CN107241797A - Nlos环境下基于散射体信息的单站定位方法 - Google Patents
Nlos环境下基于散射体信息的单站定位方法 Download PDFInfo
- Publication number
- CN107241797A CN107241797A CN201710407461.4A CN201710407461A CN107241797A CN 107241797 A CN107241797 A CN 107241797A CN 201710407461 A CN201710407461 A CN 201710407461A CN 107241797 A CN107241797 A CN 107241797A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- theta
- probability density
- aoa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 abstract description 7
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种NLOS环境下基于散射体信息的单站定位方法。仿真建立宏蜂窝NLOS下的三种散射体模型;提取相应模型下多径信号参数,计算信号到达角和到达时间的概率密度函数,保存为参考模板;然后采集多径信号参数,计算其概率密度函数,作为测试模板;采用模式识别算法进行参考模板与测试模板的匹配,判别实测信号的传播模型;根据信号传播模型的定位几何关系,建立非线性定位方程,转换为优化问题后利用优化算法进行求解,实现宏蜂窝NLOS环境下的目标定位。本发明实现了无LOS信号存在、散射体位置未知时的单基站定位,解决了传统的蜂窝网对基站数量的依赖问题及NLOS影响较大的问题,可同时估计出移动台和散射体的位置坐标,提升了在NLOS环境下的定位精度。
Description
技术领域
本发明涉及无线定位技术领域,具体涉及一种NLOS(Non-Line-of-Sight,非视距)环境下基于散射体信息的单站定位方法。
背景技术
近年来通信技术发展迅速,基于蜂窝网络的移动端定位技术成为了目前研究和应用的热点。手机作为目前日常生活中的通信工具,被广泛应用于其中。基站定位技术不仅应用于消费者自身的定位,而且用于公共紧急救助电话服务、位置敏感性的记费服务操作、智能运输系统、蜂窝系统设计和管理等方面,具有非常广阔的应用前景。
在蜂窝环境中,往往存在大量障碍物,信号在遇到障碍物时会产生折射和散射,我们称之为非视距NLOS传输。在实际的无线定位中,NLOS传输将普遍存在,导致TOA(到达时间)、AOA(到达角)等参数测量值会产生很大偏差,这会极大恶化传统定位算法的性能。为了提高NLOS环境中的定位精度,目前已经有很多相关算法的研究,如:残差加权法,约束最优化法,传播模型法和基于散射体信息法等。目前研究较多的算法是散射体信息的定位算法:一种是基于散射模型的算法,通过对测量参数进行重构来完成定位的方法;一种是基于散射体几何位置关系的算法,需要先获取散射体的相关几何位置信息,可同时定位出散射体和目标的位置。
目前研究的算法中存在的主要问题是:参数重构类算法都是根据散射模型的各种信息来对测量值进行重构,对模型参数的准确性有很强的的依赖性,而散射体位置信息的算法,多基站对时间和数据同步要求严格,同时单基站定位时需要至少存在一条LOS路径。
发明内容
为解决上述技术问题,本发明提供一种NLOS环境下基于散射体信息的单站定位方法。本发明充分利用单站定位设备量小、成本低、无需数据和时间同步等优势,能实现无LOS信号存在、散射体位置未知时的单基站定位,利用NLOS路径作为定位路径,能解决传统的蜂窝网对基站数量的依赖问题及NLOS影响较大的问题,能同时估计出移动台和散射体的位置坐标,具有较高的定位精度。
本发明所述的NLOS环境下基于散射体信息的单站定位方法,包括以下步骤:
步骤一、在NLOS(Non-Line-of-Sight,非视距)环境下,假设基站(BS)位置坐标为(xB,yB)且位于坐标原点(0,0),移动台(MS)的位置坐标为(xm,ym),基站、散射体和目标在同一水平面;
步骤二、构建散射环模型,散射体均匀分布在以移动台为圆心的圆环上,圆环半径为Rr;
步骤三、构建散射盘模型,散射体均匀分布在以移动台为圆心的圆盘内,圆盘半径为Rd;
步骤四、构建收敛高斯散射模型,高斯概率密度分布有效区域为以移动台为圆心、Rg为半径的圆内;
步骤五、计算所述步骤二的散射环模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθR,和移动台发出的信号经散射体反射后到达基站的传输时间TOAτR;
计算所述步骤三的散射盘模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθD和移动台发出的信号经散射体反射后到达基站的传输时间TOAτD;
计算所述步骤四的收敛高斯散射模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθG和移动台发出的信号经散射体反射后到达基站的传输时间TOAτG;
步骤六、基于所述步骤五中得到的AOAθR和TOAτR,计算得到散射环模型下的AOAθR的概率密度函数p(θR)和TOAτR的概率密度函数p(τR);
步骤七、基于所述步骤六中的概率密度函数p(θR)、p(τR),令
其中:表示散射环模型中第q个AOAθRq和其对应的概率密度 表示第q个TOAτRq和其对应的概率密度将和作为参考模板A;
