（通信与信息系统专业论文）移动通信系统无线定位问题研究.pdf

摘要 、j 1 9 9 6 年，美国联邦通信委员会( f c c ) 作出了于2 0 0 1 年1 0 月，要求所有的移动通信 运营商必须向移动用户提供定位服务的决定，而且，定位的精度要达到1 2 5 m ( 4 0 0 f e e t ) 。因此，无线定位再次成为无线通信系统中的热点问题。y 本文在简要地介绍了“传统的定位方式及其发展现状”后，分析了以往方法的不 足之处和要改进的地方，提出了利用人工神经网络对信号非视线传播路径进行判别的新 方法，利用神经网络的学习特性和模糊识别功能来提高无线定位的精度，并建立了该识 别系统的神经网络模型，最后，利用c 语言仿真，利用传统的无线定位算法，根据差分 到达时刻( t d o a ) 和到达角( a o a ) 等参数，结合人工神经网络的模式识别模型，改进无线 定位的方法。并给出了该算法的最终计算结果和分析，在信号存在较大反射时延时，极 大的提高了定位的精度。 ， 关键词：无线定位，差分到达时刻、，到达嵛人工神经网络，f = 可1 1 了 | 一j i 。 j j ? ? ： j 。 1 o o 、! 少，j 、 x ! j a b s t r a c t o nj u n e1 2 ，1 9 9 6 ，t h ef e d e r a lc o m m u n i c a t i o n sc o n 硼i s s i o n ( f c c ) a d o p t e d r u l e st h a tp a v e dt h ew a yf o rw i r e l e s sc o m m u n i c a t i o n su s e r st og a i na c c e s st o e - 9 l l e m e r g e n c y s e r v i c e s s o r e q u i r e d t h a t a 1 1w i r e l e s sc o m m u n i c a t i o n s s e f v i c ep r o v i d e r sm u s to f f e rt h ea b i l i t yo fl o c a t i n gt h ec a l l e r s ，a n db e f o r e o c t 12 0 0 l ，t h ee s t i m a t i o no ft h ec a l l e r sp o s i t i o n sm u s tb ew i t h i n1 2 5 m ( 4 0 0 f e e t ) i nt h i sp a p e r a f t e rb r i e f l yd i s c u s s i n g “u s i n gt h et r a d i t i o n a lm e t h o di n w i r e e s sl o c a t i o n ”ia n a l y z e dt h em a i np r o b l e m s t h a th a dn o tb e e n s 0 1 r e d a n da r en e e d e dt ob e i m p r o v e d t h e n i p r o p o s e d an e w m e t h o d ，u s i n g t h e a r t i f i c i a ln e u r a ln e t w o r k sm o d e lt o i d e n t i f y t h ee x i s t e n c eo fn l o s s i g n a l t r a n s m i s s i o n ，a n da l s ob u i hu pt h em o d e l a t l a s t ，t om o d i f yt h ea l g o r i t h m o ft h ew i r e l e s s1 0 c a t i o n u t i l i z i n gt h ea r t i f i c i a ln e u r a ln e t w o r k sm o d e l s s p e c i a l t y o f s t u d y a n dt h e a b i l i t y i nd i s c r i m i n a t i o nt oe n h a n c et h e e s t i m a t i o n so f t h ec a l l e r sp o s i t i o n ，a n dt h er e s u l t s h o w st h a tt h i sm e t h o d c a n g r e a t l y e n h a n c et h ee s t i m a t i o no ft h ec a l l e r sp o s i t i o n e v e nw h e nt h e r e f l e c tt i m e d e l a yg r el a r g e k e y w o r d s ：w i r e l e s sl o c a t i o n ：r a d i o l o c a t i o n ；t o o a ；a o a ；e - 9 1l ；n e u r a l r et w o r k s 南京航空航犬人学硕士学位论文 1 i 无线定位的要求 第一章引言 随著无线通信技术的发展和无线用户数量的增多，许多安全部门，紧急救援组 织以及广大用户出于安全和方便的考虑，都希望移动通信系统能够向移动用户提供 移动用户位置信息的服务。