CN1499874A - 一种位置估计方法 - Google Patents

Abstract

本发明公开了一种位置估计方法，包括：先测量定位请求涉及的主基站和两个邻基站之间的到达时间差(TDOA)；利用由非视距(NLOS)误差分布参数求出的NLOS误差均值对TDOA测量量中的NLOS误差进行零均值矫正，并据此估计移动台到主基站的到达时间(TOA)和计算移动台到邻基站的TOA；利用NLOS误差均值对移动台到主基站和移动台到邻基站的TOA中的NLOS误差进行零均值矫正；利用NLOS误差方差对TOA位置估计中的加权矩阵进行自适应调整，并用调整后的加权矩阵进行加权最小二乘估计，得到移动台位置的估计值。使用本发明可以极大地抑制NLOS误差和GDOP的影响，明显地提高位置估计的精度。

Description

一种位置估计方法

技术领域

本发明涉及无线通信领域中的定位技术，具体涉及一种对移动台定位的位置估计方法。

背景技术

在无线通信领域中，蜂窝移动台定位由测量和位置估计两个基本环节组成。在测量环节，有两种基本的测量量，一种是到达时间差(TDOA)测量量，一种是到达时间(TOA)测量量；在位置估计环节，有两种基本的位置估计方法，一种是TDOA位置估计方法，一种是TOA位置估计方法。从测量量的角度分析，虽然TDOA和TOA这两种测量量都要受非视距(NLOS)误差的影响，但是，通常TOA测量量是利用系统的往返时间(RTT)测量功能得到的，TOA测量量中除了包含NLOS误差之外，还包含了RTT测量过程中引入的一些误差，例如基站和移动台的射频通道时延误差、移动台收发时延误差等，这些误差将降低TOA测量量在高精度定位中的准确性。而TDOA测量量不包含NLOS误差和RTT测量过程中引入的误差，因此，在移动台定位中，TDOA测量量比TOA测量量更为可取。从位置估计的角度分析，由于双曲线的非线性作用，TDOA位置估计比TOA位置估计更易受几何精度衰减因子(GDOP)的影响，换句话说，TOA位置估计相对于TDOA位置估计来说抑制了GDOP的影响，因此，TOA位置估计比TDOA位置估计更为可取。

在现有TDOA位置估计方法中，Y.T.陈(Y.T.Chen)在1994年8月8日出版的第42卷的电器和电子工程师协会会刊的信号处理分刊中公开的“一种简单有效的双曲线定位位置估计器”文章(“A simple and efficientestimator for hyperbolic location”，IEEE Trans Signal processing，Vol.42，no.8，Aug.1994，pp.1905-1915)中所述的陈氏算法是一个典型代表。

在现有TOA位置估计方法中，在2001年3月出版的《通信学报》第22卷第3期中的文章“一种考虑非视线传播影响的TOA定位算法”是一个典型代表，该文章对TOA位置估计算法的讨论分为视距(LOS)信道环境下的位置估计算法和NLOS信道环境下的位置估计算法两种情况，这里将该文献讨论的LOS环境和NLOS环境下的位置估计算法分别称为LOS-TOA陈氏算法和NLOS-TOA松弛算法。

在现有TOA-TDOA混合位置估计算法中，“利用主基站TOA和相对于主基站的TDOA进行位置估计的方法和装置”专利申请是一个代表。

在以上三种位置估计方法中，LOS-TOA陈氏算法和TOA-TDOA混合位置估计算法都是借鉴陈氏算法的求解思路进行构造的。这两种位置估计方法的共同特点是：它们都采用两次加权线性最小二乘估计来近似实现最大似然估计；它们具有广泛的通用性，既可以适用于测量量个数等于辐射源坐标个数的情况，也适用于测量量个数大于辐射源坐标个数的情况，同时既适用于传感器线性排列的情况，也适用于传感器任意排列的情况。这两种位置估计方法的共同缺点是：由于这些现有算法都是在假设辐射源和传感器或定位接收机之间存在直达径的前提下构造的，在这种假设前提下，输入到位置估计算法的误差信号仅仅来源于传感器的时延估计误差，而这种时延估计误差是零均值高斯分布，因此，这些位置估计算法不具备NLOS误差抑制能力。

