CN101541078A - 一种tdoa的估计方法、系统和装置 - Google Patents

Abstract

本发明实施例公开了一种到达时间差TDOA的估计方法、系统和装置，所述TDOA的估计方法包括以下步骤：接收定位参考点估计的数据分组的到达时刻，所述数据分组的到达时刻是所述定位参考点根据系统前导符号进行定时检测并利用包含基于定位的服务LBS序列的正交频分复用OFDM符号进行定时误差估计获取的；根据不同定位参考点估计的所述数据分组的到达时刻计算TDOA。通过本发明实施例，定位参考点估计数据分组的到达时刻，再由基站根据不同定位参考点估计的数据分组的到达时刻，计算TDOA，进而获得移动台的具体位置坐标，从而解决了现有的定位算法精度低、复杂度高的问题。

Description

一种TDOA的估计方法、系统和装置

技术领域

本发明涉及通信技术领域，特别涉及一种TDOA(Time Difference ofArrival，到达时间差)的估计方法、系统和装置。

背景技术

现有技术中蜂窝无线定位是一种极其重要的地面无线定位方式，它利用分布广泛的蜂窝无线通信基础设施完成定位，不需要专门的用户端设备，也不需要另外组建网络，对于运营商和用户来说成本极低。在蜂窝网络中为移动台提供二维定位服务的基本定位方法有：RSS(Received Signal Strength，接收信号的强度)定位，TOA(Time of Arrival，到达时间)定位，TDOA定位，AOA(Angle of Arrival，信号到达角)定位等。

蜂窝无线定位技术方案按照定位实施主体可以划分为两类：基于移动台的定位与基于网络的定位。基于移动台的定位也称为前向链路定位，即移动台利用来自基站的信号计算出自己的位置。基于网络的定位也称为反向链路定位，实现方式为网络利用移动台传来的信号计算出移动台的位置。无论采用何种定位方案，蜂窝无线定位系统中基本定位方法和技术都是相同的或相似的，都是通过检测某种信号的特征测量值实现对移动台的位置估计。

TDOA定位具有TOA定位的优点，同时又对系统同步要求要低得多，减小了系统实现的难度，从而降低了定位系统的成本，对以低附加成本为特点的蜂窝无线定位系统具有特殊意义。TDOA定位方法通过测量移动台到两个基站之间或两个基站的信号到移动台之间的时延差，利用双曲线方程确定用户的位置，因而TDOA测量的精度直接决定TDOA定位方法的性能。

OFDM(Orthogonal Frequency Division Multiplexing，正交频分复用)信号的特点和时频处理框架，为有效提高TDOA的估计精度和降低其复杂度提供了基础。为了便于比较和分析各种不同TDOA估计与定位方法，首先介绍TDOA定位系统原理与模型，然后给出TDOA估计中的信号传输模型。

在现有技术中给出由MS(Mobile Station，移动台)利用上行链路向LMU(Location Measurement Unit，定位测量单元)发送测距信号，由BS(BaseStation，基站)完成用户定位的U-TDOA方法，它是一种基于网络的蜂窝无线定位算法。

如图1所示为U-TDOA(UplinkTime Difference of Arrival，上行到达时间差)定位方法的小区设置示意图，在定位过程中，移动台MS首先向各个相邻LMU发送定位信号(很多情况下LMU就是BS)。LMU检测到定位信号之后可以直接将接收信号或测量获得的TOA时间经过某指定时延传输给无线网络控制中心，由该控制中心安排计算TDOA数值，并根据各个LMU坐标最终计算得到MS的位置坐标信息。

在TDOA定位方法中，TDOA估计的性能直接决定TDOA定位方法的性能。现有技术中给出了两种进行基于GRP(Geolocation Reference Point，定位参考点)的TDOA定位的方案。

其中，现有技术一为利用无线局域网中数据分组的前导(Preamble)OFDM符号作为测距信号，接收端通过对前导符号的相关检测，估计出TOA，再利用TOA估计出TDOA。

现有技术一在估计TOA时，采用滑动相关处理估计TOA，在高斯白噪声信道中估计性能较好，但在宽带无线多径信道中滑动相关处理的峰值与第一径不存在一一对应的关系，所以TOA估计的性能会严重下降；并且估计出的TOA的分辨率由采样间隔决定，要提高估计精度，必须进行过采样，这使系统实现的复杂度大大增加。另外，上述TDOA的估计方法虽然用到了OFDM信号，但仅用到了OFDM符号在时域的相关特性，未充分利用OFDM信号在频域的特性。

为了提高距离分辨率和估计精度，现有技术二利用时延对OFDM系统频域的各个子信道中的数据影响和信道的统计特性，采用最大似然方法来估计TOA，再利用TOA估计出TDOA。