步骤八、基于所述步骤五中得到的AOAθD、TOAτD,计算得到散射盘模型下的AOAθD的概率密度函数p(θD)和TOAτD的概率密度函数p(τD);
步骤九、基于所述步骤八中的概率密度函数p(θD)、p(τD),令
其中:表示散射盘模型中第q个AOAθDq和其对应的概率密度 表示第q个TOAτDq和其对应的概率密度将和作为参考模板B;
步骤十、基于所述步骤五中得到的AOAθG、TOAτG,计算得到高斯散射模型下的参数AOAθG的概率密度函数p(θG)和TOAτG的概率密度函数p(τG);
步骤十一、基于所述步骤十中的概率密度函数p(θG)、p(τG),令
其中:表示高斯散射模型中第q个AOAθGq和其对应的概率密度 表示第q个TOAτGq和其对应的概率密度将和作为参考模板C;
步骤十二、利用软件无线电平台采集多径信号,采用虚拟天线技术实现AOA估计和TOA估计,得到估计AOAθM和估计TOAτM;假设采集到n个多径信号;
步骤十三、计算所述步骤十二中的估计参数AOAθM的概率密度函数p(θM)和TOAτM的概率密度函数p(τM);
步骤十四、基于所述步骤十三中的概率密度函数p(θM)、p(τM),令
其中:表示实测模型中第n个AOAθMn和其对应的概率密度 表示第n个TOAτMn和其对应的概率密度将和作为测试模板T;
步骤十五、利用地球移动距离算法将测试模板T与参考模板A、B、C分别进行匹配;
步骤十六、分析测试模板T与参考模板A、B、C的匹配度,即测试模板与参考模板的相似性距离,距离越小相似性越高,以此判别出实际环境散射体模型;
步骤十七、构建散射体到基站的距离Li和移动台位置坐标(xm,ym)的非线性定位方程;
步骤十八、基于所述步骤十七的非线性定位方程,利用智能优化算法或非线性最小二乘算法求解(xm,ym)和Li;
步骤十九、基于所述步骤十八中得到的Li,计算得到散射体位置坐标(xi,yi);
步骤二十、基于步骤十八中得到的MS位置坐标(xm,ym)和步骤十九中得到的散射体位置坐标(xi,yi),获取散射体位置信息和实现目标定位。
进一步,所述步骤十七中,构建关于散射体到基站的距离Li和移动台位置坐标(xm,ym)的非线性定位方程;其包括以下步骤:
构建关于散射体到基站的距离Li和移动台位置坐标(xm,ym)的非线性定位方程;其包括以下步骤:
17a、假设有n条传播路径,构建关于(xm,ym)和(xi,yi)的关系式:
其中,(xi,yi)为第i个散射体的位置坐标,(xB,yB)为基站的位置坐标,(xm,ym)为移动台的位置坐标,c为光速,τi为第i条传输路径的TOA,n为反射路径数;
17b、根据散射体模型的几何关系可得散射体坐标:
其中,Li为第i个散射体到基站的直线距离,θi为第i条传输路径的AOA;
17c、基于所述步骤17a和步骤17b,构建关于(xm,ym)和Li的非线性定位方程:
17d、将所述步骤17c中的非线性定位方程转换为正定或超定方程。
进一步,所述步骤十八中,求解非线性定位方程得到(xm,ym)和Li,包括以下步骤:
18a、将方程转换为非线性约束最小二乘优化问题:
式中x=(xm,ym,Li),fi(x)为第i条传播路径的定位方程对应的函数,gi(x)为第i条路径对应的约束函数;
18b、利用内点罚函数法处理约束函数,将约束优化问题转换为无约束优化问题:
min G(x,rk)=h(x)+rkB(x);
其中,{rk}是严格单调减且趋于零的罚因子数列;
18c、利用智能优化算法或非线性最小二乘法求解所述步骤18b中的无约束优化问题,得到(xm,ym)和Li。
本发明具有以下优点:利用单基站实现LOS(Line-of-sight,视距)路径不存在的移动台定位,无需系统同步和大量的数据交换,且成本低;利用散射模型的几何位置关系定位,不需要获取散射体位置坐标,不用先估计移动台和散射体的位置距离信息;利用智能优化算法或最小二乘法求解优化问题,算法简单,可同时估计出移动台和散射体的位置;采用三种常见散射模型,利用模式识别算法进行模型匹配,符合蜂窝环境多样性的要求,具有较高的定位精确。
附图说明
图1和图2为本发明的流程图;
图3为本发明蜂窝网散射模型图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
如图1和图2所示,本发明提出的一种NLOS环境下基于散射体信息的单站定位方法,包括以下步骤:
●仿真模型构建
步骤一、在NLOS环境下,假设基站(Base Station,BS)位置坐标为(xB,yB)且位于坐标原点(0,0),移动台(Mobile Station,MS)位置坐标为(xm,ym),基站、散射体和目标在同一水平面。
步骤二、构建散射环模型(参见图3中(a)),散射体均匀分布在以MS为圆心的圆环上,圆环半径为Rr。
步骤三、构建散射盘模型(参见图3中(b)),散射体均匀分布在以MS为圆心的圆盘内,圆盘半径为Rd。
步骤四、构建收敛高斯散射模型(参见图3中(c)),高斯概率密度分布有效区域为以Rg为半径的圆及其内部,高斯分布函数为:
以BS与MS的连线为x轴构建一个xsoys的直角坐标系,式中(xs,ys)是在xsys直角坐标系中散射体的位置坐标,表示MS到散射体的距离,σs表示高斯分布均方根。
●参数分析
步骤五、计算从所述步骤二到步骤四的仿真模型中的多径参数AOA、TOA,其中:AOA指反射径与以基站为原点坐标的X轴方向的夹角,TOA指MS发出的信号经散射体反射后到达BS的传输时间。具体包括以下步骤:
5a、根据模型中MS、BS和各散射体的位置坐标,AOA、TOA以及MS、BS和散射体之间的几何位置关系有:
