（计算机应用技术专业论文）基于svm树型多分类的蜂窝通信系统中节点定位算法研究.pdf

桀十s v m 树型多分类的蜂窝通信系统中节点定位算法研究 摘要 蜂窝通信系统由大量的能量、计算能力、存储能力及通信能力受限的移动台 节点组成。蜂窝通信系统希望能在广泛的应用领域内实现复杂的大范围监测和追 踪任务，而移动台节点定位是相关应用的基础。因此，蜂窝通信系统中节点定位算 法受到了广泛的关注。现有的节点定位算法有一部分不适用于蜂窝通信系统，而 适用的节点定位算法都比较传统，且不同程度地存在不足，尤其是在代价、复杂 度、额外带宽占用与定位效果方面。但是在传统的技术基础之上，在如a d h o c 等 自由分布的网络系统方面，一种综合性的分布式的定位方式已经出现，这为属于 固定分布网络的蜂窝通信系统提供了一种可行的定位策略。 构成无线网络的分布式定位方式的两个关键算法是用于重叠区域粗略定位的 全局坐标算法和将节点相对于每个重叠区域本地的局部坐标系统进行定位的局部 坐标算法。 本文在对现有无线网络定位技术研究的基础之上，有针对性的分析当前几种 机器学习经典算法，寻找应用于蜂窝通信系统的分布式定位全局坐标算法的全新 解决方案。提出了一种基于机器学习的蜂窝通信系统节点定位算法，充当分布式 定位全局坐标算法。该算法适用于由未配备任何定位功能硬件与g p s 功能设备的移 动台与基站构成的蜂窝通信系统网络，且仅在基站节点位置已知和两节点间的信 号连通信息等条件下完成全局坐标算法定位的功能。 本文说明了基于机器学习的蜂窝通信系统定位算法的基本思想，并详细介绍 了支持向量机树型分类机器学习算法的选定，定位算法的设计以及优化和优化后 的定位效果。此外，本文于最后一章通过研究定位结果与应用特点对基于机器学 习的蜂窝通信系统定位算法的性能进行了总体分析。通过原理分析与仿真证明： 基于机器学习的定位算法在定位效果方面解决了困扰传统定位算法的边界问题与 集中洞问题；其总体性能在定位的平均误差，标准偏差和分布式定位正确率以及 实现代价几个方面均优于传统的基于信号参数的定位算法；算法的复杂度与带宽 占用方面的考察结果也较合理。 本文对于机器学习用于节点定位的研究仅仅是一个开端。相信这种新思路会 有一定的研究前景。 关键词：蜂窝通信系统；节点定位；全局坐标算法；支持向量机 i l t 程硕卜学位论文 a b s t r a c t c e l l u l a rc o m m u n i c a t i o ns y s t e mi sc o m p o s e do ft h em o b i l es t a t i o nn o d e st h a tt h e e n e r g y ，c o m p u t i n gc a p a b i l i t y ，m e m o r yc a p a b t l i t ya n dc o m m u n i c a t i o nc a p a b i l i t ya r e r e s t r i c t e d c e l l u l a rc o m m u n i c a t i o ns y s t e ma i m sa ta c h i e v i n gc o m p l e xl a r g e s c a l e m o n i t o r i n ga n dt r a c i n ga p p l i c a t i o ni nw i d e rf i e l d s ，w h i c hb a s e do nm o b i l es t a t i o n n o d e sl o c a l i z a t i o n t h e r e f o r e n o d el o c a l i z a t i o na l g o r i t h mh a sr e c e i v e dw i d ea t t e n t i o n s o m eo ft h ep r e s e n tn o d el o c a l i z a t i o na l g o r i t h m sc a nn o tb ea p p l i e dt oc e l l u l a r c o m m u n i c a t i o ns y s t e m ，w h i l et h o s et h a tc a nb ea p p l i e dt oc e l l u l a rc o m m u n i c a t i o n s y s t e ma r eq u i t et r a d i t i o n a la n dh a v es h o r t c o m i n g s ，e s p e c i a l l yi nt h ec o s t ，c o m p l e x i t y b a n d w i d t h o c c u p a t i