基于支持向量机的救灾移动应急基站选址方法

本发明涉及一种基于支持向量机的救灾移动应急基站选址方法。

背景技术：

在发生山洪、地震、台风等自然灾害时，已有的通信基站会造成不同程度的损毁，这就导致了指挥中心无法通过已有通信手段远程指挥抢险救灾人员有序地展开救援任务。因此，亟需解决应急基站的选址问题，在已有通信设备受损或无法满足性能要求时为受灾区域的人员救援、电力设备抢修等工作提供通信保障。

目前，通信基站的选址方法为，通信运营商在无灾害情景下为满足用户通信需求，利用相应软件找出信号较弱的地区，经过测量后选择出大致的候选基站位置，然后对每个候选点进行现场查看、场强预测、覆盖分析，最后通过反复的局部微调整确定满足要求的站址；也有学者在考虑建站成本、信号覆盖率的前提下，利用免疫算法、遗传算法等启发式算法选择基站的最优位置。但是上述基站选址的方法均应用在正常情景下，对于灾害情景下应急移动基站的选址问题还没有公开的解决方法。

技术实现要素：

本发明的发明目的在于提供基于支持向量机的救灾移动应急基站选址方法，能够获取现场数据采集基站与移动指挥中心基站有效位置，保证现场数据采集基站与移动指挥中心基站之间有效通讯。

实现本发明目的的技术方案：

一种基于支持向量机的救灾移动应急基站选址方法，包括如下步骤：

步骤1：根据受灾区域中心位置，设定现场数据采集基站的选址区域，所述选址区域呈小圆形；根据公共网络区域和网络受损区域的边界位置，设定移动指挥中心基站的选址区域，所述选址区域呈大圆形；

步骤2：给定建筑物标签；基于建筑物位置坐标、标签，利用支持向量机求解超平面，所述超平面为直线；所述直线与所述小圆形的交点位置为现场数据采集基站位置，所述直线与所述大圆形的交点位置为移动指挥中心基站位置；

步骤3：在考虑建筑物宽度的情况下，检验求解出的超平面在几何关系上是否符合要求；如不符合要求，则放弃该超平面解；如果符合要求，则保存该超平面解及对应的现场数据采集基站位置解和移动指挥中心基站位置解；

步骤4：基于保存的现场数据采集基站位置解和移动指挥中心基站位置解，估算基站信号传输过程中的衰减情况；如果现场数据采集基站和移动指挥中心基站之间接收信号符合要求，则输出该现场数据采集基站位置解和移动指挥中心基站位置解作为基站选址位置。

进一步地，步骤2中，利用支持向量机求解超平面通过如下方法实现：

设定惩罚因子c和松弛变量ζ，形成支持向量机的凸二次规划目标函数和约束条件，利用序列最小优化算法对所述凸二次规划目标函数进行求解。

进一步地，步骤2中，所述凸二次规划目标函数如下公式所示，

式中，xi为支持向量，yi为建筑物标签，惩罚因子c。

进一步地，步骤2中，所述凸二次规划约束条件如下公式所示，

式中，ζ为松弛变量；设所述超平面方程为w1x1+w2x2+b＝0，w＝[w1,w2]^τ。

进一步地，步骤2中，通过如下方法给定建筑物标签：

在所述小圆形和大圆形之间划定一个带状区域，对所述带状区域内的s个点，在极坐标下按照角度从小到大排序，对点的标签进行3次赋值；第1次赋值，前s/4个点标签为1，其余为-1；第2次赋值，前2s/4个点标签为1，其余为-1；第3次赋值，前3s/4个点标签为1，其余为-1；每次赋值完后均进行支持向量机的求解，所述求解包括超平面解及超平面解对应的现场数据采集基站位置解、移动指挥中心基站位置解。

进一步地，步骤2还包括：以受灾区域中心位置为圆心，以角度θ0为步长，旋转所述带状区域遍历所述小圆形和大圆形之间区域；每一步旋转角度θ下，均针对所述带状区域进行支持向量机求解，所述求解包括超平面解及超平面解对应的现场数据采集基站位置解、移动指挥中心基站位置解。

