CN102238726A - 一种用于lte-a信号的非线性最小二乘toa估计方法 - Google Patents

Abstract

本发明涉及一种用于LTE-A信号的非线性最小二乘TOA估计方法，属于无线通信定位技术领域。采用非线性最小二乘算法，对单个路径的时延和幅度同时进行精确估计，根据门限比较结果判断是否需要结束多径搜索过程，并将估计出的最小路径延时作为信号到达时间的TOA估计。本发明在时间和幅度二维空间上同时估计信号的时延和幅度，能够有效消除宽带无线信号密集多径信号之间存在的相互干扰；本发明测距精度可以达到厘米级，信号到达时间估计精度高，能够满足许多定位场合的应用要求；本发明可采用前向搜索方法加速搜索过程，对搜索区间加以限制，进一步降低了TOA估计的计算复杂度量。

Description

一种用于LTE-A信号的非线性最小二乘TOA估计方法

技术领域

本发明涉及一种用于LTE-A信号的非线性最小二乘TOA估计方法，属于无线通信定位技术领域。

背景技术

TD-LTE是移动通信技术的一个大进步。TD-LTE将使速率和质量再向前大跨越，中国在LTE标准中独树一帜，提出了自己的技术，打破了欧美电信业的垄断地位。TD-LTE确立了中国在新一轮信息产业国际标准和产业竞争中的重要地位，使我国在4G时代掌握世界通信核心技术，真正形成自己的核心竞争力，为我国在移动通信领域取得更大成就奠定基础。在定位方面，我国2009年2月初关于3G+GPS手机随时能定位的调查中，有超过七成的受调查者持支持态度，希望手机定位服务早日推出；国外，据电信研究机构Berg Insight的报告显示，2013年欧洲将有超过半数的手机具备GPS定位功能，手机定位服务用户将增长到1.3亿。蜂窝定位需要解决NLOS传播、多径传播以及CDMA多址接入干扰三大问题。在确定信号从移动终端到基站的传输延时，即TOA算法方面，传统的办法是根据几何圆的定义，确定移动终端的位置在以基站为圆心，距离R为半径的圆环上。TOA方法有最大似然法、最小二乘法、鲁棒估计法、约束定位法、鉴别取舍法等。

未来LTE-Advanced的最大带宽为100MHz，因此具有较强的时间分辨率，有能力提供亚厘米的测距精度。例如，在信噪比为5dB的情况下，采用100MHz带宽的LTE信号进行测距，估计结果标准差的理论下限CRLB低于1cm。若接收信号噪声n(t)为色噪声，非线性最小二乘估计的精度虽然有所下降，但仍能保持良好的统计精度；若接收信号的噪声n(t)为高斯白噪声，非线性最小二乘估计可以有效抑制多径和噪声的影响，具有很好的估计精度和分辨率，此时宽带多径时延估计的CRLB为：

${\mathrm{\σ}}_{\widehat{\mathrm{\τ}}}^2=\frac{N_0}{2{\∫}_{-\∞}^{\∞}{\left(2\mathrm{\πf}\right)}^2{\left|P\left(f\right)\right|}^2\mathrm{df}}$

式中，|P(f)|²表示信号双边能量谱密度。

未来移动通信的定位技术已经成为未来无线定位技术的热点，可以广泛应用于后勤、商业、安全、医疗等领域。

在已有宽带移动通信测距文献中多采用TOA测距技术。接收终端通过估计接收信号中直达路径(Direct Path，DP)的传播时间而得到收发终端之间的距离。但由于LTE-advanced传播信道较为复杂，直达路径不一定是能量最强的路径(Strongest Path，SP)，这使得通过估计最强路径的TOA来估计信号的传播时间会产生误差，其大小等于DP和SP之间的时间延迟。

关于定位估计算法方面，匹配滤波、广义最大似然估计等方法一般是先对时延进行估计，然后根据估计结果对多径幅度进行估计。在LTE-advanced，较宽带宽及密集多径信道环境下，尤其是存在色噪声和外来干扰时，这种方法的弊端是显而易见的，此时参数估计的精度容易受到影响，特别是幅度估计的精度受时间延迟估计精度的影响较大。