以便在移动用户遇到紧急事件发出呼救时，地区的公安 或其它有关部门接到救援电话后，能够利用蜂窝网运营者根据用户发出的无线电信 号测出的用户位置信息，及时赶往事发现场，进行救援。此事有关人身安全，具有 重要现实意义和应用前景，在国际上也已认真讨论了多年。当美国联邦通信委员会 ( f c c ) 制定了新的e 一9 1 1 服务要求后，全球对无线定位问题的研究又有了新的发展。 f c c 在1 9 9 6 年的1 0 月的报告中要求全部的无线通信运营者必须向其用户提供用户 定位的服务，成为e g i i 。在e 一9 ll 系统的无线定位方面，从1 9 9 8 年起将分阶段 实施定位精度不断提高的用户定位服务。在最后阶段，既2 0 0 1 年的1 0 月1 日前， 在6 7 以上的情况下，无线定位的误差在经，纬度上都要小于1 2 5 米 3 。总之， 移动用户的无线定位问题，近年来已被提到议事日程上，作为一个重要的问题来对 待，迫切希望得到较完善的实用技术。 i 2 无线定位技术的概述 对无线精确定位有多种技术，首先提到的是“全球定位系统”( g p s ，g l o b a l p o s i t i o n i n gs y s t e m ) 。g p s 接收机是根据中轨道运行的2 4 颗卫星网中的4 颗或更 多颗卫星发出的l 频段信号的到达时间( t o a ，t i m eo fa r r i v a l ) 来估计其位置 的，测量精度约在5 0 m 以内。但由于成本、体积、复杂性、功耗和易受射频干扰等 原因，g p s 接收机没有同移动电话装在一起。并且，在城市坏境，如有高大建筑物 阻隔卫星传来的射线，则g p s 测量的可靠性能将降低。 对于移动用户在蜂窝小区中的定位，有许多种可行的方法。在二维平面上确定 移动用户的位置，需要知道移动用户与最少三个基站之间的直线距离( 即视线距离 【。0 s ) ，我们分别以各个基站为中心，移动用户与基站之f , i j 直线距离为半径做圆，在 没有任何测量误差的情况下，这三个圆的交点，毫无疑问地就是移动用户的位胃。 当信号受到噪声干扰时，移动用户的定位可以通过一些优化算法( 如最小二乘法) 来减小最后定位的估计误差。然而，在建筑物密集的都市，很可能不存在移动用户 移动通信系统光线定位问题研究 到基站的直线传播路径，由于反射和散射的作用，电磁波信号传播路径将可能长于 它们之间的直线距离数百米( 4 0 0 7 0 0 ) 。这种情况我们称之为非视线传播误差( n l o s e r r o r ) ，这种情况将直接影响我们对移动用户位置的估计结果。这种情况被公认为 是我们在无线定位方面遇到的一个棘手的问题，很可能是解决问题的关键所在。为 了减小定位的估计误差，我们有必要提出一种抗非视线传播误差的定位方法。使得 在定位时，即使存在信号的非视线传播，也能够通过该方法的使用使定位误差满足 e 一9 l l 的要求。 传统的无线定位方法主要是基于测量信号强度 8 ， 9 ，测量信号的到达时刻 ( t o a ) 和差分到达时刻( t d o a ) 1 0 ，测量信号的到达角( a o a ) 1 1 j ，或者是多种方法的 结合。对于高精度的无线定位，信号有无视线传播是至关重要的。而大多数蜂窝无 线系统运作在城区，发射机与接收机之间无直接视距路径，而且高层建筑物产生了 强烈的绕射损耗。此外，由于不同物体的多路径反射，经过不同长度路径的电磁波 相互作用引起多径损耗，同时随着发射机和接收机之间距离的不断增加而引起电磁 波强度的衰减。因此，在进行定位计算时要先判断信号是否为视线传播，以便在计 算时选择不同的加权系数来减小信号的非视线传播所引入的误差。对信号的非视线 传播的判定，有人通过测定基站接收信号的信号强度的平均方差来判定该信号是视 线传播到达基站的还是经过了建筑物的反射、绕射后到达基站的。这种方法先设定 一个门限，如果测得的接收信号的信号强度的平均方差小于该门限值，则认为此路 信号为视线传播信号。反之则该路信号是经过了反射或绕射。 但是，对于无线通信系统来说，发射机与接收机之间的传播路径非常复杂，从 简单的视距传播，到遭遇到各种复杂的地物，如建筑物、山脉和树等，从而引起信 号的反射，折射或散射。无线信道不像有线信道那样固定并可预见，而是具有极度 的随机性，特别难以分析。甚至移动台的速度都会对信号电平的衰落产生影响。由 于在信号的传播过程中，影响信号强度的因素较多，所以，利用测量信号强度的定 位方法存在着较大的误差。 1 3 无线定位的发展前景 随着全球无线通信的迅速发展和无线通信用户的迅速增加，在美国用户使用移 动电话拨打e 一9 u 求救电话的数量也迅速增多。