CN101730227A - 一种基于韧性估计和到达时间差的多基站二次定位方法 - Google Patents

Abstract

本发明属于无线定位技术领域，涉及到一种基于韧性估计和到达时间差的多基站二次定位方法。其特征是于首先将移动台周围的多个基站，以三个一组进行划分，有C_N ³种组合。之后利用每一种组合的三个基站的TDOA信息，采用三基站CHAN算法对移动台进行一次定位，会产生C_N ³个定位结果。再对这C_N ³个定位结果进行韧性估计，得到一个粗定位结果。最后利用与该粗定位结果距离最近的三个基站的TDOA信息对待定位目标进行二次精确定位。方法既可利用多个基站的TDOA信息，又可抑制误差较大的TDOA值对定位结果的影响。在环境噪声较大时，可有效地克服传统CHAN算法当信号衰减引起TDOA估计误差较大时性能迅速恶化的问题。

Description

一种基于韧性估计和到达时间差的多基站二次定位方法

技术领域

本发明属于无线定位技术领域，涉及到一种基于韧性估计和到达时间差的多基站二次定位方法。

背景技术

目前已有的多基站定位技术有到达角度(AOA，angle of arrival)、到达时间(TOA)、到达时间差(TDOA)、到达相位(POA)、到达相位差(PDOA)，到达频率差(FDOA)及以上几种技术的混合定位算法。其中TDOA是目前最有发展潜力的定位技术。它已被成功应用于IS-95CDMA和GSM系统中。

TDOA定位方法是解一个关于移动台位置坐标的超定方程组。由于在无线定位问题中存在干扰和测量误差，因此并不能精确求得移动台坐标。尤其当干扰较大，距离较远且各基站与目标间的相对距离差别较大时，直接求解该超定方程组会产生较大的误差。因此要开发更为有效的求解算法。

根据TDOA测量值得到的定位方程组是非线性方程组，通常需要先将其转化为线性方程组之后进行求解。Fang方法给出了当非线性方程个数等于未知定位坐标数时的解决方案，但该方法不能充分利用多余的测量值来提高定位精度。Friedlander方法考虑到运用额外测量值来提高定位精度，但给出的是次最优解。Taylor级数展开法是求解该非线性方程组的一种有效方法，但它要求迭代运算的初始值必须接近真值，以防止发生局部极小值问题。这在实际应用中有一定难度。而且该方法存在随着基站间距离的增大，定位精度迅速下降的问题，因此不适于宏小区的定位。Chan方法采用二重最小二乘算法给出了定位方程组的非迭代闭合解，在TDOA测量误差比较小时，具有最优估计性能。而且该算法的定位精度受基站间距离影响不大，表现较稳定，适合宏小区的无线定位。但随着TDOA测量误差的增加，尤其是当各个TDOA测量值的误差分布相差很大时，该算法性能迅速下降，很难得到满意的结果。

CHAN方法是基于TDOA原理的一种典型定位算法。在利用CHAN算法求解超定方程组的过程中，分为两种情况求解。第一种情况是三个基站参与定位(简称三基站定位)；第二种情况是多于三个基站参与定位(简称多基站定位)。根据仿真实验结果发现，在信噪比较低时，这种CHAN方法(包括三基站和多基站)的定位效果会明显恶化。

发明内容

本发明要解决的技术问题是提供一种基于韧性估计和到达时间差的多基站二次定位方法。在图1所示的多基站无线定位系统中，由于移动台到各个基站的距离不同，导致各个基站收到移动台的信号的信噪比会有很大的差距。由于TDOA测量值的误差与收到信号的信噪比有关，因此各个基站得到的TDOA值的误差分布会有很大的差别。在这种情况下，采用该方法可充分利用有用信息，最大限度地减小误差较大信息对定位结果的影响。

本发明的技术方案如下步骤：

步骤1：将移动台周围的多个基站，以三个一组进行划分，有C_N ³种组合。

步骤2：利用每一种组合的三个基站的TDOA信息，采用三基站CHAN算法对移动台进行一次定位，会产生C_N ³个定位结果。

步骤3：再对这C_N ³个定位结果进行韧性估计，得到一个移动台的粗定位结果。韧性估计采用以下迭代公式：

$\left\{\begin{array}{c}{\hat{M}}_{(k+1)}=\frac{1}{N^{\′}}\underset{i}{\overset{N^{\′}}{\mathrm{\Σ}}}{x}_i+\frac{N^{\′\′}}{N^{\′}}{C}_H{\hat{s}}_{\left(k\right)}\\ {\hat{S}}_{(k+1)}^2=\left[\frac{1}{\mathrm{N\β}}\underset{i}{\overset{N^{\′}}{\mathrm{\Σ}}}{(x_i-{\stackrel{\‾}{x}}_{\left(k\right)})}^2\right]/(1-\frac{N^{\′\′}}{\mathrm{N\β}}{C}_H^2)\end{array}---\left(1\right)\right.$

其中初始值

和

可采用最小二乘法获得，即

$\left\{\begin{array}{c}{\stackrel{\‾}{x}}_{\left(0\right)}=\frac{1}{N}\underset{i}{\overset{N}{\mathrm{\Σ}}}{x}_i\\ {\hat{s}}_{\left(0\right)}^2=\frac{1}{N}\underset{i}{\overset{N}{\mathrm{\Σ}}}{(X_i-{\stackrel{\‾}{x}}_{\left(0\right)})}^2\end{array}\right.---\left(2\right)$

式(22)中N′和N″分别是满足式(24)和(25)的X_i的个数。

$\left|\frac{x_i-{\stackrel{\&OverBar;}{x}}_{\left(k\right)}}{{\hat{s}}_{\left(k\right)}}\right|<C_H---\left(3\right)$

