蜂窝移动定位系统定位精度提高算法的研究进展

发布: 2010-10-20 00:24 | 作者: 甄杰　张淑芳大连海� | 来源: | 字体: 小中大

相关专题：无线

　　摘　要：提高蜂窝移动定位系统的定位精度是定位技术在CDMA系统中广泛应用的关键。针对提高移动定位精度算法的研究，分别从基本定位算法、非视距传播误差消除算法、抗多径干扰时延估计和抗多址干扰算法、数据融合定位方法等几个方面进行了详细的分析和讨论，综述了该领域的最新研究进展，提出了自己的观点。最后对移动定位精度提高算法研究的未来进行了展望。

　　关键词：无线移动定位；非视线传播；定位精度；算法

一、引言

　　无线导航定位系统的基本功能是收集在一定地理区域内无线信号发射台发射的无线导航信息，根据接收信号频率、到达时间及角度等信号参量的变化，处理得到对待测位置信息的估计。典型的无线导航定位系统有罗兰C（Loran-C）、奥米加（Omega）、全球卫星导航定位系统等。利用现代移动通信系统的蜂窝网络提供导航、位置信息是一种新的定位方式。它通过测量到达（或来自）一系列固定或移动基站携带的与移动台位置信息有关的信号来确定移动基站位置。根据进行定位估计的主体及采用设备的不同，可将对移动台的无线定位方案分为3类：基于移动台的定位方案［1，2］、基于网络的定位方案［3］及GPS辅助定位方案［4］。

蜂窝移动定位技术在公共安全服务（如：紧急医疗、紧急定位、紧急报警服务）、犯罪侦查、蜂窝系统设计、动态资源管理、位置敏感付费以及船舶管理、导航和智能交通系统（ITS）等多方面都有广泛的应用。尤其是在美国联邦通信委员会（ＦＣＣ）强制要求所有的无线业务提供商必须在2001年10月前向E-911公共安全服务系统提供在67%的情况下、精度为125m的用户位置信息后［5］，蜂窝移动定位技术在国外受到了高度的重视和深入研究［6］。目前主要的研究内容包括基本定位方法和定位算法的研究［２～７］、非视距传播误差消除算法的研究［13～20］、抗多径干扰时延估计、抗多址干扰算法的研究［21～26］、数据融合技术的研究［27～29］、定位技术实施方法和定位系统的性能估计研究等等方面。

移动定位系统定位精度的高低是定位技术在蜂窝网络中广泛应用的关键，但蜂窝移动通信系统的复杂信号环境却不可避免地会降低移动定位的精度。虽然FCC规定的期限已过，但到目前为止还没有真正达到精度要求的实用系统投入使用，尤其是在闹市区，由于障碍物阻挡引起的多径干扰和非视距误差以及蜂窝通信系统中“远近效应”引起的多址干扰都极大地影响移动定位的精度。最近几年针对影响定位精度的各种因素，出现了一些提高定位精度算法的文章。本文全面地总结了这方面的最新研究成果，并提出作者本人的观点和建议，希望能对相关领域的研究人员有所帮助。

二、蜂窝移动定位算法研究

　　在定位方法和定位算法研究方面，基本的定位方法有：小区单元定位、信号到达场强、信号到达角度、信号到达时间/时间差定位等基本方法。定位算法方面，当多个接收机位于一条直线时，求解移动终端位置的距离测量方程组相对简单，文献［7］给出了多种优化处理方法；当接收信号端在空间随机分布时，求解移动终端位置的圆位置线方程组、双曲位置线方程或含有到达角度的位置线方程组中会遇到非线性问题。求解非线性问题的主要位置算法有：①Foy［8］提出的泰勒级数展开线性化最小二乘位置估计算法（TS-LS）。TS-LS是最基本的位置迭代估计算法，简单、适用环境范围广，但需要迭代初值，初值选择不好容易陷入局部最小点，从而算法不收敛；②具有闭合解的Fang算法［9］、球面相交SX算法、球面插值SI［10］算法和Chan［11］两步最小二乘最大似然位置估计算法。Fang算法利用3个测量基站对移动终端进行二维位置定位，给出移动基站位置的确定解，但该方法不能利用冗余测量信息来改进定位精度。Chan算法在可获得测量信息的基站个数为3个时，与Fang算法类似；当存在4个以上测量基站时，算法首先假设待测移动终端位置坐标与服务基站的距离无关，用加权最小二乘法（WLS）得到一初始解，再利用得到的估计位置坐标及附加变量等已知约束条件进行二次WLS估计，最后得到改进的位置估计。该算法能利用网络所能提供的所有测量值取得更好的计算结果，计算量小，在测量误差统计特性为高斯分布且误差很小时，性能逼近最优解，但当测量误差较大时，算法性能严重变坏；③Caffery［12］提出的线性位置线位置估计算法（LLOP-LS）用线性位置线取代圆位置线，在测量误差统计特性未知的非视距传播情况下，该算法天然具有较好的抗干扰性能，但在测量误差高斯分布的情况下，算法的估计精度低于Chan算法和泰勒展开算法。