o n a n de f f e c t so fl o c a l i z a t i o n h o w e v e r a c o m p r e h e n s i v e d i s t i l b u t e dn o d el o c a l i z a t i o nm e t h o db a s eo nt r a d i t i o n a lt e c h n o l o g i e sh a sa p p e a r e d ， w h i c ha p p l yt of r e e d i s t i l b u t i o nn e t w o r k ss y s t e m ，s u c ha sa d h o cn e t w o r k s t h i s m e t h o dp r o v i d e saf e a s i b l e l o c a l i z a t i o ns t r a t e g yf o rc e l l u l a rc o m m u n i c a t i o ns y s t e m w h i c hb e l o n g st of i x e dd i s t i l b u t i o nn e t w o r k s t h et o wk e ya l g o r i t h m so fw i r e l e s s c e n t r a l i z e dc o o r d i n a t ea l g o r i t h mw h i c h r e g i o n ，a n dl o c a lc o o r d i n a t ea l g o r i t h m c o o r d i n a t es y s t e m n e t w o r k sd i s t r i b u t e dl o c a l i z a t i o nm e t h o da r e a p p l yt or o u g hl o c a l i z a t i o no fo v e r l a p p i n g w h i c ha p p l yt on o d el o c a l i z a t i o ni nl o c a l b yr e s e a r c h i n go ne x i s t i n gn o d el o c a l i z a t i o nt e c h n o l o g i e s ，t h i sp a p e rh a st a r g e t e d a n a l y s i so ft h ec u r r e n ts e v e r a lm a c h i n el e a r n i n gc l a s s i c a la l g o r i t h m s a n dl o o kf o rt h e n e ws o l u t i o no fd i s t r i b u t e dn o d el o c a l i z a t i o nc e n t r a l i z e dc o o r d i n a t ea l g o r i t h mu s e di n c e l l u l a rc o m m u n i c a t i o ns y s t e m t h i sp a p e rp r o p o s e sac e l l u l a rc o m m u n i c a t i o ns y s t e m n o d ei o c a l i z a t i o na l g o r i t h mb a s eo nm a c h i n el e a r n i n g a n du s ei ta sc e n t r a l i z e d c o o r d i n a t ea l g o r i t h mo fd i s t r i b u t e dn o d el o c a l i z a t i o n t h i sa l g o r i t h ma p p l i e st oc e l l u l a r c o m m u n i c a t i o ns y s t e m ，w h o s em o b i l es t a t i o nn o d e sa r en o te q u i p p e dw i t hg p so r l o c a l i z a t i o nf u n c t i o nh a r d w a r e b e s i d e s t h i sa l g o r i t h mc a nf i n i s hl o c a l i z a t i o nf u n c t i o n o fc e n t r a l i z e