[发明专利]一种基于支持向量机的位置指纹定位方法

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。

主权项

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n个网格区域，每个网格区域对应相应的位置编号；其中，n≥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n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‑1)/2个两分类决策函数，将得到的n(n‑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n(n‑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纬度确定为待定位移动终端的位置；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，l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,x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xi与x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，αi和b为修正系数，为经验值，γ与r为核函数参数，为经验值；将所述两分类决策函数进行转换并存储，包括：将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；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,…,m；设定分段时间间隔t1，假设t1的时间间隔内对应着m1条测量报告数据，则将排列好的测量报告数据按照m1进行分割，m条测量报告数据共分割为m/m1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n(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纬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。