　　尽可能地利用移动通信系统中固定基站和移动台之间的各种含有位置信息的信号参量进行定位测量，提出更好的抗多种误差干扰的鲁棒估计算法，是无线定位技术研究始终关注的课题之一。

三、非视距误差消除算法的研究

　　信号的视距传播（LOS）是基于时间、角度的定位系统获得准确距离、角度测量的前提，但在蜂窝移动定位复杂的信号环境下，尤其是在闹市区和多山地带，信号的传播受到障碍物的阻挡，发生反射、折射或散射，电波传播路径发生改变，称之为非视距传播（NLOS）。非视距传播是测距、测角度定位系统的主要误差源，在NLOS误差统计特性未知的情况下，传统的参数估计方法，无法对待测的位置信息给出准确的估计。针对如何消除非视距误差的影响，提高定位精度问题，目前国内外的学者已经提出了很多切实的办法。

　　（1）多项式平滑、残差比对法［13］

　　Wylie提出了一种根据一段时间内的距离测量值，采用N阶多项式平滑，计算距离的标准差，与已知测量噪声的标准差比较，并进一步根据距离测量值的残差进行分析、比较，最后进行LOS重构的方法。

　　（2）残差加权算法［14］

　　Chen提出了一种残差加权算法，它不需要知道NLOS的统计特性或任何先验知识，只是对多组距离测量值求残差平方和，得到残差加权值，再用多组残差加权数据进行线性加权组合，从而得到位置的估计值。

　　（3）误差模型法［15,16］

　　AI-Jazzar利用不同的散射模型（圆环传播模型、圆盘模型、截短高斯分布模型）获得基于TOA信号的不同模型的计算概率密度函数（PDF），进一步提出了：①以测量标准差减去计算标准差的结果最小或测量方差减去计算方差的结果最小为条件的NLOS误差消除算法；②利用３种散射模型的计算PDF，利用最大似然估计（ML）和贝叶斯（Baysian）估计算法得到实际位置信息。误差模型法是在假定非视距误差传播特性符合圆环等3种散射模型的基础上，利用基于３种模型的概率密度函数得到NLOS的计算统计特性，进而估计MS位置。上述方法在假设的非视线传播误差模型接近实际假定的3种散射模型时，可以得到较好的精度。

　　（4）距离尺度因子法［17］

　　利用距离MS最近的3个BS与MS之间所构成的三角函数关系作为优化约束条件，用尺度因子加权测量距离，将位置估计问题转化为优化问题来解决。它的优点是即使3个测量距离均存在NLOS误差，也可以得到较好的结果，缺点是在有些情况下算法没有最优解。

　　（5）卡尔曼滤波重构法［18］

　　在实地测量的基础上，获得NLOS误差的一些统计特性，假设NLOS误差方差已知，用卡尔曼滤波的方法重构NLOS信号，得到位置估计值。该方法是在假定系统的状态方程和信号的统计特性已知的情况下实现的，而在实际蜂窝系统中，获得这些信息的先验知识是很困难的。

　　（6）其他方法

　　文献［19］通过加入松弛变量和采用搜索算法，消除NLOS传播对定位影响，不需要先验信息，但是由于其估计结果依赖于Chan算法估计的初值，当NLOS较大时，精度会显著下降。文献［20］在假定NLOS误差传播是一种间歇性阻挡的前提下，提出用一种自适应鲁棒滤波净化器来去除误差奇异值，该方法由于克服了最小二乘法对奇异值算法不收敛的情况，提高了NLOS传播环境下定位的精度。