dc o o r d i n a t ea l g o r i t h md e p e n d i n go nc o n d i t i o no fs i g n a l c o n n e c t i v i t y i n f o r m a t i o na n ds oo nm e r e l y t h i sp a p e ra c c o u n t st h ep r i n c i p l e ，w h i c he x p l a i n sn o d el o c a l i z a t i o na l g o r i t h m b a s e do nm a c h i n e l e a r n i n gf o r c e l l u l a rc o m m u n i c a t i o ns y s t e m t h i sp a p e ra l s o a c c o u n t sd e s i g n i n go fs u p p o r tv e c t o rm a c h i n el o c a l i z a t i o na l g o r i t h ma n dl o c a l i z a t i o n e f f e c t sa f t e ro p t i m i z a t i o n b e s i d e s t h ef i n a 】c h a p t e ra n a l y s i st h ep e r f o f i n a n c eo fn e w l o c a l i z a t i o na l g o r i t h m t h r o u g hs i m u l a t i o na n dt h e o r ya n a l y s i s i tp r o v e st h a t t h en o d el o c a l i z a t i o n a l g o r i t h mi nc e l l u l a rc o m m u n i c a t i o ns y s t e mb a s e do nm a c h i n el e a r n i n gc a nr e s o let h e b o r d e rp r o b l e ma n dc o v e r a g eh o l ep r o b l e mi nt r a d i t i o n a la l g o r i t h m s t h a ti t so v e r a l l f u n c t i o ni sb e t t e rt h a nt r a d i t i o n a la l g o r i t h m sb a s e do ns i g n a lp a r a m e t e r si nt e r m so f a v e r a g ee r r o r s t a n d a r dd e v i a t i o na n dt h ea c c u r a c yr a t eo fd i s t r i b u t e dl o c a l i z a t i o na s w e l la st h ec o s t s u p e r i o rt o t h et r a d i t i o n a ll o c a t i o na l g o r i t h mb a s e do ns i g n a l p a r a m e t e r s a n dt h ec o m p l e x i t yo ft h ea l g o r i t h ma n dt h eo c c u p a t i o no ft h eb a n d w i d t h a r em o r er e a s o n a b l e t h er e s e a r c ho nm a c h i n el e a r n i n ga p p l i c a t i o nt on o d el o c a l i z a t i o nf o r w a r db yt h i s p a p e ri so n l yab e g i n n i n g i ti sb e l i e v e dt h a tt h i si d e ac a ns u r e l yh a v ep o t e n t i a lp r o s p e c t f o rf u r t h e rr e s e a r c h k e y w o r d s ：c e l l u l a rc o m m u n i c a t i o n s y s t e m ；n o d el o c a l i z a t i o n ；c e n t r a l i z e d c o o r d i n a t ea l g o r i t h m ；s u p p o r tv e c t o rm a c h i n e 1 1 1 - t 程顾i j 学位论文 附表索引 表3 1 参数验证前多分类器错误分类统计结果3 4 表4 1x 轴多分类器参数验证结果4 0 表4 2y 轴多分类器参数验证结果4 l 表4 3 参数验证后多分类器错误分类统计结果4 1 表4 4x 轴多分类器参数训练结果4 3 表4 5y 轴多分类器参数训练结果。