由于现有的无线通信系统不能像电 话局那样可以方便的根据来电判断用户位置，因此，影响了许多的急救任务。于是 在1 9 9 6 年，美国联邦通信委员会即作出了要求所有无线通信运营商必须向用户提供 无线定位的决定。其最后期限为2 0 0 1 年1 0 月，定位的精度要达到在6 7 的情况下 误差不超过1 2 5 米( 即4 0 0 英尺) 。由于此项要求的提出，所有无线通信系统的制造 南京航空航天人学硕士学位论文 商，如果想要打入美国市场的话，也必须在其生产的通信系统中增加向用户提供定 位服务的功能。这样，无线定位的发展再次成为大家瞩目的焦点。 无线通信系统中的无线定位功能除了可以向移动用户提供定位的服务外，还有 着非常广泛的市场应用和发展前景。例如：无线定位精度的提高可以更加准确地对 移动用户进行功率控制和更加方便地控制移动用户进行越区切换。还可以对一些特 定的人或物进行跟踪定位等等。 1 4 本文所做的工作 本文主要考虑在宏小区的反射模型中，移动台的近旁的建筑物反射反射信号， 引入一个较小传播时延，部分基站所收到的信号由于远离移动台的高大建筑物的阻 挡或反射，而不存在信号的视线传播路径，引入较大的传播时延。在这种情况下， 本文通过引入一个较小的随机误差来模拟移动台近旁建筑物反射所引入的误差，由 于远处高大建筑物反射而引入的较大误差则利用人工神经网络来学习，判断。把通 过学习得来的加权系数赋给相应的路径。并在此过程中建立起不同区域与不同加权 系数间的对应关系。定位时根据基站所获得的t o a ，a o a 等参数选择与它相对应的加 权系数，从而达到对信号非视线传播路径的识别，再利用t d o a ，a o a 定位算法来减小 信号的非视线传播所带来的误差，以提高定位精度。该神经网络和定位算法用c 语 言仿真，计算。与别的方法，结果进行对比，大大的减小了远处高大建筑物对信号 的反射所引入的大的定位误差，获得了较好的定位结果。 移动通信系统无线定位问题研究 第二章移动通信无线定位方式及其发展现状 随着移动通信业的迅速发展和移动用户的快速增加，美国联邦通信委员会( f c c ) 于1 9 9 6 年1 0 月向所有移动通信运营商提出了要对移动用户提供无线定位的要求， 要求最终在2 0 0 1 年1 0 月前，对移动用户在经纬度方向上的定位精度在6 7 o 的概率 以上要在1 2 5 米( 4 0 0 英尺) 以内。 2 1 无线定位所主要采用的方法 一些基本的常用方法被用来进行无线定位。如利用在多个基站接收到的同一个 信号的一些参数，如到信号达时刻( t o a ) ，信号到达角( a o a ) ，和信号强度，就可以 进行对移动用户的定位。 2 1 1 基于信号强度测量的定位方法 结合一定的信号随路径衰减的数学模型，我们就可以利用基站接收的信号强度 迸行定位。例如，在自由空间中，距发射机d 处的天线接收到的信号强度由下面的 公式给出： p a d ) ：。g g t g , 3 ( 2 1 ) ( 4 丌) 。d 。l 其中，p 为发射机功率：只( d ) 是接收功率，为t r 距离的函数：g ，是发射天线增 益：g ，是接收天线增益；d 是t r 间距离，单位为米：l 是与传播无关的系统损耗因 子：丑为波长，单位米。天线增益与它的有效截面相关，尸与p 必须具有相同的单 位，g ，与g ，为无量纲量。综合损耗l ( l 1 ) 通常归结为传输线衰减、滤波损耗和天 线损耗，l = l 则表明系统硬件中无损耗。由式( 2 1 ) 自由空问公式可知，接收机 功率随t r 距离的平方衰减，即接收功率衰减与距离的关系为2 0 d b 1 0 倍程。 这样，通过测量接收到的信号强度，再利用公式( 2 1 ) 就能够计算出用户到氆 站问大概距离。用户就在个以浚距离为半径的圆上，通过多个基站对该信号强度 的测量，求这些圆的交点，便可以最后确定用户的位置。 对于基于测量信号强度的定位方法，最主要的误差来源是多径衰落和和阴影效 应。只有在理想的自由空问传播模型中，- d 能根据公式( 2 1 ) 利用测量信号强度束 j 南京航空航天大学硕士学位论文 估计收、发信机之间的距离。在通常情况下的无线信道中，基站和移动台之间的单 一视线路径很少是传播的唯一物理方式，尤其在城市中，信号要经过反射、绕射或 散射才能到达接收天线。因此，单独使用公式( 2 1 ) 的自由空间传播模型，在多数 情况下是不丁f 确的。图2 】所示的双线地面反射模型是基于几何光学的非常有用的 传播模型，不仅考虑了直接路径，而且考虑了发射机和接收机之间的地面反射路径该 模型在预测几千米范围( 使用天线塔超过5 0 米) 大尺度信号强度时是非常准确的，同 时对城区视距内的微蜂窝环境也是非常准确的。 t 图2 1 双线地面反射模型 丁 工 在大多数移动通信系统中，最大的t - r 距离最多为几千米，这样地球可假设为平 面。总的接收电场e 。为直接视距成分。和地面反射成分e 。的合成结果。利用 电磁波的传播知识可以推导出在这种情况下，距发射机d 处的接收功率可以表示 为： 只：只g ，g ，肇 ( 2 2 ) d 出公式( 2 4 1 ) 可见，当距离很大时，接收功率随距离成4 次方衰减( 4 0 d b 1 0 倍程) ， 比自由空间损耗要大的多。