但是现有技术二利用信道估计中所包含小数采样间隔的时延信息，利用MUSIC算法的思想构造出最大似然估计算法估计出小数采样间隔的时延，以提高时延的估计性能，利用了OFDM系统的时频特性。但在估计TOA时，估计前需要知道第一路径为零时延的OFDM系统频域子信道的自相关矩阵和噪声的方差，这些信息通常不易得到；且TOA估计中需要计算多个矩阵的逆运算、多个矩阵的乘和矩阵奇异值分解等复杂运算，复杂度高。在OFDM蜂窝通信系统中，上述TDOA的估计方法对定时误差非常敏感，要求定时必须足够精确，否则包含时间误差信息的信道估计存在符号间干扰和子载波间干扰，会严重降低最大似然算法的估计性能。

发明内容

本发明实施例提供一种TDOA的估计方法、系统和装置，以解决现有的TDOA定位方法精度低、算法复杂度高的问题。

为达到上述目的，本发明实施例一方面提供一种到达时间差TDOA的估计方法，包括以下步骤：接收定位参考点估计的数据分组的到达时刻，所述数据分组的到达时刻是所述定位参考点根据系统前导符号进行定时检测并利用包含基于定位的服务LBS序列的正交频分复用OFDM符号进行定时误差估计获取的；根据不同定位参考点估计的所述数据分组的到达时刻计算TDOA。

另一方面，本发明实施例还提供一种TDOA的估计系统，包括：基站BS和至少三个定位参考点，所述BS，用于接收定位参考点估计的数据分组的到达时刻，并根据不同定位参考点估计的所述数据分组的到达时刻计算TDOA，并为所述定位参考点提供采样时钟信号；所述定位参考点，用于根据系统的前导符号进行定时检测并利用包含LBS序列的OFDM符号进行定时误差估计，以估计数据分组的到达时刻，并将所述数据分组到达时刻的估计结果发送给所述BS。

再一方面，本发明实施例还提供一种定位参考点，包括：估计模块，用于根据系统的前导符号进行定时检测并利用所述包含LBS序列的OFDM符号进行定时误差估计，以估计数据分组的到达时刻；发送模块，用于将所述估计模块的估计结果发送给BS。

再一方面，本发明实施例还提供一种BS，包括：接收模块，用于接收定位参考点发送的数据分组到达时刻的估计结果；计算模块，用于根据所述接收模块接收的不同定位参考点估计的数据分组到达时刻计算TDOA。

与现有技术相比，本发明实施例具有以下优点：通过本发明实施例，定位参考点对接收到的系统前导符号进行定时检测，然后利用包含LBS训练序列的OFDM符号进行定时误差估计，估计数据分组的到达时刻，再由基站根据不同定位参考点估计的数据分组的到达时刻，计算TDOA，从而获得移动台的具体位置坐标，本发明实施例提出的方法不需要信道的自相关函数和噪声等有关信息的辅助，对OFDM数据分组的定时误差不敏感，定位估计精度高，算法复杂度低。

附图说明

图1为现有技术U-TDOA网络设置结构图；

图2为本发明实施例小区设置示意图；

图3为本发明实施例LBS训练序列的结构示意图；

图4为本发明实施例包含LBS训练序列的OFDM符号结构示意图；

图5为本发明实施例包含LBS训练序列的OFDM帧结构的示意图；

图6为本发明实施例TDOA的估计方法的流程图；

图7为本发明实施例利用TDOA估计值进行定位的方法的流程图；

图8所示，为本发明实施例TDOA的估计系统的结构图。

具体实施方式

本发明实施例面向OFDM蜂窝通信系统或其它无线OFDM系统，设计出用于TDOA估计的LBS(Location Based Services，基于定位的服务)训练序列和包含LBS训练序列的帧格式，提出基于该LBS训练序列的TDOA估计的技术方案，本发明实施例提出的方法不需要信道的自相关函数和噪声等有关信息的辅助，对OFDM数据分组的定时误差不敏感，定位估计精度高，算

如图2所示，为本发明实施例小区设置示意图，由于一个BS可以在小区中拥有多个RS(Relay Station，中继站)辅助接收，因此本发明实施例使用多个RS作为定位参考点。

本发明实施例利用3个RS作为定位参考点，不需要在定位中使用多个BS，因此不需要在网络中增加BSC(Base Station Controller，基站控制器)控制。RS通过同样的线缆与BS相连，BS与各RS之间的信号传输时延已知，其时钟由BS时钟统一提供，由已知的传输时延加以修正。各个RS测得各自收到的定位信号后将TOA传送回BS，由BS统一处理完成TDOA估计。由于请求LBS(Location Based Services，基于定位的服务)的MS会随机均匀地分布在小区中，因此为了使LBS性能稳定，RS应该尽量均匀分布在小区中。同时由于处于各RS组成的多边形内的MS的定位精度要高于处于多边形外的MS，RS应与BS保持一定的距离。

如图3所示，为本发明实施例LBS训练序列的结构示意图，本发明实施例提供了用于TDOA估计的LBS训练序列以及含有LBS训练序列的OFDM帧格式：

1、LBS训练序列的构建：

本发明实施例中的LBS训练序列包含两个基本的OFDM符号，每个符号的基本数据采用CAZAC(Constant Amplitude Zero Auto Correlation，恒定幅度零自相关)序列，第二符号是第一个符号的循环移位序列。若OFDM系统符号长度为N，循环前缀的长度为G，长度为N的CAZAC序列表达式为

