随着基于位置服务(Location Based Services,LBS)的发展与智能移动设备的普及,室内定位算法与系统受到了广泛研究与关注。为提高室内定位精度、增强系统鲁棒性,提出了基于多边限定的fingerprint定位方法。基于Wi-Fi RSSI(Received Signal Strength Indication)信号处理建立离线fingerprint数据库;通过对拟合距离-RSSI函数分析,提出了多边限定的方法确定一个最佳参考点(Reference Point,RP)集合,缩小在线定位阶段的搜索范围。在此基础上,再利用fingerprint定位方法进行定位。此外,实现了基于提出方法的室内定位系统原型用于算法性能评估。通过大量真实场景实验分析、验证了相较于传统fingerprint方法,基于多边限定的fingerprint定位方法能有效提高室内定位精度,增强系统鲁棒性。
针对车载边缘计算环境中,边缘节点在为不同数据传输任务分配信道时产生的同信道干扰(Co-Channel Interferences,CCI)问题,本文形式化定义了车载边缘计算信道分配问题,致力于为不同数据传输任务合理分配信道,最大化数据传输任务的完成率.利用势博弈模型将全局优化的信道分配问题转化为边缘节点间的分布式信道分配博弈,并证明了信道分配博弈中纳什均衡的存在性.提出了基于激励的概率更新策略选择(Incentive-based Probability Update and Strategy Selection)算法,根据迭代中所选策略的激励值更新策略选择概率,并分析算法结果收敛至纳什均衡.最后,通过仿真实验验证了本文算法的收敛性以及收敛结果纳什均衡的有效性,且在任务完成率及信道利用效率上优于现有代表性算法.