在以上三种位置估计方法中，NLOS-TOA松弛算法的基本思路是在TOA测量中引入松弛变量，并采用搜索的方法求取合理的位置解。这个方法在几何上的本质是按照一定的方式调整包含NLOS误差的TOA圆的半径大小，希望通过这种方法能够消除一部分NLOS误差的影响，得到较准确的位置估计值。这种NLOS位置估计方法的搜索准则为：以搜索到的离LOS算法用于NLOS信道时得到的位置最近的点作为NLOS算法的输出。NLOS-TOA松弛算法的缺点在于：没有给出一个具有客观依据的确定松弛变量的方法，因此在实际应用中难以选取松弛变量，不具备实用性。

在“一种采用TDOA/TOA平滑及重构的定位精度提高方法”专利申请中给出了一种综合利用TOA和TDOA测量量、并具有NLOS误差抑制能力的位置估计方法，该方法的特点是：1)通过粗略的位置估计得到的移动台和基站的距离d，利用时延扩展τ_rms在一千米处的中值T₁(经验值)和公式τ_rms＝T_ld^εξ来获取功率时延分布的时延扩展τ_rms，在公式中，ζ是一个对数正态分布的随机变量；ε为一个取值在0.5～1之间的指数因子。把时延扩展τ_rms作为NLOS误差的分布参数。2)利用TOA测量值的平滑进行NLOS识别和NLOS误差方差的估计。

但是该方法也存在着一定的缺点，那就是：1)时延扩展τ_rms与NLOS误差的分布参数之间没有逻辑上的联系。2)公式τ_rms＝T_ld^εξ是一个抽象出来的用于信道建模的关系，由此计算出的时延扩展τ_rms与移动台的实际位置的τ_rms之间也难以吻合。3)利用TOA测量值的平滑进行NLOS识别和NLOS误差方差估计的方法不具备实时性，而且准确性差。鉴于以上缺点，该方法在实际测量和计算中难以得到有效应用。

总之，在现有蜂窝移动台定位技术中，目前缺少同时具有NLOS误差抑制性能、GDOP抑制性能和实用性的位置估计算法。

发明内容

有鉴于此，本发明的目的在于提出一种能同时具备NLOS误差抑制性能、GDOP抑制性能和实用性的位置估计方法。

本发明的目的是通过如下的技术方案予以实现的：

一种位置估计方法，先测量定位请求涉及的主基站和两个邻基站之间的到达时间差(TDOA)，然后：

a.利用由非视距(NLOS)误差分布参数求出的NLOS误差均值对TDOA测量量中的NLOS误差进行零均值矫正，并根据矫正后的TDOA测量量估计移动台到主基站的到达时间(TOA)，然后利用移动台到主基站的TOA和系统测量得到的移动台到邻基站的TDOA计算移动台到邻基站的TOA；

b.利用由NLOS误差分布参数求出的NLOS误差均值对移动台到主基站和移动台到邻基站的TOA中的NLOS误差进行零均值矫正；

c.利用由NLOS误差分布参数求出的NLOS误差方差对TOA位置估计中的加权矩阵进行自适应调整，并用调整后的加权矩阵对移动台的位置进行加权最小二乘估计，得到移动台位置的估计值。

在上述位置估计方法中，可以重复步骤a至步骤c，得到大于1个的移动台位置估计值并对它们进行平均，得到最终的移动台位置估计值。

在上述位置估计方法中，步骤a可以进一步包括：

a1.通过NLOS识别确定需要进行零均值矫正的TDOA测量量，并利用NLOS误差分布参数确定TDOA测量量中NLOS误差的均值；

a2.根据步骤a1确定的NLOS误差均值对TDOA测量量中的NLOS误差进行零均值矫正；

a3.根据步骤a2矫正后所得的TDOA测量量计算移动台到主基站的TOA，再根据计算出的移动台到主基站的TOA值计算移动台到每个邻基站的TOA。

在上述位置估计方法中，在步骤a3中可以进一步包括如下步骤：在计算主基站的TOA之后再进行大于1次的计算，根据得到的大于1个的TOA值的平均值计算各个邻基站的TOA值。

在上述位置估计方法中，步骤b可以进一步包括：

b1.通过NLOS识别确定由步骤a3求出的、需要进行零均值矫正的主基站和邻基站的TOA值，并利用NLOS误差分布参数确定由步骤a3求出的、需要进行零均值矫正的主基站和邻基站的TOA值中NLOS误差的均值；

b2.对所述由步骤a3求出的、需要进行零均值矫正的主基站和邻基站的TOA值中的NLOS误差的均值进行零均值矫正。

在上述位置估计方法中，NLOS识别可以利用从辐射源获取的功率时延分布中选择一组最强径的样本离散系数的大小来实现，也可以利用从辐射源获取的功率时延分布上的径间功率差或者径间幅度差来实现。