其中，M是与N互质的整数。

对于LBS中基本数据可直接选取长度为N(N＝2^m)的CAZAC序列，也可选为IFT(Inverse Fourier Transform，傅立叶反变换)之后的CAZAC序列。对于奇数长度的CAZAC序列，也可以用于长度为N的LBS基本数据，首先选取长度为N-1的CAZAC序列，在序列最前面插入数据0，构成长度为N的序列，然后通过IFT获得长度为N的基本数据。

2、LBS训练序列的特点：

如图4所示，为本发明实施例包含LBS训练序列的独特OFDM符号结构示意图，其中A表示图3所示的LBS训练序列中的子数据序列z₀，z₁，...，z_G-1，B表示LBS训练序列中的子数据序列z_G，...，z_N-G，C表示LBS训练序列中的子数据序列z_N-G+1，...，z_N-1。由图4可以看出，第一个OFDM符号以C为循环前缀，第二个OFDM符号以A为循环前缀，第二个OFDM符号的数据是第一个OFDM符号的数据在时域上的循环移位，且循环移位了G次，第一个OFDM符号的数据与第二个OFDM符号的数据存在交叠。在TDOA估计中，这种具有前缀的OFDM符号，当定时偏移在一个循环前缀内时，不会引入符号间干扰，且可将定时偏移反映到频域各个子信道的相位中。这种独特结构优于其它的用于定时和信道估计的训练符号。本发明实施例提出的包含LBS序列的OFDM符号不仅可用于TDOA估计领域，还可用于信道估计、定时同步估计和频偏估计等场景。

峰均比是OFDM系统的一项重要指标，本发明实施例中的LBS训练序列采用CAZAC序列，当采用偶数长度的CAZAC序列或对其进行IFT后的序列时，LBS训练序列的峰均比为1，而采用奇数长度的CAZAC序列或对其进行IFT后的序列时，LBS训练序列的峰均比约为1.004。低峰均比特性使得LBS训练序列的频域数据不会受到放大器非线性的影响，可用于上行或下行链路，或其它非OFDM系统。

3、包含LBS训练序列的帧结构

如图5所示，为本发明实施例包含LBS训练序列的OFDM帧格式的示意图，本发明实施例提出的包含LBS训练序列的OFDM帧结构形式与现有OFDM传输标准中的帧结构的形式一致，因而在系统中，可将LBS训练序列以数据符号的形式插入到现有的OFDM传输帧中，接收端通过增加LBS数据检测装置，即可获得相应的信息，因此只需对OFDM通信系统的链路层进行非常小的改动，不需要对现有的OFDM物理层传输标准进行修改，即可将定位功能集成到现有的通信系统中。

在基于OFDM传输标准的系统中，若进行定位服务，可将LBS训练序列以数据符号的形式嵌入到标准的OFDM传输帧中。如图5所示，LBS训练序列的位置可在前导符号和信号域之后，也可在数据负载中的任一位置，具体的位置可由系统或服务协议统一规定。LBS训练序列在OFDM帧中所处的位置不影响接收端TDOA估计的性能。

如图6所示，为本发明实施例TDOA的估计方法的流程图，本发明实施例针对现在和未来的OFDM蜂窝通信系统，提出了一种新的TDOA的估计方法，其思想是，在接收端利用定时检测和定时误差估计，获得定位分组到达时刻，利用多个定位参考点的定位分组到达时刻估计它们之间TDOA。本发明实施例以多个RS作为定位参考点。定时误差估计是在定时检测的基础上，从接收的信号中提取包含LBS序列的OFDM符号进行信道估计，利用这些包含定时误差信息的信道估计值，定义代价函数，通过采用搜索估计出小数采样间隔的误差，再将估计出的小数采样间隔的误差补偿到估计后的信道系数中，并变换到时域，通过搜索估计出的整数采样间隔的误差，从而获得定位分组的到达时刻，最后利用估计出的LBS训练序列到达多个RS或LMU的时刻来估计不同RS或LMU之间TDOA数值。本发明实施例提出的TDOA的估计方法包括以下六个步骤：

步骤S601，利用OFDM系统的前导符号进行定时检测，估计出接收端信号的到达时刻t_i′；

在步骤S601中利用系统的前导符号进行定时检测。若移动台在t₀时刻发射包含LBS训练序列的OFDM符号，RS_i或LMU_i在t_i时刻收到定位分组。接收端采用离散化处理，若采样间隔为T_s，则定位分组到达时刻t_i可以表示为：

t_i＝t₀+τ_i，0＝M_iT_s+Δτ_i，0

式中：M_i为RS_i或LMU_i中采样时钟的序号，τ_i，0为移动台与RS_i之间距离引起的传播时延，Δτ_i，0为一个采样间隔之内的时延。第i个定位接收端通过对分组中的前导符号中定时训练符号检测，得到分组到达时刻t_i′可以表示为：

t_i′＝M_i′T_s  (3)