4 4 v i i 幕fs v m 树型多分类的蜂窝通信系统中节点定化算泫研究 插图索引 2 1 无线节点通过测量r s s 来确定距离半径6 2 2 两节点间a o a 测量6 2 3 以两个节点参为焦点的的双曲线7 2 4 三角测量1 l 2 5 离散通讯模型1 3 3 1 蜂窝网络模型2 6 3 2 蜂窝网络中的样本2 7 3 3 二叉树决策过程2 8 3 4 x 轴决策树2 9 3 5 】【轴多分类实现。3 0 3 6 y 轴决策树3l 3 7 y 轴多分类实现。3 2 3 8 定位测试误差统计。3 5 4 1 x 轴多分类器参数验证3 9 4 2 y 轴多分类器参数验证4 0 4 3 x 轴多分类器的训练。4 2 4 4 y 轴多分类器的训练4 3 4 5 路径损耗模型定位连线4 5 4 6s v m 多分类定位连线4 5 4 7 移动节点伪随机分布过程4 6 4 8 移动节点随机分布。4 6 4 9 路径损耗模型定位坐标分布4 7 4 1 0 路径损耗模型判定局部坐标系统分布4 8 4 1 1s v m 多分类定位坐标分布4 8 4 1 2 x 轴多分类正确率。4 9 4 13 y 轴多分类正确率。5 0 4 1 4 平均误差对比5 1 4 1 5 标准偏差对比5 l 4 1 6 分布式全局定位正确率对比。5 2 v i 图图图图图图图图图图图图图图图图图图图图图图图图图图图图图 工程硕士学位论文 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：飞象延。日期：z 夕。巧年j ，一月岁夕日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“ ) 作者签名： 落涉日期：矽卵年5 ，月歹) 日 导师签名：乃州立- i 1 宪用妒期：y p 罗年j 月歹) 日 t 程硕i j 学位论文 第1 章绪论 1 1 蜂窝通信系统定位技术现状 随着微电子技术、计算机技术和移动通信技术的发展，无线通信网络也得到 了快速发展，使得其在微小体积内能够集成信息采集、数据处理和无线通信等多 种功能。近来，有关蜂窝通信系统无线网络定位的主题引起了人们相当大的关注。 紧跟精确定位估算的发展，各种各样的应用和服务，例如改善欺诈检测，位置敏 感的电子交易帐单，智能交通运输系统与交通管理改善，逐渐在蜂窝网络环境下 成为可行的。 针对蜂窝通信系统中所应用的现有技术，可分为g p s 定位技术，以及传统的 信号参数定位技术。 1 1 1g p s 定位技术 g p s 全球卫星定位系统基本原理是测量出已知位置的卫星到用户接收机之间的 距离，然后综合多颗卫星的数据就可知道接收机的具体位置乜1 。要达到这一目的， 卫星的位置可以根据星载时钟所记录的时间在卫星星历中查出。 大量成本低廉的这类移动节点通过无线方式组成了无线通信网络。由于无线 通信网络通常是由廉价移动节点传感装置与有限的设备资源构成的，在大多数情 况下，移动节点没有配备任何全球定位系统( g l o b a lp o s i t i o n i n gs y s t e m ，g p s ) 接收 器，或当由于条件约束时，并不配备定位功能硬件。蜂窝通信系统网络通常是由 廉价移动台与有限的设备资源构成的。在大多数情况下，移动台同样没有配备任 何全球定位系统接收器一样，或当由于条件困难并不配备这样一个功能单位乜3 。另 一方面，可感知地理位置的移动台( 或称为移动节点) 对无线通信网络中许多任 务是至关重要的，如网络管理，事件检测，地理为基础的查询处理。因此，值得 研究的问题是在移动台发出的真正的地点位置信息是不足的或未知的条件下，制 定一个准确，高效和可快速转换的定位估算技术。 1 1 2 信号参数定位技术 信号参数定位技术是指一类在标系中，首先测算出信号参数以获得节点的间 距离信息或角度信息，再结合坐标定位原理与测算出的空间关系信息来估算目标 节点位置的技术。 通常，传统的依靠信号参数定位的方法就是收集整个网络的某些位置信息( 例 如连通度或信号参数) ，集中到个信息收集处理中心，再利用数学算法进行移 l 基于s v m 树犁多分类的蜂窝通信系统中节点定位算法研究 动节点地理位置的估算，如半定规划和多维定标儿制。尽管依靠信号参数定位的方 法具有其出色的逼近实际地理位置的性能，但是由于高计算开销和高通信费用， 这一集中方式对于大规模蜂窝通信系统网络是不切实际的。