在上述位置估计方法中，步骤c可以进一步包括：

c1.通过将主对角线元素设置为视距(LOS)环境下TOA时延估计误差的协方差和TOA的矫正残差的协方差之和确定加权矩阵形式；

c2.判断计算各个TOA的相应信道是否包含NLOS误差，如果该信道不包含NLOS误差，将相应TOA的矫正残差的协方差值设为零，其余元素的取值执行下一步，如果该基站包含NLOS误差，直接执行下一步；

c3.通过LOS信道环境下对系统进行TOA测量估计，或者通过系统仿真，或者通过TDOA测量误差的统计确定步骤c1的加权矩阵中需要调整的LOS环境下TOA时延估计误差的协方差；如果TOA包含的NLOS误差为离散形式，通过NLOS误差分布参数和TOA中的离散形NLOS误差的概率密度函数确定步骤c1的加权矩阵中需要调整的TOA矫正残差的协方差；如果TOA包含的NLOS误差为连续形式，通过NLOS误差分布参数得到TDOA的连续形NLOS误差的概率密度函数，然后通过TDOA的连续形NLOS误差的概率密度函数得到TOA的连续形NLOS误差的概率密度函数确定步骤c1的加权矩阵中需要调整的TOA矫正残差的协方差。

在上述位置估计方法中，步骤a中可以通过GDOP最小准则或者存在LOS信道准则确定TDOA测量量。

通过本发明的技术方案可以看出，在进行TOA位置估计过程中，通过对TDOA测量量中的NLOS误差进行零均值矫正、对TOA中的NLOS误差进行零均值矫正以及利用NLOS误差方差对TOA的加权矩阵进行自适应性调整，并根据该加权矩阵求解TOA位置估计值等步骤，极大地抑制了NLOS误差对TOA估计值的精度影响。同时，由于本发明采用的是TOA位置估计方法，因此能够有效地抑制GDOP的影响。通过本发明技术方案的各个步骤还可以看出，本发明的各个步骤实现起来都很简便，在实际应用中具有很好的实用性。

附图说明

图1是本发明抑制NLOS误差和GDOP影响的位置估计方法流程图；

图2是本发明TDOA测量量中NLOS误差零均值矫正方法流程图；

图3是本发明计算出的TOA值中NLOS误差零均值矫正方法流程图；

图4是本发明自适应地调整加权矩阵的方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行进一步的说明。

本发明给出一种将TDOA测量量转换为TOA值，然后利用TOA值进行位置估计的方法。具体地说，首先利用从主基站和临近主基站的任意两个邻基站得到的两个TDOA测量量求出主基站到移动台的TOA₁；然后利用TOA₁和TOA_i＝TDOA_i，1+TOA₁把移动台测量得到的TDOA_i，1测量量转换为TOA_i，其中TDOA_i，1表示除主基站之外的第i个基站和主基站之间的TDOA值，i＝2，3，...，V，V为可测量到的基站的个数；最后利用TOA_i和构造的TOA位置估计算法估计移动台的位置。

TDOA测量量中的NLOS误差既降低从TDOA测量量求取的TOA₁的准确性，也降低后续基于TOA值的位置估计的精度，为了抑制NLOS误差的影响，本发明采用的基本思路是：在获取NLOS误差的均值和方差的前提下，使用NLOS误差的均值把非负的NLOS误差矫正为零均值的随机变量，然后使用NLOS误差的方差构造加权最小二乘估计中的加权矩阵来初步抑制NLOS误差对位置估计的影响，最后再根据矫正后的NLOS误差的零均值特性，通过对位置估计结果的多次平均，进一步抑制NLOS误差。

下面参考图1对本发明的基本思路进行详细说明。

图1是本发明抑制NLOS误差和GDOP影响的位置估计方法流程图，从图1可以看到，本发明的方法由如下六个基本步骤组成：

步骤101，利用由NLOS误差分布参数求出的NLOS误差的均值对TDOA测量量中包含的NLOS误差进行零均值矫正。首先从两个或更多的TDOA测量量中，按照一定的准则，例如GDOP最小准则或存在LOS信道准则，挑选出两个TDOA测量量以及对应的基站和伪随机码，然后对这两个TDOA测量量进行NLOS误差的零均值矫正。