式中：M_i′为接收端检测到OFDM符号时采样时钟序号。

与真实的到达时刻相比，定时带来的误差为：

Δt_i＝t_i-t_i′＝(M_i-M_i′)T_s+Δτ_i，0＝ΔM_iT_s+Δτ_i，0 (4)

在具体系统中，M_i′的检测可以由对应标准规定的帧定时符号与帧定时步骤实现。如在IEEE 802.16系统中帧定时通过OFDM帧的长前导码的训练序列实现。除此之外不需要其他特定的符号与步骤，也没有特殊条件限制。

步骤S602，基于LBS训练序列的信道估计，即在步骤S601定时检测的基础上，对接收端接收的OFDM符号进行FT(Fourier Transform，傅立叶变换)变换之后，在频域中进行信道估计；

在步骤S602中使用包含LBS训练序列的OFDM符号进行信道估计，若移动台到定位接收点之间的无线信道复基带冲击响应为h(t)，移动台发射的包含LBS序列的等效复基带OFDM符号为z(t)，则接收信号为：

$y_i\left(t\right)=z\left(t\right)\⊗h\left(t\right)+n\left(t\right)---\left(5\right)$

令n(t)＝0，若定时相检测对于真实到达时刻的误差为Δt_i，则从OFDM符号分组中取出的LBS序列信号为：

y_i′(t)＝y_i(t-Δt_i) (6)

由于包含LBS序列信号的OFDM符号具有循环前缀和后缀结构，因此只要Δt_i不大于循环前缀的长度G，经过采样和FT变换后，则包含LBS序列的OFDM符号的频域信号可以表示为：

$Y_m^{\′}=H_m{Z}_m{e}^{j2\mathrm{\π\Δ}{t}_{i}m/{\mathrm{NT}}_s}---\left(7\right)$

式中： $H_m=\underset{k=0}{\overset{G-1}{\mathrm{\Σ}}}{h}_k{e}^{-j\frac{2\mathrm{\πkm}}{N}}=\underset{k=0}{\overset{G-1}{\mathrm{\Σ}}}h\left({\mathrm{kT}}_s\right)e^{-j\frac{2\mathrm{\πkm}}{N}},$ $Z_m=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{z}_k{e}^{-j\frac{2\mathrm{\πkm}}{N}}.$

利用包含LBS序列的OFDM符号得到的信道估计为：

${\hat{H}}_m={Y_m}^{\′}\·Z_m^{*}=H_m{e}^{j2\mathrm{\π\Δ}{t}_{i}m/{\mathrm{NT}}_s}=H_m{e}^{j2\mathrm{\π}(\mathrm{\Δ}{M}_i{T}_s+\mathrm{\Δ}{\mathrm{\τ}}_{i,0})m/{\mathrm{NT}}_s}$

$=H_m{e}^{j2\mathrm{\π\Δ}{M}_{i}m/N}\·e^{j2\mathrm{\π\Δ}{\mathrm{\τ}}_{i,0}m/{\mathrm{NT}}_s}---\left(8\right)$

在信道估计中，整数个采样间隔的误差ΔM_i在时域上使长度为N的信道冲击响应离散采样序列循环移位，而小数个采样间隔的误差Δτ_i，0使时延扩展长度为G的多径信道能量扩散到长度为N的信道响应采样序列中。

步骤S603，小数采样间隔的定时误差估计，即利用步骤S602估计出的信道系数的变换定义代价函数，利用代价函数搜索的方法估计出小数采样间隔的定时误差；

由步骤S602可知，小数采样间隔的定时误差Δτ_i，0使多径信道冲击响应的能量扩散到最大时延扩展外，扩散的能量数值与Δτ_i，0的数值有关。当Δτ_i，0的数值越小时，在长度为N的信道冲击响应采样序列的子序列h_G，...，h_N-G包含的能量越小。因此，在本发明实施例中，利用泄漏到时域信道冲击响应最大时延扩展外的幅度和定义代价函数，通过代价函数搜索估计小数采样间隔误差。

代价函数的定义为：

$C\left(\mathrm{\Δ\τ}\right)=\underset{k=G}{\overset{N-G}{\mathrm{\Σ}}}\left|h_k\left(\mathrm{\Δ\τ}\right)\right|---\left(9\right)$

式中： $h_k\left(\mathrm{\Δ\τ}\right)=\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}{\hat{H}}_m{e}^{-j2\mathrm{\π\Δ\τkm}/{\mathrm{NT}}_s}{e}^{-j2\mathrm{\πkm}/N}.$ 当Δτ＝Δτ_i，0时，代价函数C(Δτ)最小。因而Δτ_i，0的估计值可以表示为：

$\mathrm{\Δ}{\widehat{\mathrm{\τ}}}_{i,0}=\arg \underset{\mathrm{\Δ\τ}}{\min }\left\{C\left(\mathrm{\Δ\τ}\right)\right\}---\left(10\right)$

