CN102256353B - 一种移动终端定位精度改进方法 - Google Patents

Abstract

本发明提出一种移动终端定位精度改进方法，通过获取时间段内各链路AOA/TOA测量参数，对BS-MS链路的NLOS传播进行识别，若所有BS-MS链路不存在LOS传输则采用Co-HTAP算法获取目标移动终端的最终位置估计，反之判断存在LOS传播链路的移动终端个数，并根据存在LOS传播的移动终端的个数，采用相应的算法获取目标移动终端的最终位置估计。

Description

一种移动终端定位精度改进方法

技术领域

本发明涉及蜂窝网络定位技术领域，特别是涉及一种移动终端定位精度改进方法。

背景技术

自美国联邦通信委员会(FCC)公布E-911紧急呼叫定位要求之后，国内外学者、科研机构、厂商对基于蜂窝网络的移动终端定位技术展开了更加深入的研究。精确的移动终端位置信息为移动通信系统无线资源管理的优化开辟了新的途径，可实现频谱资源的动态分配，提高频率利用率，可对现有路由算法和网络拓扑结构进行优化，提高系统性能，实现更加灵活稳定的网络拓扑管理。同时，获取移动终端精确的位置信息为位置信息服务(Location Based Service，LBS)提供了有利的保障。

常规的蜂窝网络定位方法包括接收信号强度(RSS)测量法，到达时间(TOA)测量法，到达时间差(TDOA)测量法，到达角(AOA)测量法以及混合参数测量定位法，如AOA/TOA混合定位方法(HTAP)。但是这些方法在受非视距(None Line of Sight，NLOS)传播的影响下，定位精度难以满足E-911安全条款，如何有效识别NLOS传播以及抑制NLOS误差以提高定位精度是有待进一步深入研究的问题。

随着无线通信技术的快速发展，多种异构无线网络共存与融合是未来移动通信网络发展的必然趋势，移动智能终端也具备同时连接不同接入系统的能力，可自由接入不同的无线环境。因此，在异构无线网络中，移动终端定位技术可充分利用多源信息进行数据融合，国内外相关研究表明，协作定位策略能够有效提高移动终端定位精度，但同样受NLOS传播的影响，定位性能大打折扣。

因此，需要本领域技术人员迫切解决的一个技术问题就是：如何能够创新的提出有一种有效措施以克服现有技术存在的缺陷，高效的提高移动终端定位精度。

发明内容

本发明所要解决的技术问题是提供一种移动终端定位精度改进方法，在异构无线网络环境下，通过基站对移动终端进行AOA/TOA混合参数测量以及移动终端之间的TOA参数测量来进行NLOS传播的识别以抑制NLOS误差，有效提高移动终端定位的精度。

为了解决上述问题，本发明公开了一种移动终端定位精度改进方法，包括：

获取时间段Δt内各链路的到达角和到达时间测量参数；具体包括各基站与各移动终端的到达角和到达时间测量参数，以及各移动终端之间的到达时间测量参数；

根据测量参数信息对数据进行统计分析，按照非视距传播的识别方法判决各基站与移动终端之间是否存在视距传播：

若否，则采用协作混合到达角/到达时间定位算法对目标移动终端进行位置估计，并作为最终的估计位置；

若是，则判断存在视距传播的移动终端个数：

若为一个，则判断视距传播的移动终端中是否为目标移动终端本身：

若是，则采用混合到达角/到达时间定位算法获取目标移动终端的最终估计位置；

若否，则采用混合到达角/到达时间定位算法获取目标移动终端及视距传播下的协作移动终端的估计位置，然后结合短距测量对目标移动终端的估计位置进行修正作为最终的位置估计；

若为多个，则采用混合到达角/到达时间定位算法获取各视距传播下的移动终端初始位置估计，若检测某移动终端与基站存在视距传播的链路数最多，则该移动终端标记为最佳估计移动终端；同时检测视距传播的移动终端中是否含有目标移动终端：