其中,第i个散射体位置坐标为(xi,yi),基站位置坐标为(xB,yB),移动台位置坐标为(xm,ym),光速为c,仿真反射路径数为q。
5b、计算所述步骤二的散射环模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθR和MS发出的信号经散射体反射后到达BS的传输时间TOAτR:
θR=[θR1,θR2,...,θRq],τR=[τR1,τR2,...,τRq]。
5c、计算所述步骤三的散射盘模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθD和MS发出的信号经散射体反射后到达BS的传输时间TOAτD:
θD=[θD1,θD2,...,θDq],τD=[τD1,τD2,...,τDq]。
5d、计算所述步骤四的收敛高斯散射模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθG和MS发出的信号经散射体反射后到达BS的传输时间TOAτG:
θG=[θG1,θG1,...,θGq],τG=[τG1,τG2,...,τGq]。
步骤六、基于所述步骤五(5b)中得到的多径参数AOAθR和TOAτR,计算得到散射环模型下的AOAθR的概率密度函数p(θR)和TOAτR的概率密度函数p(τR)。
步骤七、基于所述步骤六中的概率密度函数p(θR)、p(τR),令
其中:表示散射环模型中第q个AOAθRq和其对应的概率密度 表示第q个TOAτRq和其对应的概率密度将和作为参考模板A。
步骤八、基于所述步骤五(5c)中得到的多径参数AOAθD和TOAτD,计算得到散射盘模型下的AOAθD的概率密度函数p(θD)和TOAτD的概率密度函数p(τD)。
步骤九、基于所述步骤八中的概率密度函数p(θD)、p(τD),令
其中:表示散射盘模型中第q个AOAθDq和其对应的概率密度 表示第q个TOAτDq和其对应的概率密度将和作为参考模板B。
步骤十、基于所述步骤五(5d)中得到的多径参数AOAθG和TOAτG,计算得到高斯散射模型下的参数AOAθG的概率密度函数p(θG)和TOAτG的概率密度函数p(τG)。
步骤十一、基于所述步骤十中的概率密度函数p(θG)、p(τG),令
其中:表示高斯散射模型中第q个AOAθGq和其对应的概率密度 表示第q个TOAτGq和其对应的概率密度将和作为参考模板C。
●模型判别
步骤十二、利用精度较高的软件无线电平台采集多径信号,采用超分辨的虚拟天线技术实现AOA估计和TOA估计,得到估计AOAθM和估计TOAτM,假设采集到n个多径信号:
θM=[θM1,θM1,...,θMn],τM=[τM1,τM2,...,τMn];
本发明直接应用AOA、TOA,不对AOA、TOA的估计算法进行描述。
步骤十三、计算所述步骤十二中的估计参数AOAθM的概率密度函数p(θM)和TOAτM的概率密度函数p(τM)。
步骤十四、基于所述步骤十三中的概率密度函数p(θM)、p(τM),令
其中:表示实测模型中第n个AOAθMn和其对应的概率密度 表示第n个TOAτMn和其对应的概率密度将和作为测试模板T。
步骤十五、利用地球移动距离(Earth Mover's Distance,EMD)算法将测试模板T与参考模板A、B、C分别进行匹配。
步骤十六、分析测试模板T与参考模板A、B、C的匹配度,即测试模板与参考模板的相似性距离,距离越小相似性越高,以此判别出实际环境散射体模型。
●位置解算
步骤十七、构建散射体到BS的距离Li和MS位置坐标(xm,ym)的非线性定位方程。具体包括以下步骤:
17a、假设有n条传播路径,构建关于(xm,ym)和(xi,yi)的关系式:
其中,第i个散射体位置坐标为(xi,yi),基站位置坐标为(xB,yB),移动台位置坐标为(xm,ym),光速为c,反射路径数为n;
17b、根据散射体模型几何关系可得散射体坐标:
其中,Li为第i个散射体到BS的直线距离,θi为第i条传输路径的AOA(即第i条反射径与以基站为原点坐标的X轴方向的夹角)。
17c、基于所述步骤17a和步骤17b,构建关于(xm,ym)和Li的非线性定位方程:
其中,(xi,yi)为第i个散射体位置坐标,(xB,yB)为基站位置坐标,c为光速,c=3×108m/s,θi为第i条传输路径的AOA,τi为第i条传输路径的TOA;
17d、将所述步骤17c中的非线性定位方程转换为正定或超定方程。
步骤十八、根据定位方程,求解(xm,ym)和Li。具体步骤为:
18a、将方程转换为非线性约束最小二乘优化问题:
式中x=(xm,ym,Li),fi(x)为第i条传播路径的定位方程对应的函数,gi(x)为第i条路径对应的约束函数;
18b、利用内点罚函数法处理约束函数,将约束优化问题转换为无约束优化问题:
min G(x,rk)=h(x)+rkB(x);
其中,{rk}是严格单调减且趋于零的罚因子数列;
18c、利用智能优化算法或非线性最小二乘法求解18b中的无约束优化问题,得到(xm,ym)和Li。
步骤十九、基于所述步骤十八中得到的Li,利用步骤十七(17b)的公式,计算得到散射体位置坐标(xi,yi)。
步骤二十、基于步骤十八中得到的MS位置坐标(xm,ym)和步骤十九中得到的散射体位置坐标(xi,yi),获取散射体位置信息和实现目标定位。
Claims (3)
1.一种NLOS环境下基于散射体信息的单站定位方法,其特征在于,包括以下步骤:
步骤一、在NLOS环境下,假设基站位置坐标为(xB,yB)且位于坐标原点(0,0),移动台的位置坐标为(xm,ym),基站、散射体和目标在同一水平面;
步骤二、构建散射环模型,散射体均匀分布在以移动台为圆心的圆环上,圆环半径为Rr;