进一步地，步骤3中，通过如下方法检验求解出的超平面在几何关系上是否符合要求，

设定建筑物长度和宽度中居大者的值为l，判断超平面附近的点到超平面的距离与l的关系；若距离大于l，则符合要求，否则，不符合要求。

进一步地，步骤1中还包括：获取受灾区域内建筑物位置和高度，根据建筑物高度将建筑物分成3类建筑物集合；

步骤2中还包括：针对一类建筑物集合，利用支持向量机求解超平面；

步骤3中还包括：保存该类建筑物集合下的现场数据采集基站位置解和移动指挥中心基站位置解；

步骤4中还包括：如果所有现场数据采集基站位置解、移动指挥中心基站位置解均不符合要求，则更新建筑物集合类别，返回步骤2。

进一步地，步骤1中，通过如下方法实现根据建筑物高度将建筑物分成3类建筑物集合，

获取受灾区域内建筑物位置xy和高度z，其集合为building，building＝{bu1,bu2,...,bum}，bui＝{xi,yi,zi}，i＝1,2,...,m；

车载的移动基站天线最大高度为h，则分类后的建筑物集合如下式所示：

本发明具有的有益效果：

与现有技术相比，本发明的主要创新点在于，一是现有救灾基站选址的目标是覆盖基站周围区域的用户，本发明将灾区现场和外界建立联系，目标是实现现场数据采集基站和移动指挥中心基站点和点的通信，更有利于快速实现受灾区域通讯。二是本发明通过支持向量机进行计算，并且创新地设置标签分类，有效保证计算的准确性和运算速度。三是通常情况下，对所有建筑物数据进行求解，本发明根据建筑物高度将建筑物分成3类建筑物集合进行求解，有效提升了运算速度。

本发明根据受灾区域中心位置，设定现场数据采集基站的选址区域；根据公共网络区域和网络受损区域的边界位置，设定移动指挥中心基站的选址区域；给定建筑物标签；基于建筑物位置坐标、标签，利用支持向量机求解超平面，所述超平面为直线；在考虑建筑物宽度的情况下，检验求解出的超平面在几何关系上是否符合要求；估算基站信号传输过程中的衰减情况，最终确定现场数据采集基站位置和移动指挥中心基站位置。本发明基于建筑物位置坐标、标签，利用支持向量机求解超平面，经检验几何关系、估算信号衰减情况后最终确定应急基站位置，保证现场数据采集基站与移动指挥中心基站之间有效通讯。本发明弥补了应急救灾情景下移动基站选址方法的空缺，保障了救灾环境下对于通信的需求。本发明利用计算求解就可得到应急基站位置，可以有效节省因现场勘测花费的人力、物力和时间，并为当前研究空缺的救灾中的应急基站选址问题提供方法，有助于灾区人员救援、电力救灾等工作的快速推进。

本发明设定惩罚因子c和松弛变量ζ，形成支持向量机的凸二次规划目标函数和约束条件，利用序列最小优化算法(smo)对所述凸二次规划目标函数进行求解，有效保证利用支持向量机求解超平面的准确性和提高运算速度。

本发明给定建筑物标签的方法为，在所述小圆形和大圆形之间划定一个带状区域，对所述带状区域内的s个点，在极坐标下按照角度从小到大排序，对点的标签进行3次赋值；第1次赋值，前s/4个点标签为1，其余为-1；第2次赋值，前2s/4个点标签为1，其余为-1；第3次赋值，前3s/4个点标签为1，其余为-1。本发明通过上述对建筑物标签的给定方法，进一步保证利用支持向量机求解超平面的准确性和提高运算速度。

本发明以受灾区域中心位置为圆心，以角度θ0为步长，旋转所述带状区域遍历所述小圆形和大圆形之间区域；每一步旋转角度θ下，均针对所述带状区域进行支持向量机求解。本发明通过旋转带状区域遍历整个受灾区域进行求解运算，有效保证利用支持向量机求解超平面的全面性、准确性和提高运算速度。

附图说明

图1是应急基站在局部受灾区域位置的示意图；

图2是应急基站在整体受灾区域位置的示意图；

图3是支持向量机示意图；

图4是本发明动态更新标签示意图；

图5是菲涅尔区示意图；

图6是电磁波传播路径余隙示意图；

图7是多峰绕射示意图；

图8是本发明基于支持向量机的移动应急基站选址方法流程图。

具体实施方式

下面结合附图所示的实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

实施例一：

如图4所示，一种基于支持向量机的救灾移动应急基站选址方法，包括如下步骤：

步骤1：根据受灾区域中心位置，设定现场数据采集基站的选址区域，所述选址区域呈小圆形；根据公共网络区域和网络受损区域的边界位置，设定移动指挥中心基站的选址区域，所述选址区域呈大圆形。

