基于支持向量机的无线异构网络移动用户位置预测方法
【专利摘要】基于支持向量机的无线异构网络移动用户位置预测方法，涉及无线异构网络领域，它是为了适应无线异构网络移动用户位置预测的需求。本发明提出一种基于支持向量机(SVM)的异构网络环境中移动用户的位置预测方法，来解决异构网络环境中移动用户的位置预测问题。本发明提出目标区域的概念，根据用户所在位置不同，自适应的调整位置预测方法。根据用户所在区域不同，应用不同的位置预测方法，这样既能够保证预测精度，又能够在一定程度上降低整体方法复杂度，减少预测开销，节省资源。本发明适用于无线异构网络移动用户位置预测。
【专利说明】基于支持向量机的无线异构网络移动用户位置预测方法
【技术领域】
[0001]本发明涉及无线异构网络领域，具体涉及一种无线异构网络移动用户位置预测方法。
【背景技术】
[0002]未来的无线异构网络网络结构复杂，业务种类繁多，不同用户对服务也各有要求不同。因此无线异构网络的各种关键技术，如接入控制技术、切换技术、用户移动性管理以及网络资源分配将面临比单一无线网络更为艰巨的挑战。移动用户位置预测机制能够很好的支持无线异构网络中关键技术，提高其性能，更是切换技术以及移动性管理技术重要的组成部分。
[0003]具体的，如果能够对用户的移动路径进行比较准确的预测，那么一方面可以基于预测信息，提前与预测小区进行用户所需的资源预留协商，预定用户实际进入预测小区后所需的资源，避免用户实际到达预测小区后由于小区中的资源不够而造成QoS受到损害的情况发生；另一方面可以基于预测信息，为用户在预测小区中实现预切换，部分完成移动切换的工作，从而减少在实际切换时所需的工作量，达到减小切换延迟的目的。这两方面的工作都能够较大地减小由于切换带来的服务质量的降低。因此，精度较高的移动路径预测对于改善无线网络的QoS能够起到比较显著的作用。移动路径预测的作用还并不局限于此，它在无线网络的流量控制、接纳控制、减少无线网络系统中的能量消耗和改进AdHoc网络的组播协议方面也都起到了非常重要的作用。
【发明内容】
[0004]本发明是为了适应无线异构网络移动用户位置预测的需求，从而提供一种基于支持向量机的无线异构网络移动用户位置预测方法。
[0005]基于支持向量机的无线异构网络移动用户位置预测方法，它由以下步骤实现:
[0006]步骤一、搭建异构网络拓扑结构，具体为:
[0007]在一个六边形3G子网络内，搭建5个互相不重叠的WLAN子网络；
[0008]步骤二、定义预测网络模型；
[0009]在各个WLAN在网络外侧分别划定半径为R的环形区域；且有:
[0010]R-r=Tc*V
[0011]其中:Tc是观察时隙，即:每隔Tc时间观察一次用户位置，并进行一次预测；V是用户运动的最大速度；r是每个WLAN子网络半径；
[0012]设定5个WLAN子网络区域及其与所在的半径为R的环形区域之间的区域为目标区域；5个WLAN子网络区域分别设定为TRl区域至TR5区域，5个WLAN子网络区域与其所在的半径为R的环形区域之间由3G单独覆盖，设定为TR6区域；
[0013]步骤三、对无线异 构网络移动用户的位置样本进行采集，具体为:
[0014]选取η 个样本(I11C1),…，(ln, Cn)；[0015]其中，Ii是第i个用户的位置坐标向量，且Ii=(XiJi) ;Ci是下一时刻观测到的用户所在的目标区域类别，Ci e (TR1，...，TR6) ;i=l、2、...、n;
[0016]步骤四、对步骤三获得的各个位置样本Ii进行归一化处理，将各个位置样本Ii归一化到区间[-1，+1]，即:lip e {+1,-1}；
[0017]步骤五、将归一化处理之后η个样本数据集扩展为m=6*n的扩展样本集(l1` , C1'),..., (l，m，c，m);此时，c/ E {+1,-1} ;m 为正整数；
[0018]步骤六、对预测分类函数进行训练，具体为:
[0019]选定核函数K (V，I’如下:
【权利要求】
1.基于支持向量机的无线异构网络移动用户位置预测方法，其特征是:它由以下步骤实现: 步骤一、搭建异构网络拓扑结构，具体为: 在一个六边形3G子网络内，搭建5个互相不重叠的WLAN子网络； 步骤二、定义预测网络模型； 在各个WLAN在网络外侧分别划定半径为R的环形区域；且有:
R-r=Tc*V 其中:Tc是观察时隙，即:每隔Tc时间观察一次用户位置，并进行一次预测；V是用户运动的最大速度是每个WLAN子网络半径； 设定5个WLAN子网络区域及其与所在的半径为R的环形区域之间的区域为目标区域；5个WLAN子网络区域分别设定为TRl区域至TR5区域，5个WLAN子网络区域与其所在的半径为R的环形区域之间由3G单独覆盖，设定为TR6区域； 步骤三、对无线异构网络移动用户的位置样本进行采集，具体为:
选取 η 个样本(I11C1),..., (ln, cn)； 其中，Ii是第i个用户的位置坐标向量，且Ii=O^yi) ;Ci是下一时刻观测到的用户所在的目标区域类别，CiG (TR1，...，TR6) ;i=l、2、...、n; 步骤四、对步骤三获得的各个位置样本Ii进行归一化处理，将各个位置样本Ii归一化到区间[_1，+1]，即:lip e {+I, _1}; 步骤五、将归一化处理之后η个样本数据集扩展为m=6*n的扩展样本集(I/，c/ )，…，(l，m，c，m);此时，c/ E {+1,-1} ;m 为正整数； 步骤六、对预测分类函数进行训练，具体为: 选定核函数K (I’i，I‘j）如下:
2.根据权利要求1所述的基于支持向量机的无线异构网络移动用户位置预测方法，其特征在于步骤四中，对步骤三获得的各个位置样本进行归一化处理，将各个位置样本Ci’归一化到区间[_1，+1]的方法是通过公式:
lip=2* (I1-1min)/ (Imax-1min)-1 实现的； 其中山是Xi或者1，Ifflax是数据序列中的最大值，Ifflin是数据序列中的最小值；对每一个采集到的特征向量Ii复制6次，再用长度为6的构建向量h对各个特征向量进行扩充:
3.根据权利要求1所述的基于支持向量机的无线异构网络移动用户位置预测方法，其特征在于步骤六中将无线异构网络移动用户的数据输入步骤五获得的位置预测器模型，获得无线异构网络移动用户的位置预测结果，具体为: 若用户处在目标区域范围外，则直接预测用户下一时刻仍处在3G小区内，等待Tc时间再次观测用户位置，并作为无线异构网络移动用户的位置预测结果； 若用户处在目标区域范围内，则选取新的用户位置样本特征向量1，对其进行扩展处理，即:
4.根据权利要求1所述的基于支持向量机的无线异构网络移动用户位置预测方法，其特征在于3G子网络的覆盖半径为1000m，各WLAN子网络的覆盖半径r为75m。
【文档编号】H04W64/00GK103533648SQ201310507337
【公开日】2014年1月22日 申请日期:2013年10月24日 优先权日:2013年10月24日
【发明者】徐玉滨, 陈佳美, 马琳, 崔扬, 刘宁庆 申请人:哈尔滨工业大学