[发明专利]一种基于支持向量机的超宽带室内定位误差消除算法

摘要

本发明公开了一种基于支持向量机的超宽带室内定位误差消除算法，针对室内非视距环境(NLOS)对定位的影响，本发明基于支持向量机和残差分析判决法相结合的方法，通过(基于信号到达时间差)TDOA算法初步定位，NLOS误差鉴别，NLOS误差消除来提高室内定位的精度。本发明的优点在于结合机器学习算法，使得残差分析判决方法更加精准地鉴别NLOS环境，对提高室内定位结果的精度起到重要的作用。

主权项

1.一种基于支持向量机的超宽带室内定位误差消除算法，其特征在于：包括步骤：(1)设定参考基站的数目以及参与定位基站的数目；(2)采用TDOA算法进行初步定位，具体为：随机生成参考基站位置和目标基站的位置，设定IEEE超宽带室内信道相关参数，根据参与定位的参考基站的数目产生多种定位组合并且选择不同的计算方法得到定位结果，如果数目为3，采用求解双曲线方程的方法；如果数目大于3，则采用最小二乘估计；(3)进行非视距误差鉴别；包括如下步骤：(31)利用支持向量机算法对步骤(2)得到的初步定位结果计算得到各个定位组合的残差，并对得到的残差进行第一次的分类：先给计算得到的各个组合的残差排序，然后选出较大的前三个残差和较小的前三个残差，以这六个残差作为训练数据采用支持向量机进行训练，最后利用训练出的模型对剩余的数据进行分类；所述残差ε的计算公式是：其中，(x_i,y_i)是第i种定位组合的结果，(x,y)是目标基站的坐标。(32)将所述步骤(31)中第一次分类得到的残差较大的结果，利用残差分析判决法进行第二次分类，即将残差作为权重赋给参考基站，权重公式为其中，w_k为第k个参考基站的权重，ε_i为第i种定位组合的残差，M_k为第k个参考基站参与定位的组合的数量；选出权重＞0的基站作为第二次的分类结果，即具有非视距环境的参考基站；(4)进行非视距环境的误差消除得到最终的定位结果，具体为：(41)利用步骤(3)得到的具有非视距环境环境的参考基站进行第二次的TDOA定位，假设定位组合有m种；(42)计算出m种定位组合的残差，并将残差归一化，残差归一化公式为：其中，为第i种组合的归一化残差值，ε_i为第i种组合的残差值。(43)利用步骤(52)计算得到的归一化残差值对定位结果进行加权，加权公式为：其中，为第i种组合的归一化残差值，(x_e,y_e)为非视距环境下的定位结果，(x_i,y_i)是第i种组合定位的结果；(44)将非视距环境下的定位结果与不存在非视距环境的定位结果取平均，得到最终的定位结果。