Δτ在-0.5T_s到0.5T_s的范围内变化，以步长S_τ＝T_s/L进行L步搜索，可以搜索到使代价函数最小的τ_f min，其分辨率为S_τ＝T_s/L。为了进一步提高分辨率，本发明采用代价函数在最小值处左右的数值之差进一步估计定时误差，估计出Δτ_i，0为：

$\mathrm{\Δ}{\widehat{\mathrm{\τ}}}_{i,0}={\mathrm{\τ}}_{f\min }+\frac{C({\mathrm{\τ}}_{f\min }+T_s/L)-C({\mathrm{\τ}}_{f\min }-T_s/L)}{C({\mathrm{\τ}}_{f\min }+T_s/L)+C({\mathrm{\τ}}_{f\min }-T_s/L)}---\left(11\right)$

步骤S604，整数采样间隔的定时误差估计，即将上步估计出的小数采样间隔定时误差补偿到频域信道系数中，然后再将信道系数变换到时域中，利用自适应门限，估计出整数采样间隔的定时误差；

步骤S604对整数采样间隔的定时误差进行了估计，其利用步骤S603中估计出的小数部分对步骤S602中估计出的信道进行补偿，再进行IFT(InverseFourier Transform，傅立叶反变换)，得到只含有整数个采样间隔误差的信道冲击响应采样序列：

${h_k}^{\′}=h_k\left(\mathrm{\Δ}{\widehat{\mathrm{\τ}}}_{i,0}\right)=\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}{\hat{H}}_m{e}^{-j2\mathrm{\π\Δ}{\widehat{\mathrm{\τ}}}_{i,0}\mathrm{km}/{\mathrm{NT}}_s}{e}^{-j2\mathrm{\πkm}/N}---\left(12\right)$

然后，对(12)式的信道冲击响应序列，通过搜索信道冲击响应的起点，即第一样值来估计出整数采样间隔误差ΔM_i。由于无线信道中多径传播的影响，在OFDM定时检测中，通常给出的是冲击响应中最大样值的出现时刻；若最大样值不是第一个样值，这时产生的整数部分定时误差ΔM_i使采样序列长度为N的冲击响应序列向左循环移位。为了搜索到第一径，定义序列h_i，k′，k＝0，...，N-1向右进行e次循环移位的序列X(e)，定义一个自适应搜索门限M_th，若信道的离散冲击响应序列的最大模值为A，噪声电平为B，则M_th可以表示为

M_th＝B+A/L    (13)

式中：L的数值根据信道统计模型，信道冲击响应的离散抽样序列中最大值与第一个样值功率之比来确定。ΔM_i的估计为

$\mathrm{\Δ}{\hat{M}}_i=\arg \underset{e}{\min }\left\{\right|X(e,1)|\≥M_{\mathrm{th}}\}---\left(14\right)$

式中：X(e，1)是循环移位序列X(e)的第一个数据。

因此，Δt_i的估计为

$\mathrm{\Δ}{\hat{t}}_i=\mathrm{\Δ}{\hat{M}}_i{T}_s+\mathrm{\Δ}{\widehat{\mathrm{\τ}}}_{i,0}---\left(15\right)$

步骤S605，到达时刻估计，即利用步骤S601、步骤S603和步骤S604估计出的结果计算出定位分组的到达时刻；

第i定位参考点收到移动台发过来的定位分组的到达时刻为：

${\hat{t}}_i={t_i}^{\′}+\mathrm{\Δ}{\hat{t}}_i={M_i}^{\′}{T}_s+\mathrm{\Δ}{\hat{M}}_i{T}_s+\mathrm{\Δ}{\widehat{\mathrm{\τ}}}_{i,0}---\left(16\right)$

步骤S606，利用不同RS估计出的到达时刻值计算出到达时间差(TDOA)值。

第i个定位参考点和第i+1定位参考点收到移动台发过来的定位分组的时延差为：

$\mathrm{\Δ}{\hat{t}}_{i,i+1}={\hat{t}}_i-{\hat{t}}_{i+1}---\left(17\right)$

本发明实施例还对利用TDOA估计值进行定位的方法进行了介绍，本发明实施例以单步LS(Least Square，最小二乘)定位方法为例进行介绍。

假设有M个定位参考点任意分布在2维空间中，令RS1为主定位参考点，设第i个定位参考点的抽样观测值为

u_i(k)＝s(k-t_i)+η_i(k)，i＝1，2，...，M    (18)

s(k)是自移动台发出的信号，t_i是到第i个定位参考点接收机的时延，η_i(k)为加性高斯白噪声。假设信号与噪声之间相互独立，是零均值平稳高斯随机过程。设t＝[t_2，1，t_3，1，...，t_M，1]^T是TDOA估计值向量。其中

t_i，1＝t_i-t₁    (19)

t的协方差矩阵Q为

$Q=\{\frac{2T}{2\mathrm{\π}}{\∫}_0^{\mathrm{\Ω}}{\mathrm{\ω}}^2\frac{S{\left(\mathrm{\ω}\right)}^2}{1+S\left(\mathrm{\ω}\right)\mathrm{tr}\left(N{\left(\mathrm{\ω}\right)}^{-1}\right)}---\left(20\right)$