同时由于依靠信号参 数对移动节点地理位置进行估算的方法本身具有某些定位效果方面的问题，使得 传统定位算法很难完全适应蜂窝通信系统复杂的网络环境。 1 1 3 蜂窝通信系统定位技术的发展需求 现有的蜂窝通信系统的定位技术主要是指应用在g s m 网络的无线移动节点的 定位中。g s m 移动台服务区域定位实际上是基于基站的定位，也就是通过可与移 动台节点连通的基站来确定移动台节点位置区域。由于基站与移动台设备上并不 附带测距功能，所以这种定位方式是无法做到通过测距进行连续坐标定位的，只 能离散的将目标移动台节点限定到当前位置所在的服务交叉区域( 并非绝对最近 基站的服务覆盖区域) ，而且定位精确程度要视移动基站的分布与信号传播环境而 定。在g s m 网络无线移动节点的定位方面，始终没有一个脱离g p s 辅助，且高效 可靠的节点定位技术出现。蜂窝通信3 g 平台的正式运营，则需要一个高效可靠的 节点定位技术。 总体上说，自无线网络定位这一大的研究方向受到重视以来，众多定位算法 纷纷出现，但近期很长一段时间尚没有新算法被提出，尤其是在机器学习与智能 计算的思路上一直没有一个相关的尝试性研究与有效的开端。蜂窝通信系统则由 于其网络的特殊性，使得其节点定位在种种方面受到限制，且一直没有一个廉价、 有效同时又可靠的可广泛适用的算法。 1 2 研究范围和内容 近来人们对蜂窝通信系统定位研究也愈加重视。3 g 标准正式运行后，也需要 较在g s m 系统中更为有效与廉价的移动台无线定位服务。 本文的研究，意图找到一种新的用于蜂窝通信系统的分稚式定位的全局坐标 算法，将移动台节点粗略定位到以基站为中心的重叠区域1 。与之有关的各类现有 的定位标准、技术、算法和可能应用于定位的算法，以及定位算法的效果与性能 方面的问题都在本文研究范围内。由于蜂窝通信系统网络中确定服务基站对语音 或数据信号传输的服务对有其复杂的过程，且具有不确定性，所以定位到以基站 为中心的重叠区域这一命题不能简单的看做是寻找移动台节点获取服务连接的基 站及其对应的重叠区域。 本文研究的首项内容是详细分析当前一些典型无线通信网络节点定位技术。 对这些技术其本身原理与特点进行了研究，同时也对各种定位技术进行了针对蜂 2 t 程何! i j 学位论文 窝通信系统的适用性与性能的评价。通过对现有无线网络定位技术的分析，思考 在移动节点的实际地置信息严重不足的或完全未知的条件下，如何实现蜂窝通信 系统分布式定位晦】。 机器学习的方法用途广泛，但还从未应用到无线通信网定位的范畴中。本文 第二项研究内容是分析现有几种机器学习经典算法哺1 。辨析不同机器学习算法在蜂 窝通信系统分布式定位问题中具体应用的可能性与性能。最终选定一个合适的机 器学习算法，进行具体化设计之后充当蜂窝通信系统分布式定位的全局坐标算法 【5 】 o 当基于机器学习的蜂窝通信系统定位算法建立之后，本文第三项研究内容便 是对其进行优化口1 。在算法优化的部分还包含针对一些传统定位算法面临的定位效 果问题的实验，以及对算法其他优化手段的讨论与实验。 基于机器学习的蜂窝通信系统定位算法经历过优化并最终确立后，本文最后 一项研究内容是对新算法的性能做总体分析。这包括新算法定位结果的分析与应 用特点的统计。 另外，本文中具体的蜂窝通信系统定位研究条件是，在不增加所有节点硬件 配置的前提下，以下列简单的运行条件解决定位问题： ( 1 ) 无线网络系统中存在固定的基站节点( 位置已知) ； ( 2 ) 移动节点可能无法与所有基站有直接的信号连通： ( 3 ) 唯有两节点问的信号连通信息供定位使用。 在以上前提条件之下，通过对起用新方法的探索，致力于找出一种运用机器 学习算法来实现划分目标移动节点局部坐标系统的判定方法。该方法进行优化后， 能实现局部坐标系区域快速判定的功能与低代价、低复杂度、低带宽占用的应用 特点。 1 3 本文主要贡献 本文在研究了现有的无线网络节点定位技术，尤其是在坐标编结的无线网络 分布式定位技术的策略基础上，分析了当前几种机器学习经典算法，提出了一种 基于机器学习的蜂窝通信系统节点定位算法。该算法充当了蜂窝通信系统分布式 定位的全局坐标算法，实现了将目标移动台初步定位到基站所覆盖的重叠区域中。 该算法的提出本身属于无线通信网定位的研究范畴，同时又可视为人工智能方法 向无线网络定位应用方向的拓展1 。通过对基于机器学习的定位算法的优化、仿真 实验、定位效果与定位性能的分析，证明该算法可使蜂窝通信系统在有限的网络 设备资源构成与移动节点的实际地黄信息严重不足的或完全未知的条件下，实现 有效、廉价、简便快捷与可靠的移动台节点到重叠区域的粗略定位。 3 幕于s v m 树型多分类的蜂窝通信系统中节点定位算法研究 1 4 文章组织结构 本文共分五章，其余部分的主要内容以及的组织结构如下： 在本文第2 章中，主要研究当现有的无线网络定位估算技术及这些技术中存在 的一些问题，并分析这些技术应用到蜂窝通信系统时的适用性与缺陷。 