注意，此时对较大的d 值，接收功率和路径损耗与频率 无关。 而当信号在传播过程中遇到建筑物阻挡时，除了发生反射外，在阻挡物的边缘 也会发生绕射现象，尽管在阻挡物的阴影区接收场强衰减的非常迅速，但绕射场依 然常常具有足够的强度。分析绕射场时可用h u y g e n 原理说明，即：阴影区绕射波场 强为绕射阻挡物所有次级波的矢量和。如下图所示，信号的接收场强为阻挡物高度 和位置的函数，也是发射机和接收机位置的函数。一般来说，精确估计绕射损耗是 不可能的，实际预测是理论近似加上必要的经验修币。尽管计算复杂、不规则地形 的绕射损耗时数学上的难题，但很多简单情况的绕射损耗模型已被解决。而作为起 点，这些刃形绕射传播的有限例子较好的给出了绕射损耗的数量级。 下i；叫f j 上 h 移动通信系统尤线定位问题研究 上图中r 点场强为刃形上所有二次h u y g e n s 源的场强矢量和。刃形绕射波场强e ， 为： 粤：f ( v ) ：芝掣： e x p ( 一j m 2 ) 2 ) d t ( 2 3 ) g o z ： 其中，e 为没有地面和刃形的自由空间场强，f ( v ) 为费涅尔数。 1 7 通过以上的简单分析可知：由于在城区高大建筑物的阻挡和阴影效应，可使信 _ 弓的强度发生大幅的衰减，信号强度在半波长上的变化甚至可以达到3 0 - - 4 0 d b ，给 基于测量信号强度的定位方法带来了很大的误差。这种情况下，可以测量在一定范 围内信号强度的平均值。对于阴影效应，可以提前测量出在基站附近的信号强度的 分布图。 最后，由于在c d m a 蜂窝系统中，要对移动用户进行功率控制以克服远近效应 的影响。在t d m a 蜂窝系统中中，利用功率控制以减少移动台电池的耗电量。所 以，移动台在不同的位最，不同的信道环境下，发射的信号强度也不相等，因此， 对于基于信号强度进行定位的系统，要非常准确的知道移动台的信号发射强度。 2 1 2 基于测量信号到达角的定位方法 基于测量信号到达角的定位系统，利用基站的一组天线阵列可以测出信号的到 达角( a o a ) ，这样利用多个基站测得的到达角便可以给出对用户位置的大概估汁。 在移动台和基站周围附近的建筑物( 作为反射面) 会影响到信号到达角的精度。在不 存在移动台到基站的视距传播路径时，基站最终测出的将是一个经过反射后到达基 站的信号的到达角，而不是从移动台到基站方向的直接传播信号的到达角。既使存 6 南京航空航天人学硕士学位论文 在从移动台到基站的视距传播路径，信号的多径传播仍然会影响信号到达角的测量 精度。而且，由于设备自身的限制和周围建筑物的变化，信号到达角的测量精度也 会随着移动台到基站的距离的增加而恶化。 s 图2 3 宏小区中对信号起反射作用的建筑物的分布模型 对于宏小区来说，由于基站天线总是位于高出周围建筑物的位置，所以反射面 均分布在移动台附近的一个较小区域内。通常，信号到达各基站的到达角在一个小 的变化范围内。如图2 3 所示。作为反射面的建筑物以半径a 围绕在移动台( m s ) 周 围，基站( b s l 位于这个圆之外。对于微小区而言，基站的高度可能不及其周围建筑 物的的高度，从而使得信号可能在基站附近发生反射，这样一来，使得各个基站测 得的信号到达角与视线传播存在下的信号到达角有铰太的偏差。因此，对于宏小区 定位有用的信号到达角方法。对于微小区来说则由于大的误差存在而不适用了。 2 1 3 基于测量信号到达时刻、差分到达时刻的定位方法 我们知道：无线电波是以固定的光速传播的，所以利用信号到达不同基站的时 刻也可以用来对用户进行定位估计。在实践中，经常采用差分到达时亥o ( t d o a ) 进行 定位以避免要在移动台采取精确的时间同步的必要。 在基于测量信号到达时刻t o a 的定位方法中，通过测量信号从移动台到基站的 单程传播时间，可以方便的计算出移动台到基站的距离。在几何上，移动台必然在 以此距离为半径围绕基站的一个圆上。通过利用至少三个基站，便可以确定移动用 户的位置，三个基站所确定的圆的交点即是移动用户的位置。在基于t d o a 的定位 方法中，两基站的t o a 的差确定了一条以基站为焦点，且通过移动用户的双曲线。 因此，移动用户位最的确定可以通过求这样一些双曲线的交点来确定。对于基于测 量信号到达时间，信号差分到达时问的定位方法中，基站问的时间同步和精确的时 7 移动通信系统无线定位问题研究 间测量是非常重要的；同时，移动台和基站间信号的视线传播也是非常重要的。但 是，信号的非视线传播总是存在的，正如我们前面分析基于测量信号强度的定位方 法时所说的那样，信号在传播过程中发生的反射，绕射除了影响信号的强度外，也 同样影响信号在移动台与基站间的传播时i f i j 。在图2 3 的宏小区的反射模型中，移 动台近旁的建筑物对信号的反射将引入一个较小的时i b j 延迟误差，但是，远处高大 建筑物对信号的反射所引入的大的时间延迟误差将会使得我们无法计算确定出移动 用户的正确位置。 基于测量信号的到达时刻，差分到达时刻的定位方法是最普遍采用的定位方 法，也是定位结果较好的方法。获取到了信号的到达时刻t o a ，我们就可以根据以 下的方程求解用户的位蚤。 