CN107567094B - 一种基于Logistic函数的信号接收强度特征处理方法 - Google Patents
一种基于Logistic函数的信号接收强度特征处理方法 Download PDFInfo
- Publication number
- CN107567094B CN107567094B CN201710779075.8A CN201710779075A CN107567094B CN 107567094 B CN107567094 B CN 107567094B CN 201710779075 A CN201710779075 A CN 201710779075A CN 107567094 B CN107567094 B CN 107567094B
- Authority
- CN
- China
- Prior art keywords
- logistic function
- signal receiving
- receiving intensity
- model
- central value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于Logistic函数的信号接收强度特征处理方法。该方案的实现包括根据Logistic函数的左饱和与右饱和性质对发射台信号接收强度特征进行非线性映射;通过优化筛选中心值参数将不稳定的信号接收强度特征映射到Logistic函数的饱和区,而稳定的信号接收强度则映射到Logistic函数的敏感区,从而得到有效的定位模型的输入信号。本发明减少了指纹定位技术中不稳定的接收信号强度对定位模型的影响,保证特征的可靠性,从而提高定位的精确度。随着发射台的和移动台之间的距离增加,无线电信号传播的距离增加,对信号产生干扰的因素也在增加。使用非线性的变换可以有区别地对待不同的接收信号强度,进而降低模型对不稳定的接收信号强度对的敏感度。
Description
技术领域
本发明属于模式识别和计算智能领域内的一种定位数据特征处理方法,尤其涉及一种蜂窝无线定位领域中的基于Logistic函数的信号接收强度特征处理方法。
背景技术
高度发达的蜂窝网络系统和覆盖全球的蜂窝网络信号使得蜂窝网络系统是最为广泛使用的移动通信系统,和智能手机的普及使得基于蜂窝网系统的定位技术成为了一种重要的室外定位技术。尤其在卫星定位系统,如全球定位系统(GPS)不可用的情况下,智能手机只能依靠蜂窝网络系统进行室外的定位。与此同时随着物联网技术的发展,接入蜂窝网络的智能设备将会越来越多,获取智能设备的位置信息将会成为各种应用场景的先决条件。
与基于几何距离的传统定位技术相比,指纹定位技术将某一位置上的射频信息作为该位置的“位置指纹”并与数据库中保存的参考点指纹进行匹配,从而估算出该位置的具体坐标。其假设前提是移动台接收来自发射台的信号接收强度与移动台的位置空间是确定性的一一对应关系。但是由于无线电信号受到非视距传播所产生的多径传播、阴影效应,以及室内室外的建筑布局结构,建筑材料的阻挡,以及人员和物体的移动干扰,甚至气候和温度的变化,同一个位置上来自于同一个发射台的信号接收强度会随着外界因素的变化产生变化。在采集定位指纹的过程中,距离较远、信号较弱的发射台往往容易产生噪声指纹数据,即该发射台的信号特征的可靠性较差。相反发射台距离移动台越近,则在移动台检测到的该信号发射台的信号接收强度的平均值水平越高,同时信号的波动越小,即该发射台的信号特征较为可靠。
发明内容
本发明的目的在于解决基于指纹定位技术的蜂窝网络环境定位需要稳定可靠的发射台接收信号强度作为定位模型的输入特征。随着发射台的和移动台之间的距离增加,无线电信号传播的距离增加,对信号产生干扰的因素也在增加。稳定的接收信号强度比不稳定的接收信号强度,更接近于满足接收信号强度和空间位置的一一对应关系。使用非线性的变换可以有区别地对待不同的接收信号强度,进而实现降低模型对不稳定的接收信号强度对的敏感度,增加模型对稳定的接收信号强度的敏感度;使得模型在训练和预测的过程更多地取决于稳定的接收信号强度特征。
本发明的目的通过如下技术方案实现。
一种基于Logistic函数的信号接收强度特征处理方法,其包括如下步骤:
步骤一、根据Logistic函数的左饱和与右饱和性质对发射台信号接收强度特征进行非线性映射;
步骤二、利用定位模型的输出误差优化筛选中心值参数,将不稳定的信号接收强度特征映射到Logistic函数的饱和区,而稳定的信号接收强度映射到Logistic函数的敏感区,从而得到有效的定位模型输入特征。
进一步,上述步骤一中Logistic函数为常用的非线性变换函数,公式(1)为Logistic函数的表达式:
该函数在定义域内处处可导,且两侧的导数逐渐趋近于0,这一性质被称为函数的饱和性质。与极限的定义类似函数的饱和性质定义为左饱和与右饱和,即:
左饱和:limn→+∞f(x)′=0 (2)
右饱和:limn→-∞f(x)′=0 (3)
因此,具有左饱和与右饱和性质的Logistic函数f(x)在x∈[-∞,+∞]的取值范围上的图形是一条”S”型曲线,且f(x)∈[0,1],该曲线以点为对称中心。曲线在中心附近增长速度较快,在两端速度较慢,形状参数γ的值越小曲线在中心附近的增长得越快。当变量x位于“敏感区间”(-p,p)内,即f(x)对x变化的敏感,一旦变量x超出“敏感区间”,则f(x)处于饱和状态。
通过合适的参数μ和γ,将信号接收强度数据映射到”S”型曲线上。使得不稳定的接受信号强度落于“饱和区间”,稳定的接受信号强度落于“敏感区间”。从而达到我们降低模型对不稳定接受信号强度的敏感度,提高模型对稳定接受信号强度的敏感度的目的。
利用Logistic函数的左饱和与右饱和性质对发射台的信号接收强度特征处理,其过程为:
其中,τ为信号接收强度可被检测到的阈值,γ为形状参数,s为Logistic函数的中心值,模型对该中心附近信号接收强度变化最为敏感,Logisitci(R)为对发射台的信号接收强度ri进行特征处理。
与现有技术相比,本发明的有益效果在于:
1)使用非线性的变换可以有区别地对待不同的接收信号强度,进而实现降低模型对不稳定的接收信号强度的敏感度,使得模型在训练和预测的过程更多地取决于稳定可靠的接收信号强度特征。
2)通过优化筛选中心值参数将不稳定的信号接收强度特征映射到Logistic函数的饱和区,降低了干扰信号对定位模型的影响,从而有助于提高定位模型的准确度。
附图说明
图1为本发明方法的具体实施过程中的流程图。
图2为本发明具体实施例中定位误差随中心值变化的曲线图。
具体实施方式
下面结合附图和具体的实施例对本发明的实施方案做进一步的说明,但本发明的实施和保护不限于此,需指出的是,以下若有未特别详细说明之处,均是本领域技术人员可参照现有技术实现或理解的。
本实例的一种基于Logistic函数的信号接收强度特征处理方法,使用三维地图,在三维空间内利用3D射线仿真技术产生的仿真数据模拟蜂窝网络环境,具体过程如下。
步骤1:
在仿真生成数据中设置解析度为5m,地图上每隔5m就会产生一个仿真接收信号强度的数据以及对应的位置信息(经度和维度)。表1所示为某一个具体的数据实例,其中该向量数据的前35维是接收信号强度是在某一位置对各蜂窝基站的接收信号强度,最后两维表示位置坐标信息。
表1仿真数据实例
步骤2:
对上述步骤1中得到的接收信号强度数据若已经确定合适的Logistic函数中心值,则跳转至步骤3。否则,利用交叉验证法对Logistic函数中心值筛选。其具体的实施过程可以概括为:
2)对于序列中的每个中心值Si(i=1~n)均进行以下步骤:
a)将中心值Si作为Logistic函数的中心值参数,利用公式(4)对数据集进行特征处理得loci;
b)将数据集均匀地划分为K个同等大小的子集表示为:T1…Tk;
c)对于j=1,2,3…,K,分别将子集Tj作为测试子集,其余的K-1个子集作为训练集用于对模型进行训练,并计算模型在该测试子集上的定位误差errorj;
d)最后计算通过公式(6)和公式(7)计算模型误差的平均值和标准差:
3)绘制中心值与对应的模型误差平均值曲线图,如图2所示。从而筛选出适合当前接收信号强度数据的最优中心值S*。
步骤3:
将步骤2得到的最优中心值S*作为Logistic函数的中心值,利用公式(4)进行特征处理,选择大于有效接收信号强度阈值τ的仿真接收信号强度进行Logistic函数映射,将特征压缩到[0,1]的区间内,以获取有效的特征输入。
上述流程为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种基于Logistic函数的信号接收强度特征处理方法,该处理方法应用于无线定位中,其特征在于该处理方法包括:根据Logistic函数的左饱和与右饱和性质对发射台信号接收强度特征进行非线性映射;利用定位模型的输出误差优化筛选中心值参数,将不稳定的信号接收强度特征映射到Logistic函数的饱和区,而稳定的信号接收强度映射到Logistic函数的敏感区,最终得到有效的定位模型输入特征;所述利用Logistic函数的左饱和与右饱和性质对发射台的信号接收强度特征处理,具体过程为:
其中,τ为信号接收强度可被检测到的阈值,ri为被移动台检测到的信号强度,γ为形状参数,s为Logistic函数的中心值,定位模型对该中心附近接收信号强度变化最为敏感;
利用交叉验证法对Logistic函数中心值筛选, 其具体的实施过程可以概括为:
2)对于序列中的每个中心值Si(i=1~n)均进行以下步骤:
a)将中心值Si作为Logistic函数的中心值参数,利用公式(4)对数据集进行特征处理得loci;
b)将数据集均匀地划分为K个同等大小的子集表示为:T1…Tk;
c)对于j=1,2,3…,K,分别将子集Tj作为测试子集,其余的K-1个子集作为训练集用于对模型进行训练,并计算模型在该测试子集上的定位误差errorj;
d)最后计算通过公式(6)和公式(7)计算模型误差的平均值和标准差:
3)绘制中心值与对应的模型误差平均值曲线图,从而筛选出适合当前接收信号强度数据的最优中心值S*。
2.根据权利要求1所述的一种基于Logistic函数的信号接收强度特征处理方法,其特征在于:通过定位模型的输出误差优化筛选最优的中心值参数,保证将不稳定的信号接收强度特征映射到Logistic函数的饱和区,而稳定的信号接收强度映射到Logistic函数的敏感区,提高模型输入特征的可靠性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710779075.8A CN107567094B (zh) | 2017-08-31 | 2017-08-31 | 一种基于Logistic函数的信号接收强度特征处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710779075.8A CN107567094B (zh) | 2017-08-31 | 2017-08-31 | 一种基于Logistic函数的信号接收强度特征处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107567094A CN107567094A (zh) | 2018-01-09 |
CN107567094B true CN107567094B (zh) | 2020-06-19 |
Family
ID=60978783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710779075.8A Active CN107567094B (zh) | 2017-08-31 | 2017-08-31 | 一种基于Logistic函数的信号接收强度特征处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107567094B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102790966A (zh) * | 2011-05-19 | 2012-11-21 | 北京思龙腾越信息科技有限公司 | 无线传感器网络节点与网关的多线程通信方法 |
CN105913044A (zh) * | 2016-05-04 | 2016-08-31 | 大连理工大学 | 一种基于Sigmoid协方差矩阵的多重信号分类方法 |
CN106814343A (zh) * | 2017-01-22 | 2017-06-09 | 河海大学 | 一种分步估计的空域信号空间谱估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110228727A1 (en) * | 2010-03-19 | 2011-09-22 | Bente Julo | Seek and find location method, system and apparatus |
-
2017
- 2017-08-31 CN CN201710779075.8A patent/CN107567094B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102790966A (zh) * | 2011-05-19 | 2012-11-21 | 北京思龙腾越信息科技有限公司 | 无线传感器网络节点与网关的多线程通信方法 |
CN105913044A (zh) * | 2016-05-04 | 2016-08-31 | 大连理工大学 | 一种基于Sigmoid协方差矩阵的多重信号分类方法 |
CN106814343A (zh) * | 2017-01-22 | 2017-06-09 | 河海大学 | 一种分步估计的空域信号空间谱估计方法 |
Non-Patent Citations (1)
Title |
---|
Hybrid Particle Swarm Optimization and Semi-Supervised Extreme Learning Machine for Cellular network localization;fagui Liu等;《International Journal of Distributed Sensor Networks》;20170601;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107567094A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Mercury: An infrastructure-free system for network localization and navigation | |
WO2017185828A1 (zh) | 指纹定位方法及装置 | |
US10798670B2 (en) | Information processing device, portable device, and system | |
CN109996279B (zh) | 过覆盖小区定位方法、装置、设备及介质 | |
CN107484123B (zh) | 一种基于集成HWKNN的WiFi室内定位方法 | |
RU2707737C1 (ru) | Носитель записи, на котором записана программа определения нахождения в помещении/вне помещения, система определения нахождения в помещении/вне помещения, способ определения нахождения в помещении/вне помещения, мобильный терминал, и средство для классификации и определения среды в помещении/вне помещения | |
CN107076828B (zh) | 用于无线通信网络的定位方法和系统 | |
US20190116577A1 (en) | Positioning method and server, and terminal | |
Sung et al. | Accurate indoor positioning for UWB-based personal devices using deep learning | |
US20140357291A1 (en) | Method and apparatus for signal-based positioning | |
CN113766636A (zh) | 用于在无线通信系统中估计位置的设备和方法 | |
CN111148217B (zh) | 一种定位方法、装置及电子设备 | |
Ren et al. | A Novel Indoor Positioning Algorithm for Wireless Sensor Network Based on Received Signal Strength Indicator Filtering and Improved Taylor Series Expansion. | |
CN110839279A (zh) | 一种基于5g信号的智能终端定位方法及装置 | |
KR101258832B1 (ko) | 액세스 포인트를 이용한 위치 측정 방법 및 그 장치 | |
US9936477B2 (en) | Method for detecting location of mobile computing device and mobile computing device performing the same | |
CN107567094B (zh) | 一种基于Logistic函数的信号接收强度特征处理方法 | |
Santos et al. | Recursive estimation of dynamic RSS fields based on crowdsourcing and Gaussian processes | |
CN116930963A (zh) | 一种基于无线通信系统的穿墙成像方法 | |
CN101373216A (zh) | 可携式通讯装置的定位方法 | |
KR20210048697A (ko) | 실내측위 장치 및 방법 | |
KR101694521B1 (ko) | 전파지문지도 생성 장치 및 방법 | |
Loh et al. | Intelligent base station placement in urban areas with machine learning | |
CN116567806A (zh) | 基于人工智能ai模型的定位方法及通信设备 | |
CN110958565B (zh) | 计算信号距离的方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |