一种基于支持向量机的位置指纹定位方法
【专利摘要】本发明公开了一种基于支持向量机的位置指纹定位方法,属于移动通信邻域的无线业务支撑领域。所述方法主要包括离线训练和在线定位两个阶段,离线训练阶段。离线训练阶段通过设置样本点,对样本点采集路测数据,通过对路测数据采用基于支持向量机算法进行训练得到定位模型。在线定位阶段获取待定位移动终端的数据后,通过定位模型实现快速定位。采用本发明所述的方法,能够有效降低在线定位阶段的定位复杂度,减小定位时延。
【专利说明】一种基于支持向量机的位置指纹定位方法
【技术领域】
[0001] 本发明涉及移动通信邻域的无线业务支撑领域,具体涉及一种基于支持向量机的 位置指纹定位方法。
【背景技术】
[0002] 随着无线通信的发展,无线定位技术被越来越多的人所关注。现有比较热门的定 位技术有以下几种,到达时间(ToA),到达时间差(TDOA),到达角(AOA),全球定位(GPS),位 置指纹定位(LFP)。这几种定位方法各有其优缺点,然而,随着移动互联网的发展,3G手机 的普及和4G手机的推广,高精度的定位方法无意是未来移动定位技术的关键需求。以上几 种的定位方法中,指纹定位方法定位精度最高,在样本足够密集的时候定位误差可以低于 100米,然而指纹定位方法一个缺点就是计算复杂度很高,对每一个定位点,都需要大量的 样本比对和计算,运算速度较低,且对硬件环境要求较高,成为实际应用推广的瓶颈。
[0003]目前常用的指纹定位方法主要有最近邻算法(Neares t Neighborhood,NN),神经 网络算法、支持向量机算法(Support Vector Machine,SVM)等,虽然算法本身各有区别, 但是基本上都分为两个阶段:首先,离线训练阶段,将海量的样本数据训练成定位模型;第 二,在线定位阶段,对于实时的待定位的测量报告,通过和定位模型中的海量样本数据逐一 比对,得到最终的定位结果。
[0004] 现有指纹定位方法存在以下问题:
[0005] 1.需要对所有的历史数据集进行全局搜索,计算开销大,速度慢,难以满足海量用 户数据实时定位处理的需要。
[0006] 2.支持向量机中的核函数多数使用高斯(径向基)核函数或是多阶的多项式核函 数,导致分类决策函数的计算复杂度过高。
[0007] 3.目前支持向量机方法中的分类判决采取的策略是遍历所有不同的两两分类组 合,导致分类判决的计算复杂度极高。
[0008] 4.没有运用多线程技术进行加速优化。
[0009] 总的来说,现有的基于支持向量机的定位方法算法复杂度较高,计算速度不能满 足实际需要求。
【发明内容】
[0010] 针对现有技术中存在的缺陷,本发明的目的在于提供一种基于支持向量机的位置 指纹定位方法,实现对待定位移动终端的快速定位。
[0011] 为实现上述目的,本发明采用的技术方案为:一种基于支持向量机的位置指纹定 位方法,包括以下步骤:
[0012] (1)离线训练阶段;所述离线训练阶段包括:
[0013] (1-1)将移动网络覆盖区域进行网格划分,划分成n个网格区域,每个网格区域对 应相应的位置编号;其中,n多2 ;
[0014] (1-2)在移动网络覆盖区域中确定样本点位置,获取各样本点的测量报告数据; 所述测量报告数据中包括样本点接收到的来自各扇区的接收电平RSS ;
[0015] (1-3)根据样本点的位置信息,将所述测量报告数据划分到对应的网格区域,将所 述测量报告数据划分为n类数据;
[0016] (1-4)将每个网格区域的位置编号以及与其对应的一类数据作为训练样本数据, 遍历n类训练样本数据中所有的两两组合,并对所有两两组合的两类训练样本数据采用基 于一阶多项式核函数的两分类支持向量算法进行训练,得到n(n-l)/2个两分类决策函数, 将得到的n(n-l)/2个两分类决策函数存储,作为定位模型;
[0017] (2)在线定位阶段;所述在线定位阶段包括:
[0018] 获取待定位移动终端的测量报告数据;
[0019] 遍历所述n(n-l)/2个两分类决策函数,将待定位移动终端的测量报告数据分别 代入每个两分类决策函数,定位出待定位移动终端所在的网格区域,将定位出的网格区域 的中心经炜度确定为待定位移动终端的位置。
[0020] 可选的,如上所述的一种基于支持向量机的位置指纹定位方法,步骤(1-4)中,对 两类训练样本数据采用基于一阶多项式核函数的两分类支持向量算法进行训练,得到两分 类决策函数并存储,包括:
[0021] 对于所述两类训练样本数据,计算每类训练样本数据所对应的网格区域接收到的 来自每个扇区的平均接收电平,得到两类新的训练样本数据;来自某个扇区的平均接收电 平是指网格区域所包含的所有样本点接收到的来自该扇区的接收电平的平均值;
[0022] 采用一阶多项式核函数将所述两类新的训练样本数据映射到高维空间,采用两分 类支持向量算法对映射到高维空间的两类新的训练样本数据进行训练,得到一个两分类决 策函数,两分类决策函数的表达式为:
[0023] 两分类决策函数.
