一種網(wǎng)絡信號強度檢測及融合方法
【技術領域】
[0001] 本發(fā)明設及無線通訊，尤其設及一種基于眾包和貝葉斯一致性估計的網(wǎng)絡信號強 度檢測及融合方法。
【背景技術】
[0002] 隨著信息技術的高度發(fā)展，人們對于網(wǎng)絡的依賴程度正日益提高，通過檢測某一 位置的2G、3G、4GW及無線等網(wǎng)絡信號強度，可W建立精確的信號地圖，為智能終端實現(xiàn)網(wǎng) 絡切換、選擇最優(yōu)網(wǎng)絡模式提供依據(jù)，同時也能為各網(wǎng)絡服務運營商提供重要的數(shù)據(jù)支撐。
[0003] 近年來，收集大量信息比較普遍的方法是利用無線傳感器網(wǎng)絡，它通過網(wǎng)絡中隨 機分布的大量節(jié)點收集信息，并返回給所在區(qū)域供查詢用戶進行分析和處理。而關于信號 地圖，根據(jù)對相關技術的檢索發(fā)現(xiàn)，化enSignalMaps提供An化Oid客戶端W眾包的形式進 行數(shù)據(jù)采集，大量的Amlroid用戶安裝化enSignal應用后，程序即開始收集附近的基站 ID、信號強度等信息并上傳到化enSi即alMaps，化enSi即alMaps匯總用戶上傳的數(shù)據(jù)，在 GoogleMaps上W單個點或者熱點圖的方式顯示出來。根據(jù)檢索發(fā)現(xiàn)，中國專利申請?zhí)枮?CN201410844292,名稱為"基于眾包的位置定位方法、系統(tǒng)及服務器"的專利公開了一種將 眾包運用于位置定位、系統(tǒng)及服務器的方法，W有效降低事件定位的成本。另外，中國專利 申請?zhí)枮镃N201510184200,名稱為"一種面向智能服務引擎的任務眾包方法"的專利公開了 一種在大規(guī)模任務眾包環(huán)境下快速發(fā)現(xiàn)并選擇最優(yōu)服務節(jié)點的方法，W提高任務眾包效率 和合理性。由此可見，眾包運一思想已經(jīng)在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、信息技術等各領域獲得了廣泛 的應用。
[0004] 當大量的數(shù)據(jù)上傳至數(shù)據(jù)庫后，對于數(shù)據(jù)庫中積累的海量數(shù)據(jù)，可W通過數(shù)據(jù)融 合將運些數(shù)據(jù)在空間和時間上的互補與冗余信息依據(jù)某種優(yōu)化準則或算法組合來產(chǎn)生對 觀測對象的一致性解釋和描述，從而導出更多的有效信息。根據(jù)對數(shù)據(jù)融合方法綜述的檢 索，現(xiàn)有的多傳感器數(shù)據(jù)融合方法可分為3個層次：像素級融合、特征級融合、決策級融合。
[0005] 經(jīng)對現(xiàn)有文獻的檢索，中國專利申請?zhí)枮镃N201010139821，名稱為"一種基于移動 匯聚節(jié)點的無線傳感器網(wǎng)絡數(shù)據(jù)收集方法"的專利公開了一種使用移動匯聚節(jié)點收集無線 傳感器網(wǎng)絡數(shù)據(jù)的方法，該方法可W減少數(shù)據(jù)收集過程中傳感器網(wǎng)絡的能量開銷，從而延 長傳感器網(wǎng)絡的壽命。類似地，中國專利申請?zhí)枮镃N201410004551，名稱為"基于無線傳感 器網(wǎng)絡的被動定位及追蹤方法"的專利公開了一種在無線傳感器網(wǎng)絡中采集信息的方法， 該方法利用多個節(jié)點間的信息傳輸并對信息做初步處理后上傳至上位機進行進一步處理。
[0006] 現(xiàn)有的多傳感器數(shù)據(jù)融合方法可分為3個層次：像素級融合、特征級融合、決策級 融合。像素級融合是最底層次的信息融合，在運種方法中，匹配的傳感器數(shù)據(jù)直接融合，而 后對融合的數(shù)據(jù)進行特征提取和特征說明。但運種融合方式的數(shù)據(jù)處理量大，不可用于精 度要求較高的場合。目前，像素級融合常用的方法有：加權平均法、小波變換融合法、金字 塔融合法等。特征級融合屬于中間層次的信息融合，是指從各個傳感器提供的原始數(shù)據(jù)中 進行特征提取，產(chǎn)生特征矢量，然后融合運些特征矢量，并做出基于聯(lián)合特征矢量的屬性說 明，因此在融合前必須實現(xiàn)一定的信息壓縮，才能有利于實時處理。目前，特征級數(shù)據(jù)融合 的主要方法有：聚類分析方法、D-S證據(jù)推理方法、信息賭方法、神經(jīng)網(wǎng)絡方法等。決策級融 合是最高層次的信息融合，指在融合之前，各傳感器數(shù)據(jù)源都經(jīng)過變換并獲得獨立的身份 估計，信息根據(jù)一定準則和決策的可信度對各自傳感器的屬性決策結果進行融合，最終得 到整體一致的決策。目前，常用的決策級數(shù)據(jù)融合的主要方法有：貝葉斯估計法、模糊聚類 法、專家系統(tǒng)等。