步骤三、构建散射盘模型,散射体均匀分布在以移动台为圆心的圆盘内,圆盘半径为Rd;
步骤四、构建收敛高斯散射模型,高斯概率密度分布有效区域为以移动台为圆心、Rg为半径的圆内;
步骤五、计算所述步骤二的散射环模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθR,和移动台发出的信号经散射体反射后到达基站的传输时间TOAτR;
计算所述步骤三的散射盘模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθD和移动台发出的信号经散射体反射后到达基站的传输时间TOAτD;
计算所述步骤四的收敛高斯散射模型中,反射径与以基站为原点坐标的X轴方向的夹角AOAθG和移动台发出的信号经散射体反射后到达基站的传输时间TOAτG;
步骤六、基于所述步骤五中得到的AOAθR和TOAτR,计算得到散射环模型下的AOAθR的概率密度函数p(θR)和TOAτR的概率密度函数p(τR);
步骤七、基于所述步骤六中的概率密度函数p(θR)、p(τR),令
<mrow>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>R</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>R</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>R</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>R</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>R</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>R</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>;</mo>
</mrow>
其中:表示散射环模型中第q个AOAθRq和其对应的概率密度 表示第q个TOAτRq和其对应的概率密度将和作为参考模板A;
步骤八、基于所述步骤五中得到的AOAθD、TOAτD,计算得到散射盘模型下的AOAθD的概率密度函数p(θD)和TOAτD的概率密度函数p(τD);
步骤九、基于所述步骤八中的概率密度函数p(θD)、p(τD),令
<mrow>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>D</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>D</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>D</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>D</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>D</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>D</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>;</mo>
</mrow>
其中:表示散射盘模型中第q个AOAθDq和其对应的概率密度 表示第q个TOAτDq和其对应的概率密度将和作为参考模板B;
步骤十、基于所述步骤五中得到的AOAθG、TOAτG,计算得到高斯散射模型下的参数AOAθG的概率密度函数p(θG)和TOAτG的概率密度函数p(τG);
步骤十一、基于所述步骤十中的概率密度函数p(θG)、p(τG),令
<mrow>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>G</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>G</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&theta;</mi>
<mi>G</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>G</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>G</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>R</mi>
<msub>
<mi>&tau;</mi>
<mi>G</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>;</mo>
</mrow>
其中:表示高斯散射模型中第q个AOAθGq和其对应的概率密度 表示第q个TOAτGq和其对应的概率密度将和作为参考模板C;
步骤十二、利用软件无线电平台采集多径信号,采用虚拟天线技术实现AOA估计和TOA估计,得到估计AOAθM和估计TOAτM;假设采集到n个多径信号;
步骤十三、计算所述步骤十二中的估计参数AOAθM的概率密度函数p(θM)和TOAτM的概率密度函数p(τM);
步骤十四、基于所述步骤十三中的概率密度函数p(θM)、p(τM),令
<mrow>
<msub>
<mi>T</mi>
<msub>
<mi>&theta;</mi>
<mi>M</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>T</mi>
