[发明专利]一种基于路测数据与机器学习的目标定位方法

权利要求书

1.一种基于路测数据与机器学习的目标定位方法，其特征在于：首先采集目标区域内的基站信令数据建立离线基础数据库；其次，对基础数据进行预处理，过滤冗余数据、噪音数据，统一数据信号强度规格；然后，建立离线模型知识库，也即基于路测数据神经网络模型的训练学习；最后，结合移动终端当前时刻上报的基站数据信息，通过对数据库中数据的筛选，以及神经网络模型的调用，确定当前移动终端的位置信息。

2.根据权利要求1所述的一种基于路测数据与机器学习的目标定位方法，其特征在于：

步骤一：：针对目标定位区域运用专业路测设备进行大量且密集的基站覆盖信息数据采集，作为应用的基础数据；

步骤二：对基础数据进行预处理，包括针对每个数据点主邻区强度信号的归一化处理，保证应用数据的规格统一性，降低数据偏差带来的影响；过滤噪音数据和主区为空的数据，对于同一点位，若某个数据参数值严重偏离大部分的数据情况，严重不符合逻辑，即认为该数据为漂移噪音数据，应该剔除；去除相同数据带来的冗余，冗余数据会严重的干扰匹配算法的准确性和效率

步骤三：建立离线模型知识库，也即基于路测数据的神经网络模型的训练学习。搭建神经网络的主要步骤为：

1)归一化:对样本集进行强度信号归一化；

2)创建BP神经网络；

3)设置并调整网络的训练参数；

4)训练神经网络；

5)训练成功，保存模型参数。