一种基于机器学的超宽带非视距鉴别方法

摘要

本发明提出了一种基于机器学的超宽带非视距鉴别方法，克服了传统的NLOS鉴别方法通常采用IEEE802.15.4a信道模型，该模型与实际环境相比存在较大的差异，利用该模型实现的NLOS鉴别方法在实际场景中出现较低的鉴别率的问题。本发明的这种非参数的NLOS鉴别方法与信道独立，不需任何统计信息，鉴别率高，适用范围广。在鉴别的基础上，根据先验统计进行误差消除，可以有效提高定位精度。本发明的方法能有效鉴别出NLOS，为实现室内高精度定位的实现提供了基础。

主权项

1.一种基于机器学习的超宽带非视距鉴别方法，其特征在于：所述方法包括以下步骤：S1:对定位区域里接收的UWB信号建立样本数量为N的视距LOS和非视距NLOS信号的数据库，对每个信号都计算它的特征参数集R，其中，当1≤i≤N时，x_i一个LOS信号的特征参数，当N+1≤i≤2N，x_i为一个NLOS信号的特征参数集，得到结果：X={x₁,x₂…x_N,x_N+1,x_N+2…x_2N}，x_i∈R，Y={-1,-1…-1,1,1…1}；S2:利用LS-SVM算法训练出参数w，b，训练的输入为：X={x₁,x₂…x_N,x_N+1,x_N+2…x_2N}，Y={-1,-1…-1,1,1…1}，利用得到l(x)的集合Y，其中，x_iN≤i≤2N为训练样本，参数σ根据不同环境取不同的值，w=[a₁,a₂,a₃…a_N]，b是一个标量；S3:计算新接收到的UWB信号的特征参数集合x_j，x_i∈R；S4:计算若l(x)=-1判断为LOS信号，若l(x)=1判断为NLOS信号；S5:根据LOS信号和NLOS信号采取误差消除手段；S6:根据上个步骤处理后的数据进行定位。