一种基于机器学的蜂窝网络中室内话务精确定位方法

摘要

本发明公开一种基于机器学的蜂窝网络中室内话务精确定位方法，包括：蜂窝网基站系统利用空闲资源逐步获取用户设备UE信号参数，利用这些数据设计混合定位算法，进行信息融合，得到初步的位置估计；使用残差分析判决进行非视距辨识，采取卡尔曼滤波算法进行多径抑制，对混合定位算法估计的位置进行矫正，得到估计位置；用包括用户惯和建筑物位置在内的先验信息，矫正估计位置，提取可靠的样本；利用机器学算法训练数据，得到不同参数组合的定位模型；使用离线阶段训练好的模型估计UE位置，然后使用粒子滤波算法进行位置的实时跟踪。

主权项

一种基于机器学习的蜂窝网络中室内话务精确定位方法，其特征在于，包括以下步骤：1)蜂窝网基站系统利用空闲资源逐步获取用户设备UE信号参数。2)利用这些数据设计混合定位算法，进行信息融合，得到初步的位置估计；3)使用残差分析判决进行非视距辨识，采取卡尔曼滤波算法进行多径抑制，对混合定位算法估计的位置进行矫正，得到估计位置；4)记录每一组信号参数、估计位置以及用户标识，放入样本库；5)用包括用户习惯和建筑物位置在内的先验信息，矫正步骤4)得到的估计位置，提取可靠的样本，方法如下：认为UE长时间处于静止状态的时候是在室内，通过分析UE信号各参数的性质、位置估计的变化情况，对是否处于建筑物内进行判别，从而剔除室外数据，仅保留处于建筑物内的数据；6)利用机器学习算法训练数据，得到不同参数组合的定位模型，方法如下：先根据建筑物划分建立基于神经网络的分类模型，利用该分类模型判定UE所处的建筑物；然后针对不同的建筑物分别使用最小二乘支持向量机建立精确定位模型，利用此精确定位模型计算出UE的具体位置，从而对不同参数组建立不同的参数模型；7)使用离线阶段训练好的模型估计UE位置，然后使用粒子滤波算法进行位置的实时跟踪。