基于SVM的GSM网络定位技术.pdf

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（Supprot Vector Machine,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 网络已经提供移动终端定位技术 [1] 及其建立在定位技术基础上的基于位置的多种增值服务 。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 [3] 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 ， 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TA 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 -1- 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-ID2, 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（Rxleveli ）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