第3 章中，首先详细介绍了当前几种机器学习经典算法，且根据蜂窝通信系统 定位的需求辨析了这几种算法，并逐步选定一种最适合的机器学习算法。然后将 选定的机器学习算法具体化应用到蜂窝通信系统网络定位中。最后对尚未进一步 优化的机遇机器学习的定位算法进行了初步的性能分析。 在第4 章，本文细致的将基于机器学习的定位算法进行优化改进，并展示基于 机器学习的定位算法应对传统定位算法普遍存在的定位问题，在蜂窝通信系统网 络中的定位效果。 最后两章分别是对基于机器学习的蜂窝通信系统定位算法性能的总体分析和 研究前景的展望，以及本文的总结。 4 t 程硕i ：学位论文 2 1 引言 第2 奄无线网络节点定位技术研究综述 随着通信技术、嵌入式计算技术和无线网络技术的飞速发展和日益成熟，同时 具有计算能力和通信能力的移动台设备开始出现。大量成本低廉的这类移动节点 通过无线方式组成了无线通信网络。由于无线通信网络通常是由廉价移动节点传 感装置与有限的设备资源构成的，在大多数情况下，移动节点没有配备任何全球 定位系统( g l o b a lp o s i t i o n i n gs y s t e m ，g p s ) 接收器，或当由于条件约束时，并不配备 定位功能硬件口1 。而另一方面，可感知地理位置的无线移动节点对传无线通信网络 中许多任务又是至关重要的，如网络管理，事件检测，地理位置为基础的查询处 理和路由技术呻1 。目前对无线移动节点定位的研究普遍归属于无线通信网定位的研 究范畴，也就是基于由固定基站或无线接入点( a c c e s s p o i n t ，a p ) 担任的参考节 点，来解决估算移动节点位置问题。其中，蜂窝通信系统就是典型的固定基站无 线通信网络。除依靠全球定位系统的方式之外，无线网络节点定位技术的现有方 法还包括，一系列依靠由节点位置影响的信号参数与坐标定位原理的定位算法， 基于距离矢量路由规则( 或结合测距技术) 的定位算法，和基于离散通讯模型的 定位算法等睁1 。这些现有的定位技术往往伴随着代价、复杂度、带宽占用的提高与 信道效率的下降。因此，值得分析的问题是，在移动节点的实际地置信息严重不 足的或完全未知的条件下，无线网络节点定位技术的现有方法针对蜂窝通信系统 定位的适用性与性能。对定位技术与应用范围的针对性分析有助于，提出一个准 确、高效、快捷、可靠和简便廉价的蜂窝通信系统的分布式定位算法。 2 2 无线网络节点定位技术分析 现有的无线网络节点定位技术种类繁多，其中有一类技术最直接的以位置与 信号特征的联系为出发点，其所使用的算法又称为无线网络节点定位的传统算法， 之后将会详细介绍。信号特征的统计方式便是信号参数，不同信号参数在现有的 无线网络节点定位技术中经常被使用。对无线网络节点定位技术的分析应先从相 关参数指标开始。 2 2 1 相关信号参数指标 通常情况下，对测距参数有依赖的无线通信网络移动节点定位技术中，不同 情况的需要使用到以下参数： 5 基于s v m 树掣多分类的蜂窝通信系统中节点定化算法研究 ( 1 ) 接受信号强度( r s s ) ，能量，或功率旧1 。当信号在两个节点间发送与接的 过程中是一个信号参数，包含节点之间距离( 测距) 的相关信息。这个参数，通 常称为r s s ，可连同路径损耗和阴影模型提供一个距离的测算指标。因此，在理 想情况下，基于一个已知位置节点的r s s 测算，将另外一个节点定位到一个二维 圆周之上，如图2 1 。信号从一个节点到另一个节点经历快速( 多径) 衰落，阴影 和路径损失。事实上，平均情况下，r s s 经过了足够长的时间间隔而不受多径衰落 和阴影的影响，便有以下公式路径损耗模型： 户( d ) = e o - 1 0 n l o g l o ( d g o ) ( 2 1 ) 其中，n 是路径损耗下的信号衰减指数；卢( d ) 是在距离d 之上的平均信号接收 强度，单位是d b ：e o 在是短参考距离矗之上的信号接收强度，单位是d b 。 在实际情况中，设定观察时间问隔通常不大，以减轻阴影效应带来的影响。因 此，接收功率一般模式应一同包括路径损失和阴影效应的影响，后者意味着一个 在对数尺度上变换的高斯随机变量蠢。公式如下： 尸( d ) 一n ( 芦( d ) ，盯二) ( 2 2 ) 其中，尸( d ) 如同公式( 2 1 ) 。请注意，此模型可用于在可视距( l o s ) 和非视 距( n l o s ) 的情况，视信道参数情况不同做出适当选择。 图2 1 无线节点通过测量r s s 来确定距离半径 ( 2 ) 信号到达角度( a o a ) b 1 。两个节点之间的角度可由估算节点问来往信号 的a o a 参数来确定( 图2 2 ) 。 图2 2 两。1 ，点间a o a 测量 6 t 程硕l j 学位论文 通常，无线移动节点或基站节点设置天线阵列，以估算个信号的a o a 。町1 。 