[发明专利]一种基于LTE信令数据的指纹定位方法

摘要

本发明属于计算机应用技术领域，提供一种基于LTE信令数据的指纹定位方法，该方法使用LTE信令数据中的TA和RSRP值建立指纹库，然后利用基于HMM的地图匹配方法进行地图匹配，确定目标位置，实现对移动目标的定位，具体步骤为：信令数据预处理；建立指纹库；利用支持向量机，训练在不同基站下RSRP的统计模型；位置匹配。本发明的有益效果为：1)利用通信运营商已有的通信基站和网络设施，初期投资小；2)只要在手机信号覆盖区域均可实现对信令数据的采集，覆盖范围广3)手机定位技术能够提取提供丰富的数据源，保证采集数据的质量和精度。

主权项

1.一种基于LTE信令数据的指纹定位方法，其特征在于以下步骤：第一步，数据预处理采集LTE网络中的信令数据，在建立指纹库时记录采集指纹时所在的位置，并对采集的信令数据进行去噪处理；然后进行地图匹配，地图匹配时需要地图数据提供道路信息；所述的信令数据包括时间提前量TA值、基站的物理ID、信号接收功率RSRP、信号接收质量RSRQ；所述的地图数据包括目标区域的地图信息，目标区域的地图信息分为两部分：第一部分得到各个点的ID和地理坐标信息，每一个点是一条路段或多条路段的端点；第二部分得到路段的相关信息，路段的相关信息包括路段的ID、路段的长度和路段两个端点的ID；每一条路段的两个端点的信息由第一部分各个点的ID和地理坐标信息得到，一系列路段组成道路片段；第二步，建立指纹库利用在第一步中预处理后的数据记录建立在特定区域内N个位置的指纹库F，其中，F_i由(TA_i，RSRP_i)二元组构成；第三步，利用支持向量机，训练在不同基站下RSRP的统计模型3.1)采用支持向量机分别训练在每一个基站下的采集的所有数据，建立RSRP的统计模型；在利用支持向量机建立关于RSRP的统计模型时，把TA和用户所在位置的经度和纬度作为输入，RSRP作为输出；根据建立好的RSRP统计模型，估计在某个基站覆盖范围内，RSRP的均值和均方误差；3.2)定义SVMRSRP(k)为在基站k下RSRP均值预测器，σ_k表示的是基站k下RSRP均值预测器的均方误差；对于基站k，建立RSRP的统计模型：RSRP′|TA′，x～N(SVMRSRP(k)，σ_k)    (1)其中，x为位置；RSRP′|TA′，x为在位置x和TA值大小为TA′条件下RSRP的值为RSRP′；第四步，位置匹配当移动设备发出定位请求时，定位设备收到一组指纹数据，将指纹数据在指纹库中匹配得到一组候选位置，最后使用基于隐马尔可夫模型HMM的地图匹配方法进行地图匹配以得到最终的位置结果；4.1)定位一段时间内设备获得的信令数据；4.2)通过一组信令数据得到移动设备的指纹观测序列记为：其中，F_t表示t时刻的指纹，T代表时间；4.3)将获得的指纹分别去指纹库中进行匹配，得到一组候选位置点记为X＝(x₁，x₂，...，x_N′)，其中，x₁，x₂，...，x_N′表示候选位置；4.4)利用HMM模型进行地图匹配时，计算候选位置的观测概率和转移概率，具体步骤为：4.4.1)给定一个基站m覆盖范围内的候选位置x_k，因此在位置x_k下指纹为F_t的概率即p(F_t|x_k)，如公式(2)所示：p(F_t|x_k)＝p(TA_t，RSRP_t|x_k)＝p(TA_t|x_k)×p(RSRP_t|TA_t，x_k)  (2)首先假设候选位置点的数量是N′，候选位置点等概率，得到：同时，对于p(RSRP_t|TA_t，x_k)通过第三步中建立的统计模型得到：其中，RSRP_t为t时刻RSRP的大小，TA_t为t时刻TA的大小，SVMRSRP(m)为基站m下RSRP的均值预测器，σ_m为基站m下RSRP均值预测器的均方误差；4.4.2)计算从一个候选位置到下一个候选位置的转移概率，由公式(5)计算从候选位置x_i到候选位置x_j的转移概率τ_i，j，转移概率表示车辆从一个候选位置移动到另一个候选位置的可能性：τ_i，j＝p(x_i→x_j)＝e^‑d′  (5)其中，d′＝d+c×cost，d为两个候选位置之间的最短距离，最短距离由车辆在两个候选位置之间的最短路径获得，c为从候选位置x_i到候选位置x_j路段切换次数，cost代表路段切换惩罚，取50m；当速度超过200km/h时，不允许发生路段切换；4.5)利用维特比回溯算法，根据公式(6)得到一系列概率矢量矩阵，在最后车辆位置的概率矢量矩阵中找到最大的概率，并执行维特比回溯算法得到用户的真实位置序列；其中，T代表时间，x_t代表t时刻的候选位置。