<msub>
<mi>&theta;</mi>
<mi>M</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>T</mi>
<msub>
<mi>&theta;</mi>
<mi>M</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
<msub>
<mi>T</mi>
<msub>
<mi>&tau;</mi>
<mi>M</mi>
</msub>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>T</mi>
<msub>
<mi>&tau;</mi>
<mi>M</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>T</mi>
<msub>
<mi>&tau;</mi>
<mi>M</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>;</mo>
</mrow>
其中:表示实测模型中第n个AOAθMn和其对应的概率密度 表示第n个TOAτMn和其对应的概率密度将和作为测试模板T;
步骤十五、利用地球移动距离算法将测试模板T与参考模板A、B、C分别进行匹配;
步骤十六、分析测试模板T与参考模板A、B、C的匹配度,即测试模板与参考模板的相似性距离,距离越小相似性越高,以此判别出实际环境散射体模型;
步骤十七、构建散射体到基站的距离Li和移动台位置坐标(xm,ym)的非线性定位方程;
步骤十八、基于所述步骤十七的非线性定位方程,利用智能优化算法或非线性最小二乘算法求解(xm,ym)和Li;
步骤十九、基于所述步骤十八中得到的Li,计算得到散射体位置坐标(xi,yi);
步骤二十、基于步骤十八中得到的MS位置坐标(xm,ym)和步骤十九中得到的散射体位置坐标(xi,yi),获取散射体位置信息和实现目标定位。
2.根据权利要求1所述的NLOS环境下基于散射体信息的单站定位方法,其特征在于:所述步骤十七中,构建关于散射体到基站的距离Li和移动台位置坐标(xm,ym)的非线性定位方程;其包括以下步骤:
17a、假设有n条传播路径,构建关于(xm,ym)和(xi,yi)的关系式:
<mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>m</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>+</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<msub>
<mi>c&tau;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>....</mn>
<mi>n</mi>
<mo>;</mo>
</mrow>
其中,(xi,yi)为第i个散射体的位置坐标,(xB,yB)为基站的位置坐标,(xm,ym)为移动台的位置坐标,c为光速,τi为第i条传输路径的TOA,n为反射路径数;
17b、根据散射体模型的几何关系可得散射体坐标:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>sin&theta;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,Li为第i个散射体到基站的直线距离,θi为第i条传输路径的AOA;
17c、基于所述步骤17a和步骤17b,构建关于(xm,ym)和Li的非线性定位方程:
<mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>cos&theta;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>m</mi>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>sin&theta;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>+</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>c&tau;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mi>n</mi>
<mo>;</mo>
</mrow>
17d、将所述步骤17c中的非线性定位方程转换为正定或超定方程。
3.根据权利要求1或2所述的NLOS环境下基于散射体信息的单站定位方法,其特征在于:所述步骤十八中,求解非线性定位方程得到(xm,ym)和Li,包括以下步骤:
18a、将方程转换为非线性约束最小二乘优化问题:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>g</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<mn>0</mn>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
式中x=(xm,ym,Li),fi(x)为第i条传播路径的定位方程对应的函数,gi(x)为第i条路径对应的约束函数;
18b、利用内点罚函数法处理约束函数,将约束优化问题转换为无约束优化问题:
min G(x,rk)=h(x)+rkB(x);
