史肖冰, 郭德貴, 曹 捷

(吉林大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院, 長春 130012)

隨著移動通信的迅速發(fā)展, 頻譜資源變得彌足珍貴, 使有效管理區(qū)域內(nèi)頻譜資源成為頻譜管理部門的重要工作, 而定位無線電發(fā)射源是解決該問題的關(guān)鍵.目前無線電發(fā)射源定位的常用方法主要分為兩步: 1)獲得附近基站的某些參數(shù), 例如電磁波的到達(dá)角度或到達(dá)時間; 2)通過這些參數(shù)定位無線電發(fā)射源[1], 例如到達(dá)時間(time of arrival, TOA)定位、 到達(dá)時間差(time difference of arrival, TDOA)定位、 到達(dá)角度(angle of arrival, AOA)定位等方法[2-6].這些方法都需要對多個站點安裝昂貴的測向設(shè)備, 且對于參數(shù)值的精度要求很高, 定位無線電發(fā)射源的成本較高.在模型上, 目前的主要方法是根據(jù)傳統(tǒng)模型計算功率值, 例如Okumura-Hata模型、 COST 231-Walfisch-Ikegami模型、 Okumura-Egli模型等[7-9], 得到的功率值固定.

本文在擁有大數(shù)據(jù)量的前提下, 提出利用大數(shù)據(jù)構(gòu)造自適應(yīng)Hata模型, 對模擬發(fā)射點利用自適應(yīng)Hata模型求已知坐標(biāo)點的功率值, 再與真實功率值做差, 得到誤差值后, 選取誤差最小的模擬發(fā)射點作為最優(yōu)解.在求取最優(yōu)解方面, 由于數(shù)據(jù)量較大, 直接求解困難, 因此本文采用粒子群優(yōu)化算法, 可在不降低精確度的條件下更快地求得最優(yōu)解.實驗結(jié)果表明, 本文提出的基于自適應(yīng)Hata模型的無線電發(fā)射源定位方法不會產(chǎn)生固定基站及測向設(shè)備的代價, 可有效地定位無線電發(fā)射源.

1 自適應(yīng)Hata模型

Okumura-Hata模型[8]是一種廣泛使用的傳播模型, 適用于宏蜂窩(小區(qū)半徑大于1 km)系統(tǒng)的路徑損耗預(yù)測.由于本文測試數(shù)據(jù)在市區(qū)內(nèi)獲得, 所以采用針對市區(qū)的Hata模型, Hata模型的經(jīng)驗公式為

PL=69.55+26.16fc+13.82lghb-α(hm)+(44.9-6.55lghb)lgd,

(1)

其中:PL為市區(qū)路徑平均損耗, 本文假設(shè)包含視距損耗和非視距損耗；fc為載波頻率；hb為基站天線有效高度；α(hm)為移動天線的校正因子；d為移動臺與基站之間的距離.發(fā)射功率和接收功率的關(guān)系為

Pr=Pt-PL,

(2)

其中:Pr為接收功率值；Pt為發(fā)射功率值.根據(jù)式(1)和式(2)可得：

Pr=Pt-69.55-26.16fc-13.82lghb+α(hm)-(44.9-6.55lghb)lgd.

(3)

(4)

其中:

K=Pt-69.55-26.16fc-13.82lghb+α(hm);k=44.9-6.55lghb.

這兩個值都是針對模擬發(fā)射源自適應(yīng)變化的, 可更好地反應(yīng)當(dāng)前環(huán)境的參數(shù).

(5)

通過聯(lián)立方程可求得K和k, 分別為

(6)

(7)

在選取模擬發(fā)射源過程中, 由于是在某個特定范圍區(qū)域內(nèi)選取模擬發(fā)射源, 數(shù)據(jù)量龐大.粒子群優(yōu)化算法適用于解決大數(shù)據(jù)求解問題, 所以本文采用粒子群優(yōu)化算法選取模擬發(fā)射源.

由于最大功率點附近的點干擾較小, 計算得到的模型更準(zhǔn)確, 所以選取接收功率最大值附近的10組點, 每組點包括兩個實際接收點, 對每組點可求得一組K和k, 最后對10組K和k求平均值, 得到K和k, 即得到了改進(jìn)的Hata模型.由于選取的模擬發(fā)射點不同, 得到的K和k也會出現(xiàn)差異, 所以在進(jìn)行粒子群定位算法過程中, 每次構(gòu)造的模型為自適應(yīng)Hata模型.

由于自適應(yīng)Hata模型是根據(jù)最大功率值附近的接收點構(gòu)造, 這些點受環(huán)境的干擾較小, 利用自適應(yīng)Hata模型求最小E值, 該E值對應(yīng)的模擬發(fā)射源即為要定位的真實發(fā)射源.

2 粒子群定位算法

粒子群優(yōu)化算法[10]因其概念簡明、 實現(xiàn)方便、 收斂速度快而被廣泛應(yīng)用.本文方法在求取最優(yōu)模擬發(fā)射源時, 數(shù)據(jù)量較大, 直接求解較困難, 所以在實現(xiàn)定位算法時采用粒子群優(yōu)化算法.實驗結(jié)果表明, 粒子群優(yōu)化算法可在不降低定位精度的條件下更快地定位發(fā)射源.