其中，对TDOA测量量中NLOS误差进行零均值矫正的方法，如图2所示，具体由子步骤201、202、203组成：

步骤101的子步骤201，通过NLOS识别确定需要进行零均值矫正的TDOA测量量。首先识别出包含NLOS误差的TDOA测量量TDOA_(m)i，j，TDOA_(m)i，j表示没有经过NLOS误差的零均值矫正的原始TDOA测量量，下标i、j表示这个TDOA测量量是诸如蜂窝网络中的基站的第i个辐射源和第j个辐射源之间的到达时间差； ${\mathrm{TDOA}}_{\left(m\right)i,j}={\mathrm{TDOA}}_{\left(\mathrm{los}\right)i,j}^{\left(O\right)}+n_{\left(n\right)i,j}+{\mathrm{\μ}}_{\left(n\right)i,j}+n_{i,j}.$ 在上式中，TDOA_(los)i，j ^(O)是不包含任何误差的理想的TDOA值；n_(n)i，j是经过零均值矫正后的NLOS误差的残差，其均值为零；μ_(n)i，j是根据NLOS误差分布参数计算出的NLOS误差的均值；n_i，j是系统在LOS环境下的TDOA时延估计误差，在此不考虑各个辐射源之间时钟漂移对TDOA测量量的影响，因此它是零均值正态分布的随机变量。判断TDOA_(m)i，j是否包含NLOS误差的方法是分别对第i个辐射源和第j个辐射源进行NLOS识别，这里的识别方法有多种多样，可以在其中任意选择一种，例如可以利用从该辐射源获取的一组功率时延分布中挑选出一组最强径的样本离散系数的大小实现NLOS识别，也可以利用从该辐射源获取的单个或多个功率时延分布上的径间功率差或幅度差实现NLOS识别。

步骤101的子步骤202，确定TDOA测量量中NLOS误差的均值。根据步骤201的NLOS识别结果，首先从包含NLOS误差的TDOA测量量对应的信道的一组功率时延分布中获取NLOS误差的分布参数。具体实现时，既可以采用下述公式(1)，也可以采用公式(2)来完成NLOS误差分布参数p_i和p_j的估计。

$p_i=\frac{(m_1+m_2+\·\·\·+m_N)\×\mathrm{\α}}{W\×N}---\left(1\right)$

在公式(1)中，p_i是NLOS误差分布参数；m_k是第k(k∈1，2，...，N)个散射体统计窗内检测到的径的个数，这里的散射体统计窗是从第k个功率时延分布上截取，它的起点可以是首径之后的某个位置，也可以包含首径位置；W是散射体统计窗的宽度，单位为码片，W的取值通常在1～10个码片之间；N是为获取一个p_i估计值所采用的功率时延分布的个数，N的取值通常在1～10之间，所用的N个功率时延分布是在一定的时间区间内进行N次多径搜索得到的；α是一个码片内进行的采样次数，也就是一个径包含的样点数，其取值范围通常为1～32。

$p_i=\frac{s_1+s_2+\·\·\·+s_N}{W\×N}---\left(2\right)$

在公式(2)中，p_i为NLOS误差分布参数；s_k是第k(k∈1，2，...，N)个散射体统计窗内检测到的超过检测门限的样点的个数，这里的散射体统计窗是从第k个功率时延分布上截取，它的起点可以是首径之后的某个位置，也可以包含首径位置；W是散射体统计窗的宽度，单位为样点，W的取值通常在40个样点之内，典型值为20个样点；N是为获取一个p_i的估计值所采用的功率时延分布的个数，N的取值通常在1～10之间，所用的N个功率时延分布是在一定的时间区间内进行N次多径搜索得到的。

在得到NLOS误差的分布参数之后，利用NLOS误差分布参数p_i和p_j以及NLOS误差的分布形式，计算出NLOS误差的均值。

离散形式的NLOS误差的均值可以利用p_i、p_j和公式(3)表示的离散形式的TDOA的NLOS误差δ_(s)i，j的概率密度函数直接得到。

在公式(3)中，δ_(s)i，j是第i和第j个基站对应的以样点个数为单位的TDOA的NLOS误差量，单位为样点个数，δ_(s)i，j∈(...-3，-2，-1，0，1，2，3...)，该样点数和样点间隔的乘积就是NLOS误差，其量纲为时间；p_i和p_j分别是第i和第j个基站的TOA测量的NLOS误差量δ_(s)i、δ_(s)j的分布参数；δ_(s)i，j＝δ_(s)i-δ_(s)j。

连续形式的NLOS误差的均值可以利用p_i、p_j和公式(4)求出连续形式的TDOA测量量中的NLOS误差的分布参数θ_i和θ_j，然后利用θ_i、θ_j和公式(5)表示的连续形式的TDOA的NLOS误差δ_i，j的概率密度函数求出NLOS误差的均值。