a o a 测算的主要原理是通过天线阵列的不同天线单元输入信号的不同到达时间来 实现测算的，前提条件包括已知天线单元的几何结构的角度信息。 ( 3 ) 信号达到时间( t o a ) 阳1 。同r s s 类似，此参数是要测算从一个节点到另 外一个节点的信号传输时间，称为t o a ，是提供两个节点之间距离的相关信息。 因此，在没有任何测算误差的情况下，t o a 估算提供了一个在二维圆周之上的不 确定性定位，如图2 1 所示。 为了测算在算两个节点间一个信号的t o a 参数，所有节点必须有一个共同的 时钟，或交换记时信息某些协议，如为双向时差协议。 按照已有惯例，t o a 估算是通过相关器或匹配滤波( 中波) 接收器来实现的。 考虑如下情况，信号s ( f ) 从一个节点被发送到另一个节点，则接受信号可表示为如 下公式： ，( f ) = s ( t r ) + 力( f )( 2 3 ) 其中，f 表示t o a ，刀( f ) 表示白色高斯躁声。利用公式( 2 2 ) 可计算出f ，即信 号到达时间。 l 。 、卜- i l 图2 3 以两个节点参为焦点的的双曲线 ( 4 ) 信号到达时差( t d o a ) 9 1 。在没有的目标节点和参考节点的同步的情况 下，如果参考节点是同步的，则时差测算也是可以完成的。t d o a 提供目标节点 和两个参考节点之间信号到达时问的时间差，将目标节点定位在以两个节点参为 焦点的的双曲线上，如图2 3 所示。一中t d o a 获得手段是，首先估算目标节点 与参考节点问的t o a ，而后可得到两个t o a 的差。尽管目标节点和参考节点不同 步，但是两个t o a 的记时相互间有抵消，这是与所有参考节点同步是相同的，理 由是信号是具有相同的发送时刻。因此t d o a 可由得出以下公式： f t d o a = 蟊一f 2 ( 2 4 ) 其中，( i = l ，2 ) 为目标节点到i 节点问的t o a 值。 值得注意的是，这种通过t o a 获得t d o a 的方法在蜂窝通信系统中的改造技 术与成本是最低的。 7 幕于s v m 对型多分类的蜂窝通信系统中节点定位算法研究 通常来说，以上数种信号参数的是现有无线网络定位技术所经常需要使用的 指标，称为测距参数。因此，了解它们的获取方式及原理是了解现有技术的前提。 通过了解信号参数测量原理，发现这些信号参数的获得都依赖通信节点上与测量 相关的硬件配置，且对于移动节点来说也同样需要增加软件配置。同时，由于部 分参数测算过程中会产生额外的信号，以及参数交换需要进行通信，使得那些依 赖测距参数的移动节点定位技术的额外通信量比较大，导致带宽消耗大。 另外，值得一提的是，在上述信号参数的提取方法中，通过t o a 获得t d o a 的方 法在蜂窝通信系统中实现的改造过程最简单且代价是最低的，为基站节点增设信 号接收同步时钟功能便可以实现。 2 2 2 现有无线网络定位技术分析 现行应用的无线网络定位技术种类繁多，可将其大体划分为四类。第一类， 通过覆盖全球的卫星系统来实现的全球定位系统；第二类，依靠信号参数测量技 术的定位算法n 引；第三类，基于距离矢量路由规则或离散通讯模型的定位算法h 1 ； 第四类，基于坐标编结的分布式定位算法。 简单来说，这四类技术中，第一类技术最突出的问题是代价：第二类技术的 缺点包括代、复杂度、带宽耗费、以及一些传统的定位问题；第三类技术的主要 问题在于适用范围和复杂性方面；第四类技术则是完全一种定位策略，具体的实 现手段，还需要有可靠的算法支撑。此外，其他一些现有的无线网络定位技术也 存在着不同方面的不足。下面来分析现有无线网络定位技术的典型技术手段、核 心算法或定位策略。 2 2 2 1g p s 定位系统 g p s 臣o 全球定位系统( g l o b a lp o s i t i o n i n gs y s t e m ) 。简单地说，这是一个由覆 盖全球的2 4 颗卫星组成的卫星系统。这个系统可以保证在任意时刻，地球上任意 一点都可以同时观测到4 颗卫星，以保证卫星可以采集到该观测点的经纬度和高 度，以便实现导航、定位、授时等功能。这项技术可以用来引导飞机、船舶、车 辆以及个人，安全、准确地沿着选定的路线，准时到达目的地。另外一个角度来 看，g p s 是一个采用t o a 参数技术实现的定位系统。g p s 为了实现和卫星时钟的同步 需要昂贵的设备，能量消耗大。 g p s 全球卫星定位系统由三部分组成：空间部分一一g p s 星座：地面控制部分 地面监控系统；用户设备部分g p s 信号接收机。 g p s 的空间部分是由2 4 颗工作卫星组成，它位于距地表2 0 2 0 0 k m 的上空，均匀 分布在6 个轨道面上( 每个轨道面4 颗) ，轨道倾角为5 5 。此外，还有4 颗有源备份卫 星在轨运行。卫星的分布使得在全球任何地方、任何时间都可观测到4 颗以上的 卫星，并能保持良好定位解算精度的几何图象。