发明内容

本发明的目的是克服现有TOA定位精度差的缺陷，解决直达路径信号时延和幅度参数估计的相互干扰，提出一种用于LTE-A信号的非线性最小二乘TOA估计方法。

本发明是通过以下技术方案实现的。

本发明的一种用于LTE-A信号的非线性最小二乘TOA估计方法，采用非线性最小二乘算法，对单个路径的时延和幅度同时进行精确估计，根据门限比较结果判断是否需要结束多径搜索过程，并将估计出的最小路径延时作为信号到达时间的TOA估计；具体步骤如下：

1)建立目标函数

$Q_n({\mathrm{\α}}_n,{\mathrm{\τ}}_n)={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-{\mathrm{\α}}_{n}w(t-{\mathrm{\τ}}_n)]}^2\mathrm{dt}---\left(1\right)$

式(1)中，(α，τ)表示路径的幅度和时延，(α_n，τ_n)表示第n条路径的幅度和时延，r_j(t)是第j个符号波形经过信道后的接收形式，w(t)是持续时间为T_p的接收信号波形，t₀为积分起始时间，T_I是积分时间，其长度等于单个符号接收信号持续时间，且

L_p表示多径数目。通过在二维空间搜索使目标函数最小化可以获得幅度和时延的估计

设定首先估计出的路径为最强路径SP，即

为最强路径SP的幅度和时延估计值；

2)取n＝1，即 ${\widehat{\mathrm{\α}}}_n={\widehat{\mathrm{\α}}}_1,{\widehat{\mathrm{\τ}}}_n={\widehat{\mathrm{\τ}}}_1;$

3)令n＝n+1；

4)检测估计其它多径分量；由估计值

1≤i≤n-1，重构目标函数，即

$Q_{n-1}^{\left(n\right)}({\mathrm{\α}}_n,{\mathrm{\τ}}_n)={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{n}w(t-{\mathrm{\τ}}_n)]}^2\mathrm{dt}---\left(2\right)$

最小化新的目标函数

获取估计值

再由估计值重构目标函数，即

$Q_{n-1}^{(n-1)}({\mathrm{\α}}_{n-1},{\mathrm{\τ}}_{n-1})={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\underset{i\≠n-1}{\overset{n}{\underset{i=1}{\mathrm{\Σ}}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{n-1}w(t-{\mathrm{\τ}}_{n-1})]}^2\mathrm{dt}---\left(3\right)$

由目标函数更新估计值

以获得更为精确的估计值；此时检测出的第n个路径是幅度仅次于第n-1个路径的单径；

5)重复步骤4)直至收敛，即相邻两次迭代估计结果的相对变化量小于预先设定值ξ，此时可获得准确的

和

估计值；

6)若

η是结束多径搜索过程的判决门限，跳回步骤3)继续检测其它多径分量；若

则认为已检测到足够的多径分量，终止多径搜索过程；

7)直达路径DP的时延估计为

${\mathrm{\τ}}_{\mathrm{DP}}=\underset{1\≤i\≤n}{\min }{\widehat{\mathrm{\τ}}}_i---\left(4\right)$

在频率选择性衰落信道下，需要在下一次的迭代中修正之前检测到的所有路径的参数，此时步骤4)变得较为复杂，在重新估计出后还需要估计其他多径参数

1≤k≤n-2，即构造目标函数

$Q_{n-1}^{\left(k\right)}({\mathrm{\α}}_k,{\mathrm{\τ}}_k)={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\underset{i\≠k}{\overset{n}{\underset{i=1}{\mathrm{\Σ}}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{k}w(t-{\mathrm{\τ}}_k)]}^2\mathrm{dt}---\left(5\right)$

