CN101631383A - 一种基于支持向量回归机的时差定位方法 - Google Patents

Abstract

本发明公开了一种基于支持向量回归机的时差定位方法，包括：对移动台目标区域网格化，计算移动台在各网格顶点位置时分别到达各基站间的无误差的信号到达时间差，按顺序组成时差向量；由各网格顶点计算的时差向量和网格顶点坐标形成二组训练样本集；采用径向基核函数的最小二乘支持向量回归机对训练样本进行学习，得到分别估计移动台位置二维坐标的两个最小二乘支持向量回归机；定位时由移动台到各基站间的信号到达时间差测量值组成时差测量向量分别输入训练后的两个回归机得到移动台的坐标估计值。本发明可以极大抑制信号到达时间差测量误差的影响，明显提高位置估计的准确度，且避免迭代计算不收敛、解不唯一的问题。

Description

一种基于支持向量回归机的时差定位方法

技术领域

本发明涉及一种基于支持向量回归机的时差定位方法，尤其涉及一种用于蜂窝网网络移动台基于支持向量回归机的时差定位方法。

背景技术

无线定位技术是用来判定移动用户位置的测量方法和计算方法。基于到达时间差(TDOA)的定位技术(即时差定位技术)是蜂窝网中最为流行的一种的定位技术，它已成为第三代移动通信应用的一个重要方面，在国防和民用等领域都蕴藏着巨大应用价值。

时差定位技术主要是利用平面或空间中的多个(三个或三个以上)基站，测出由同一目标(移动台)发出(或反射)的同一辐射信号到达各位置已知基站的时间差TDOA，通过相应的定位算法确定移动台目标在平面或空间中的位置。

求解位置算法常用双曲线算法实现。根据几何原理可知，由平面上一动点到两定点距离差的绝对值为一常数的轨迹是一条双曲线。一个TDOA测量值对应的是以两个基站为焦点的一对双曲线，多个TDOA测量值对应的多对双曲线的交点即为目标移动台的估计位置。该算法需求解非线性方程组，求解复杂且一般存在多解。

由障碍物阻挡引起的多径干扰和非视距误差以及蜂窝通信系统中“远近效应”引起的多址干扰都会极大地影响TDOA测量精度，导致定位准确度不高。为减小定位误差的影响，求解时虽然可以使用泰勒级数展开法、球面交叉法、球面插值法、分治法、chan方法等，但都可能存在迭代计算不收敛、初值要求高、定位精度低、可行解不唯一等问题。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于支持向量回归机的时差定位方法。

本发明采用的技术方案是：

一种基于支持向量回归机的时差定位方法，包括以下步骤：

A对移动台目标区域进行网格化，计算移动台在网格顶点位置时到基站间的无误差的信号到达时间差，并按顺序组成时差向量；

B各网格顶点计算的时差向量和网格点坐标的二维分别形成二组训练样本集；

C通过采用径向基核函数的最小二乘支持向量回归机对训练样本集进行学习，得到分别估计移动台位置X、Y坐标的两个最小二乘支持向量回归机；

D由移动台到各基站间的信号到达时间差测量值组成时差测量向量分别输入训练后的两个回归机得到移动台的坐标估计值。

本发明的有益效果是：通过最小二乘支持向量回归机对目标区域位置中移动台到各基站间的电波信号到达时间差与移动台位置的坐标的非线性关系进行学习，定位时将移动台到各基站间的信号到达时间差作为最小二乘支持向量回归机输入，回归机的输出值则可以作为目标坐标估计值；利用最小二乘支持向量回归良好的容噪能力和泛化能力，能够极大地抑制信号到达时间差测量误差的影响，明显地提高位置估计的准确度，且避免迭代计算不收敛、解不唯一的问题。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的流程图；

图2是本发明训练样本集计算示意图；

图3是本发明估计X、Y坐标的最小二乘支持向量回归机模型示意图；

图4是本发明移动台定位示意图。

具体实施方式

参照图1，本发明提供了一种基于支持向量回归机的时差定位方法，该方法利用最小二乘支持向量回归机估计移动台位置坐标。主要包括以下步骤：

步骤101：对移动台目标区域进行网格化，由已知位置的基站坐标、网格顶点坐标和信号传播速度计算移动台在网格顶点位置时到基站两两间的无误差的信号到达时间差；

步骤102：由移动台在网格顶点位置时到基站两两间的无误差的信号到达时间差按顺序组成时差向量；

步骤103：以时差向量作为训练样本输入值，网格顶点X坐标作为训练样本输出值，由各个网格顶点计算的时差向量和X坐标组成关于X坐标的训练样本集；以时差向量作为训练样本输入值，网格顶点Y坐标作为训练样本输出值，由各个网格顶点计算的时差向量和Y坐标组成关于Y坐标的训练样本集；

步骤104：通过采用径向基核函数的最小二乘支持向量回归机对训练样本集进行学习，得到分别估计移动台位置X、Y坐标的两个最小二乘支持向量回归机；

步骤105：定位时，由移动台到各定位基站两两间的信号到达时间差测量值按训练样本集时差向量组成顺序组成时差测量向量；

步骤106：，将时差测量向量输入训练后用于估计X坐标的最小二乘支持向量机得到移动台坐标估计值；将时差测量向量输入训练后用于估计Y坐标的最小二乘支持向量机得到移动台Y坐标估计值。