$\×[\mathrm{tr}\left(N{\left(\mathrm{\ω}\right)}^{-1}\right)N_p{\left(\mathrm{\ω}\right)}^{-1}-N_p{\left(\mathrm{\ω}\right)}^{-1}{I}^T{N}_p{\left(\mathrm{\ω}\right)}^{-1}]\mathrm{d\ω}{\}}^{-1}$

其中0到Ω是处理信号频率带宽，T是观测时间。tr(*)是矩阵*的迹。S(ω)是信号的功率谱密度，N(ω)＝diag{N₁(ω)，N₂(ω)，...，N_M(ω)}是噪声功率谱矩阵。N_p(ω)是矩阵N(ω)的右下角(M-1)×(M-1)的部分，I是与N_p(ω)同型的单位矩阵。

假设没有噪声时的{*}为{*}⁰，t_i，j将表示为

$t_{i,j}=t_{i,j}^0+n_{i,j},$ i，j＝1，2...，M    (21)

式中n_i，j代表噪声(时延估计误差)分量。定义噪声分量为n＝[n_2，1，n_3，1，...，n_M，1]^T。因为TDOA估计器是无偏的，所以n的均值为0，协方差矩阵等于Q。

根据前面已知定义，设用于定位的定位参考点数目为M个(M≥4)，定位参考点RS_i(坐标(x_i，y_i))到MS(坐标(x₀，y₀))的真实距离分别为R_i。RS_i与RS₁到MS距离差分别为R_i1＝R_i-R₁，那么有：

$R_i=\sqrt{{(x_i-x_0)}^2+{(y_i-y_0)}^2}---\left(22\right)$

$R_{i1}=R_i-R_1=\sqrt{{(x_i-x_0)}^2+{(y_i-y_0)}^2}-\sqrt{{(x_1-x_0)}^2+{(y_1-y_0)}^2}---\left(23\right)$

定位参考点RS_i(坐标(x_i，y_i))到MS(坐标(x₀，y₀))的真实距离分别的平方和为

$R_i^2={(x_i-x_0)}^2+{(y_i-y_0)}^2$

$=K_i-{2x}_i{x}_0-{2y}_i{y}_0+x_0^2+y_0^2,i=\mathrm{1,2},...,M---\left(24\right)$

其中 $K_i=x_i^2+y_i^2.$

设c为开放空间中的光速，RS_i与RS₁的传输时间差为TDOA_i1，则

R_i，1＝TDOA_i1·c＝R_i-R₁    (25)

式(25)定义一组非线性方程，根据这可以解得(x₀，y₀)。

根据上式， $R_i^2={(R_{i,1}^2+R_1)}^2,$ 因此公式(23)可重新写为

$R_{i,1}^2+2R_{i,1}{R}_1+R_1^2=K_i-2x_i{x}_0-{2y}_i{y}_0+x_0^2+y_0^2---\left(26\right)$

上式减去公式(24)在i＝1时的量，得到

$R_{i,1}^2+{2R}_{i,1}{R}_1=K_i-{2x}_{i,1}{x}_0-{2y}_{i,1}{y}_0-K_1---\left(27\right)$

其中x_i，1＝x_i-x₁，y_i，1＝y_i-y₁。式(26)是未知变量为x₀，y₀和R_i的一组线性方程组。令 $z_a={[z_p^T,R_1]}^T$ 为未知参数向量，其中z_p＝[x₀，y₀]^T。考虑TDOA误差，由公式(26)得到误差向量是

$\mathrm{\ψ}=h-G_a{z}_a^0---\left(28\right)$

其中 $h=\frac{1}{2}\left[\begin{array}{c}{R}_{\mathrm{2,1}}^2-K_2+K_1\\ R_{\mathrm{3,1}}^2-K_3+K_1\\ ...\\ R_{M,1}^2-K_M+K_1\end{array}\right],$ $G_a=-\left[\begin{array}{ccc}{x}_{\mathrm{2,1}}& y_{\mathrm{2,1}}& R_{\mathrm{2,1}}\\ x_{\mathrm{3,1}}& y_{\mathrm{3,1}}& R_{\mathrm{2,1}}\\ ...& & \\ x_{M,1}& y_{M,1}& R_{M,1}\end{array}\right].$

假设没有噪声时的{*}为{*}⁰，n_i，j代表噪声(时延估计误差)分量。定义噪声分量为n＝[n_2，1，n_3，1，...，n_M，1]^T，则 $R_{i,1}=R_{i,1}^0+{\mathrm{cn}}_{i,1},$ 故 $R_i^0=R_{i,1}^0+R_1^0,$ Ψ可以表示为：

Ψ＝cDn+0.5c²nΘn    (29)

Θ代表Schur乘积。由广义互相关检测的TDOA测量值通常为高斯数据，服从近似的高斯分布，因此噪声矢量n也服从近似的正态分布，误差矢量的协方差矩阵便可算出。在实践中条件 ${\mathrm{cn}}_{i,1}<<R_i^0,$ 因此上式中的第二项可以忽略，变为：