$\left|\frac{x_i-{\stackrel{\&OverBar;}{x}}_{\left(k\right)}}{{\hat{s}}_{\left(k\right)}}\right|\&GreaterEqual;C_H---\left(4\right)$

利用

和

作为迭代初值，按照迭代公式(1)进行迭代，通常迭代两次即可得到较满意的结果。上式是对横坐标的处理方法，对纵坐标采用相同方法。

步骤4：以这个粗定位结果为假定位置，找到与该位置最近的三个基站。因为这三个基站与粗定位结果距离最近，所以这三个基站得到的TDOA值误差较小。最终采用这三个基站的定位结果作为移动台的最终定位结果。

本发明的效果和益处是该方法既可利用多个基站的TDOA信息，又可抑制误差较大的TDOA值对定位结果的影响。在环境噪声较大时，可有效地克服传统CHAN算法当信号衰减引起TDOA估计误差较大时性能迅速恶化的问题。

附图说明

附图1是一个典型的七基站定位示意图，图中BS代表基站，MS代表移动目标(待定位目标)。

附图2是几种方法在一次仿真实验中的定位结果。该仿真实验是在图1所示的环境中进行的，从中图可见，第一步的韧性估计结果比七基站CHAN算法的定位结果更接近于实验位置。

具体实施方式

以下结合技术方案和附图详细叙述本发明的具体实施方式。

1、在图1中，系统查找当前与移动目标通信的基站(BSO)，作为中心基站。

2、以BSO为中心，周边六个基站BS1到BS6的边线作为边界，划定一个定位区域。移动目标(MS)应位于该区域之中。

3、在七个基站中，任选三个基站，会有35种组合。对每一组三基站组合，利用三基站CHAN算法，可得到一个定位结果。那么35组就有35个定位结果。

4、以上述公式(2)为初值，利用上述公式(1)对这35个定位结果进行迭代，通常迭代两到三次，即可得到一个较为接近的粗定位结果。

5、以该粗定们结果为假定位置，找到与该位置距离最近的三个基站。由于这三个基站与假定位置最近，那么由假定位置发射的射频信号到达这三个基站的衰减就最小，信噪比最高。所以可以认为这三个基站得到的TOA值的误差最小。

6、利用这三个基站的TOA，可得到一个精确的定位结果，做为最终的定位结果。

下面是本发明与几种现有定位方法的对比实验结果，见表1。

表1三种方法进行粗定位的仿真结果

表1中的数据是对比了三种方法的定位精度，第一种方法是利用CHAN方法对七个基站得到的TDOA直接进行处理；第二种方法是一种两步定位法，在第一步中采用平均法对前述C_N ³个三基站定位结果进行处理，得到一个粗定位结果，之后找到距粗定位结果最近的三个基站进行精确定位；第三种方法就是本专利提出的基于韧性估计和到达时间差的多基站二次定位方法。从表1的结果可见，本文所述方法的定位精度远优于其它两种方法。

Claims (1)

1.一种基于韧性估计和到达时间差的多基站二次定位方法，其特征在于如下步骤：

步骤1：将移动台周围的多个基站，以三个一组进行划分，有C_N ³种组合；

步骤2：利用每一种组合的三个基站的TDOA信息，采用三基站CHAN算法对移动台进行一次定位，会产生C_N ³个定位结果；

步骤3：再对这C_N ³个定位结果进行韧性估计，得到一个移动台的粗定位结果；韧性估计采用以下迭代公式：

$\left\{\begin{array}{c}{\hat{M}}_{(k+1)}=\frac{1}{N^{\&prime;}}\underset{i}{\overset{N^{\&prime;}}{\mathrm{\&Sigma;}}}{x}_i+\frac{N^{\&prime;}}{N^{\&prime;}}{C}_H{\hat{s}}_{\left(k\right)}\\ {\hat{S}}_{(k+1)}^2=\left[\frac{1}{\mathrm{N\&beta;}}\underset{i}{\overset{N^{\&prime;}}{\mathrm{\&Sigma;}}}{(x_i-{\stackrel{\&OverBar;}{x}}_{\left(k\right)})}^2\right]/(1-\frac{N^{\&prime;\&prime;}}{\mathrm{N\&beta;}}{C}_H^2)\end{array}\right.---\left(1\right)$

其中初始值

和

可采用最小二乘法获得，即

$\left\{\begin{array}{c}{\stackrel{\&OverBar;}{x}}_{\left(0\right)}=\frac{1}{N}\underset{i}{\overset{N}{\mathrm{\&Sigma;}}}{x}_i\\ {\hat{s}}_{\left(0\right)}^2=\frac{1}{N}\underset{i}{\overset{N}{\mathrm{\&Sigma;}}}{(X_i-{\stackrel{\&OverBar;}{x}}_{\left(0\right)})}^2\end{array}\right.---\left(2\right)$

式(22)中N′和N″分别是满足式(24)和(25)的X_i的个数；

$\left|\frac{x_i-{\stackrel{\&OverBar;}{x}}_{\left(k\right)}}{{\hat{s}}_{\left(k\right)}}\right|<C_H---\left(3\right)$

$\left|\frac{x_i-{\stackrel{\&OverBar;}{x}}_{\left(k\right)}}{{\hat{s}}_{\left(k\right)}}\right|\&GreaterEqual;C_H---\left(4\right)$

利用

和

作为迭代初值，按照迭代公式(1)进行迭代，通常迭代两次即可得到较满意的结果；上式是对横坐标的处理方法，对纵坐标采用相同方法；

步骤4：以这个粗定位结果为假定位置，找到与该位置最近的三个基站；因为这三个基站与粗定位结果距离最近，所以这三个基站得到的TDOA值误差较小；最终采用这三个基站的定位结果作为移动台的最终定位结果。

Images