　　NLOS误差传播问题已经成为目前蜂窝移动定位技术研究的重点和难点问题，已经提出的各种NLOS误差消除算法，都是在各种假设和限定条件下提出的优化方法，到目前为止，还没有一种真正简单有效、广泛适用的非视距误差消除算法提出。如何鉴别并消除NLOS误差的影响，或提出符合NLOS误差分布规律的误差模型，提高蜂窝移动定位的精度，是移动定位技术广泛应用的关键。

四、抗多径干扰时延估计算法的研究

　　由于地面和周围建筑物的反射，发射信号往往经由多条不同路径，以不同的时间到达接收机，造成传播信号到达接收端的时延扩展、信号幅度、频率和相位的改变。多径传播是基于到达角度、信号强度、到达时间或时间差测量系统定位误差的主要来源。对基于时间的蜂窝移动定位系统，由多径引起的误差最高可达100m［21］。传统的基于相关技术的延迟估计器受多径影响，尤其是在反射信号与首先到达的信号间隔在一个码片内时,不能给出正确的输出。

　　在蜂窝移动定位系统中，寻找具有抗多径干扰能力的时延估计算法是无线定位技术研究的重点。有关时延估计的文献大致可分为广义互相关法、最大似然时延估计法、自适应时延估计法等。上述方法都是在假定接收信号LOS传播的前提下提出的基本时延估计方法，算法本身没有或只具有轻微的对付多径能力，在蜂窝移动定位复杂的信号环境下，上述方法都不能给出准确的时延估计，甚至失效，严重影响蜂窝定位系统的定位精度。因此研究基于上述基本时延估计方法的抗多径干扰时延估计算法或提出新的抗多径干扰时延估计算法具有非常重要的现实意义。目前主要的抗多径干扰时延估计算法有：

　　（1）基于扩展卡尔曼路滤波的到达时间、多径联合估计算法［22,23］。文献［22］提出了一种基于扩展的卡尔曼滤波的到达时间和多径参数的联合估计算法，该方法只考虑了对时变信道复值参数和时间延迟的估计，并且假定所有接收到的多径信号具有相同的时延。而在实际利用信号到达时间延迟来测距的系统中，经过不同路径的接收信号的时延是不同的。

　　（2）RAKE 结构的TDOA估计器［24］。文献［24］提出了一种基于RAKE结构的TDOA估计器，将RAKE接收机结构用于TDOA估计器模型中。原始的接收信号经过RAkE合并后，主径信号得到增强，再利用传统的互相关方法既可很容易地估计TDOA值。但由于多径的影响，主径信号合并参数和合并方法的选择通常较复杂，很难达到最优。

　　（3）高分辨率抗多径干扰时延估计方法［25,26］。文献［26］提出了TLS-ESPRIT（Total Least Squares Version of Estimation of Signal Parameters via Rotational Invariance Technique）时延估计方法，其基本思想是将时域相关转换为频域内的反卷积形式，将时间延迟估计问题转化为非平稳白噪声中的复值正弦信号频率估计问题，用旋转不变技术获得未知频率的估计，也就是对多径时延的估计。该方法假定事先已知接收信号中的多径数，否则需要用其他方法先估计出路径数，实际中由于多径传播的复杂性，很难给出准确的路径估计。其他的高分辨率抗多径时延估计方法有Root-MUSIC算法等。

五、混合与数据融合定位精度提高算法研究

　　由于蜂窝移动通信复杂的信道环境，使得在各种基于测量信号特征参量的无线定位方法中，仅靠一种基本定位方法很难在各种信道环境下取得最佳定位精度。利用各种不同定位方法及算法进行综合定位或数据融合定位，可以得到高于各种独立定位算法的定位精度。

