买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于模糊支持张量机对偶模型的定位方法。首先，在目标区域内放置一个具有一根天线的发射器TX和一个具有三根天线的接收器RX，其中三根天线之间的距离相等，收集n个参考位置的CSI数据。然后，利用CSI数据构造张量数据集并引入模糊隶属函数，再利用传统SVM模型构造原始FSTM。其次，将FSTM二分类模型扩展为FSTM多分类模型，并引入拉格朗日乘子法和张量‑Tucker分解获得新型FSTMDM。接着，将CSI噪声张量数据集输入新型FSTMDM中构建离线数据库。最后，获取定位目标的CSI张量数据输入新型FSTMDM中，将其输出数据与离线数据库中的数据进行对比以实现目标定位。本发明专利利用模糊隶属度和张量‑Tucker分解，提出了一种基于模糊支持张量机对偶模型的定位方法，该方法只需要一个发射机和接收机，不需要对数据进行预处理或者特征提取，就可以实现目标的高精度实时定位。

主权项：1.一种基于模糊支持张量机对偶模型的定位方法，其特征在于包括以下的步骤：步骤一、在目标区域内放置一个具有一根天线的发射器Transmitter，TX和一个具有三根天线的接收器Receiver，RX，其中三根天线之间的距离相等，收集n个参考位置的CSI数据；步骤二、构建接受信号的训练向量数据集T＝{x1,y1,x2,y2,...,xl,yl}∈Rn×Yl，其中xl代表第l个输入的CSI幅值向量数据，yl∈Y＝{1,2,3,…,n},n＜l是已知输出的标签，n为分类的个数，Rn代表的是向量的维数；步骤三、构建传统SVM模型，SVM模型是基于“结构风险最小化”原则的向量分类，其模型为前提条件为其中w∈Rn为超平面＜w,xi＞+b＝0的未知法向量，b∈R为未知偏差变量，ξi为第i个训练样本的松弛变量，c＞0为正则化参数，通过求解二次规划模型得到构建最优向量分类器fx＝sgn＜w,xi＞+b；步骤四、根据步骤二的结果和步骤三的模型构建FSTM，利用获得的含有噪声CSI数据集构造成噪声张量数据集T'，对于噪声张量数据集引入模糊隶属函数si，再利用传统SVM模型的向量模式构造成张量模式可以获得原始FSTM；步骤五、基于步骤四中的结果，在FSTM二分类模型的基础上扩展到FSTM多分类模型，利用拉格朗日乘子法将FSTM二次规划问题转化为一个给定约束条件求目标函数最大值问题；步骤六、基于步骤五获得的二元FSTM多分类模型的对偶优化模型，其最优解取决于张量和的内积运算，若直接使用内积运算则会破坏张量数据的结构信息和内在相关性，为了解决这一问题，引入张量-Tucker分解应用于张量内积的运算得到新型FSTMDM；步骤七、根据步骤六中获得的结果，将CSI噪声张量数据集T'，正则化参数c，模糊隶属度参数σ和核心张量的阶数输入新型FSTMDM中构建离线数据库；步骤八、基于步骤七中获得的结果，获取定位目标的CSI张量数据输入到新型FSTMDM中，输出的数据与离线指纹数据库进行比对以实现目标定位。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于模糊支持张量机对偶模型的定位方法