${\mathrm{\θ}}_i=T\frac{-1}{\ln (1-p_i)}---\left(4\right)$ 在公式(4)中，T为系统采样样点间隔时间，单位为微秒。

在公式(5)中，θ_i和θ_j就是δ_i，j的分布参数。

步骤101的子步骤203，利用步骤202获取的NLOS误差的均值μ_(n)i，j，按照公式(6)进行NLOS误差的零均值矫正。

${\mathrm{TDOA}}_{i,j}^{(\mathrm{nlos}\_\mathrm{miti})}={\mathrm{TDOA}}_{\left(m\right)i,j}-{\mathrm{\μ}}_{\left(n\right)i,j}={\mathrm{TDOA}}_{\left(\mathrm{los}\right)i,j}^{\left(O\right)}+n_{\left(n\right)i,j}+n_{i,j}---\left(6\right)$ 在公式(6)中，TDOA_i，j ^(nlos_miti)表示进行NLOS误差零均值矫正后的TDOA测量量。

步骤102，根据零均值矫正后的TDOA测量量计算主基站的TOA₁和邻基站的TOA_i。

首先，计算主基站的TOA₁。其具体实现方法是：把从公式(6)得到的TDOA_2，1 ^(nlos_miti)和TDOA_3，1 ^(nlos_miti)乘以光速后代替公式(7)中的r_2.1和r_3.1，就得到移动台位置坐标x，y的包含中间变量r₁的表示形式。

$\left[\begin{array}{c}x\\ y\end{array}\right]={\left[\begin{array}{cc}{x}_{\mathrm{2,1}}& y_{\mathrm{2,1}}\\ x_{\mathrm{3,1}}& y_{\mathrm{3,1}}\end{array}\right]}^{-1}\×\{\left[\begin{array}{c}{r}_{\mathrm{2,1}}\\ r_{\mathrm{3,1}}\end{array}\right]r_1+\frac{1}{2}\left[\begin{array}{c}{r_{\mathrm{2,1}}}^2-K_2+K_1\\ {r_{\mathrm{3,1}}}^2-K_3+K_1\end{array}\right]\}---\left(7\right)$

在公式(7)中，K_i＝x_i ²+y_j ²(i＝1，2，3)，(x_i，y_i)是基站的位置坐标。

然后将公式(7)的结果，即x，y包含中间变量r₁的值带入i＝1时的公式(8)，得到r₁的平方形式，r₁的解的正值就是移动台到参考基站的距离，这里的参考基站编号为1号，用这个距离除以光速，就是要求的TOA₁。在很特殊的情况下，r₁的解会有两个正根，这时需要利用先验知识并结合部分测量数据，如结合RTT测量量、移动台所处的扇区信息，来确定一个正确的解，并放弃另一个解。为了提高TOA₁的准确度，可以对多次TDOA测量得到的多个TOA₁进行平均。由于TOA₁是使用矫正后的TDOA测量量TDOA_i，1 ^(nlos_miti)求出的，TOA₁的NLOS误差的均值为零。

r_i ²＝(x_i-x)²+(y_i-y)²＝K_i-2x_ix-2y_iy+x²+y²，i＝1，2，...，M    (8)

在公式(8)中，K_i＝x_i ²+y_i ²，(x_i，y_i)是基站的位置坐标，是已知参量；(x，y)是移动台位置坐标，是未知参量，也就是待求解参量。

在计算出主基站的TOA₁之后，计算各个邻基站的TOA_i，这里的TOA_i包含NLOS误差，具体实现方法是根据公式(9)进行计算。

TOA_i＝-TDOA_(m)i，1+TOA₁                                      (9)