由于z_a中元素满足公式(24)，因此公式(28)仍然是x₀，y₀的非线性方程。Chan算法解决这个非线性问题的方法是，首先假定x、y和R₁之间是相互独立的，通过LS求解。然后对计算的结果加入公式(24)的条件，重新求一次LS，得到最终解。这两步过程是发射机定位的真实ML估计器的近似。

考虑z_a中元素相互独立，z_a的最大似然(ML)估计为：

上式也可认为是公式(28)的广义LS解。但由于B是未知量，包含RS与移动台之间的真实距离，因此也不能或得

的值。当移动台远离RS时，每个R_i ⁰近似为R⁰，则D＝R⁰I，所以上式近似为

$z_a={\left(G_a^T{Q}^{-1}{G}_a\right)}^{-1}{G}_a^T{Q}^{-1}h---\left(31b\right)$

另一方面，如果移动台距离RS很近时，首先根据公式(31b)得到的初始解估计矩阵D。然后根据公式(31a)求最终解。

如图7所示，为本发明实施例利用TDOA估计值进行定位的方法的流程图，如图7所示，MS在LBS开始之后首先产生包含LBS训练序列的OFDM帧，同时向所有的本小区内用于定时的RS及BS发送该帧。信号各自经过多径信道，到达接收天线。各定位RS与BS在接收到定位帧之后首先利用帧同步进行精定时和粗定时，利用得到的数据与已知发送数据估计信道参数。根据Δt_i搜索方法搜索得到小数倍采样周期的传输时延，并根据门限确定定时误差，由此计算TDOA并用TDOA定位算法计算MS坐标位置，具体步骤如下：

步骤S701，定位服务开始。

步骤S702，生成前导符号和信号领域。

步骤S703，生成定位符1和2。

步骤S704，定位信号通过多径信道HK。

步骤S705，信号加入高斯白噪声。

步骤S706，各RS与BS利用TDOA估计方法来估计TDOA。

步骤S707，利用TDOA定位算法估计MS坐标。

步骤S708，定位服务完成。

如图8所示，为本发明实施例TDOA的估计系统的结构图，包括：基站BS1和至少三个定位参考点2，

BS1，用于接收定位参考点2估计的数据分组的到达时刻，并根据不同定位参考点2估计的数据分组的到达时刻计算TDOA，并为定位参考点2提供采样时钟信号；

定位参考点2，用于根据系统的OFDM前导符号进行定时检测以及利用包含LBS序列的OFDM符号进行定时误差估计，以估计数据分组的到达时刻，并将该数据分组到达时刻的估计结果发送给BS1。

其中，BS1包括：接收模块11，用于接收定位参考点2发送的数据分组到达时刻的估计结果；

计算模块12，用于根据接收模块11接收的不同定位参考点2估计的数据分组到达时刻计算TDOA。

其中，BS1还包括：位置确定模块13，用于根据计算模块12计算的TDOA通过定位算法确定移动台的位置。

其中，BS1还包括：时钟提供模块14，用于为定位参考点2提供采样时钟。

其中，定位参考点2包括：估计模块21，用于根据系统的OFDM前导符号进行定时检测以及利用包含LBS序列的OFDM符号进行定时误差估计，以估计数据分组的到达时刻；

发送模块22，用于将估计模块21的估计结果发送给BS1。

其中，估计模块21包括：定时检测子模块211，用于根据系统的前导符号进行定时检测；信道估计子模块212，用于根据定时检测子模块211的检测结果，利用包含LBS序列的具有循环前缀和后缀的OFDM符号将接收信号变换到频率域，以进行包含定时误差的信道估计；

小数估计子模块213，用于利用信道估计子模块212的估计结果对小数采样间隔的定时误差进行估计；

整数估计子模块214，用于根据小数估计子模块213的估计结果对整数采样间隔的定时误差进行估计。

本发明实施例提出了一套完整的在OFDM蜂窝系统中TDOA估计与定位的方法，移动台通过将LBS训练序列以OFDM数据的形式嵌入到OFDM传输分组中，定位参考接收点通过定时检测和对收到的LBS训练序列进行处理后，可以估计出定位分组的到达时刻，再由基站的定位处理中心根据不同定位参考接收点收到定位分组的时刻，通过计算得到TDOA，并利用LS定位算法得到MS具体位置的坐标。

本发明实施例的特点在于设计出了具有前缀和后缀的结构独特的LBS训练序列，将定时误差反映到LBS训练序列的频域数据中，且不受符号间干扰和子载波间干扰的影响。在TDOA估计中，利用结构独特的TDOA训练符号的频域数据，获得包含定时误差信息的信道估计，定义了代价函数和自适应门限，通过代价函数和门限搜索估计出定时同步误差，从而获得高精确定位分组到达时刻。本发明实施例估计出的TDOA分辨率高，定位估计精度高，复杂度低。所设计的LBS训练序列与OFDM传输系统中的数据符号结构完全相同，便于将本发明实施例中的TDOA估计方案集成到OFDM通信系统中，并且仿真结果表明本发明实施例的精度超过了IEEE802.16m中对定位精度的需求，可应用于工程实践。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (15)

