[发明专利]一种信道状态信息数据降维方法及智能室内定位方法

说明书

本发明公开了一种信道状态信息数据降维方法及智能室内定位方法，首先通过基于局部线性嵌入和低秩的降维模型对构建的信道状态信息幅度数据进行降维处理，以去除数据中的冗余信息，而后将降维后的数据输入朴素贝叶斯分类器中，并用对数正态分布函数计算朴素贝叶斯分类器中的条件概率，从而实现室内定位的过程。

技术领域

本发明涉及智能信息处理技术领域，特别涉及一种信道状态信息数据降维方法及智能室内定位方法。

背景技术

随着物联网和无线通信技术的飞速发展，及其应用需求的快速增长，极大地促进了室内定位技术的发展，给我们的生活带来了巨大的变化。基于信道状态信息指纹的室内定位方法以其方便、低成本的特点成为一个重要的研究课题。为了准确获取运动目标的室内位置信息，基于信道状态信息指纹的室内定位方法在训练阶段利用大量的信道状态信息测量建立指纹数据库，在测试阶段通过匹配指纹获得目标的位置。在此背景下，提高室内定位的精度具有越来越重要的意义。

在利用信道状态信息定位的过程中，数据降维又作为其核心部分，受到研究者广泛地关注和探索，这是因为原始信道状态信息的数据量相当之大，且样本常处于一个高维空间中，直接对原始数据进行分类，无论是从计算量还是计算复杂度来说，都是不可取的，而且提取到的特征直接影响到分类决策算法的性能，提取到不恰当的，冗余的，甚至是错误的特征就不能够精确地分类，甚至无法分类，从而影响整个定位系统的性能。为了有效地进行分类，正确地进行特征提取，一般都是寻找到一个最优的投影矩阵，能够将原始数据映射到低维子空间中，同时还要保证映射后的低维子空间能够反映数据集的本质特征。所以说，特征提取本质上就是一种数据的降维方法。

总而言之，如何在降低计算量的前提下实现更高的定位精度，已成为智能室内定位的热点。

发明内容

本发明目的：为解决目前室内定位精度不高的问题，本发明提出了一种信道状态信息数据降维方法及智能室内定位方法，通过对数据进行降维处理，以去除数据中的冗余信息，将降维后的数据输入朴素贝叶斯分类器中，实现室内定位的过程。

技术方案：一种信道状态信息数据降维方法，包括以下步骤：

步骤1：根据目标函数，建立如式(1)和式(2)所示的基于局部线性嵌入和低秩的降维模型；

Q＝(I-O)^T(I-O) (2)

式中，Y表示降维后的样本数据，X表示输入的样本数据，W表示投影矩阵，F表示矩阵的Frobenius范数，α和β是平衡参数，‖W||_*表示投影矩阵W的核范数，tr(.)表示矩阵的秩，C和D表示对W进行奇异值分解后得到的奇异值向量进行截断后的向量形式，T表示转置运算，I表示单位矩阵，O为局部线性嵌入的权重矩阵；

步骤2：采用交替迭代算法对降维模型进行优化，得到优化后的投影矩阵W；

步骤3：基于投影矩阵W，将待降维的高维信道状态信息数据投影到低维子空间中，得到对应的低维信道状态信息数据。

进一步的，所述步骤2具体包括：

将式(1)转化为下式：

s.t.W＝J,W＝G (4)

采用增广拉格朗日交替迭代法对式(3)、式(4)进行求解，直至达到最大迭代次数，求解得到优化后的投影矩阵W。