[0007] 現(xiàn)有技術缺點有：1)在大多數(shù)情況下，傳感器節(jié)點的能量和資源有限，當信息收 集的范圍很大時，所需傳感器數(shù)量會相應增多，使得傳感器的成本和能耗也隨之增大，也決 定了使用無線傳感器網(wǎng)絡來進行信號強度收集建立信號地圖的方法不可行；2)就決策級 融合而言，在缺乏一定的準則和決策方法時往往難W處理，迫切需要開發(fā)一種新的一致性 估計算法與傳統(tǒng)的多傳感器數(shù)據(jù)融合方法相結合來進行有效的一致性估計。因此，本領域 的技術人員致力于開發(fā)一種基于眾包和貝葉斯一致性估計的網(wǎng)絡信號強度檢測及融合方 法。
【發(fā)明內(nèi)容】
[0008] 有鑒于現(xiàn)有技術的上述缺陷，本發(fā)明所要解決的技術問題尋找一種取代傳感器網(wǎng) 絡檢測大量網(wǎng)絡信號的方法，從而節(jié)省成本，且無需消耗能量；尋找一種數(shù)據(jù)融合方法，可 W針對大量的數(shù)據(jù)進行有效的一致性估計，保證信息丟失最少的同時得到最優(yōu)的信號強度 估計。
[0009] 為實現(xiàn)上述目的，本發(fā)明提供了一種網(wǎng)絡信號強度檢測及融合方法，改方法基于 眾包和貝葉斯一致性估計，包括W下步驟：
[0010] 步驟100:利用智能手機終端檢測各地點的網(wǎng)絡信號強度，并通過蜂窩網(wǎng)或無線 網(wǎng)絡將數(shù)據(jù)上傳至數(shù)據(jù)庫，其中采集到的數(shù)據(jù)包含W下信息：檢測到的網(wǎng)絡類型，檢測的時 間段T，檢測的位置P及關于無線信號強度的數(shù)據(jù)S;
[0011] 步驟200 :根據(jù)分類準則對W上數(shù)據(jù)進行篩選及分類；
[0012] 步驟300 :分別對每一類數(shù)據(jù)進行融合，獲得某位置某時間段某種網(wǎng)絡的信號強 度；
[0013] 步驟400:融合結果的顯示及輸出，使用戶得到某位置某時間段某種網(wǎng)絡的信號 強度，并在地圖上W不同顏色標注該種網(wǎng)絡的信號強度范圍，更新顯示不同時間段的信號 強度。
[0014] 進一步地，所述步驟200包括W下步驟：
[0015] 步驟210:將待檢測區(qū)域地圖劃分為大小相同的網(wǎng)格狀，每一格內(nèi)代表同一個位 置，將同一位置同一時間段的數(shù)據(jù)歸為同一類；
[0016] 步驟220 :根據(jù)網(wǎng)絡的種類對同一類數(shù)據(jù)繼續(xù)進行分類，得到2G、3G、4G、WiFi等不 同網(wǎng)絡信號；
[0017] 步驟230 :計算每一類數(shù)據(jù)的平均值與方差，若某個數(shù)據(jù)與平均值差的平方大于 方差，則刪除該數(shù)據(jù)。
[0018] 進一步地，其特征在于，所述步驟300包括W下步驟：
[0019] 步驟310 :針對某一類數(shù)據(jù)，所述數(shù)據(jù)對應某位置某時間段某種網(wǎng)絡由不同智能 終端測得的信號強度，設置時間段k的前一時間段k-1第j個智能終端測得的信號強度概 率密度函數(shù)巧1=乂,批_1);
[0020] 步驟320 :利用步驟310的結果及貝葉斯估計方法局部估計第j個智能終端在k時 間段測得的該網(wǎng)絡在該位置信號強度的先驗概率密度函數(shù)
[0021]如(X'r ) = JV/O-J義./一)妃(?一I)如Ow ); Z:
[0022] 步驟330 :利用步驟320的結果及最新檢采集到的經(jīng)篩選分類后的數(shù)據(jù)，計算第j 個智能終端在k時間段測得的該網(wǎng)絡在該位置信號強度的后驗概率密度函數(shù)
[0024] 其中詩為第k時間段第j個智能終端的測量數(shù)據(jù)；