在公式(9)中，TDOA_(m)i，1表示第i个基站与第1个基站间的包含NLOS误差的TDOA测量量。

步骤103，利用由NLOS误差分布参数求出的NLOS误差的均值对TOA测量量中包含的NLOS误差进行零均值矫正。

其中，对TOA测量量中的NLOS误差进行零均值矫正的过程，如图3所示，由子步骤301、302、303组成：

步骤103的子步骤301，通过NLOS识别确定需要进行零均值矫正的TOA测量量。识别出包含NLOS误差的TOA_i，下标i表示这个TOA_i是诸如蜂窝网络中的基站的第i个辐射源和接收机之间的到达时间或伪距； ${\mathrm{TOA}}_i={\mathrm{TOA}}_{\left(\mathrm{los}\right)i}^{\left(O\right)}+n_{\left(n\right)i}+{\mathrm{\μ}}_{\left(n\right)i}+n_i.$ 其中，TOA_(los)i ^(O)是不包含任何误差的理想状态的TOA值；n_(n)i是经过零均值矫正后的NLOS误差的残差，其均值为零；μ_(n)i是根据NLOS误差分布参数计算出的NLOS误差的均值；n_i是系统在LOS环境下的TOA时延估计误差，是零均值正态分布的随机变量。判断TOA_i是否包含NLOS误差的方法是对第i个辐射源进行NLOS识别，这里的识别方法是公知技术，可以在多种识别方法中任意选择一种，例如可以利用从该辐射源获取的一组功率时延分布中挑选出一组最强径的样本离散系数的大小实现NLOS识别，也可以利用从第i个辐射源获取的单个或多个功率时延分布上的径间功率差或幅度差实现NLOS识别。

步骤103的子步骤302，进行TOA_i中NLOS误差的均值的估计。

首先，根据步骤301的NLOS识别结果，从包含NLOS误差的TOA_i对应的信道的一组功率时延分布中获取NLOS误差的分布参数，具体实现时，既可以采用公式(1)，也可以采用公式(2)来完成NLOS误差分布参数p_i的估计。

然后，利用NLOS误差分布参数p_i以及TOA_i中NLOS误差的分布形式，计算出NLOS误差的均值。

离散形式的TOA_i中NLOS误差为几何分布，其均值可以利用p_i和公式(10)表示的离散形式的TOA_i中NLOS误差δ_(s)i的概率密度函数直接得到。

公式(10)中的δ_(s)i表示系统采样的样点数，该样点数和样点间隔的乘积就是NLOS误差，其量纲为时间，p_i是几何分布的分布参数。

连续形式的TOA_i的NLOS误差服从单边指数分布，其均值可以利用p_i和公式(4)，求出连续形式的TOA_i中的NLOS误差的分布参数θ_i，然后利用θ_i和公式(11)表示的连续形式的TOA_i的NLOS误差δ_i的概率密度函数求出NLOS误差的均值。

公式(11)中的δ_i表示连续取值的NLOS误差，θ_i是分布参数。

步骤103的子步骤303，利用步骤302获取的NLOS误差的均值μ_(n)i，按照公式(12)进行TOA_i中NLOS误差的零均值矫正。

${\mathrm{TOA}}_i^{(\mathrm{nlos}\_\mathrm{miti})}={\mathrm{TOA}}_i-{\mathrm{\μ}}_{\left(n\right)i}={\mathrm{TOA}}_{\left(\mathrm{los}\right)i}^{\left(O\right)}+{n_{\left(n\right)i}+n}_i---\left(12\right)$

在公式(12)中，TOA_i ^(nlos_miti)表示进行NLOS误差零均值矫正后的TOA测量量；n_(n)i为TOA_i的矫正残差；n_i为时延估计误差。

步骤104，利用由NLOS误差分布参数求出的NLOS误差的方差对加权最小二乘估计中的加权矩阵中的元素进行自适应调整。

其中，加权矩阵的自适应调整如图4所示，进一步包括子步骤401、402和403：

步骤104的子步骤401，确定加权矩阵的形式，本发明采用公式(13)作为TOA最小二乘估计的加权矩阵。

$Q_{\left(r\right)}=Q_{\left(l\right)}+Q_{\left(n\right)}=\left[\begin{array}{ccccc}{{\mathrm{\σ}}_1}^2& 0& 0& \·& 0\\ 0& {{\mathrm{\σ}}_2}^2& 0& \·& 0\\ 0& 0& {{\mathrm{\σ}}_3}^2& \·& 0\\ \·& \·& \·& \·& \·\\ 0& 0& 0& \·& {{\mathrm{\σ}}_M}^2\end{array}\right]+\left[\begin{array}{ccccc}{{\mathrm{\σ}}_{\left(n\right)1}}^2& 0& 0& \·& 0\\ 0& {{\mathrm{\σ}}_{\left(n\right)2}}^2& 0& \·& 0\\ 0& 0& {{\mathrm{\σ}}_{\left(n\right)3}}^2& \·& 0\\ \·& \·& \·& \·& \·\\ 0& 0& 0& \·& {{\mathrm{\σ}}_{\left(n\right)M}}^2\end{array}\right]---\left(13\right)$