由目标函数重新估计

重复步骤4)直至收敛，即可获得准确的所有已检测到多径的参数估计。

为进一步降低算法的计算量，可以采用前向搜索方法加速搜索过程，对搜索区间加以限制。具体方法是在步骤4)的迭代过程中根据已估计出来的多径延时限定积分区间：当n＞2时，式(2)和式(3)的积分起始时刻不变，积分上限变为

即积分区间大小由T_I降为

经过上述七个步骤即完成了基于LTE-A信号的非线性最小二乘TOA估计，估计的结果送入定位算法处理模块完成LTE-A信号源的定位过程。

有益效果

本发明在时间和幅度二维空间上同时估计信号的时延和幅度，能够有效消除宽带无线信号密集多径信号之间存在的相互干扰；本发明测距精度可以达到厘米级，信号到达时间估计精度高，能够满足许多定位场合的应用要求；本发明可采用前向搜索方法加速搜索过程，对搜索区间加以限制，进一步降低了TOA估计的计算复杂度量。

附图说明

图1为本发明估计方法流程图。

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

实施例

一种用于LTE-A信号的非线性最小二乘TOA估计方法，其方法流程图如图1所示，接收端接收到宽带无线LTE-A信号后，根据接收信号r_j(t)和本地模板信号建立目标函数，通过最小化目标函数，在时间和幅度二维空间同时估计最强路径信号的时延和幅度，在接收信号中将该最强路径减去，得到信号

建立新的目标函数，从而在时间和幅度二维空间同时估计

中的最强路径的时延和幅度。为了提高r_j(t)中的最强路径的时延和幅度估计精度，可以在r_j(t)中减去

中的最强路径分量，从新估计新的信号中的最强路径，从而提高r_j(t)中最强路径的时延和幅度的估计精度。

依次在r_j(t)中减去每次估计到的最强路径分量，得到一系列的多径分量的时延估计

和幅度估计

若

则认为已检测到足够的多径分量，终止多径搜索过程，将

作为宽带信号的TOA估计。

实施例1

采用100MHz带宽的LTE-A信号作为宽带无线信号，在视距传播环境下，信噪比为23dB，判决门限η设置为0.2，该方法能够达到0.1ns的估计精度，对应的测距精度是3cm；信噪比为17dB，判决门限η设置为0.3，该方法能够达到0.4ns的估计精度，对应的测距精度是12cm；信噪比为14dB，判决门限η设置为0.4，该方法能够达到2.6ns的估计精度，对应的测距精度是78cm。

根据接收信号的信噪比合理选择判决门限η可以有效提高测距精度。在低信噪比下，门限较低时的虚警误差绝对值大于门限较高时的虚警误差绝对值，即门限较低时TOA估计精度较差，这是因为门限越低将噪声误认作DP的概率越大，所以在信道信噪比较低时需要增大判决门限；但是在信噪比较高的情况下，则需要降低判决门限，否则TOA估计误差同样变大，因为此时增大判决门限会使得检测DP的漏警概率增大，从而降低TOA估计精度。在定位应用中需要根据信道信噪比确定最优判决门限以获取最优的TOA估计精度。

实施例2

采用100MHz带宽的LTE-A信号作为宽带无线信号，在室外非视距传播环境下，信噪比为23dB，判决门限η设置为0.2，该方法能够达到0.3ns的估计精度，对应的测距精度是9cm；信噪比为17dB，判决门限η设置为0.3，该方法能够达到1ns的估计精度，对应的测距精度是30cm；信噪比为14dB，判决门限η设置为0.4，该方法能够达到3ns的估计精度，对应的测距精度是90cm。

以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (3)

1.一种用于LTE-A信号的非线性最小二乘TOA估计方法，其特征在于其具体步骤为：

1)建立目标函数

$Q_n({\mathrm{\α}}_n,{\mathrm{\τ}}_n)={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-{\mathrm{\α}}_{n}w(t-{\mathrm{\τ}}_n)]}^2\mathrm{dt}$