[00對步驟340 :設置一致性階段的循環(huán)周期ni。。。=n，其中n為智能終端個數(shù)；設置每 個智能終端與云計算中屯、傳輸通路的權重0/，且二i;
[00%] 步驟350 :進入一致性階段，檢查循環(huán)迭代次數(shù)V是否等于1，若是，則將步驟330 所得結果設為初始值巧。=巧若不是則進入下一步；
[0027]步驟360 :計算每個智能終端上的后驗概率密度函數(shù)經(jīng)信號通路傳輸至云計算中 屯、后，在云計算中屯、利用對數(shù)意見池得到的新概率密度函數(shù)
[0029] 步驟370 :重復步驟350至360,當執(zhí)行完ni。。。個迭代次數(shù)后將最后一次執(zhí)行的結 果作為最終結果巧=巧。,。。"。
[0030] 本發(fā)明的目的在于克服現(xiàn)有技術存在的上述不足，提供一種基于眾包和貝葉斯一 致性估計的無線信號強度檢測及融合方法。本發(fā)明通過模塊化設計，實現(xiàn)將某時間段內(nèi)在 某區(qū)域由眾包方式檢測到的無線信號強度通過蜂窩網(wǎng)或無線網(wǎng)傳輸至云計算中屯、，并利用 貝葉斯一致性估計方法對檢測到的信號強度數(shù)據(jù)進行融合，得到最優(yōu)估計。該系統(tǒng)一方面 取代了普遍的利用無線傳感器網(wǎng)絡進行信號檢測的方法，節(jié)省了安裝大量傳感器的成本， 且無需消耗能量；另一方面基于貝葉斯估計運一經(jīng)典的統(tǒng)計方法，結合本系統(tǒng)實際應用情 況，設計一致性估計算法從而得到最優(yōu)的信號強度估計。
[0031] 本發(fā)明提供一種基于眾包和貝葉斯一致性估計的無線信號強度檢測及融合方法， 其特征在于，設有大量眾包的智能終端和云計算中屯、。其中，本發(fā)明所述智能終端即為無線 信號強度檢測及傳輸模塊；本發(fā)明所述云計算中屯、包括數(shù)據(jù)分類及篩選模塊，數(shù)據(jù)融合模 塊，及融合后結果的顯示及輸出模塊。其中，本發(fā)明所述數(shù)據(jù)融合模塊包括貝葉斯估計及一 致性估計模塊。
[0032] 如上所述的基于眾包和貝葉斯一致性估計的無線信號強度檢測及融合方法，其包 括W下步驟：
[0033] 步驟100 :利用智能手機終端檢測各地點的網(wǎng)絡信號強度，并通過蜂窩網(wǎng)或無線 網(wǎng)絡將數(shù)據(jù)上傳至數(shù)據(jù)庫，其中采集到的數(shù)據(jù)包含W下信息：檢測到的網(wǎng)絡類型，檢測的時 間段T，檢測的位置P及關于無線信號強度的數(shù)據(jù)S;
[0034] 步驟200 :根據(jù)事先確定的分類準則對W上數(shù)據(jù)進行篩選及分類；
[0035] 步驟300 :分別對每一類數(shù)據(jù)進行融合，獲得某位置某時間段某種網(wǎng)絡的信號強 度；
[0036] 步驟400:融合結果的顯示及輸出，使用戶得到某位置某時間段某種網(wǎng)絡的信號 強度，并在地圖上W不同顏色標注該種網(wǎng)絡的信號強度范圍，更新顯示不同時間段的信號 強度。
[0037] 如上所述的基于眾包和貝葉斯一致性估計的無線信號強度檢測及融合方法，其 中，所述步驟200包括W下步驟：
[0038] 步驟210:將待檢測區(qū)域地圖劃分為大小相同的網(wǎng)格狀，每一格內(nèi)代表同一個位 置，將同一位置同一時間段的數(shù)據(jù)歸為同一類；
[0039] 步驟220 :根據(jù)網(wǎng)絡的種類對同一類數(shù)據(jù)繼續(xù)進行分類，得到2G、3G、4G、WiFi等不 同網(wǎng)絡信號；
[0040] 步驟230 :計算每一類數(shù)據(jù)的平均值與方差，若某個數(shù)據(jù)與平均值差的平方大于 方差，則刪除該數(shù)據(jù)。
[0041] 如上所述的基于眾包和貝葉斯一致性估計的無線信號強度檢測及融合方法，其 中，所述步驟300包括W下步驟：
[0042] 步驟310 :針對某一類數(shù)據(jù)（對應某位置某時間段某種網(wǎng)絡由不同智能終端測得 的信號強度），設置時間段k的前一時間段k-1第j個智能終端測得的信號強度概率密度函 數(shù)
[0043] 巧-I=知'-1片'-1);
[0044] 步驟320 :利用步驟310的結果及貝葉斯估計方法局部估計第j個智能終端在k時 間段測得的該網(wǎng)絡在該位置信號強度的先驗概