其中,{rk}是严格单调减且趋于零的罚因子数列;
18c、利用智能优化算法或非线性最小二乘法求解所述步骤18b中的无约束优化问题,得到(xm,ym)和Li。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710407461.4A CN107241797B (zh) | 2017-06-02 | 2017-06-02 | Nlos环境下基于散射体信息的单站定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710407461.4A CN107241797B (zh) | 2017-06-02 | 2017-06-02 | Nlos环境下基于散射体信息的单站定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107241797A true CN107241797A (zh) | 2017-10-10 |
CN107241797B CN107241797B (zh) | 2019-06-14 |
Family
ID=59985236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710407461.4A Active CN107241797B (zh) | 2017-06-02 | 2017-06-02 | Nlos环境下基于散射体信息的单站定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107241797B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658492A (zh) * | 2019-10-10 | 2020-01-07 | 重庆邮电大学 | 一种室内目标与散射体位置优化的迭代方法 |
CN112034421A (zh) * | 2020-11-06 | 2020-12-04 | 广东省新一代通信与网络创新研究院 | 一种基于球面波的室内散射体定位方法及系统 |
CN113454478A (zh) * | 2019-02-19 | 2021-09-28 | 高通股份有限公司 | 利用信道测量进行定位的系统和方法 |
CN114301546A (zh) * | 2021-12-02 | 2022-04-08 | 中国人民解放军国防科技大学 | 时变nlos场景下卫星导航信道仿真方法、装置及系统 |
CN114513849A (zh) * | 2022-02-16 | 2022-05-17 | 重庆邮电大学 | 一种基于散射区模型的室外非视距传播单站定位方法 |
US20230046671A1 (en) * | 2020-02-05 | 2023-02-16 | Datang Mobile Communications Equipment Co., Ltd. | Method and device for eliminating non-line of sight errors of time of arrival measurement values, and terminal |
CN116582813A (zh) * | 2023-04-21 | 2023-08-11 | 重庆邮电大学 | 一种基于到达时间差和到达方向的非视距环境下的单站定位方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1499876A (zh) * | 2002-11-07 | 2004-05-26 | 华为技术有限公司 | 一种非可视路径时延误差的均值和方差的获取方法 |
CN1499873A (zh) * | 2002-11-08 | 2004-05-26 | 华为技术有限公司 | 一种位置估计方法 |
US20080143603A1 (en) * | 2006-12-14 | 2008-06-19 | Bornholdt James M | Method and device for trilateration using los link prediction and pre-measurement los path filtering |
CN102170658A (zh) * | 2011-04-28 | 2011-08-31 | 北京交通大学 | 一种nlos环境下的几何定位改进方法 |
CN104683949A (zh) * | 2015-02-10 | 2015-06-03 | 海南宝通实业公司 | 一种应用于无线Mesh网中基于天线阵列的混合自定位方法 |
US20160033617A1 (en) * | 2014-07-30 | 2016-02-04 | Aruba Networks, Inc. | System and Methods for Location Determination in MIMO Wireless Networks |
US20160033613A1 (en) * | 2014-07-30 | 2016-02-04 | Aruba Networks, Inc. | System and methods for information collection and processing for location estimation in mimo wireless networks |
CN106413083A (zh) * | 2015-08-21 | 2017-02-15 | 重庆邮电大学 | 基于粗精双步相关图像特征提取的室内wlan定位方法 |