其中，

$Q_{\left(l\right)}=\left[\begin{array}{ccccc}{{\mathrm{\σ}}_1}^2& 0& 0& \·& 0\\ 0& {{\mathrm{\σ}}_2}^2& 0& \·& 0\\ 0& 0& {{\mathrm{\σ}}_3}^2& \·& 0\\ \·& \·& \·& \·& \·\\ 0& 0& 0& \·& {{\mathrm{\σ}}_M}^2\end{array}\right]---\left(14\right)$

Q_(l)为LOS环境下TOA的时延估计误差N＝[n₁ n₂…n_M]^T的协方差矩阵，N为M维矢量，N的均值为零，N的协方差矩阵Q_(l)为M×M维对称矩阵。σ_i ²为LOS环境下TOA时延估计误差的协方差。

$Q_{\left(n\right)}=\left[\begin{array}{ccccc}{{\mathrm{\σ}}_{\left(n\right)1}}^2& 0& 0& \·& 0\\ 0& {{\mathrm{\σ}}_{\left(n\right)2}}^2& 0& \·& 0\\ 0& 0& {{\mathrm{\σ}}_{\left(n\right)3}}^2& \·& 0\\ \·& \·& \·& \·& \·\\ 0& 0& 0& \·& {{\mathrm{\σ}}_{\left(n\right)M}}^2\end{array}\right]---\left(15\right)$

Q_(n)为零均值矫正后的NLOS误差n_(n)i构成的M维矢量N_(n)＝[n_(n)1 n_(n)2…n_(n)M]^T的协方差矩阵，N_(n)的均值为零，Q_(n)为M×M维对称矩阵。

步骤104的子步骤402，根据NLOS识别结果确定加权矩阵中需要调整的元素。这一步骤直接利用步骤401的结果，只要构成TOA_i的第i个辐射源相应的信道包含NLOS误差，就要对加权矩阵中对应的元素，即加权系数进行调整。例如，经过NLOS识别，确定第1个辐射源对应的信道为LOS信道，则公式(13)中的Q_(n)包含σ_(n)1 ²的元素需要进行调整，即σ_(n)1 ²取零值。

步骤104的子步骤403，确定加权矩阵中需要调整的元素的取值。

首先，确定矩阵Q_(l)中各个元素的取值，即公式(14)中的σ_i ²的取值。可以通过LOS信道环境下对系统进行TOA测量误差的统计来近似得到σ_i ²，也可以通过系统仿真来近似得到σ_i ²，还可以通过TDOA测量误差的统计来近似得到σ_i，j ²，然后利用 ${{\mathrm{\σ}}_i}^2=\frac{1}{2}{{\mathrm{\σ}}_{i,j}}^2$ 来确定σ_i ²。

然后，确定矩阵Q_(n)中各个元素的取值。在这里可以利用步骤103求取的p_i和公式(10)表示的TOA_i的NLOS误差δ_(s)i的概率密度函数求出σ_(n)i ²，也可以利用步骤103求取的p_i和公式(4)求出θ_i，然后再利用求出的θ_i和公式(11)表示的TOA_i中NLOS误差δ_i的概率密度函数求出σ_(n)i ²。TOA₁的NLOS误差的方差采用从主基站获取的分布参数p₁进行计算，具体步骤与TOA_i的方差的计算方法相同。

步骤105，进行加权最小二乘估计，得到一组初步抑制了NLOS误差影响的移动台位置的估计值。

在测量到大于3个的多个基站的TDOA时，将利用步骤102获取的一个TOA₁和多个TOA_i ^{(i＝2，3，...，M M≥4)}代入公式(8)构造一个非线性方程组，通过引入中间变量d₁＝(x-x₁)²+(y-y₁)²和利用加权最小二乘估计求解这个非线性方程组，就可以获得移动台的位置坐标(x，y)。为了使M大于等于4时得到的方程组(8)的求解过程具有NLOS误差抑制能力，在利用加权最小二乘估计求解这个非线性方程组时，用步骤104确定的Q_(r)替换方程组(8)的估计误差的协方差矩阵。这样得到的位置估计值较好地抑制了GDOP误差和NLOS误差。

步骤106，通过对步骤105获取的一组移动台位置值进行平均，进一步抑制NLOS误差对位置估计精度的影响。也就是，首先通过步骤105，在诸如几秒的短时间间隔内，获取多个在独立TOA测量的基础上输出的位置估计值，然后对这些位置估计值(坐标分量)进行平均，得到一个位置坐标。