设位于( x 。，y 。) 的第i 个基站在f 。时刻接收到了用户在位置( x 。，y 。) 处，于如时刻 发出的信号，如果在理想条件下，不存在任何的干扰，有下式恒成立： r 。? 一 ：( x ) = c ( f ，一f o ) 一( x ，一x 0 ) 2 + ( j ，y o ) 2 = 0 ( 2 4 ) 对于每一个基站，我们都能写出上式。但是，在误差存在地情况下，上式将不在成 立，为了得到用户的位置，我们采用了非线性最小平方和法进行计算。即取使下式 达到最小值时的( 主，夕) 作为对用户位黄的估计，为基站对靠的估计。 f ( x ，y ，r ) = 乏：口2 ( 量，多，) ( 2 5 ) 百 上是中的口。为对信号的非视线传播所引入的加权系数。简单的说，由于非视线传播 引入的误差越大，口，就越小。有人提出对信号的非视线传播的判定和对口的取值可 以根据基站接收到的该信号的信号强度方差的大小来选择。可以设定一个门限值 盯。，当接收到的信号强度的方差彦。 盯。时，我们就认为信号经过了非视线传播， 反之，我们则认为，收到的信号是经过视线传播路径到达基站的。 关于利用测量信号的到达时刻，差分到达时刻进行定位的算法我们将在第四章 进行详细的讨论，在那里，我们将利用下一章所论述的人工神经网络对信号的非视 线传播进行判断，辅助定位。 南京航空航天大学硕七学位论文 根据对以上几种定位方法的简单分析，在定位时，我们可以利用其中的一种或是几 种方法相结合进行定位，我们用图形将它们表示如下： ，、i - ? j j 詈 a b ( c ) 图2 4 四种基本的定位方法示意图 2 2 误差的来源及其存在的问题 无线定位系统中的误差来源包括信号的多径传播、信号的非视线传播和各种干 扰。必须采取一定的措施来减少这些影响提高定位精度。 2 2 1 信号的多经传播 在基于测量信号强度的定位方法中信号的多径传播是定位误差的一个重要因 素。由于移动台附近的散射体或自然障碍物的多径反射，使得信号的衰落深度可达 2 0 一3 0 d b 。这样就给基于测量信号强度的定位方法引入了不易估计的误差。 多径效应除了引起前面讨论过的幅度衰减外，还会因时延扩展而引起畸变。当 手机向基站传送一个脉冲信号时s 。= a 0 6 ( t ) 时，由于多径传输，基站所接收的信号 显著的被拉长了。这时基站所接收到的脉冲信号变成： r 上 s ( ，) = 协a , d ( t 一) 矿7 = e ( t ) e 7 ( 2 6 ) lt = lj 上式中e ( t ) 为归一化包络特性：f ，为相对时延：日，为第i 条路径的衰减系数。上式 表示频率为万的一串离散脉冲到达基站，如下图所示。在宏小区中，由于基站位于 较高的位嚣，故反射体主要分布在手机的附近，随着反射体数目的增多，所接收的 9 移动通f 弃系统无线定位问题研究 离散脉冲成为连在一起的信号脉冲，脉冲宽度为，通常称为传播时延扩展，如 下图所示： 烩工 。釜瑟关线l 图2 5 时延扩展说明 4 t 对于扩频系统，当发送信号的速率大于l ( 即多径时延扩展超过一个数据比特的 脉宽丁时) ，只有相对时延落在( 一1 ) 瓦与( + 1 ) t r o o d ( 幔) 之间的多径信号会造 成码间干扰( 其中，r 是扩频码的脉宽，是扩频增益，t = r ) 。所以，扩频 通信的数据传输速率即使超过1 ，产生的码间干扰的概率也很小。 2 2 2 信号的非视线传播 在非视线传播的情况下，从移动台发出的信号经反射后相对于视线传播路径要 经过一条较长的传播路径才能到达基站。典型的非视线传播一般会引入一个4 0 0 7 0 0 米的误差，即使在不存在多径影响的情况下，信号的非视线传播也也给t o a 和 t d o a 的测量带来了大的误差。如果不能有效的减小或消除信号的非视线传播时延的 影响，那么，最终的定位结果将随非视线传播时延的增大而迅速的恶化。因此，如 何减小并消除信号非视线传播对最后定位的影响对于提高定位定位精度将是非常重 要的。可以利用上文提到的测量接收信号强度的标准方差来判定是视距传播还是非 视距传播。一般来说，非视距传播的信号强度的标准方差要远远大于视距传播的标 准方差。利用以往误差范围的统计模型的先验知识，校f 非视距传播所引入的误 1 0 南京航空航天人学硕士学位论文 差，在最小均方误差的算法中适当地减小非视距传播项的加权系数，使得所测定的 距离接近视距传播的距离。但是，这种方法首先要先准确区分视距传播和非视距传 播。 另外，注意到在信号的非视距传播情况下，由于信号要经过一个较长的传播路 径，所以引入的t o a 误差总是正值。因此对于基站来说，移动台总是位于个以基 站为圆心，t o a 所对应的距离为半径的圆内，如图4 4 。即： r ”：_ 三c ( r 。一r ) ( z ，一x ) 2 + ( y 。一y ) 2 ( 2 7 ) 上式中，( x ，y ) 为移动台的位置。因此，在计算时要加入上式作为约束方程，这样就 可以减小非视线传播所带来的定位误差。 在定位的计算中，对用户位置的初始估计值也是很重要的。初始值的选取也会 影响到定位的最终结果。关于用户位置的初始值的选取一定要满足约束方程 ( 2 7 ) 。 