如图1、图2所示，正方形代表受灾区域内高度不一的建筑物；三角形代表应急移动基站，现场数据采集基站(单兵)1和移动指挥中心基站2。通过这两个应急基站完成受灾现场和上级指挥中心的信息交互；单兵携带通信和数据采集设备前往圆形内采集现场受灾数据；单向箭头代表基站信号的传输，双向箭头代表两个基站的信号传输路径，本发明要寻找的就是该信号传输路径对应的应急基站位置。图2中的小圆形是现场数据采集基站的选址区域，大圆形是移动指挥中心基站的选址区域。

通过如下方法将建筑物分成3类建筑物集合，

获取受灾区域内建筑物位置xy和高度z，其集合为building，building＝{bu1,bu2,...,bum}，bui＝{xi,yi,zi}，i＝1,2,...,m；

车载的移动基站天线最大高度为h，则分类后的建筑物集合如下式所示；

步骤2：给定建筑物标签；基于建筑物位置坐标、标签，利用支持向量机求解超平面，所述超平面为直线；所述直线与所述小圆形的交点位置为现场数据采集基站位置，所述直线与所述大圆形的交点位置为移动指挥中心基站位置。

为支持向量机叙述方便，将bui的横纵坐标记为xi＝[xi1,xi2]^τ，则支持向量机中建筑物的训练样本集如下所示，其中y代表支持向量机中建筑物的标签。

在机器学习中，支持向量机是使用分类和回归分析来分析数据的监督学习模型及相关的学习算法，在给定一组训练样本后，每个训练样本被标记为属于两个类别中的一个或另一个，支持向量机的训练算法会创建一个将新的样本分配给两个类别之一的模型。如图3所示，若黑点被赋以标签1，白点被赋以标签-1，则支持向量机会找出一个超平面，本发明所述超平面为直线，即图3中的实直线，使超平面到两类数据的“间隔”最大。其中，虚线穿过的点叫做“支持向量”。

设实直线方程为w1x1+w2x2+b＝0，记w＝[w1,w2]^τ，x＝[x1,x2]^τ，则实直线方程为w^τx+b＝0。支持向量到超平面距离为其中，若实直线能完全正确地对图3中的样本数据正确分类，则式(3)成立。

式(3)左右两边同除以d，可以得到式(4)，其中wd＝w/(||w||d)，bd＝b/(||w||d)。

由于w^τx+b＝0和wd^τx+bd＝0代表同一条直线，所以式(4)可以写作

即

若式(5)中的等号成立，对应的xi为“支持向量”，此时，式(6)成立

支持向量机原来的目标为找到w和b，使间隔d最大，现在目标等效为的最小化问题，加平方和系数是为了后续最优化求导时比较方便，不影响最优化问题最后的解。现在支持向量机的最优化问题的数学描述为式(7)。

后续不等式约束条件下目标函数优化问题、kkt条件以及拉格朗日对偶问题的推导此处不再展开，直接给出推导结果，结果为式(8)。

上述关于支持向量机的描述属于现有技术。

本发明利用支持向量机的目的不在于对给定标签的建筑物完全正确分类，而在于利用支持向量机能够寻找最大间隔超平面的特性，找到一条基站信号可以视距传播的路径；同时，最大间隔对应于基站信号的视距传输路径上左右方向的空间裕度最大，这对实际电磁波信号传输是有利的。

由于本发明目的在于寻找最大间隔，并不要求分类完全正确，即允许有“离群点”的存在，所以引入惩罚因子c和松弛变量ζ，对应于式(7)的最优化问题如式(9)所示。

经过不等式约束条件下目标函数优化问题以及拉格朗日对偶问题推导后的凸二次优化问题为式(10)，kkt条件为式(11)。

对于式(10)和式(11)所示的凸二次规划问题，利用序列最小优化算法(smo算法)对所述凸二次规划目标函数进行求解。

通过如下方法给定建筑物标签，

如图4所示，在所述小圆形和大圆形之间划定一个带状区域，对所述带状区域内的s个点，在极坐标下按照角度从小到大排序，对点的标签进行3次赋值；第1次赋值，前s/4个点标签为1，其余为-1；第2次赋值，前2s/4个点标签为1，其余为-1；第3次赋值，前3s/4个点标签为1，其余为-1；每次赋值完后均进行支持向量机的求解，所述求解包括超平面解及超平面解对应的现场数据采集基站位置解、移动指挥中心基站位置解。