这一步利用按照公式(12)进行零均值矫正后的TOA测量值的NLOS误差的均值为零的特点，通过对步骤105获取的多个位置估计结果进行平均，进一步抑制NLOS误差矫正残差对位置估计精度的影响，降低了位置估计误差的方差。

上述只是对本发明的一个实施例的详细说明，并不用于限制本发明的保护范围。

Claims (9)

1.一种位置估计方法，先测量定位请求涉及的主基站和两个邻基站之间的到达时间差(TDOA)，其特征是，该方法进一步包括：

a.利用由非视距(NLOS)误差分布参数求出的NLOS误差均值对TDOA测量量中的NLOS误差进行零均值矫正，并根据矫正后的TDOA测量量估计移动台到主基站的到达时间(TOA)，然后利用所述移动台到主基站的TOA和系统测量得到的移动台到邻基站的TDOA计算移动台到邻基站的TOA；

b.利用由NLOS误差分布参数求出的NLOS误差均值对移动台到主基站和移动台到邻基站的TOA中的NLOS误差进行零均值矫正；

c.利用由NLOS误差分布参数求出的NLOS误差方差对TOA位置估计中的加权矩阵进行自适应调整，并用调整后的加权矩阵对移动台的位置进行加权最小二乘估计，得到移动台位置的估计值。

2.根据权利要求1所述的位置估计方法，其特征是，重复所述步骤a至步骤c，得到大于1个的移动台位置估计值，对所述大于1个的移动台位置估计值进行平均，得到最终的移动台位置估计值。

3.根据权利要求1或2所述的位置估计方法，其特征是步骤a进一步包括：

a1.通过NLOS识别确定需要进行零均值矫正的TDOA测量量，并利用NLOS误差分布参数确定TDOA测量量中NLOS误差的均值；

a2.根据步骤a1确定的NLOS误差均值对TDOA测量量中的NLOS误差进行零均值矫正；

a3.根据步骤a2矫正后所得的TDOA测量量计算移动台到主基站的TOA，再根据计算出的移动台到主基站的TOA值计算移动台到每个邻基站的TOA。

4.根据权利要求3所述的位置估计方法，其特征是，在步骤a3中进一步包括如下步骤：在计算主基站的TOA之后再进行大于1次的计算，根据得到的大于1个的TOA值的平均值计算各个邻基站的TOA值。

5.根据权利要求3所述的位置估计方法，其特征是步骤b进一步包括：

b1.通过NLOS识别确定由步骤a3求出的、需要进行零均值矫正的主基站和邻基站的TOA值，并利用NLOS误差分布参数确定由步骤a3求出的、需要进行零均值矫正的主基站和邻基站的TOA值中NLOS误差的均值；

b2.对所述由步骤a3求出的、需要进行零均值矫正的主基站和邻基站的TOA值中的NLOS误差的均值进行零均值矫正。

6.根据权利要求5所述的位置估计方法，其特征是，所述NLOS识别利用从辐射源获取的功率时延分布中选择一组最强径的样本离散系数的大小来实现。

7.根据权利要求5所述的位置估计方法，其特征是，所述NLOS识别利用从辐射源获取的功率时延分布上的径间功率差或者径间幅度差来实现。

8.根据权利要求1或2所述的位置估计方法，其特征是步骤c进一步包括：

c1.通过将矩阵的主对角线元素设置为视距(LOS)环境下TOA时延估计误差的协方差和TOA的矫正残差的协方差之和的方式确定加权矩阵形式；

c2.将包含NLOS误差的每个计算TOA的信道所对应的TOA的矫正残差的协方差值设为零；

c3.通过LOS信道环境下对系统进行TOA测量估计，或通过系统仿真，或通过TDOA测量误差统计的方式确定步骤c1的加权矩阵中需要调整的LOS环境下TOA时延估计误差的协方差；判断TOA包含的NLOS误差为离散形式还是连续形式，如果是离散形式，则通过NLOS误差分布参数和TOA中的离散形NLOS误差的概率密度函数确定步骤c1的加权矩阵中需要调整的TOA矫正残差的协方差；如果为连续形式，则通过NLOS误差分布参数得到TDOA的连续形NLOS误差的概率密度函数，然后通过TDOA的连续形NLOS误差的概率密度函数得到TOA的连续形NLOS误差的概率密度函数确定步骤c1加权矩阵中需要调整的TOA矫正残差的协方差。

9.根据权利要求1或2所述的位置估计方法，其特征是，在步骤a中通过GDOP最小准则或者存在LOS信道准则确定TDOA测量量。

Images