若是，则采用最优化方法对目标函数进行最优化求解从而获取目标移动终端的最终位置估计；

若否，则利用混合到达角/到达时间定位算法获取目标移动终端初始位置估计，然后用最佳估计的协作移动终端对目标移动终端估计位置进行首次修正，并采用最优化方法对目标函数进行最优化求解从而获取目标移动终端的最终位置估计。

优选的，所述时间段Δt为0.1-0.5s。

优选的，所述协作移动终端在异构无线网络中目标移动终端是不通过基站而直接相互通信的、在目标移动终端覆盖范围内的移动终端。

优选的，所述的非视距传播的识别方法是通过对视距与非视距传播统计其参数特征，然后采用假设检验方法进行非视距的判别。

优选的，所述参数特征为参数方差。

优选的，对目标移动终端的估计位置进行修正的方法具体包括：

以估计的协作移动终端CoMS_k坐标[x_k，y_k]为中心，以该CoMS_k与目标移动终端的短距测量距离l_0k为半径作一圆形区域，该区域定义为信赖域；

判断初始估计的目标移动终端的估计坐标是否位于该信赖域区间；

若落于该信赖域则停止不进行修正，初始估计位置作为目标移动终端的最终位置估计；

若未落于该信赖域中，则进行估计位置的修正，修正的位置为连接估计的CoMS_k及目标移动终端的初始估计位置的直线交圆上的一点，该点坐标为目标移动终端的修正后的估计位置。

优选的，所述最小化最优化目标函数的方法包括最速下降法、牛顿法和共轭梯度法。

优选的，所述非视距传播检测方法还包括：

测量基站与移动终端之间链路的接收信号强度。

与现有技术相比，本发明具有以下优点：

本发明提出了一种移动终端定位精度改进方法，通过获取时间段内各链路AOA/TOA等测量参数；结合获取的测量参数对BS-MS链路的NLOS传播进行识别；根据NLOS识别结果，若所有BS-MS链路都不存在LOS传输则采用Co-HTAP算法获取目标移动终端的最终位置估计；若存在LOS传播链路，则判断存在LOS传播链路的移动终端个数；只存在一个LOS传播的移动终端时，判断该移动终端是否为目标移动终端，若为目标移动终端则采用HTAP算法获取目标移动终端的最终位置估计，若为协作移动终端，则先采用HTAP算法获取目标移动终端和协作移动终端的位置估计，然后结合短距测量对目标移动终端的位置估计进行修正，作为最终的估计位置；存在多个LOS传播的移动终端时，采用HTAP算法获取各LOS传播下的移动终端初始位置估计，选取最佳估计的移动终端并检测LOS传播的移动终端中是否含有目标移动终端；若没有，则采用HTAP算法获取目标移动终端的初始位置估计，然后用最佳估计的协作移动台对目标移动终端估计位置进行首次修正；修正后或LOS传播的移动终端中含有目标移动终端则对最优化目标函数进行最小化最优化求解，获取目标移动终端的最终位置估计。

附图说明

图1是本发明具体实施方式中所述的一种移动终端定位精度改进方法的流程示意图；

图2是本发明具体实施方法中所述的目标移动终端位置估计修正算法示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明中，在异构无线网络下，优选为蜂窝网+Ad Hoc异构无线网络中，充分结合基站对移动终端到达角AOA(Angle of Arrival)和到达时间TOA(Time of Arrival)参数测量，结合Ad Hoc网络中移动终端之间TOA短距测量来改善蜂窝网络中移动终端定位精度。发明中通过利用经典的NLOS识别算法来识别基站与移动终端之间的链路是否是NLOS传播，然后通过AdHoc网络中移动终端之间的精确的短距测量信息来抑制NLOS误差，提高移动终端的定位精度。

图1示出了本发明中移动终端的定位精度改进方法的流程示意图，具体包含如下步骤：

步骤1，获取时间段内各链路AOA/TOA等测量参数。时间段Δt为0.1s-0.5s，测量参数包括各基站与各移动终端(包括待定位的目标移动终端MS与用于辅助定位的协作移动终端CoMS)链路的AOA和TOA测量参数，以及各移动终端之间的TOA测量参数；为辅助NLOS传播识别，可同时测量基站与移动终端之间链路的接收信号强度(RSS)。