2 2 3 信号间干扰 图4 4 移动台位置限定于阴影区 所有的移动通信系统都存在着信号的同信道干扰问题。在c d m a 系统中，通过 给不同的用户分配不同的地址码使他们共同使用同频段。在c d m a 系统中，远近 效应是影响系统容量的一个主要问题，即，不同的移动台发射的信号，它们到达基 站时的信号强度是不等的，这样使得基站很难检测到信号强度较弱的移动台。实际 表明，信号的同信道干扰将会影响d l l 环路对扩频信号的到达时刻的估计。移动通 信系统中的功率控制通过使不同的移动台发出的信号到达基站时有相等的信号强度 来克服远近效应。 移动通信系统无线定位问题研究 但是对于在c d m a 系统中的用户定位问题，即使在存在功率控制的情况下，远 近效应依然是我们要考虑的问题之一。如图2 6 ，存在几个基站和在这些小区中的 移动台，每一个基站对每一个在它的覆盖区域内的移动台进行功率控制。 在图中，要求定位的移动台为m s ，在基站b s l 所覆盖的小区1 中。基站 b s l ，b s 2 ，b s 3 被用来对移动台进行定位。由于在各个小区中，对所有的移动台进 行功率控制，所以，在各小区中，基站所收到的本小区的移动台所发出的信号的信 号强度基本相等。为了定位，基站b s 2 和基站b s 3 也必须检测到移动台m s 所发出 的信号。但是由于，基站b s 2 和基站b s 3 不对移动台m s 进行功率控制，所以m s 发出的信号( 弱信号) 将受到2 、3 小区中的移动台的干扰。这将影响基站b s 2 和基站 b s 3 的接收机对该信号的到达时间和差分到达时间进行估计。为了提高定位的精 度，我们可以让那些有定位要求的移动台以最大功率发射信号。 b s 2j 、 e e l i 2 图2 6 其它移动台的干扰 2 3 无线定位所主要面临的问题 首先，无线通信系统的性能主要受到移动无线信道的制约。发射机与接收机之 间的传播路径非常复杂，从简单的视距传播，到遭遇到各种复杂的地物，如建筑 物、山脉和树等。无线信道不像有线信道那样固定并可预见，而是具有极度的随机 性，特别难以分析。甚至移动台的速度都会对信号电平的衰落产生影响。 电磁波传播的机理是多种多样的，但总体上可以归结为直射、绕射和反射。大 多数蜂窝无线系统运作在城区，发射机与接收机之间无直接视距路径，而且高层建 筑物产生了强烈的绕射损耗。此外，由于不同物体的多路径反射，经过不同长度路 径的电磁波相互作用引起多径损耗，同时随着发射机和接收机之、日j 距离的不断增加 而引起电磁波强度的衰减。 南京航空航六人学硕士学位论文 对传播模型的研究，传统上集中于给定范围内平均接收场强的预测，和特定位 置附近常强的变化。对于预测平均场强并用于估计无线覆盖范围的传播模型，由于 它们描述的是发射机与接受机之间( t - - r ) 长距离( 几百米或几千米) 上的场强变 化，所以被称为大尺度传播模型。另一方面，描述短距离( 几个波长) 或短时间 ( 秒级) 内的接受场强的快速波动的传播模型，成为小尺度衰减模型。 当移动台在很小的范围内移动时，可能引起瞬时接收场强的快速波动，即小尺 度衰减。其原因是接收信号为不同方向信号的合成。由于相位变化的随机性，其合 成信号变化范围很大。在小尺度衰减中，当接收机移动距离与波长相当时，其接受 场强可以发生3 或4 个数量级( 3 0 d b 或4 0 d b ) 的变化。当移动台远离发射机时， 当地平均接受场强逐渐减弱，浚平均接收场强由大尺度传播模型预测。 在这么多误差的影响下，如果我们不采取任何方法减小，消除误差影响的话， 我们将无法得出正确的定位结果。如下图2 7 所示：随着反射面与移动台间距离的 增大，最后的定位误差也迅速的变大。远远达不到最终定位的要求。 平均误差m 反射面距移动台的距离m 虚线为a o a 的定位结果 实线为t o a 的定位结果 从上图中可以看出，随着移动台周围的反射面距移动台的距离的增加( 非视线 传播的时延也随之增加) ，最终的定位结果也随之迅速的恶化。利用信号到达时刻 t o a ，和差分到达时间t d o a 定位的方法略优于用信号到达角a o a 的定位方法。 本文的目的就是，结合人工神经网络的学习能力和模式识别能力，对有着较大的时 延误差的信号进行识别，减小该路信号在定位算法中的权重，使得最后的定位算法 能够尽量地减小这种误差对最后定位结果的影响。 移动通f 膏系统无线定位问题研究 第三章无线定位解算的人工神经网络模型 正如前文所述，由于无线电信号在传播过程中易受到各种各样的因素的影响， 从而使得基站所测得的t o a ，a o a 等信号参数带有一定的随机性，进而使得无线 定位的最终结果带有一定的误差，而这种误差也是难以避免的。如何减小这种误差 呢? 在本章，提出了一种应用人工神经网络辅助定位的新方法，并给出了解算模 型。我们主要是利用人工神经网络通过学习建立起信号参数与反应信号传播路径好 坏的加权系数之间的对应关系，然后在定位过程中予以识别。 3 1 人工神经网络的概述 人工神经元网络是生理学上的真实人脑，以及若干特性的某种理论抽象、简化 和模拟而构成的一种信息处理系统。从系统观点看，人工神经元网络是由大量神经 原通过及其丰富和完善的连接而构成的自适应非线性动态系统。