基于支持向量机的无线异构网络移动用户位置预测方法

摘要

基于支持向量机的无线异构网络移动用户位置预测方法，涉及无线异构网络领域，它是为了适应无线异构网络移动用户位置预测的需求。本发明提出一种基于支持向量机(SVM)的异构网络环境中移动用户的位置预测方法，来解决异构网络环境中移动用户的位置预测问题。本发明提出目标区域的概念，根据用户所在位置不同，自适应的调整位置预测方法。根据用户所在区域不同，应用不同的位置预测方法，这样既能够保证预测精度，又能够在一定程度上降低整体方法复杂度，减少预测开销，节省资源。本发明适用于无线异构网络移动用户位置预测。

主权项

基于支持向量机的无线异构网络移动用户位置预测方法，其特征是：它由以下步骤实现：步骤一、搭建异构网络拓扑结构，具体为：在一个六边形3G子网络内，搭建5个互相不重叠的WLAN子网络；步骤二、定义预测网络模型；在各个WLAN在网络外侧分别划定半径为R的环形区域；且有：R‑r＝Tc*V其中：Tc是观察时隙，即：每隔Tc时间观察一次用户位置，并进行一次预测；V是用户运动的最大速度；r是每个WLAN子网络半径；设定5个WLAN子网络区域及其与所在的半径为R的环形区域之间的区域为目标区域；5个WLAN子网络区域分别设定为TR1区域至TR5区域，5个WLAN子网络区域与其所在的半径为R的环形区域之间由3G单独覆盖，设定为TR6区域；步骤三、对无线异构网络移动用户的位置样本进行采集，具体为：选取n个样本(l₁,c₁)，…，(l_n,c_n)；其中，l_i是第i个用户的位置坐标向量，且l_i＝(x_i,y_i)；c_i是下一时刻观测到的用户所在的目标区域类别，c_i∈(TR1,…,TR6)；i＝1、2、…、n；步骤四、对步骤三获得的各个位置样本l_i进行归一化处理，将各个位置样本l_i归一化到区间[‑1,+1]，即：l_ip∈{+1,‑1}；l_ip为归一化的第i个用户的位置坐标向量；步骤五、将归一化处理之后n个样本数据集扩展为m＝6*n的扩展样本集(l₁',c₁')，…，(l'_m,c'_m)；此时， c'_i∈{+1,‑1}；m为正整数；步骤六、对预测分类函数进行训练，具体为：选定核函数K( l_i',l'_j)如下：其中 l'_i和l'_j是步骤五中扩展之后的样本；σ是函数的宽度参数；代入lagrange公式：其中α_i是lagrange系数，为待求量；C是惩罚因子；解上述公式得到最优α^*；则最优权重ω^*为：根据原始约束条件公式：获得最优偏置b^*；则最终的位置预测器模型表达式如下：步骤七、将无线异构网络移动用户的数据输入步骤六获得的位置预测器模型，获得无线异构网络移动用户的位置预测结果，完成基于支持向量机的无线异构网络移动用户位置预测；步骤四中，对步骤三获得的各个位置样本进行归一化处理，将各个位置样本 c'_i归一化到区间[‑1,+1]的方法是通过公式：l_ip＝2*(l_i‑l_min)/(l_max‑l_min)‑1 实现的；其中：l_i是x_i或者y_i，l_max是数据序列中的最大值，l_min是数据序列中的最小值；对每一个采集到的特征向量l_i复制6次，再用长度为6的构建向量h对各个特征向量进行扩充：其中，符号代表两个向量的求值和，即将两个向量串联起来；构建hⁱ向量的第j个分量的方法如下：其中：j∈(1,…,6)；增广特征向量的第j个预测值的构造方法如下：这样，原来的6类预测的n个样本数据集就转换为m＝6*n的扩展样本集(l₁',c₁')，…，(l'_m,c'_m)；此时， c'_i∈{+1,‑1}；步骤七中将无线异构网络移动用户的数据输入步骤六获得的位置预测器模型，获得无线异构网络移动用户的位置预测结果，具体为：若用户处在目标区域范围外，则直接预测用户下一时刻仍处在3G小区内，等待Tc时间再次观测用户位置，并作为无线异构网络移动用户的位置预测结果；若用户处在目标区域范围内，则选取新的用户位置样本特征向量l，对其进行扩展处理，即：然后将该组数据输入到步骤六获得的位置预测器模型中，分别计算各增广向量的预测函数值D( l_i')；最后，通过以下判决准则求出该新的特征向量l所属的预测值，并作为无线异构网络移动用户的位置预测结果；其中：