【权利要求】
1. 一种基于支持向量机的位置指纹定位方法,包括以下步骤: (1) 离线训练阶段;所述离线训练阶段包括: (1-1)将移动网络覆盖区域进行网格划分,划分成η个网格区域,每个网格区域对应相 应的位置编号;其中,η多2 ; (1-2)在移动网络覆盖区域中确定样本点位置,获取各样本点的测量报告数据;所述 测量报告数据中包括样本点接收到的来自各扇区的接收电平; (1-3)根据样本点的位置信息,将所述测量报告数据划分到对应的网格区域,将所述测 量报告数据划分为η类数据; (1-4)将每个网格区域的位置编号以及与其对应的一类数据作为训练样本数据,遍历η类训练样本数据中所有的两两组合,并对所有两两组合的两类训练样本数据采用基于一 阶多项式核函数的两分类支持向量算法进行训练,得到η(η-1)/2个两分类决策函数,将得 到的η(η-1)/2个两分类决策函数存储,作为定位模型; (2) 在线定位阶段;所述在线定位阶段包括: 获取待定位移动终端的测量报告数据; 遍历所述η(η-1)/2个两分类决策函数,将待定位移动终端的测量报告数据分别代入 每个两分类决策函数,定位出待定位移动终端所在的网格区域,将定位出的网格区域的中 心经炜度确定为待定位移动终端的位置。
2. 根据权利要求1所述的一种基于支持向量机的位置指纹定位方法,其特征在于,步 骤(1-4)中,对两类训练样本数据采用基于一阶多项式核函数的两分类支持向量算法进行 训练,得到两分类决策函数并存储,包括: 对于所述两类训练样本数据,计算每类训练样本数据所对应的网格区域接收到的来自 每个扇区的平均接收电平,得到两类新的训练样本数据;来自某个扇区的平均接收电平是 指网格区域所包含的所有样本点接收到的来自该扇区的接收电平的平均值; 采用一阶多项式核函数将所述两类新的训练样本数据映射到高维空间,采用两分类支 持向量算法对映射到高维空间的两类新的训练样本数据进行训练,得到一个两分类决策函 数,两分类决策函数的表达式为: 两分类决策函数?
其中,sgn□是符号函数,1表示新的训练样本数据中涉及到的扇区的个数,Xi表示新 的训练样本数据所对应的网格区域接收到的来自第i个扇区的平均接收电平,为待定位移 动终端的测量报告数据中所接收到的来自各个扇区的平均接收电平,XiX表示\与1的向量 内积,Yi为新的训练样本数据中所涉及到的扇区的分类标识,f(X)为X的分类判断标识,根 据f(x)判断待定位移动终端的测量报告数据属于两类新的训练样本数据中的哪一类,Qi 和b为修正系数,为经验值; 将所述两分类函数进行转换并存储,包括:将两两分类决策函数转换为: f (X) =sgn[βx+b'] 其中,
将转换后的两分类决策函数及每个决策函数对应的β和b'以文件的形式进行存储, 作为定位模型。
3. 根据权利要求2所述的一种基于支持向量机的位置指纹定位方法,其特征在于,步 骤(2)中,所述定位出待定位移动终端所在的网格区域,包括: (2-1)将待定位移动终端的测量报告数据按照其通话ID和时间戳分为若干段,得到每 段中所包含的测量报告数据中所接收到的来自各个扇区的平均接收电平,包括: 假设属于某一通话ID的测量报告数据有m条,将m条测量报告数据按照时间戳由小到 大排列,并标记为1,2, ···,!!!; 设定分段时间间隔h,假设h的时间间隔内对应着!^条测量报告数据,则将排列好的 测量报告数据按照Hi1进行分割,m条测量报告数据共分割为m/mi段; 统计每段中所有测量报告数据所涉及到的所有不同扇区,计算每段中所有测量报告数 据中所接收到的来自各个扇区的平均接收电平; (2-2)将每段中所包含的测量报告数据中所接收到的来自各个扇区的平均接收电平作 为该段新的测量报告数据,遍历所述η(n-1)/2个两分类决策函数,将所述新的测量报告数 据作为两分类决策函数中的X,代入每一个两分类决策函数进行计算,根据计算出的f(X) 的结果判断出新的测量报告数据在每一个两分类决策函数所对应的两类训练样本数据中 的所属类,并根据判断结果确定出新的测量报告数据的最终所属类; (2-3)将每段的新的测量报告数据的最终所属类所对应的网格区域的中心经炜度作为 该段所对应的时间间隔内待定位移动终端的定位结果。
4. 根据权利要求3所述的一种基于支持向量机的位置指纹定位方法,其特征在于,步 骤(2-2)中,在计算机上开启若干个线程,将HiAi1段中的新的测量报告数据平均在若干个 线程上进行计算。
【文档编号】H04W24/10GK104469932SQ201410670795
【公开日】2015年3月25日 申请日期:2014年11月21日 优先权日:2014年11月21日
【发明者】张光辉, 王广善, 常青 申请人:北京拓明科技有限公司