下面将结合附图对本发明实施方式作进详细数学描述：

①参照图2，移动台目标区域W＝[0，l_x]×[0，l_y]，有N个已知位置并参与定位的基站S_i(x_i，y_i)(i＝1，2，3，…N)，采用大小为t_x×t_y的网格对目标区域进行网格化，得到M个网格顶点G_m(x_m，y_m)(m＝1，2，…，M)；c为电波传播速度，计算各网格顶点G_m到各到基站S_i的电波传播时间(TOA)τ_m，i：

${\mathrm{\τ}}_{m,i}=\frac{\sqrt{{(x_m-x_i)}^2+{(y_m-y_i)}^2}}{c}(m=1\·\·\·M,i=1\·\·\·N)$

例如，τ_1，2即为网格顶点G₁到基站S₂的电波传播时间。

②计算各个网格顶点G_m到定位基站两两之间的信号到达时间差(TDOA)T_m，i，j：

T_m，i，j＝τ_m，i-τ_m，j(m＝1…M，i，j＝1…N，i≠j，i＜j)

由于T_m，i，j是由基站坐标、网格顶点坐标和信号传播速度计算得到，可认为是无误差的。

以网格顶点G_m(m∈M)计算得到的信号到达时间差T_m，i，j按一定顺序组成时差向量V_m

V_m＝[T_m，1，2，T_m，1，3，...，T_m，1，N，T_m，2，3，...，T_m，2，N，...T_m，N-1，N]

③以网格顶点G_m(m∈M)计算的时差向量V_m作为训练样本输入值，并将G_m的坐标值x_m、y_m分别作为训练样本输出，得到训练样本η_Xm＝(V_m，x_m)、η_Ym＝(V_m，y_m)；

根据M个网格顶点可以得到关于网格顶点X、Y坐标值的训练样本集，它们分别为：χ_X＝{η_Xm|η_Xm＝(V_m，x_m)，m＝1，2，…，M}、χ_Y＝{η_Ym|η_Ym＝(V_m，y_m)，m＝1，2，…，M}。

④参照图3，使用最小二乘支持向量回归机(采用径向基核函数 $K(V,V_m)=\exp (-\frac{{\left|\right|V-V_m\left|\right|}^2}{{\mathrm{\δ}}^2}),$ δ为核函数参数)对训练样本集χ_X、χ_Y进行学习，其中由最小二乘支持向量回归机训练样本集χ_X得出了Lagrange乘子a_x和偏差b_x的值，由最小二乘支持向量回归机训练样本集χ_Y得出了Lagrange乘子a_y和偏差b_y的值，最后得到训练后的最小二乘支持向量回归机的决策函数 ${\hat{x}}_k=f_X\left(V\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{xi}}K(V,V_m)+b_x,$ ${\hat{x}}_y=f_Y\left(V\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{yi}}K(V,V_m)+b_y.$ f_X、f_Y分别用于估计移动台的X坐标Y坐标

参照图4，定位时，获得移动台S_k到各定位基站两两间的信号到达时间差TDOA T′_i，j(i，j＝N，i≠j，i＜j)后，按训练样本集时差向量组成顺序组成时差测量向量V_k＝[T′_1，2，T′_1，3，...，T′_1，N，T′_2，3，...，T′_2，N，...T′_N-1，N]，将V_k分别输入训练后的最小二乘支持向量机决的策函数f_X、f_Y，函数输出值

作为移动台S_k的坐标估计值。

以上所述仅为本发明较佳的具体实施方式，本发明创造并不局限于上述实施方式，只要其以基本相同的手段达到本发明的技术效果，都应属于本发明的保护范围。

Claims (5)

1、一种基于支持向量回归机的时差定位方法，其特征在于，包括以下步骤：

A对移动台目标区域进行网格化，计算移动台在各网格顶点位置时分别到达各基站间的无误差的信号到达时间差，并按顺序组成时差向量；

B各网格顶点计算的时差向量和网格顶点坐标的二维分别形成二组训练样本集；

C通过最小二乘支持向量回归机对训练样本集进行学习，得到分别估计移动台位置X、Y坐标的两个最小二乘支持向量回归机；

D由移动台到各基站间的信号到达时间差测量值组成时差测量向量分别输入训练后的两个回归机得到移动台的坐标估计值。

2、根据权利要求1所述的基于支持向量回归机的时差定位方法，其特征在于，其中所述A包括：移动台在网格顶点位置时到各基站两两间的无误差的信号到达时间差由已知位置的基站坐标、网格顶点坐标和信号传播速度计算得到。

3、根据权利要求1所述的基于支持向量回归机的时差定位方法，其特征在于，其中所述B包括：以时差向量作为训练样本输入值，网格顶点X坐标作为训练样本输出值，由各个网格顶点计算的时差向量和X坐标组成关于X坐标的训练样本集；以时差向量作为训练样本输入值，网格顶点Y坐标作为训练样本输出值，由各个网格顶点计算的时差向量和Y坐标组成关于Y坐标的训练样本集。

4、根据权利要求1所述的基于支持向量回归机的时差定位方法，其特征在于，所述方法C具体包括：采用径向基核函数将训练样本非线性映射到高维特征空间，并采用最小二乘支持向量回归机在高维特征空间中对训练样本集进行学习，得到分别估计X、Y坐标的两个最小二乘支持向量回归机。

5、根据权利要求1所述基于支持向量回归机的时差定位方法，其特征在于，所述方法D具体包括：将移动台到各个基站的信号到达时间差测量值，按训练样本集时差向量组成顺序组成时差测量向量；将时差测量向量输入训练后用于估计X坐标的最小二乘支持向量机得到移动台X坐标估计值；将时差测量向量输入训练后用于估计Y坐标的最小二乘支持向量机得到移动台Y坐标估计值。

Images