步骤1中的时间段Δt优先为0.1-0.5s，各基站能够有效覆盖目标移动终端和协作移动终端，协作移动终端为在异构网络下，优先为移动蜂窝网+AdHoc网络的异构无线网络时目标移动终端的有效覆盖范围内的移动终端，协作移动终端优先为离目标移动终端30-40m覆盖范围内的移动终端。

步骤2，基站与移动终端(BS-MS)链路的NLOS传播的识别，采用经典的NLOS识别算法，通过对LOS与NLOS传播统计其参数特征，如参数方差，然后采用假设检验方法进行NLOS的判别；经典的NLOS识别算法有Wylie提出的基于时间段内距离测量标准差统计特征的NLOS识别方法，Al-Jazzar提出的基于接收信号功率包络和TOA测量的NLOS识别方法，Chan提出的基于位置估计误差分布的NLOS识别方法，Benedetto提出的基于接收信号包络赖斯分布K因子测量的NLOS识别方法，K.Yu提出的基于基站与移动终端之间LOS传播下的方位角、仰角的三角关系的NLOS识别方法。对于NLOS的识别不限于这几种方法，进行NLOS识别后判断所有基站与移动终端之间的链路是否存在LOS传播，若不存在则转步骤3；若存在，则转步骤4。

步骤2中所述的非视距NLOS传播识别方法主要是基于LOS与NLOS传播具有明显差别的特征，如方差特征/高阶统计量中表示非正态性及离群值的特征，非视距误差的断续性等，然后结合假设检验方法进行NLOS的识别。

步骤3，若有基站与移动终端链路不存在LOS传播下，采用协作混合TOA/AOA定位算法-Co-HTAP算法对目标移动终端进行最终的位置估计。首先通过HTAP算法(公式(3))利用服务基站对目标移动终端进行位置估计，然后利用该位置估计作为初始值对优化目标函数公式(1)或公式(2)进行最小化最优化求解，从而获取目标移动终端的最终位置估计。

步骤4，所有基站与移动终端之间存在视距(LOS，Line of Sight)传播时，判断存在LOS传播的移动终端个数，若只有1个移动终端存在LOS传播则转步骤5，否则转步骤6。

步骤3中所述Co-HTAP(Cooperative Hybrid TOA/AOA PositioningAlgorithm)算法为通过HTAP算法获取目标移动终端以及协作移动终端的初始位置估计，结合基站对目标移动终端的AOA、TOA参数测量结果以及目标移动终端与协作移动终端之间的TOA测量结果来最小化优化如下目标函数：

$F\left(x\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=0}{\overset{K}{\mathrm{\Σ}}}(f_{\mathrm{ik}}^2\left(x\right)+g_{\mathrm{ik}}^2\left(x\right))+\underset{j=0}{\overset{K}{\mathrm{\Σ}}}\underset{k=0}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ξ}}_{\mathrm{jk}}^2\left(x\right),j\≠k---\left(1\right)$

其中，M为基站的个数，K为协作移动终端CoMS的个数；x＝[x₀ y₀ x₁ y₁...x_K y_K]，[x₀，y₀]为目标移动终端坐标实际位置坐标，[x_k，y_k]，k＝1，2...K为各CoMS实际位置坐标，[X_i，Y_i]，i＝1，2...M为各基站的实际位置坐标，[X₁，Y₁]是服务基站的位置坐标；且有 $f_{\mathrm{ik}}\left(x\right)=d_{\mathrm{ik}}-\sqrt{{(X_i-x_k)}^2+{(Y_i-y_k)}^2},$ $g_{\mathrm{ik}}\left(x\right)={\mathrm{\θ}}_{\mathrm{ik}}-\arctan \left(\frac{Y_i-y_i}{X_i-x_k}\right),$ ${\mathrm{\ξ}}_{\mathrm{jk}}\left(x\right)=l_{\mathrm{jk}}-\sqrt{{(x_j-x_k)}^2+{(y_j-y_k)}^2};$ d_ik，θ_ik为各基站对各移动终端的TOA测量距离及AOA到达测量角，l_jk为各协作移动终端与目标移动终端之间的TOA距离测量值。