設(shè)每個粒子對應(yīng)模擬發(fā)射點, 最終求得的最優(yōu)粒子即為最優(yōu)模擬發(fā)射點.本文的粒子群定位算法步驟如下:

1)初始化粒子群, 每個粒子的信息包括粒子坐標(biāo)、 粒子速度、 粒子適應(yīng)度和最優(yōu)粒子的適應(yīng)度;

2)初始化每個粒子, 粒子坐標(biāo)為定位范圍內(nèi)的隨機(jī)值, 粒子速度為0～1內(nèi)的隨機(jī)值, 粒子適應(yīng)度為+∞, 初始化最優(yōu)粒子, 與正常粒子初始化相同;

3)迭代更新粒子群;

4)遍歷每個粒子, 設(shè)當(dāng)前粒子為par, 更新par;

5)par根據(jù)坐標(biāo)和速度更新坐標(biāo);

6)加速因子設(shè)為0～1的隨機(jī)值, 根據(jù)加速因子和par與最優(yōu)粒子的距離更新par的粒子速度;

7)利用ComputedFit算法更新par的粒子適應(yīng)度；

8)比較par的粒子適應(yīng)度與par的最優(yōu)適應(yīng)度, 如果比最優(yōu)適應(yīng)度小, 則更新par的最優(yōu)適應(yīng)度；

9)比較par的最優(yōu)適應(yīng)度與最優(yōu)粒子的適應(yīng)度, 如果比最優(yōu)粒子的適應(yīng)度小, 則更新最優(yōu)粒子的適應(yīng)度;

10)未達(dá)到最大迭代次數(shù), 則轉(zhuǎn)步驟4);

11)返回最優(yōu)粒子.

其中ComputedFit算法表示對每個粒子求適應(yīng)度, 是求模擬發(fā)射源與真實發(fā)射源的誤差E的過程.計算步驟如下:

1)接收到的參數(shù)為一個粒子, 設(shè)為par;

2)判斷par的經(jīng)緯度是否超出實測范圍, 若超出, 則返回∞; 否則轉(zhuǎn)步驟3);

3)獲得最大功率值接收點附近的20個接收點序列, 設(shè)為maxlist, 每個接收點包括功率值和坐標(biāo)值;

4)根據(jù)maxlist可分成10組點, 每組包括2個接收點;

5)每組點根據(jù)式(6)可求得的值設(shè)為K;

6)每組點根據(jù)式(7)可求得的值設(shè)為k;

7)對10組K值求平均值, 設(shè)為K_m, 對10組k值求平均值, 設(shè)為k_m;

8)遍歷每個真實接收點, 當(dāng)前真實接收點設(shè)為par_real;

9)利用par的坐標(biāo)、 par_real的坐標(biāo)以及K_m和k_m, 由式(4)可求得預(yù)測值, 設(shè)為Pr；

10)對Pr和par_real的真實功率值(設(shè)為Ps)做差平方得到par_real的誤差值;

11)對每個真實接收點都可以求得一個誤差值;

12)最后求得誤差值之和為適應(yīng)度, 返回適應(yīng)度.

3 實驗與分析

圖1 測試數(shù)據(jù)路線

本文采用的數(shù)據(jù)為車載監(jiān)測設(shè)備在吉林省長春市內(nèi)某區(qū)域行駛過程接收到的實際功率值, 所有頻率的數(shù)據(jù)量大小為1.09 GB, 實驗過程中提取了若干組常用頻率的數(shù)據(jù).以92.7 MHz頻率數(shù)據(jù)為例, 測試數(shù)據(jù)的路線如圖1所示.

表1為利用本文方法對若干組常用頻率數(shù)據(jù)定位的發(fā)射源與真實發(fā)射源的誤差.由表1可見, 在東西相差8.83 km, 南北相差10.02 km的范圍內(nèi), 定位的誤差值均在0.4 km內(nèi), 最小誤差值約可達(dá)0.11 km.由誤差值可見, 本文方法是有效的, 且對比成本方面, 傳統(tǒng)方法需建造多個固定基站和測向設(shè)備, 造價很高, 而本文方法只需要利用移動車輛在定位范圍內(nèi)使用接收功率值的設(shè)備行駛一圈即可, 表明本文方法較傳統(tǒng)方法成本低, 更實用.

表1 若干組頻率數(shù)據(jù)定位的發(fā)射源與真實發(fā)射源誤差

綜上所述, 本文提出了一種基于自適應(yīng)Hata模型的無線電發(fā)射源定位方法.首先, 利用大數(shù)據(jù)改造傳統(tǒng)Hata模型, 得到自適應(yīng)Hata模型后再定位；其次, 定位過程中使用了粒子群優(yōu)化算法, 可在不降低精確度的條件下更快地求解.實驗結(jié)果表明, 該方法可有效定位發(fā)射源, 且節(jié)省了固定基站和測向設(shè)備的開銷, 利用車載監(jiān)測設(shè)備上傳的數(shù)據(jù)即可計算無線電發(fā)射源的位置.