[发明专利]根据软采信令的自适应指纹定位方法

摘要

本专利申请涉及移动通信领域中的无线业务支撑领域，具体涉及一种根据软采信令的自适应指纹定位方法，包括：第一步，离线路测采样和模型训练阶段；第二步，在线定位阶段，第三步，定位指纹数据库自适应更新阶段和SVR定位模型自适应更新阶段；通过定位指纹库的自我更新迭代机制，将使得整个定位方法的精度在一定程度上不断提高。

主权项

根据软采信令的自适应指纹定位方法，其特征在于，包括以下步骤：第一步，离线路测采样和模型训练阶段，具体包括：(1) 离线路测采集阶段：通过路测终端采集路测信息，得到测量报告；所述测量报告中包括路测终端的位置坐标、测量报告中所涉及到的小区的标识信息以及测量报告在其所涉及到的每个小区上的场强数据、时延数据和方向角数据；(2) 模型训练阶段：将每个测量报告作为一条训练样本，构建定位指纹库，并根据定位指纹库生成在线定位模型，包括：(2‑1) 将所述移动网络覆盖区域划分为边长为 L 的栅格，并将栅格编号，根据路测终端的位置坐标，将训练样本分配都对应的栅格中；(2‑2) 将栅格的编号作为位于该栅格的训练样本的分类标识，分类标识和训练样本共同组成指纹数据记录储存在定位指纹库中；(2‑3)采用支持向量回归算法（SVR）对同一栅格内的训练样本进行处理，得到每个栅格的SVR 定位模型，用于计算带定位移动终端所处的经度和纬度；(2‑4)将所述SVR 定位模型作为在线定位模型进行存储；第二步，在线定位阶段，具体包括：通过信令软采集获取待定位移动终端的测量报告，获取测量报告中所涉及到的小区的标识信息以及，测量报告在其所涉及到的每个小区上的场强数据、时延数据和方向角数据；根据该测量报告中所涉及到的小区的标识信息，从定位指纹库中筛选涉及相同小区的指纹数据记录；将筛选出的每个指纹数据记录所包含的训练样本与在线传入的移动终端的测量报告计算欧氏距离；并从中筛选得到欧氏距离最小的训练样本，根据其所对应的栅格，选定该栅格为目标栅格；将目标栅格下的样本数据与SVR定位模型离线学习得到的参数，进行卷积计算，得到最终的预测经纬度；第三步，定位指纹数据库自适应更新阶段和SVR定位模型自适应更新阶段，具体包括：定位指纹数据库自适应更新阶段：根据步骤（1）采集新的测量报告，并根据步骤（2‑1）和（2‑2）形成备用指纹数据记录；根据所处栅格的SVR定位模型量化每一条指纹数据记录对于定位计算结果的影响程度，并标记每一条指纹数据记录的入库时间；根据量化的影响程度和入库时间更新定位指纹库，包括：根据指纹数据记录的入库时间，筛选入库的时长超过设定时间段的指纹数据记录；将筛选出的记录中量化的影响程度小于设定值的记录剔除；如果定位指纹数据库内指纹数据记录的数量低于设定数量，则补充新采集的备用指纹数据记录进指纹数据库；SVR定位模型自适应更新阶段，包括：如果某一栅格内的指纹数据记录被剔除和/或补入，则根据剔除和/或补入后的指纹数据记录更新该栅格的SVR定位模型。