各移动终端处于NLOS传播时，由于公式1计算量很大，可只采用服务基站对各移动终端进行AOA和TOA测量从而减少运算量而不会明显降低算法的定位性能，简化的优化目标函数为：

$F\left(x\right)=\underset{k=0}{\overset{K}{\mathrm{\Σ}}}(f_{1k}^2\left(x\right)+g_{1k}^2\left(x\right))+\underset{j=0}{\overset{K}{\mathrm{\Σ}}}\underset{k=0}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ξ}}_{\mathrm{jk}}^2\left(x\right),j\≠k---\left(2\right)$

通过对上述目标函数进行最优化求解可获得目标移动终端的最终位置估计值。

步骤5，判断LOS传播的移动终端是否为目标移动终端本身，若是，则通过该LOS链路中测量TOA/AOA参数采用HTAP算法(公式(3))获取目标移动终端的最终估计位置；否则，首先采用HTAP算法(公式(3))获取目标移动终端及该CoMS协作移动终端的估计位置，然后结合短距测量对目标移动终端的估计位置进行修正，通过求解公式(6)、(7)来获取目标移动终端的最终位置估计。

步骤6，采用HTAP算法(公式(3)或最小化最优化公式(5))获取各LOS传播下的移动终端初始位置估计，若检测某移动终端与基站存在LOS传播的链路数最多，则该移动终端标记为最佳估计移动终端；同时检测LOS传播的MS中是否含有目标移动终端，若无则转步骤7，否则转步骤8。

步骤7，利用HTAP算法(公式(3)或最小化最优化公式(5))获取目标移动终端初始位置估计，然后用最佳估计的CoMS对目标移动终端估计位置进行首次修正，通过求解公式(6)、(7)来获取修正的目标移动终端估计位置，再转步骤8。

步骤8，最小化最优化目标函数公式(8)，通过最速下降法、牛顿法、共轭梯度法等优化方法对目标函数进行最优化求解，获取最终的目标移动终端的估计位置。

步骤5、6、7中所述的HTAP算法中若选取的基站与待定位移动终端的链路数只有一条时，基站位置坐标为[X_i，Y_i]，TOA测量距离为d_ik，AOA测量角度为θ_ik，则移动终端最终估计位置为：

$\widetilde{x_k}=X_i+d_{\mathrm{ik}}\cos {\mathrm{\θ}}_{\mathrm{ik}}$

$\widetilde{y_k}=Y_i+d_{\mathrm{ik}}\sin {\mathrm{\θ}}_{\mathrm{ik}}---\left(3\right)$

否则，设选取的链路中基站的集合为C，则利用最小二乘算法获取待估计移动终端的初始位置坐标。根据各链路的TOA和AOA测量结果，移动终端的位置估计等式可相应的描述成如下矩阵形式：

Ax＝b(4)

算中 $A=\left[\begin{array}{cc}{X}_i-X_j& Y_i-Y_j\\ .& .\\ .& .\\ .& .\\ X_i-X_m& Y_i-Y_m\\ \tan {\mathrm{\θ}}_{\mathrm{ik}}& -1\\ .& .\\ .& .\\ .& .\\ \tan {\mathrm{\θ}}_{\mathrm{mk}}& -1\end{array}\right],$ $b=\frac{1}{2}\left[\begin{array}{c}{d}_{\mathrm{jk}}^2-d_{\mathrm{ik}}^2+K_i-K_j\\ .\\ .\\ .\\ d_{\mathrm{mk}}^2-d_{\mathrm{ik}}^2{+K}_i-K_m\\ 2(X_i\tan {\mathrm{\θ}}_{\mathrm{ik}}-Y_i)\\ .\\ .\\ .\\ 2(X_m\tan {\mathrm{\θ}}_{\mathrm{mk}}-Y_m)\end{array}\right],$ $x=\left[\begin{array}{c}{x}_k\\ y_k\end{array}\right],$ i≠j≠m∈C，

最小二乘法获取的初始估计为x＝(A^TA)^-1A^Tb，然后对下面需最小化的目标函数进行最优化求解：

$F\left(x\right)=\underset{i\∈C}{\mathrm{\Σ}}(f_{\mathrm{ik}}^2\left(x\right)+g_{\mathrm{ik}}^2\left(x\right))---\left(5\right)$

步骤5、7中所述的位置修正算法为以估计的CoMS_k位置[x_k，y_k]为中心，以该CoMS_k与目标移动终端的短距测量距离l_0k为半径作一圆形区域，该区域定义为信赖域，然后判断初始估计的目标移动终端的估计坐标是否位于该信赖域区间。若落于该信赖域则停止不进行修正，初始估计位置作为目标移动终端的最终位置估计；若未落于该信赖域中，则进行估计位置的修正，修正的位置为连接估计的CoMS_k及目标移动终端的初始估计位置的直线交圆上的一点，该点坐标可由下列方程求解：

${(x-x_k)}^2+{(y-y_k)}^2=l_{0k}^2$

$\frac{x-x_k}{y-y_k}=\frac{x-x_0^{\′}}{y-y_0^{\′}}---\left(6\right)$

[x′0，y′0]为目标移动终端初始估计坐标，则修正后的目标移动终端估计坐标为：

$x_0^{\′\′}=x_k+\frac{(x_0^{\′}-x_k)l_{0k}}{\sqrt{{(x_0^{\′}-x_k)}^2+{(y_0^{\′}-y_k)}^2}}$

$y_0^{\′\′}=y_k+\frac{(y_0^{\′}-y_k)l_{0k}}{\sqrt{{(x_0^{\′}-x_k)}^2+{(y_0^{\′}-y_k)}^2}}---\left(7\right)$

步骤8中所述的需最小化的最优化目标函数为

$F\left(x\right)=\underset{i\∈C}{\mathrm{\Σ}}\underset{k\∈U_i}{\overset{U_i\∈U}{\mathrm{\Σ}}}(f_{\mathrm{ik}}^2\left(x\right)+g_{\mathrm{ik}}^2\left(x\right))+\underset{k\∈U}{\mathrm{\Σ}}\underset{j\∈U}{\mathrm{\Σ}}{\mathrm{\ξ}}_{\mathrm{jk}}^2\left(x\right),j\≠k---\left(8\right)$

其中C表示为与移动终端存在LOS传播的基站集合，U_i表示为与第i个基站存在LOS传播的移动终端集合，U表示所有与基站存在LOS传播的移动终端集合。

以上各步骤中所述的最优化方法可以为最速下降法、牛顿法、共轭梯度法等优化方法，可优选共轭梯度方法。

图2给出了目标移动终端位置估计修正算法示意图，图中角度θ_ik、θ_i0分别是协作移动终端CoMS_k与目标移动终端MS的真实到达角AOA值，θ_i0+Δθ_i0是目标移动终端与基站BS_i在非视距NLOS传播下实际测量的到达角值；R_i0、R_CoMS为目标移动终端、协作移动终端与基站的真实距离，d_i0是NLOS下基站对目标移动终端的实际测量距离；l_0k是移动终端MS和协作移动终端CoMS之间的测量距离，近似为真实距离。对目标移动终端进行位置估计的修正的思路为：

1、移动终端受NLOS传播干扰的情况下估计的位置误差要远远大于在LOS传播下估计的位置误差，因此，当目标移动终端处于NLOS传播，其初始估计位置(图中MS′)估计误差很大，而临近的协作移动终端CoMS_k处于LOS传播下的位置估计误差相对很小，认为接近真实位置；

2、以估计的CoMS_k坐标[x_k，y_k]为中心，半径为l_0k的圆心区域作为信赖域，判断MS′是否落于信赖域内，若是则不对目标移动终端估计位置进行修正，否则做进一步的估计位置修正；

3、修正的方法为连接MS′和CoMS_k，该直线交信赖域圆于点MS″，该点坐标通过公式(6)、(7)获得，由三角关系可证明出边长MSMS′大于边长MSMS″，即修正后的估计位置MS″的定位误差要小于修正前得定位误差；

4、当存在多个LOS传播下的协作移动终端时，结合移动终端之间的短距测量，通过最小化最优化目标函数(公式(8))可进一步减小定位估计误差。

以上对本发明所提供的一种移动终端定位精度改进方法，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种移动终端定位精度改进方法，其特征在于，包括：

获取时间段Δt内各链路的到达角和到达时间测量参数；具体包括各基站与各移动终端的到达角和到达时间测量参数，以及各移动终端之间的到达时间测量参数；

根据测量参数信息对数据进行统计分析，按照非视距传播的识别方法判决各基站与移动终端之间是否存在视距传播：

若否，则采用协作混合到达角/到达时间定位算法对目标移动终端进行位置估计，并作为最终的估计位置；

若是，则判断存在视距传播的移动终端个数：

若为一个，则判断视距传播的移动终端中是否为目标移动终端本身：

若是，则采用混合到达角/到达时间定位算法获取目标移动终端的最终估计位置；

若否，则采用混合到达角/到达时间定位算法获取目标移动终端及视距传播下的协作移动终端的估计位置，然后结合短距测量对目标移动终端的估计位置进行修正作为最终的位置估计；

若为多个，则采用混合到达角/到达时间定位算法获取各视距传播下的移动终端初始位置估计，若检测某移动终端与基站存在视距传播的链路数最多，则该移动终端标记为最佳估计移动终端；同时检测视距传播的移动终端中是否含有目标移动终端：

若是，则采用最优化方法对目标函数进行最优化求解从而获取目标移动终端的最终位置估计；

若否，则利用混合到达角/到达时间定位算法获取目标移动终端初始位置估计，然后用最佳估计的协作移动终端对目标移动终端估计位置进行首次修正，并采用最优化方法对目标函数进行最优化求解从而获取目标移动终端的最终位置估计；

所述非视距传播的识别方法是通过对视距与非视距传播统计其参数特征，然后采用假设检验方法进行非视距的判别；

所述协作混合到达角/到达时间定位算法具体包括：首先通过HTAP算法利用服务基站对目标移动终端进行位置估计，然后利用该位置估计作为初始值对优化目标函数公式进行最小化最优化求解，从而获取目标移动终端的最终位置估计；

所述协作移动终端为：在异构网络下目标移动终端的有效覆盖范围内的移动终端；

所述最优化方法包括最速下降法、牛顿法和共轭梯度法。

2.如权利要求1所述的方法，其特征在于：

所述时间段Δt为0.1-0.5s。

3.如权利要求1所述的方法，其特征在于：

所述参数特征为参数方差。

4.如权利要求1所述的方法，其特征在于，对目标移动终端的估计位置进行修正的方法具体包括：

以估计的协作移动终端CoMS_k坐标[x_k,y_k]为中心，以该CoMS_k与目标移动终端的短距测量距离l_0k为半径作一圆形区域，该区域定义为信赖域；

判断初始估计的目标移动终端的估计坐标是否位于该信赖域区间；

若落于该信赖域则停止不进行修正，初始估计位置作为目标移动终端的最终位置估计；

若未落于该信赖域中，则进行估计位置的修正，修正的位置为连接估计的CoMS_k及目标移动终端的初始估计位置的直线交圆上的一点，该点坐标为目标移动终端的修正后的估计位置。

5.如权利要求1所述的方法，其特征在于，所述非视距传播检测方法还包括：

测量基站与移动终端之间链路的接收信号强度。

Images