ\γ& \j
【文檔編號(hào)】H04W64/00GK104320845SQ201410321036
【公開(kāi)日】2015年1月28日 申請(qǐng)日期:2014年7月4日 優(yōu)先權(quán)日:2014年7月4日
【發(fā)明者】李飛, 季薇, 肖嬋嬋, 葛文雪, 吳銘燁 申請(qǐng)人:南京郵電大學(xué), 華為技術(shù)有限公司