1、一种到达时间差TDOA的估计方法，其特征在于，包括以下步骤：

接收定位参考点估计的数据分组的到达时刻，所述数据分组的到达时刻是所述定位参考点根据系统前导符号进行定时检测并利用包含基于定位的服务LBS序列的正交频分复用OFDM符号进行定时误差估计获取的；

根据不同定位参考点估计的所述数据分组的到达时刻计算TDOA。

2、如权利要求1所述TDOA的估计方法，其特征在于，所述根据系统前导符号进行定时检测包括：根据所述OFDM数据帧中的前导符号对接收端信号进行定时检测，估计信号的到达时刻。

3、如权利要求1所述TDOA的估计方法，其特征在于，所述利用包含LBS序列的OFDM符号进行定时误差估计具体包括：

利用所述包含LBS序列的具有循环前缀和后缀的OFDM符号将所述接收信号变换到频率域，以进行包含所述定时误差的信道估计；

利用所述信道估计的结果估计小数采样间隔的定时误差；

根据所述小数采样间隔的定时误差的估计结果进行整数采样间隔的定时误差的估计。

4、如权利要求3所述TDOA的估计方法，其特征在于，所述利用信道估计的结果估计小数采样间隔的定时误差具体包括：定义代价函数，通过所述代价函数估计所述小数采样间隔的定时误差。

5、如权利要求3所述TDOA的估计方法，其特征在于，所述根据小数采样间隔的定时误差的估计结果进行整数采样间隔的定时误差的估计具体包括：

根据所述小数采样间隔的定时误差的估计结果对所述信道估计的结果进行补偿；

对补偿后的信道估计结果进行傅立叶反变换得到包含整数采样间隔的信道冲击响应采样序列；

通过设置自适应搜索门限对循环移位后的信道冲击响应采样序列进行搜索，确定整数采样间隔的定时误差。

6、如权利要求1所述TDOA的估计方法，其特征在于，在所述根据不同定位参考点估计的所述数据分组的到达时刻计算TDOA之后，还包括：根据所述TDOA通过定位算法确定移动台的位置。

7、如权利要求1所述TDOA的估计方法，其特征在于，所述包含LBS训练序列的OFDM符号包括：带有循环前缀的第一OFDM符号和第二OFDM符号，所述第二OFDM符号通过对所述第一OFDM符号的循环移位获得，所述第二OFDM符号的循环前缀为所述第一OFDM符号的循环后缀。

8、一种TDOA的估计系统，其特征在于，包括：基站BS和至少三个定位参考点，

所述BS，用于接收定位参考点估计的数据分组的到达时刻，并根据不同定位参考点估计的所述数据分组的到达时刻计算TDOA，并为所述定位参考点提供采样时钟信号；

所述定位参考点，用于根据系统的前导符号进行定时检测并利用包含LBS序列的OFDM符号进行定时误差估计，以估计数据分组的到达时刻，并将所述数据分组到达时刻的估计结果发送给所述BS。

9、如权利要求8所述TDOA的估计系统，其特征在于，所述BS包括：

接收模块，用于接收所述定位参考点发送的数据分组到达时刻的估计结果；

计算模块，用于根据所述接收模块接收的不同定位参考点估计的数据分组到达时刻计算TDOA。

10、如权利要求8所述TDOA的估计系统，其特征在于，所述定位参考点包括：

估计模块，用于根据系统的前导符号进行定时检测并利用所述包含LBS序列的OFDM符号进行定时误差估计，以估计数据分组的到达时刻；

发送模块，用于将所述估计模块的估计结果发送给所述BS。

11、一种定位参考点，其特征在于，包括：

估计模块，用于根据系统的前导符号进行定时检测并利用所述包含LBS序列的OFDM符号进行定时误差估计，以估计数据分组的到达时刻；

发送模块，用于将所述估计模块的估计结果发送给BS。

12、如权利要求11所述定位参考点，其特征在于，所述估计模块包括：

定时检测子模块，用于根据系统的前导符号进行定时检测；

信道估计子模块，用于根据所述定时检测子模块的检测结果，利用包含所述LBS序列的具有循环前缀和后缀的OFDM符号将接收信号变换到频率域，以进行包含所述定时误差的信道估计；

小数估计子模块，用于利用所述信道估计子模块的估计结果对小数采样间隔的定时误差进行估计；

整数估计子模块，用于根据所述小数估计子模块的估计结果对整数采样间隔的定时误差进行估计。

13、一种BS，其特征在于，包括：

接收模块，用于接收定位参考点发送的数据分组到达时刻的估计结果；

计算模块，用于根据所述接收模块接收的不同定位参考点估计的数据分组到达时刻计算TDOA。

14、如权利要求13所述BS，其特征在于，还包括：位置确定模块，用于根据所述计算模块计算的TDOA通过定位算法确定移动台的位置。

15、如权利要求13所述BS，其特征在于，还包括：时钟提供模块，用于为所述定位参考点提供采样时钟。

Images