李嬌

【摘要】一些大家被所熟知的基于TOA，TDOA，AOA，RSSI等室內(nèi)定位的方法已經(jīng)被研究了多年，雖然有些難點(diǎn)還未能攻克，但已經(jīng)鉆研得比較成熟了，而電力線高速數(shù)據(jù)通信技術(shù)是一個(gè)正在發(fā)展中的嶄新學(xué)科，可以嘗試將其與室內(nèi)定位結(jié)合起來作為一個(gè)新興的領(lǐng)域，開啟室內(nèi)定位的另一個(gè)新的天地。本研究將根據(jù)現(xiàn)有的電力線通訊技術(shù)為基礎(chǔ)，提出基于電力線的室內(nèi)定位技術(shù)，并對其進(jìn)行了較深入、系統(tǒng)的研究，并針對定位準(zhǔn)確度、移動(dòng)設(shè)備環(huán)境影響方面存在的問題，采用人工智能和數(shù)據(jù)挖掘理論，提出了相應(yīng)的解決方案。通過算法比較和實(shí)驗(yàn)分析，證明了方案的有效性和可行性。從支持向量機(jī)方法入手，安裝支持向量機(jī)相關(guān)的插件，對樣本信號(hào)強(qiáng)度數(shù)據(jù)進(jìn)行分類和預(yù)測，并比較一般支持向量機(jī)和最小二乘向量機(jī)的分類預(yù)測效果，結(jié)果表明，最小二乘向量機(jī)的效果較好。

【關(guān)鍵詞】室內(nèi)定位電力線支持向量機(jī)最小二乘支持向量機(jī)

一、概述

目前國外在電力線定位方面，Patel等人提出的了一種利用住宅電力線的電力線定位系統(tǒng)[1]。在他們的系統(tǒng)中，采用了兩個(gè)信號(hào)發(fā)生器同時(shí)在電力線上面，發(fā)送音頻信號(hào)。根據(jù)兩個(gè)信號(hào)在不同地方產(chǎn)生不同的信號(hào)強(qiáng)度，通過RSSI建立信號(hào)圖，利用指紋識(shí)別技術(shù)來達(dá)到定位房間和房間內(nèi)的定位要求。

Erich P. Stuntebeck等在他們文章中驗(yàn)證了文獻(xiàn)[1]中定位系統(tǒng)，并對系統(tǒng)進(jìn)行了改進(jìn)[1]，稱之為寬帶電力線定位系統(tǒng)（WPLP），不再僅僅利用兩個(gè)頻率的信號(hào)，而是將44個(gè)不同頻率信號(hào)加到電力線上。國內(nèi)目前尚無人在室內(nèi)電力線定位領(lǐng)域做相關(guān)研究。

二、問題描述

Patel等人的文章中著重提出的是通過RSSI建立信號(hào)圖，利用k-最近鄰分類的方法對未知節(jié)點(diǎn)的位置進(jìn)行定位，由于國外的房間電力線的走向比較明確，即是沿著房間的邊緣進(jìn)行走線，這樣可以做到在房間角落測得的信號(hào)強(qiáng)度遠(yuǎn)大于房間中心的信號(hào)強(qiáng)度，但在國內(nèi)電力線的布局達(dá)不到這樣的要求，因此使用k-最近鄰分類方法對數(shù)據(jù)進(jìn)行分析將產(chǎn)生嚴(yán)重的誤差。基于對樣本分類的啟發(fā)，該文章提出利用信號(hào)圖對已知位置進(jìn)行分類，建立起對應(yīng)關(guān)系，并對下一個(gè)到來的信號(hào)進(jìn)行判斷，屬于哪一類別來判定是哪個(gè)位置。

最小二乘支持向量機(jī)（lssvm）估計(jì)算法[2]

最小二乘支持向量機(jī)的思想和標(biāo)準(zhǔn)的支持向量機(jī)相同，只是在利用結(jié)構(gòu)風(fēng)險(xiǎn)原則時(shí)，在優(yōu)化目標(biāo)中選取了不同的損失函數(shù)，它們分別為誤差孜i（允許錯(cuò)分的松弛變量）和誤差孜i的二范數(shù)。

對標(biāo)準(zhǔn)的支持向量機(jī)，優(yōu)化問題為

四、實(shí)驗(yàn)驗(yàn)證

在實(shí)驗(yàn)室里，利用自制的信號(hào)發(fā)生器插入插座，通過電力線輻射信號(hào)，再用自制的接收器接收信號(hào)，在4x8的網(wǎng)格（行列相聚1.5米）交點(diǎn)處記錄下信號(hào)強(qiáng)度的大小，建立數(shù)據(jù)庫。在matlab軟件里安裝lssvm的工具包，initlssvm語句使采集到的數(shù)據(jù)建立模型，trainlssvm語句訓(xùn)練數(shù)據(jù)，再用simlssvm語句預(yù)測輸出數(shù)據(jù)，結(jié)果顯示如下：

把Libsvm-mat-2.91-1插件安裝在matlab的工具箱中，則可直接調(diào)用svmtrain語句建立輸入輸出數(shù)據(jù)的模型，再調(diào)用svmpredict語句預(yù)測下一個(gè)樣本數(shù)據(jù)屬于哪一個(gè)類，仿真可知分類效果很好，預(yù)測效果不好，如下圖所示。

五、結(jié)論

本文對室內(nèi)定位提出了一種新的思路，利用電力線來傳播信號(hào)，用電力線傳播信號(hào)的弊端很多，容易受外界環(huán)境的影響，因此考慮樣本分類的方法即采用基于支持向量機(jī)方法對信號(hào)進(jìn)行分類定位，這能較好的進(jìn)行室內(nèi)定位，利用電力線進(jìn)行室內(nèi)定位這個(gè)方法還不成熟，還有很多需要解決的難題，我們下一步的工作就是在不同頻段進(jìn)行輻射信號(hào)來進(jìn)行定位。

參考文獻(xiàn)

[1] Sung-Tsun Shih，Kunta Hsieh，Pei-Yuan Chen.An Improvement Approach of Indoor Location Sensing Using Active RFID.icicic， First International Conference on Innovative Computing， Information and Control-Volume II（ICICIC06），2006： 453-456.

[2]閻威武，邵惠鶴，支持向量機(jī)和最小二乘支持向量機(jī)的比較及應(yīng)用研究，控制與決策，2002.1.4：356-359.