[发明专利]一种基于支持向量机的位置指纹定位方法

说明书

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。

技术领域

本发明涉及移动通信邻域的无线业务支撑领域，具体涉及一种基于支持向量机的位置指纹定位方法。

背景技术

随着无线通信的发展，无线定位技术被越来越多的人所关注。现有比较热门的定位技术有以下几种，到达时间(ToA)，到达时间差(TDOA)，到达角(AOA)，全球定位(GPS)，位置指纹定位(LFP)。这几种定位方法各有其优缺点，然而，随着移动互联网的发展，3G手机的普及和4G手机的推广，高精度的定位方法无意是未来移动定位技术的关键需求。以上几种的定位方法中，指纹定位方法定位精度最高，在样本足够密集的时候定位误差可以低于100米，然而指纹定位方法一个缺点就是计算复杂度很高，对每一个定位点，都需要大量的样本比对和计算，运算速度较低，且对硬件环境要求较高，成为实际应用推广的瓶颈。

目前常用的指纹定位方法主要有最近邻算法(Nearest Neighborhood，NN)，神经网络算法、支持向量机算法(Support Vector Machine，SVM)等，虽然算法本身各有区别，但是基本上都分为两个阶段：首先，离线训练阶段，将海量的样本数据训练成定位模型；第二，在线定位阶段，对于实时的待定位的测量报告，通过和定位模型中的海量样本数据逐一比对，得到最终的定位结果。

现有指纹定位方法存在以下问题：

1.需要对所有的历史数据集进行全局搜索，计算开销大，速度慢，难以满足海量用户数据实时定位处理的需要。

2.支持向量机中的核函数多数使用高斯(径向基)核函数或是多阶的多项式核函数，导致分类决策函数的计算复杂度过高。

3.目前支持向量机方法中的分类判决采取的策略是遍历所有不同的两两分类组合，导致分类判决的计算复杂度极高。

4.没有运用多线程技术进行加速优化。

总的来说，现有的基于支持向量机的定位方法算法复杂度较高，计算速度不能满足实际需要求。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于支持向量机的位置指纹定位方法，实现对待定位移动终端的快速定位。

为实现上述目的，本发明采用的技术方案为：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RSS；

(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；