基于最小生成树聚类算法的定位基站选择方法技术

本发明专利技术提供了基于最小生成树聚类算法的定位基站选择方法。本发明专利技术包括以下步骤：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。本发明专利技术能够在所有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。

Location Base Station Selection Method Based on Minimum Spanning Tree Clustering

The invention provides a location base station selection method based on minimum spanning tree clustering algorithm. The invention includes the following steps: firstly, acquiring the base station position and the signal arrival time (TOA) measured by the base station; secondly, dividing the base station into k initial clusters by using the minimum spanning tree clustering algorithm, and taking the average of base station position in each class as the data center of this kind; then, iterating, selecting the base station nearest to each class of middle-distance clustering centers as the representative, and judging the mobile terminal location. If the bit accuracy meets the requirement, the K base station will be taken as the initial base station group, otherwise the K will be expanded to cluster again. Finally, the obtained base station group will be sorted from small to large according to the measured TOA value, and gradually reduce the base station with large TOA value until the minimum number of base stations is output. The invention can select suitable K base stations in all N base stations to participate in positioning, so as to realize the use of as few base stations as possible and achieve approximately optimal positioning accuracy.

【技术实现步骤摘要】
基于最小生成树聚类算法的定位基站选择方法
本专利技术涉及定位基站选择，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。
技术介绍
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。本专利技术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。
技术实现思路
本专利技术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。本专利技术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，本专利技术将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，因此本专利技术将应用全部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Lk，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：S51、考虑到基站与移动终端距离越远，遇到障碍物的可能性越大，非视距程度越大，误差水平也越大，因此可以优先选择距该目标终端比较近的一些基站，本专利技术考虑将测量的TOA值作为衡量基站和移动终端距离的标准，越小的TOA值，其误差越小，因此首先将初始基站组按基站测量的TOA值从小到大进行排序；S52、根据S51的分析，选择测量TOA值最小的k-1个基站对终端进行定位；S53、判断k-1个基站的定位精度是否满足定位要求，若满足，将k-1赋给k返回S52，否则，输出最小基站数。附图说明图1为基于最小生成树K-means聚类算法的定位基站选择方法的流程示意图。具体实施方式本专利技术所述的基于最小生成树聚类算法的定位基站选择方法，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，具体步骤如下：1、本专利技术首先获取基站位置数据和基站测量的信号到达时间(TOA)数据；2、假设有N个基站，对于获得的N个基站，首先根据基站之间的距离构建完全赋权图，并得到基站距离的邻接矩阵，然后通过最小生成树prim算法找到邻接矩阵的最小生成树，最后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，本专利技术将k取值为为向下取整符号，这一步不仅可以对基站位置数据确定一个初始划分，还可以排除集合中的孤立点和噪音数据；3、将步骤2得到的k个位置数据中心作为K-means算法的初始聚类中心，并对基站位置数据进行迭代聚k类，选出每一类中距离聚类中心最近的基站作为代表，本专利技术通过这样的聚类方法可以获得终端四周不同位置的基站，可以在一定程度上消除同一场景中一些相似的噪声；4、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并返回步骤2重新进行聚类；5、考虑到基站与移动终端距离越远，遇到障碍物的可能性越大，非视距程度越大，误差也越大，因此可以优先选择距该目标终端比较近的一些基站，所以本专利技术考虑将测量的TOA值作为衡量基站和移动终端距离的标准，越小的TOA值，其误差越小，基于这样的思想，具体的实现步骤如下：(1)将获得初始基站组按基站测量的TOA值从小到大进行排序；(2)选择测量TOA值最小的k-1个基站对终端进行定位；(3)判断k-1个基站的定位精度是否满足定位要求，若满足，将k-1赋给k返回S52，否则，输出最小基站数。本文档来自技高网...

【技术保护点】
1.基于最小生成树聚类算法的定位基站选择方法，其特征在于包含以下步骤：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。

【技术特征摘要】
1.基于最小生成树聚类算法的定位基站选择方法，其特征在于包含以下步骤：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。2.如权利要求1所述的基于最小生成树聚类算法的定位基站选择方法，所述步骤S2进一步包括以下步骤：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...

【专利技术属性】
技术研发人员：桂林卿，施云，丛海波，鲍菲菲，杨梦霞，束锋，陆锦辉，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32