由于神经元之间有 着不同的连接方式，所以构成不同结构形态的神经网络系统是可能的。 简单地说，人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它 通过对连续或断续的输入做状态响应而进行信息处理。 3 1 1 人工神经网络的构成 人工神经网络从拓扑结构上可以看成是以处理单元p e ( p r o c e s s i n ge 1 e m e n t ) 为结点，用加权有向弧联接而成的有向图。其中处理单元是对生理神经元的模拟， 而有向弧则是“轴突一树突”对的模拟。有向弧的权值标志着两处理单元间相互处 理的强弱。综合有向弧形成的互联强度矩阵对应于人脑中信息的长期记忆。处理单 元用非线形函数实现单元输入与输出间的非线性映射，其即时活跃值对应于人脑中 信息的短期汜忆。 3 1 2 人工神经网络的学习 如前所述，人工神经网络是用处理单元问互联权矩阵存储长期信息的。为了使 网络执行某种处理任务应对除权矩阵以外的所有参数进行设定，而权矩阵的确定主 要有两种方法： 1 4 南京航空航天人学硕士学位论文 1 根据待执行的处理直接计算权矩阵。 2 当事先无法确定互联值得确定值，或人工的设置太烦琐时，就可以采用网络 的“学习”方法。“学习”又可以分为有导师学习和无导师学习两大类。 ( 1 j 有导师学习 有导师学习需要有一批j 下确的输入输出数据对。将输入数据加载到网络输入端 后，把网络的实际响应输出与j 下确的输出相比较得到误差，然后根据误差的情况修 改各联接权，是网络朝着正确的响应方向不断变化下去，知道响应的输出与期望的 输出之差在允许的范围之内。这种学习算法通误差修正算法。 ( 2 ) 无导师学习 在无导师学习的情况下，仅有一批输入数据。无导师学习又可以分为： 迭代自组织学习 网络初始状态下，互联权均设置为一小正数，通过反复加载这一批输入数据， 使网络不断受到刺激，当与曾经历的刺激相同的刺激到来时，相应互联权以某一系 数增大，重复加入的同种刺激使相应的互联权增大到接近1 的某值。这一自组织的 方法，使网络具有某种“记忆”能力，一直形成条件反射，当曾经学习过的或相似 的刺激加入后，输出端便按权矩阵产生相应的输出。 竞争与抑制学习 这也是一种无导师学习方法，可举出i a c 模型为代表。他是m c c l e l l a n d 与 r u m e i h a r t 为首的p d p ( p a r a i e ld i s t r i b u t e dp r o c e s s i n g ) 小组提出的。该模型 将处理单元划分为几个竞争池，在不同池之间有激励联接( 一般是双向的) ，而同 一池的不同单元间有抑制联接( 对该池中所有其他单元) ，从而若外界对不同的 个或几个单元施加刺激后，将激活不同池中互联最强的一组单元，得到对该刺激的 一个整体回忆。 3 2 无限定位中人工神经网络的应用 3 2 1 利用人工神经网络判别信号的非视线传播 在无线定位中，就是利用基站所接收到的在不同位置发射的信号参数正确区分 和定位这些不同位置。但是，由于基站所获得的信号参数有一定的误差存在，而且 这种误差又往往带有一定的随机性。因此，在判别非视线传播的过程中要具有一定 的容错性，这样，具有一定模糊识别能力的人工神经网络在这种情况下将发挥重要 的作用。 为了利用人工神经网络进行对不同地理区域的区分，我们就需要获得与这些地 理区域相对应的参数的统计特性，把这些参数进行处理分类，使之呈现某种统计特 is 侈动通信系统无线定位问题研究 性。统计模式识别即是利用客体的这一特性，研究各种划分特征空间的方法，来判 别待识客体的归属。有时，人类对客体的分类并不要求非常精确，如： “高个 子”，“好天气”等。模糊特性的存在与利用，主往也成为复杂模式前期识别的重 要环节。一个待识别客体的模糊特性能否被充分利用，其关键在于能否获得或建立 良好的隶属函数。 在本文所提出的定位方法中，神经网络模型将采用标准模板匹配法去完成识别 信号的视线或非视线传播。如下图3 1 所示 m s 图3 1 利用人工神经网络根据信号参数进行区域的模式识别 果 在上图中，用待识别的模式与在定位学习中所确定的标准模板相比较，和哪个模板 相吻合，就判别为哪个模式。统计识别模式是采用统计数学的方法，它是以若干特 性参数将模式表达为特性空间中的向量，用判决函数进行分类，对于一个具体模 式，提取和选择其特性，根据具体问题的性质，提出一个反应分类好坏的标准，寻 找最符合这一标准的分类方法。统计模式识别的关键是特性提取和选择。 3 2 2 无线定位中区域划分的原则和标准 如前文所述，如利用人工神经网络区分不同的事物，那就要提取出该事物的特 性参数，找出它区别于其它事物的特点。对于无线通信系统，不同于固定电i 5 - r b j 的 通信，电信号在固定线路中传播，是稳定的，而是电磁波在传播路径有很大随机性 的无线信道中传播。但是，在特定地点，如果周围环境不发生大的变化( 如建筑 物) ，我们有理由相信，电磁波传播路径在一定的变化范围内保持稳定。如宏小区 的反射模型，信号的反射基本上都发生移动台的近旁，因此，虽然信号在到达基站 之前发生了反射，但是，位于移动台近旁的反射所引入的时延误差和角度的变化误 1 6 南京航空航大人学硕士学位论文 差均较小。