　　混合定位是利用蜂窝网络提供的TDOA、TOA、AOA等多种特征参量测量值构成非线性方程组或定位算法组合，对其进行联合求解得到比原来单一定位算法更准确的位置估计。如何对非线性方程组求解，是混合定位方法需要解决的关键问题。文献［27］提出了一种TDOA/AOA组合定位方法，它利用蜂窝网络提供的M个TDOA距离差测量值和当前服务基站的AOA测量值建立时延差和到达角度的非线性方程组，应用泰勒级数展开对方程组线性化，进一步采用两步最小二乘最大似然法得到对MS位置的估计。

　　数据融合定位是将来自不同测量终端，利用不同定位方法获得的数据融合，利用各自的冗余信息，通过一定的规则进行筛选与融合，实现对观测信号更好的认知。在定位系统中实现数据融合技术的关键是确定切实可行的准则和判决门限，在这方面需要结合课题的实际情况，在一定的实测数据基础上建立合理的实验模型，进行大量的计算机仿真。

　　Kleine Ostmann和Bell率先在JDL模型基础上提出了包括一、二、四级数据融合的TOA/TDOA无线定位数据融合模型［28］，既对TDOA和TOA测量数据进行融合，又对基于泰勒级数展开的TDOA和TOA定位估计器的结果进行数据融合，最后进行最优选择，获得优化的定位输出。

　　文献［29］在K-B模型的基础上，利用TOA和TDOA测量数据并结合扇区信息进行数据融合，通过定义可信度函数构造了一种基于移动台的动态数据融合定位算法，在保证决策可靠的前提下，有效地提高了决策输出的定位精度。

　　在目前各种定位方法由于测量误差的影响普遍定位精度不高的前提下，综合或融合各种定位方法的测量数据，利用各种测量数据或冗余测量信息得到比任何单一方法好的定位精度，是目前蜂窝移动定位技术中一种比较好的折衷方案。

六、结论与展望

　　蜂窝移动定位技术是一种新的不依赖于GPS的无线导航、定位技术，具有非常广阔的应用前景。蜂窝移动定位系统定位精度的提高是移动定位技术在蜂窝网络环境中广泛应用的关键，因此蜂窝移动定位系统精度提高算法的研究是一个非常实用又具有挑战性的研究课题。到目前为止，还没有在任意真正信道环境下（尤其是在闹市区）达到FCC要求的实用系统出现。我们认为在该领域的研究应着重进行以下方面的工作：

　　（1）进一步研究基本定位方法和定位算法，提出新的定位方法和原理，重点研究定位算法的抗NLOS和抗多径、多址干扰能力；

　　（2）在现有定位算法研究基础上，深入研究影响定位精度的主要误差源，尝试建立符合实际的误差模型或对影响定位精度的误差统计特性进行适当假定和合理描述；重点研究如何减少或消除NLOS传播和多径干扰对定位精度的影响；

　　（3）针对影响时延估计精度的多径干扰问题，重点研究在蜂窝移动信道环境下的抗多径时延估计算法，提高时延估计的准确度；

　　（4）充分利用现有的各种定位方法和定位数据进行综合或数据融合定位。各种定位方法和算法各有所长，又都有其局限性，并且实现方法和算法复杂度各有不同。如何根据移动定位系统目前所能提供的各种定位方法和定位数据进行综合或融合，达到提高定位精度的目的是一个很有意义的研究方向。