-
2017
- 2017-06-02 CN CN201710407461.4A patent/CN107241797B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1499876A (zh) * | 2002-11-07 | 2004-05-26 | 华为技术有限公司 | 一种非可视路径时延误差的均值和方差的获取方法 |
CN1499873A (zh) * | 2002-11-08 | 2004-05-26 | 华为技术有限公司 | 一种位置估计方法 |
US20080143603A1 (en) * | 2006-12-14 | 2008-06-19 | Bornholdt James M | Method and device for trilateration using los link prediction and pre-measurement los path filtering |
CN102170658A (zh) * | 2011-04-28 | 2011-08-31 | 北京交通大学 | 一种nlos环境下的几何定位改进方法 |
US20160033617A1 (en) * | 2014-07-30 | 2016-02-04 | Aruba Networks, Inc. | System and Methods for Location Determination in MIMO Wireless Networks |
US20160033613A1 (en) * | 2014-07-30 | 2016-02-04 | Aruba Networks, Inc. | System and methods for information collection and processing for location estimation in mimo wireless networks |
CN104683949A (zh) * | 2015-02-10 | 2015-06-03 | 海南宝通实业公司 | 一种应用于无线Mesh网中基于天线阵列的混合自定位方法 |
CN106413083A (zh) * | 2015-08-21 | 2017-02-15 | 重庆邮电大学 | 基于粗精双步相关图像特征提取的室内wlan定位方法 |
Non-Patent Citations (8)
Title |
---|
S.AL-JAZZAR,J.CAFFI,JR等: "A scattering model based approach to NLOS mitigation in TOA location systems", 《VEHICULAR TECHNOLOGY CONFERENCE. IEEE 55TH VEHICULAR TECHNOLOGY CONFERENCE. VTC SPRING 2002 (CAT. NO.02CH37367)》 * |
SALEH AL-JAZZAR等: "Scattering-Model-Based Methods for TOA Location in NLOS Environments", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
ZOHAIR ABU-SHABAN等: "A Novel TOA-Based Mobile Localization Technique Under Mixed LOS/NLOS Conditions forCellular Networks", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
屈保平等: "一种NLOS环境下基于散射模型的TOA定位方法", 《火力与指挥控制》 * |
芮洋: "基于散射体信息的NLOS环境高性能定位算法研究", 《中国优秀硕士学位论文全文数据库-信息科技辑辑》 * |
邢培基等: "基于距离估计和NNSS的室内定位算法", 《通信技术》 * |
郭丽梅等: "非视距环境中TOA/AOA混合定位方法", 《电路与系统学报》 * |
龚福祥等: "NLOS环境下无线通信网络中的TDOA/AOA混合定位算法", 《东南大学学报(自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113454478A (zh) * | 2019-02-19 | 2021-09-28 | 高通股份有限公司 | 利用信道测量进行定位的系统和方法 |
CN113454478B (zh) * | 2019-02-19 | 2024-06-28 | 高通股份有限公司 | 利用信道测量进行定位的系统和方法 |
CN110658492A (zh) * | 2019-10-10 | 2020-01-07 | 重庆邮电大学 | 一种室内目标与散射体位置优化的迭代方法 |
US20230046671A1 (en) * | 2020-02-05 | 2023-02-16 | Datang Mobile Communications Equipment Co., Ltd. | Method and device for eliminating non-line of sight errors of time of arrival measurement values, and terminal |
CN112034421A (zh) * | 2020-11-06 | 2020-12-04 | 广东省新一代通信与网络创新研究院 | 一种基于球面波的室内散射体定位方法及系统 |