以受灾区域中心位置为圆心，以角度θ0为步长，旋转所述带状区域遍历所述小圆形和大圆形之间区域；每一步旋转角度θ下，均针对所述带状区域进行支持向量机求解，所述求解包括超平面解及超平面解对应的现场数据采集基站位置解、移动指挥中心基站位置解。

步骤3：在考虑建筑物宽度的情况下，检验求解出的超平面在几何关系上是否符合要求；如不符合要求，则放弃该超平面解；如果符合要求，则保存该超平面解及对应的现场数据采集基站位置解和移动指挥中心基站位置解。

通过如下方法检验求解出的超平面在几何关系上是否符合要求，

设定建筑物长度和宽度中居大者的值为l，判断超平面附近的点到超平面的距离与l的关系；若距离大于l，则符合要求，否则，不符合要求。将通过检验的超平面与所述小圆形、大圆形相交，两个交点即为现场数据采集基站位置和移动指挥中心基站。

步骤4：基于保存的现场数据采集基站位置解和移动指挥中心基站位置解，估算基站信号传输过程中的衰减情况；如果现场数据采集基站和移动指挥中心基站之间接收信号符合要求，则输出该现场数据采集基站位置解和移动指挥中心基站位置解作为基站选址位置。

如果所有现场数据采集基站位置解、移动指挥中心基站位置解均不符合要求，则更新建筑物集合类别，返回步骤2。

检验信号的传输距离是否满足要求。用天线的发射功率减去信号在路径上的衰减，得到移动指挥中心基站(t)或现场数据采集基站(r)处的信号强度，依据信号强度值判断r(或t)处能否接收到信号。移动指挥中心基站(t)和现场数据采集基站(r)之间的射束如图5所示，t和r之间的射束可以看成是以t、r为焦点的一系列不同短半轴的椭球体的集合，这个椭球体就是菲涅尔区。由数学关系可知，椭球体表面上任一点p到t、r的距离之和为常数，p到射束轴线tr的垂线称为菲涅尔区半径。

椭球面上的点满足时，称此椭球体包围的区域为第一菲涅尔区，其菲涅尔区半径为f1，第一菲涅尔区是电磁波能量最集中的区域，进入此区域的山峰、建筑物、树木等障碍物，都会对电磁波产生遮挡效应，在第一菲涅尔区以外的物体可以认为对接收点的场强没有影响。

建筑物顶部到收发两端连线的垂直距离h为路径余隙，如图6所示，tr连线高于建筑物顶部时，h为负值，低于建筑物顶部时，h为正值。引入相对余隙电磁波经过单个障碍物时的绕射损耗可用单刃峰模型计算绕射损耗，公式如下，

当收发两点之间有多个障碍物时，可用epstein算法处理。在epstein算法中，绕射损耗的求取过程被分成多个阶段进行，以三个障碍物为例，如图7所示，epstein方法计算多峰绕射损耗的步骤如下，先将发射点t，m1的顶点、m2的顶点看作一个绕射路径，h1为m1相对于t与m2连线的等效高度，用单刃峰模型计算出此路径的绕射损耗l1＝f(d1,d2,h1)；然后将m1、m2、m3看做一个绕射路径，用单刃峰模型计算绕射损耗l2＝f(d2,d3,h2)；同理绕射损耗l3＝f(d3,d4,h3)，总绕射损耗为lk＝l1+l2+l3。除此之外，电磁波的自由空间传播损耗为lf＝32.45+20lgf+20lgd，式中f(mhz)为基站工作频率，d(km)为收发两点间水平距离，则总传输损耗l＝lf+lk，所以接收点信号强度为pr(dbm)＝pt(dbm)-l(db)，式中，

pt(dbm)为天线的发射功率。将接收点信号强度和接收灵敏度作比较，即可判断接收机能否接收到基站信号。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。