参考文献

［1］TSGR1#4(99)346, Recapitulation of the IPDL Position Method［S/OL］. http://www.3gpp.org/specs.
［2］T1P1.5 Documents-PCS Directory［S/OL］. http://www.t1.org/.
［3］Silventoinen M I, Rantalainen T. Mobile Station Emergency Locating in GSM［A］. IEEE ICPWC96［Ｃ］.１９９６.232～238.
［4］3GPP TS22.071 V 4.3.0, Location Services (LCS)Stage 1［S/OL］. http://www.3gpp.org/, 2001.
［5］FCC.Revision of the Commission's Rules to Ensure Compatibility with Enhanced 911 Emergency Calling Systems［R/OL］http://www.fcc.gov/911/enhanced/reports/.
［6］Caffery J, Struber G. Overview of Radiolocation in CDMA Cellular Systems［J］. IEEE Communications Magazine, 1998,36(4): 38~45.
［7］Abel J S, Smith J O. Source Range and Depth Estimation from Multipath Range Difference Measurements［J］. IEEE Trans. Acoust. Speech Signal Processing, 1989，３７:1157～1165.
［8］Foy W. Position-Location Solutions by Taylor Series Estimation［J］. IEEE Trans. Aerosp. Electron. Syst, 1976,AES-12(2):187~193.
［9］Fang B T. Simple solutions for hyperbolic and related position Fixes［J］. IEEE Trans. on Aerosp. Electron. Syst., 1990,26: 748~753.
［10］Smith O J, Abel J S. The Spherical Interpolation Method of Source Localization［J］. IEEE Journal of Oceanic Engineering,1987,12(1):246~252.
［11］Chan Y T, Ho K C. A Simple and Efficient Estimator for Hyperbolic Location［J］. IEEE Trans. Signal Processing, 1994,42(8):1905~1915.
［12］Caffery J. A New Approach to the Geometry of TOA Location［A］. IEEE VTS Proc. VTC2000 Fall［C］. 2000.1943～1949.
［13］Wylie M P, Holtzman J. The Non-Line of Sight Problem in Mobile Location Estimation［A］. WINLAB TR-121. June 1996.
［14］Chen P C. A Non-Line-of-Sight Error Mitigation Algorithm in Location Estimation［A］. WCNC 1999［C］.1999.316～320.
［15］Al-Jazzar S, Caffery J. ML & Baysian TOA Estimations for NLOS Environments［A］. IEEE VTS, VTC2002［C］. 2002.1178~1181.
［16］Al-Jazzar S, Caffery J. A Scattering Model Based Approach to NLOS Mitigation in TOA Location System［A］.IEEE VTS, VTC2002［C］. 2002.861~865.
［17］Venkatraman S, Caffery J. Location Using LOS Range Estimation in NLOS Environments［A］. IEEE VTS, VTC 2002［C］. 2002.856~860.
［18］Woo Sung-Shik, You H R.The NLOS Mitigation Technique for Position Location Using IS-95 CDMA Networks［A］. IEEE VTS VTC2000［Ｃ］2000. 2556~2560.
［19］Wang X, Wang Z X, O′Dea B. A TOA-based Location Algorithm Reducing the Errors Due to Non-Line-of-Sight (NLOS) Propagation［J］. IEEE Trans. Vehicular Technology,2003,52(1):112~116.
［20］Zhen Jie, Zhang Shu-fang. Adaptive AR Model Based Robust Mobile Location Estimation Approach in NLOS Environment［A］. IEEE VTC2004　Spring［Ｃ］.2004.
［21］Soubielle J, Fijalkow I. GPS Positioning in a Multi-path Environment［J］. IEEE Trans. Signal Processing, 2002,50(1): 141~150.
［22］Iltis R, Mailaender L. An Adaptive Multi-user Detector with Joint Amplitude and Delay Estimation［A］. IEEE JSAC（Vol.12）［Ｃ］.1994.774~785.
［23］Iltis Ronald A. Joint Estimation of PN Code Delay and Multi-path Using the Extended Kalman Filter［J］. IEEE Trans. Communications, 1990,38(10): 1677~1685.
［24］朱良学,朱近康. 一种RAKE结构的TDOA估计器及其最优合并方法［Ｊ］.通信学报， 2003,24(1):66~74.
［25］Dumont L, Fattouche M, Morrison G. Super-resolution of Multi-path Channels in a Spread Spectrum Location System［Ｊ］. Elect.Lett., Sept.1994:1583~1584.
［26］Saarnisaari H. TLS-ESPRIT in a Time Delay Estimation［A］. IEEE VTC Proc［Ｃ］. 1997.1619～1623.
［27］Cong Li, Zhuang Wei-hua. Hybrid TDOA/AOA Mobile User Location for Wideband CDMA Cellular Systems［J］. IEEE Trans. Wireless Communications, 2002,1(3): 439~447.
［28］Kleine-Ostmann T, Bell A. A Data Fusion Architecture for Enhanced Position Estimation in Wireless Networks［J］. IEEE Communication Letters, 2001,5(8):343~345.
［29］孙国林,郭伟. 基于数据融合的蜂窝无线定位算法研究［J］.通信学报, 2003,24(1):137~142.

作者：甄杰　张淑芳大连海事大学信息工程学院，116026 来源：电讯技术