CN114301546A (zh) * | 2021-12-02 | 2022-04-08 | 中国人民解放军国防科技大学 | 时变nlos场景下卫星导航信道仿真方法、装置及系统 |
CN114301546B (zh) * | 2021-12-02 | 2024-04-19 | 中国人民解放军国防科技大学 | 时变nlos场景下卫星导航信道仿真方法、装置及系统 |
CN114513849A (zh) * | 2022-02-16 | 2022-05-17 | 重庆邮电大学 | 一种基于散射区模型的室外非视距传播单站定位方法 |
CN114513849B (zh) * | 2022-02-16 | 2023-06-09 | 重庆邮电大学 | 一种基于散射区模型的室外非视距传播单站定位方法 |
CN116582813A (zh) * | 2023-04-21 | 2023-08-11 | 重庆邮电大学 | 一种基于到达时间差和到达方向的非视距环境下的单站定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107241797B (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107241797B (zh) | Nlos环境下基于散射体信息的单站定位方法 | |
CN108696932B (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
CN101466145B (zh) | 基于神经网络的双基站精确定位方法 | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
CN105188082B (zh) | 用于室内wlan环境下rss/aoa/tdoa定位性能的评价方法 | |
CN106793082A (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
CN103618997B (zh) | 一种基于信号强度概率的室内定位方法和装置 | |
CN102802260A (zh) | 基于矩阵相关的wlan室内定位方法 | |
CN102427603A (zh) | 基于定位误差估计的wlan室内移动用户定位方法 | |
Wölfle et al. | Enhanced localization technique within urban and indoor environments based on accurate and fast propagation models | |
Kong | TOA and AOD statistics for down link Gaussian scatterer distribution model | |
CN111866709B (zh) | 一种面向运动目标的室内Wi-Fi定位误差界估计方法 | |
CN108616836A (zh) | 一种基于信号统计分布的wlan定位组网方法 | |
Wang et al. | Single base station positioning based on multipath parameter clustering in NLOS environment | |
CN106792516A (zh) | 基于无线通信基站的三维定位方法 | |
Tan et al. | UAV localization with multipath fingerprints and machine learning in urban NLOS scenario | |
CN104469939B (zh) | 基于rss统计分布分块区域误差限的wlan定位网络优化方法 | |
Assayag et al. | Indoor positioning system using synthetic training and data fusion | |
CN114051209B (zh) | 一种基于智能反射面和场景几何模型的指纹定位方法 | |
Shi et al. | Neural network based localization using outdoor lte measurements | |
Calist et al. | Large Scale Channel Parameters Estimation by Utilization of Reflected Rays Information for an Urban Environment | |
Meng et al. | TDoA positioning with data-driven LoS inference in mmWave MIMO communications | |
Yapar et al. | On the Effective Usage of Priors in RSS-based Localization | |
Wu et al. | A weighted random forest based positioning algorithm for 6G indoor communications | |
Xiaorong et al. | A precise 2-D wireless localization technique using smart antenna |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |