欢迎来到天天文库
浏览记录
ID:16352934
大小:187.00 KB
页数:36页
时间:2018-08-09
《基于svm的gsm网络定位技术》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、基于SVM的GSM网络定位技术基于SVM的GSM网络定位技术-1-基于SVM的GSM网络定位技术摘要:本文提出了针对GSM网络移动台的基于支持向量机定位方法。通过建立基于接收信令数据的SVM模式匹配定位相关性模型,可以预测大量测量报告中MS的具体位置,并将这种方法得到的定位数据与实际情形中的地理数据进行比对。试验显示,应用这种定位方法是有效的。关键词:模式匹配;SVM;定位0引言支持向量机(SupprotVectorMachine,SVM)是一种新的机器学习技术,该技术已经成为当前国际机器学习界的研究热点。目前,中国移动GSM网络已经
2、提供移动终端定位技术及其建立在定位技术基础上的基于位置的多种增值服务]1[。其中,TDOA方法需要在网络中增加LMU(定位测量单元),需要启动用户与网络间专门的定位交互流程,TOA方法要求MS(移动台)具备测量信号传播时间的能力,基于TA(时间提前量)的方法只适用于处于切换状态下的MS]2[。但上述定位方法进行手机定位时需要在移动台与网络间启动专门的定位信令交互流程,而且对同时可定位的移动终端总数也有一定限制。从网络优化角度]3[,如果能够知道处于通话状态下的MS的具体位置,再结合通话过程中MS的信号强度等信息,通过对历史经验数据的分
3、析,就可以得到对应位置处的信息特征。在对新的测量报告进行MS定位时,依据已有的模型,利用SVM方法,得到定位结果。就可以进行小区话务热点分析等工作,可以很好地提高网络优化水平。重点区域小区和微小区、室内覆盖小区采用模式识别定位法,可以提供较高定位精度。对于商场、写字楼等需要三维定位的场所,模式识别定位法提供了三维定位能力。1模式匹配定位的原理示意1.1.模型输入输出图1-1模型输入输出示意图其中在模型输入中测量报告数据信息包括测量报告行号RowID,服务小区标识CellD,开始时间Time,接收到服务小区的电平值Rxlev,服务小区T
4、A值,以及相邻小区的小区号NCellIDi,接收到邻小区i的电平值NRxlevi等;小区网格化后的数据信息包括地理信息数据包括建筑物信息,地标信息等。模型输出是根据每组测量报告信息得到的移动台所在网格-2-号,以及该网格号得中心点经纬度信息,以及周围的地理信息。处理模块的目标就是在从GSM网络的基站A-bis接口采集信令,获取网络中全部MS通话状态下的各类信令数据,并且依据小区网格化后的数据信息,得到取得每条采集信息的地理位置信息。1.2原理示意图...<cell-ID,GridID,TA,Rxs;nc-ID1,Rx1;nc-I
5、D2,Rx2;…;nc-ID6,Rx6>图1-2小区网格化示意图首先,在将网络中的各个小区根据定位的约束条件分别网格化之后,将每个小区的覆盖范围网格化,划分为多个矩形区域,每个矩形区域称为1个网格分区。以网格分区为基本地理单位,评估考察一个小区内各点的场强、话务量分布等情况。针对MS所在的小区,进行建模。在每个网格分区内,根据测量报告建立相应的位置特征向量,这些特征向量表征了在小区内该位置上得到的测量数据的特征。利用SVM支持向量机算法,将其中接收到的来自服务小区的TA以及场强Rxlevel,和来自多个邻小区的场强(Rxleve
6、li)以及小区标识作为神经网络的输入,将对应的分区网格号(包含立体网格号)作为输出,对这些测量数据进行训练得到对应的相关性模型。定位功能就是根据某次通话得的测量报告中得到该MS接收到的来自服务小区的TA,场强值,以及来自邻小区的场强值后,利用SVM算法,对应该小区的支持向量集,针对分区号进行预测,得到每次通话最有可能的分区网格号(包括立体网格号),从而实现模式匹配定位。2SVM支持向量机原理2.1引言SVM最初被提出是为了解决分类问题]6,5[。后来经过发展,将SVM推广到函数回归和密度估计领域中来,从而生成了回归算法。2.2支持向量
7、分类机2.2.1线性可分的SVM支持向量分类机最初是用来解决线性可分问题的。考虑训练集//.paper.edu.cn-3-中国科技论文在线图2-1最优分类面示意图构图{}11(,),...,(,)()mmmTxyxyxy=∈×,其中mixxR∈=,{}1,1iyy∈=??,1,...,im=。若存在mwR∈,bR∈和正数ε,使得对所有使1iy=的下标i,有()iwxbε??+≥;而对所有使1iy=??的下标i,有()iwxbε??+≤??,则称训练集T线性可分。假设一个数据集T可以被一个超平面()0iwxb??+=线性可分。最优分类面
8、的基本思想可借助图2-3来说明。其中圆点和方点分别代表两类样本,H为分类线,1H、2H为过各类中离分类线最近的样本且平行于分类线的直线,它们之间的距离叫做分类间隔。所谓最优分类线就是要求分类线不但能将两类正确分开,而且要
此文档下载收益归作者所有