[发明专利]一种基于支持向量机的超宽带室内定位方法

权利要求书

1.一种基于支持向量机的超宽带室内定位方法，其特征在于，包括

获取待定位区域的TDOA数据，通过基站接收两个信号到达的绝对时间差得出数据；

获取用户位置数据，通过输入TDOA数据得出TDOA数据对应的用户位置；

将采集到的所述TDOA数据和所述用户位置数据预处理，分为第一部分和第二部分；

将所述第一部分和所述第二部分输入向量机，获得坐标数据。

2.如权利要求1所述的基于支持向量机的超宽带室内定位方法，其特征在于，在将所述第一部分和所述第二部分输入向量机，获得坐标数据之前，还包括：

所述第一部分和第二部分的数据集为线性不可分，通过合适的核函数将数据集映射到高维空间，在高维空间中构造线性判别函数。

3.如权利要求2所述的基于支持向量机的超宽带室内定位方法，其特征在于，在所述第一部分和第二部分的数据集为线性不可分，通过合适的核函数将数据集映射到高维空间，在高维空间中构造线性判别函数之后，还包括：

通过函数对输入的训练集样本进行归一化处理，减小大属性值对小属性值的影响。

4.如权利要求3所述的基于支持向量机的超宽带室内定位方法，其特征在于，在通过函数对输入的训练集样本进行归一化处理，减小大属性值对小属性值的影响之后，还包括：

通过网格搜索法遍历所有的c和g参数，计算出所有参数的结果。

5.如权利要求4所述的基于支持向量机的超宽带室内定位方法，其特征在于，在通过网格搜索法遍历所有的c和g参数，计算出所有参数的结果和将所述第一部分和所述第二部分输入向量机，获得坐标数据之间，还包括：

用交叉验证对于训练的结果的正确率进行排序，在遍历所有可能的结果之后得出一个正确率最高的参数组合作为模型的最优参数。

6.如权利要求5所述的基于支持向量机的超宽带室内定位方法，其特征在于，在将所述第一部分和所述第二部分输入向量机，获得坐标数据之后，还包括：

将训练结果输入训练好的支持向量机模型中，得出的结果进行反归一化，得到决定系数R²和均方根误差。

7.如权利要求6所述的基于支持向量机的超宽带室内定位方法，其特征在于，在将训练结果输入训练好的支持向量机模型中，得出的结果进行反归一化，得到决定系数R²和均方根误差之后，还包括：

将得到决定系数R²和均方根误差进行对比判断，比较训练模型的好坏。

8.如权利要求7所述的基于支持向量机的超宽带室内定位方法，其特征在于，在将得到决定系数R²和均方根误差进行对比判断，比较训练模型的好坏之后，还包括：

区域定位时，将采集到的实时TDOA值输入到支持向量机模型当中，即可得出实时的坐标值。

9.如权利要求1所述的基于支持向量机的超宽带室内定位方法，其特征在于，在将采集到的所述TDOA数据和所述用户位置数据预处理，分为第一部分和第二部分中：

所述第一部分的划分比例为四份，所述第二部分的划分比例为一份。

10.如权利要求2所述的基于支持向量机的超宽带室内定位方法，其特征在于，在所述第一部分和第二部分的数据集为线性不可分，通过合适的核函数将数据集映射到高维空间，在高维空间中构造线性判别函数中：

将引入的核函数的输入空间映射至高维空间并将高维空间的运算转化成低维空间的核函数运算，使得计算的工作量大幅度的减少，避免出现维数灾难的情况。