其中，(α，τ)表示路径的幅度和时延，(α_n，τ_n)表示第n条路径的幅度和时延，r_j(t)是第j个符号波形经过信道后的接收形式，w(t)是持续时间为T_p的接收信号波形，t₀为积分起始时间，T_I是积分时间，其长度等于单个符号接收信号持续时间，且

L_p表示多径数目；

通过在二维空间搜索使目标函数最小化可以获得幅度和时延的估计

设定首先估计出的路径为最强路径SP，即

为最强路径SP的幅度和时延估计值；

2)取n＝1，即 ${\widehat{\mathrm{\α}}}_n={\widehat{\mathrm{\α}}}_1,{\widehat{\mathrm{\τ}}}_n={\widehat{\mathrm{\τ}}}_1;$

3)令n＝n+1；

4)检测估计其它多径分量，具体为：由估计值1≤i≤n-1，重构目标函数，即

$Q_{n-1}^{\left(n\right)}({\mathrm{\α}}_n,{\mathrm{\τ}}_n)={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{n}w(t-{\mathrm{\τ}}_n)]}^2\mathrm{dt}$

最小化新的目标函数

获取估计值

再由估计值重构目标函数，即

$Q_{n-1}^{(n-1)}({\mathrm{\α}}_{n-1},{\mathrm{\τ}}_{n-1})={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\underset{i\≠n-1}{\overset{n}{\underset{i=1}{\mathrm{\Σ}}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{n-1}w(t-{\mathrm{\τ}}_{n-1})]}^2\mathrm{dt}$

由目标函数更新估计值

此时检测出的第n个路径是幅度仅次于第n-1个路径的单径；

5)重复步骤4)直至收敛，即相邻两次迭代估计结果的相对变化量小于预先设定值ξ，此时可获得准确的

和

估计值；

6)若

η是结束多径搜索过程的判决门限，跳回步骤3)继续检测其它多径分量；若

则认为已检测到足够的多径分量，终止多径搜索过程；

7)直达路径DP的时延估计为

${\mathrm{\τ}}_{\mathrm{DP}}=\underset{1\≤i\≤n}{\min }{\widehat{\mathrm{\τ}}}_i.$

2.根据权利要求1所述的一种用于LTE-A信号的非线性最小二乘TOA估计方法，其特征在于：

所用信道为频率选择性衰落信道，所述步骤4)更替为：

检测估计其它多径分量，具体为：由估计值

1≤i≤n-1，重构目标函数，即

$Q_{n-1}^{\left(k\right)}({\mathrm{\α}}_k,{\mathrm{\τ}}_k)={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\stackrel{n-1}{\underset{i=1}{\mathrm{\Σ}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{k}w(t-{\mathrm{\τ}}_k)]}^2\mathrm{dt}$

最小化新的目标函数

获取估计值

再由估计值重构目标函数，即

$Q_{n-1}^{\left(k\right)}({\mathrm{\α}}_{n-1},{\mathrm{\τ}}_{n-1})={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\underset{i\≠n-1}{\overset{n}{\underset{i=1}{\mathrm{\Σ}}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{n-1}w(t-{\mathrm{\τ}}_{n-1})]}^2\mathrm{dt}$

由目标函数

更新估计值

估计其他多径参数

1≤k≤n-2，即构造目标函数

$Q_{n-1}^{\left(k\right)}({\mathrm{\α}}_k,{\mathrm{\τ}}_k)={\∫}_{t_0}^{t_0+T_I}{[r_j\left(t\right)-\underset{i\≠k}{\overset{n}{\underset{i=1}{\mathrm{\Σ}}}}{\widehat{\mathrm{\α}}}_{i}w(t-{\widehat{\mathrm{\τ}}}_i)-{\mathrm{\α}}_{k}w(t-{\mathrm{\τ}}_k)]}^2\mathrm{dt}$

由目标函数

重新估计

3.根据权利要求1或2所述的一种用于LTE-A信号的非线性最小二乘TOA估计方法，其特征在于：所述步骤4)中路径搜索采用前向搜索方法，对搜索区间加以限制，具体为将步骤4)中T_I由

替代。

Images