[发明专利]一种基于支持向量机的超宽带室内定位方法

说明书

本发明公开了一种基于支持向量机的超宽带室内定位方法，首先将待定位区域的TDOA值和TDOA值对应的用户位置采集一定的数量，然后将采集到的数据集按照4:1划分为训练集和测试集两部分，之后进行归一化处理之后输入支持向量机中，不断地进行交叉验证选择最佳参数cg，根据交叉验证的平均正确率排序，选择分类正确率最高的参数组合作为模型的最优参数，将得到的最佳参数和训练集输入支持向量机中，即可得到支持向量机模型，在支持向量机模型训练好之后，在解算坐标的过程中只需要将采集到的TDOA值输入训练好的支持向量机模型就可以解算出实时的坐标，结果表明本算法相比于传统定位算法在高密度定位环境下实时性和定位精度要优于传统算法。

技术领域

本发明涉及室内定位领域，尤其涉及一种基于支持向量机的超宽带室内定 位方法。

背景技术

目前超宽带(UWB)通过纳秒至微秒级的非正弦波窄脉冲传输数据，超宽 带的显著特点之一是数据传输速率高，此外超宽带还具有较强的防干扰能力， 传输速率快，系统内存大，穿透性能好，发送功率小等特点，所以UWB技术可 以实现室内定位定位的高精度；

因为TOA主要基于节点间信号传输到达的时间测量，所以TOA在各节点 时间同步的方面的要求是较为严格的，此外因为TOA定位算法进行距离测量时 至少需要基站与移动台之间有三次有用的来回通讯，这也是基站和移动台的功 率损耗大幅度增加的主要原因，因为TDOA的时间同步与已知基站间的时间同 步是一致的，相比较，已知基站间的时间显然比待测目标的同步更为简单，因 此，TDOA应用更加广泛，传统的TDOA定位算法有Chan算法，Fang算法， Taylor算法等，Chan算法在LOS情况下或者TDOA测量误差小的情况下定位精 度高；在NLOS情况下或者信道性能比较差的时候，定位的准确度会大幅下降， 因此影响定位精度的重要因素之一就是非视距误差，Taylor级数展开法是递归算 法的一种，这种方法需要对初始位置进行估计,计算复杂度比较大，初始位置的 估计值对定位精度影响较大，Fang算法只能利用三个基站进行定位，对于其他 基站给出的TDOA测量值并不充分利用，蒋康荣，杨凡凡的仿真结果表明在实 际的UWB定位中，Chan，Taylor算法是定位精度比较高的两种算法；

支持向量机常用于话音识别、生物医学、噪音处理等方面，支持向量机可 以解决高维问题，解决小样本下机器学习问题、能够处理非线性特征的相互作 用、无局部极小值问题、无需依赖整个数据、泛化能力比较强，本文提出了一 种利用支持向量机来对超宽带的定位坐标解算的方法，并给出了支持向量机进 行TDOA定位的位置解算方法和算法过程，通过仿真实验表明，与Chan，Taylor 等传统定位算法相比较，现有的室内定位方法在高密度环境下的定位难以满足 要求。

发明内容

本发明的目的在于提供一种基于支持向量机的超宽带室内定位方法，已解 决现有的算法在高密度环境下的定位难以满足要求的技术问题。

为实现上述目的，本发明采用的一种基于支持向量机的超宽带室内定位方 法，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。