而高大建筑对一个大的区域内发出的信号都有阻挡或反射作用，在这个 区域内，信号的时延误差和角度变化误差也将是稳定的。这样，我们就可以利用人 工神经网络结合些定位参数进行对移动用户进行识别和定位。 在定位之前，我们可以先让人工神经网络进行有导师的学习，通过学习，建立 起与特定地理位置相对应的标准模板。这样，在定位时，我们就可以利用基站所获 得的信号参数与这些标准模板比较，来辅助定位。 在宏小区的反射模型下，移动用户发出的信号在大多数情况下经过些较近的 反射物反射后到达基站 4 ，移动用户到这些反射物的距离与其到基站的距离相比要 小的多。而高大建筑物将使得移动用户在特定的区域内没有到达基站的视线传播路 径，从而造成较大的时间延迟。如图3 2 。 b sa b 2 图3 2 视距传播不存在，存在绕射路径与反射路径 在上图中，有四个基站a ，b ，c ，d 和一个移动用户m s ，移动用户m s 到a ，c ，d 个基站 存在着视线的传播路径，矗的估计误差主要由信号的多径传播引入，这可以通过 减小基站d l l 环的来提高精度。但是移动用户m s 到b 基站不存在视线传播的路 径，而是通过较远的建筑物b 2 反射后到达b 基站，这样就引入了一个大的误差。但 我们可以通过选取一组适当的加权系数口。，口。，口。口。代入方程( 2 5 ) 进行计算来使最 后估计结果达到定位的要求。在图中高大建筑物b l 的左面的个区域内都不存在到 b 基站的视线传播路径。如果对于在这个区域内的每一个点( 从这些点发出的信号到 达各基站所用的传播时间的时间差稳定在一定的范围内) 存在一组a 。，a 。，口。口，使得 对于该区域内的每个点的估计值都在误差的要求之内。那么我们就让这一组口值 与陔区域( 标准模块) 相对应。在定位时，由神经网络根据一组特定的t d o a 与a o a 值找出一组与其相对应的标准模块，取出该标准模块所对应的a 值进行计算。 傅动通信系统无线定位问题研究 在图3 ，2 中，只有建筑物b 1 的左边区域到达基站b 存在较大误差，所以在定位 时只要能够区分这一区域就可以了，这是一种最简单的情况了。随着建筑物的增 多，图中受到建筑物的阻挡，不存在到达基站的视线传播路径的区域将增多。这 时，我们将如何区分这些区域昵? 我们现在再来分析一下在图3 3 中所绘的区域中我们将如何把不同的地理区域 进行分类。 我们先来描述一下我们的假设模型：在宏小区的反射模型下，由于基站的接收 天线高出其周围的建筑物，所以，在这种条件下，信号的反射均发生在移动台的附 近，反射所引入的时延误差和角度误差均较小，我们只考虑由远处大的建筑所引入 的大的反射时延误差和大的角度误差。 现在我们来看图3 3 中的a r e al ( 3 ，1 ) 区域，在这个区域中发出的信号可被 3 个基站b sb ，b sc 和b sd 收到，并且与基站b sc 和b sd 之间存在着视线传播 路径，但到达基站b sb 的信号由于受到建筑物b u i i d i n gb 的阻挡而不存在视线传 播路径，但有一路经建筑物g u i l d i n gc 反射后到达的信号。使得由基站b sb 测得 的该信号的到达时刻和到达角与视距传播路径存在下的值有较大的差距。但是，只 要移动台在区域a r e a1 内，这时，由基站b sb ，b sc 和b sd 所得的信号差分到达 时刻( 由信号到达时刻算出) ，信号到达角都在定的范围内变化。我们将如何利 用这些参数去区分周围其它的区域昵? 在a r e a1 区域左边的a 和b 区域中，从这里发出的信号有到达基站b sa 的视 距路径，这是与a r e a1 中发出的信号的最大区别。而b 区域中发出的信号也不存在 到达基站b sb 的传播路径。在区域c 和f 中，由于只能被图中的b sc 和b sd 两基 站接收到，所以如果想要利用信号差分到达时刻进行定位还要在引入其它的基站 ( 这里没有画出) 。在a r e a2 区域和d 区域中，相对于a r e a1 中来说，也是多出 了一条到达基站a 的传播路径。而a r e a2 与d 区域的区别是，a r e a2 区域中发出 的信号要经过b u i l d i n gb 的反射，而d 区域中发出的信号则有到基站a 的视距路 径，从而对于这两个区域中发出的信号到达基站a 的到达角有很大的差别，另外， 这两个区域中发出的信号所对应的到达各个基站的信号到达时刻也有差别，从而使 得计算得到的差分到达时刻有较大的变化，这些差别都是由于一个是视线传播，而 另一个是反射。d 和e 的差别在于d 存在一个到达基站b sb 的反射路径。 燕塞整皇鉴鲞叁堂堡主= | = 簦笙壅一一， 8 sa 闰3 3 人工神经网络的学习过程，标准模块的划分过程 以上我们讨论了各个区域的划分，以及这些区域间的区别，在人工神经嗣络的 学习过程中，就要完成对信号的分析，统计，归类。以便在定位时根据所获得的信 号参数进行模板匹配。在区域划分的过程中，我们首先考虑用那几个基站进行定 位，不同的区域可能要利用不同的基站定位：其次再利用各个基站收到的a o a 信息 区分不同的区域，由于信号经远处不同的建筑反射厥，信号