这就提供了在时间上连续的全球导 t 程母! l ：学位论文 航能力。 地面控制部分由一个主控站，5 个全球监测站和3 个地面控制站组成。监测站 均配装有精密的铯钟和能够连续测量到所有可见卫星的接受机。监测站将取得的 卫星观测数据，包括电离层和气象数据，经过初步处理后，传送到主控站。主控站从各 监测站收集跟踪数据，计算出卫星的轨道和时钟参数，然后将结果送到3 个地面控 制站。地面控制站在每颗卫星运行至上空时，把这些导航数据及主控站指令注入到 卫星。这种注入对每颗g p s 卫星每天一次，并在卫星离开注入站作用范围之前进行 最后的注入。 用户设备部分臣p g p s 信号接收机。其主要功能是能够捕获到按一定卫星截止角 所选择的待测卫星，并跟踪这些卫星的运行。当接收机捕获到跟踪的卫星信号后， 即可测量出接收天线至卫星的伪距离和距离的变化率，解调出卫星轨道参数等数 据。根据这些数据，接收机中的微处理计算机就可按定位解算方法进行定位计算， 计算出用户所在地理位置的经纬度、高度、速度、时间等信息。 g p s 全球卫星定位系统基本原理是测量出已知位置的卫星到用户接收机之间 的距离，然后综合多颗卫星的数据就可知道接收机的具体位置心1 。要达到这一目的， 卫星的位置可以根据星载时钟所记录的时间在卫星星历中查出。而用户到卫星的 距离则通过纪录卫星信号传播到用户所经历的时间，再将其乘以光速得到( 由于大 气层电离层的干扰，这一距离并不是用户与卫星之间的真实距离，而是伪距( p r ) ： 当g p s 卫星正常工作时，会不断地用l 和o - - 进制码元组成的伪随机码( 简称伪码) 发射导航电文。 g p s 全球定位系统，是目前应用范围最广，且最精确的定位系统n 引。与之原 理相同的有俄罗斯的g l o n a s s 卫星导航系统，以及我国的北斗卫星定位系统。但是 这类通过卫星与地面控制站实现定位的技术，都无可避免的需要大量的卫星与地 面控制设备投入和复杂的计算过程。对于移动台设备来说，如配备全球定位功能， 则成本将需要增 1 2 0 0 美圆或更多。 2 2 2 2g s m 网络中的定位技术 现有的g s m 移动台定位与g p s 定位是完全不同的。其中，g s m 移动台服务区域 定位实际上是基于基站的定位，也就是通过可与移动台节点连通的基站来确定移 动台节点位置区域。由于基站与移动台设备上并不附带测距功能，所以这种定位 方式是无法做到通过测距进行连续坐标定位的，只能离散的将目标移动台节点限 定到当前位置所在的服务交叉区域( 并非绝对最近基站的服务覆盖区域) ，而且定 位精确程度要视移动基站的分布与信号传播环境而定。g s m 移动台服务区域定位 的实现手段是类似于b o u n d i n gb o x 算法的一类基于交叉通讯区域的离散通讯模型 算法。其算法的核心思想是，针对目标移动台节点，寻找与之连通的基站节点， 继而重叠出若干连同基站节点的交叉通信区域，将目标节点定位到基站服务交叉 9 基于s v m 树型多分类的虫 再j 通信系统中节点定位再泫研究 区域。此项技术不需要对无线网络中的各类节点增加硬件设备，但同时面临的问 题是定位准确度受基站的分布情况与信号传播环境的限制且精确度不高，以及算 法本身所带来的额外通信量。 另外一种g s m 网络中使用的定位系统使用的技术标准称为g p - 0 n e ，该技术利 用两个可与移动台节点同时连同的基站与一个卫星进行粗略定位，定位精度较g s m 移动台服务区域定位有提高，可以实现目标移动台节点的连续坐标定位。其技术 实现手段是，为移动台节点增添卫星信号发射设备，使基站节点具备测距功能， 通过两个基站与一颗卫星的测距定位功能来实现目标移动台节点的定位。g p - 0 n e 技术可作为e 一9 1 1 系统的实现手段，为应对救援工作所需要的地理位置查询处理提 供了一种可行方案。但是此项技术面临问题的是定位卫星的服务费用，以及测距 所需增加的硬件配置以及受基站的分布情况与信号传播环境的限制。 g s m 网络中的定位技术全部都是针对g s m 蜂窝通信系统而应用的，它们为g s m 蜂窝通信系统中移动节点的定位提供了实现手段。使得g s m 移动台可感知自身的地 理位置，这对传蜂窝通信系统网络中许多以地理位置为基础的任务是至关重要的。 2 2 2 3 基于信号参数的无线网络定位技术 基于信号参数的定位技术是指一类在二维或三维坐标系中，首先测算出信号 参数以获得节点的间距离信息或角度信息，再结合坐标定位原理与测算出的距离 信息或角度信息来定位目标节点的方法n n5 1 。由于这一类技术最直接的以位置与 信号特征的联系为出发点，其所使用的算法又称为无线网络节点定位的传统算法。 基于信号参数的无线网络定位技术的典型算法就是路径损耗模型定位算法， 它以r s s 参数作为距离信息。如本文2 2 1 章节所说述，除r s s 参数之外的其他信 号参数同样也可以提供