[发明专利]基于最小生成树聚类算法的定位基站选择方法

说明书

本发明提供了基于最小生成树聚类算法的定位基站选择方法。本发明包括以下步骤：首先获取基站位置和基站测量的信号到达时间（TOA）；然后通过最小生成树聚类算法将基站划分为k个初始聚类，并将每个类中基站位置均值作为该类数据中心；之后进行迭代，选出每一类中距离聚类中心最近的基站作为代表，判断移动终端定位精度是否满足要求，如果满足则将这k个基站作为初始基站组，否则扩大k重新进行聚类；最后将获得的基站组按测量的TOA值从小到大进行排序，并逐渐减少TOA值大的基站，直到输出最少基站数。本发明能够在所有N个基站中选取合适的k个基站参与定位，以实现使用尽可能少的基站数目，实现近似最优的定位精度。

技术领域

本发明涉及定位基站选择，特别涉及到基于最小生成树聚类算法的定位基站选择方法。

背景技术

基于基站的移动终端技术是一种无线网络定位技术，同时也是一种常见的位置信息服务(LBS)技术是不需要借助GPS等硬件模块支持的一种新兴定位技术。这种定位技术则是利用移动网络中基站的信息，在结合基站本身的位置信息，利用相关的定位算法来计算移动终端的地理位置信息。

其中基于信号到达时间(TOA)的定位算法是一种常用的定位算法，其原理是通过测量若干基站与终端之间对应的信号达时间TOA，将电信号的传播时间转化为通信基站和移动终端之间的距离值，然后利用计算求出的距离值建立距离方程组，解出移动终端的。理论上，随着基站数目的增加会提高移动终端的定位精度，但是增加基站数目无疑也会增加成本加大功耗，降低定位的性能，因此在实际应用中应该综合考虑基站的设置成本问题和定位精度要求。本发明在已知各基站的位置以及TOA值的前提下，提供一种高效的定位基站选择方法就很有必要。

发明内容

本发明的目的在于提供基于最小生成树聚类算法的定位基站选择方法，该能够在所有N个基站中选取合适的k个基站参与定位，以实现使用尽可能少的基站数目，实现近似最优的定位精度。

本发明提供基于最小生成树聚类算法的定位基站选择方法，包括：S1、获取基站位置数据和基站测量的信号到达时间(TOA)数据；S2、通过最小生成树聚类算法将基站划分为k个初始聚类簇，并将每个初始聚类簇中基站位置数据的均值作为该类的位置数据中心；S3、将S2得到的k个位置数据中心作为K-means算法的初始聚类中心，并对基站进行迭代聚k类，选出每一类中距离聚类中心最近的基站作为代表；S4、利用选出的k个基站对移动终端定位，如果满足定位精度要求,则将这k个基站作为初始基站组，否则扩大k并返回S2重新进行聚类；S5、将初始基站组按测量的TOA值从小到大进行排序，并逐渐除去TOA值大的基站，直到输出最少基站数。

进一步地，所述步骤S2可以包括以下步骤：

S21、对于获得的N个基站，根据基站之间的距离构建完全图的邻接矩阵；

S22、通过最小生成树prim算法找到距离邻接矩阵的最小生成树；

S23、删除掉最小生成树中权值最大的k-1条边，得到k棵子树，每棵子树代表一个初始聚类簇，而将每个初始聚类簇中基站位置数据的均值作为该类的位置数据中心，考虑到基站分布对定位的影响，可以事先将k值取较大的值，将基站分成更多的类，尽可能的使终端四周的基站都可以被选择，本发明将k取值为为向下取整符号。

进一步地，所述步骤S3可以包括：

理论上，所有N个基站都参与移动终端的定位运算，定位精度将会很高，因此本发明将应用全部N个基站的定位位置作为参考标准，假设N个基站定位的位置为L₀，而在应用k个基站进行定位的的位置为L_k，定义k个基站的相对定位误差当RPE很小的时候，认为满足定位精度要求，当RPE太大则认为不满足定位精度要求。

进一步地，所述步骤S5可以包括以下步骤：