蜂窩移動定位系統(tǒng)定位精度提高算法的研究進展

　　摘　要：提高蜂窩移動定位系統(tǒng)的定位精度是定位技術(shù)在CDMA系統(tǒng)中廣泛應用的關(guān)鍵。針對提高移動定位精度算法的研究，分別從基本定位算法、非視距傳播誤差消除算法、抗多徑干擾時延估計和抗多址干擾算法、數(shù)據(jù)融合定位方法等幾個方面進行了詳細的分析和討論，綜述了該領(lǐng)域的最新研究進展，提出了自己的觀點。最后對移動定位精度提高算法研究的未來進行了展望。��

　　關(guān)鍵詞：無線移動定位；非視線傳播；定位精度；算法

一、引言

　　無線導航定位系統(tǒng)的基本功能是收集在一定地理區(qū)域內(nèi)無線信號發(fā)射臺發(fā)射的無線導航信息，根據(jù)接收信號頻率、到達時間及角度等信號參量的變化，處理得到對待測位置信息的估計。典型的無線導航定位系統(tǒng)有羅蘭C（Loran-C）、奧米加（Omega）、全球衛(wèi)星導航定位系統(tǒng)等。利用現(xiàn)代移動通信系統(tǒng)的蜂窩網(wǎng)絡提供導航、位置信息是一種新的定位方式。它通過測量到達（或來自）一系列固定或移動基站攜帶的與移動臺位置信息有關(guān)的信號來確定移動基站位置。根據(jù)進行定位估計的主體及采用設(shè)備的不同，可將對移動臺的無線定位方案分為3類：基于移動臺的定位方案［1，2］、基于網(wǎng)絡的定位方案［3］及GPS輔助定位方案［4］。

蜂窩移動定位技術(shù)在公共安全服務（如：緊急醫(yī)療、緊急定位、緊急報警服務）、犯罪偵查、蜂窩系統(tǒng)設(shè)計、動態(tài)資源管理、位置敏感付費以及船舶管理、導航和智能交通系統(tǒng)（ITS）等多方面都有廣泛的應用。尤其是在美國聯(lián)邦通信委員會（ＦＣＣ）強制要求所有的無線業(yè)務提供商必須在2001年10月前向E-911公共安全服務系統(tǒng)提供在67%的情況下、精度為125m的用戶位置信息后［5］，蜂窩移動定位技術(shù)在國外受到了高度的重視和深入研究［6］。目前主要的研究內(nèi)容包括基本定位方法和定位算法的研究［２～７］、非視距傳播誤差消除算法的研究［13～20］、抗多徑干擾時延估計、抗多址干擾算法的研究［21～26］、數(shù)據(jù)融合技術(shù)的研究［27～29］、定位技術(shù)實施方法和定位系統(tǒng)的性能估計研究等等方面。

移動定位系統(tǒng)定位精度的高低是定位技術(shù)在蜂窩網(wǎng)絡中廣泛應用的關(guān)鍵，但蜂窩移動通信系統(tǒng)的復雜信號環(huán)境卻不可避免地會降低移動定位的精度。雖然FCC規(guī)定的期限已過，但到目前為止還沒有真正達到精度要求的實用系統(tǒng)投入使用，尤其是在鬧市區(qū)，由于障礙物阻擋引起的多徑干擾和非視距誤差以及蜂窩通信系統(tǒng)中“遠近效應”引起的多址干擾都極大地影響移動定位的精度。最近幾年針對影響定位精度的各種因素，出現(xiàn)了一些提高定位精度算法的文章。本文全面地總結(jié)了這方面的最新研究成果，并提出作者本人的觀點和建議，希望能對相關(guān)領(lǐng)域的研究人員有所幫助。��

二、蜂窩移動定位算法研究

　　在定位方法和定位算法研究方面，基本的定位方法有：小區(qū)單元定位、信號到達場強、信號到達角度、信號到達時間/時間差定位等基本方法。定位算法方面，當多個接收機位于一條直線時，求解移動終端位置的距離測量方程組相對簡單，文獻［7］給出了多種優(yōu)化處理方法；當接收信號端在空間隨機分布時，求解移動終端位置的圓位置線方程組、雙曲位置線方程或含有到達角度的位置線方程組中會遇到非線性問題。求解非線性問題的主要位置算法有：①Foy［8］提出的泰勒級數(shù)展開線性化最小二乘位置估計算法（TS-LS）。TS-LS是最基本的位置迭代估計算法，簡單、適用環(huán)境范圍廣，但需要迭代初值，初值選擇不好容易陷入局部最小點，從而算法不收斂；②具有閉合解的Fang算法［9］、球面相交SX算法、球面插值SI［10］算法和Chan［11］兩步最小二乘最大似然位置估計算法。Fang算法利用3個測量基站對移動終端進行二維位置定位，給出移動基站位置的確定解，但該方法不能利用冗余測量信息來改進定位精度。Chan算法在可獲得測量信息的基站個數(shù)為3個時，與Fang算法類似；當存在4個以上測量基站時，算法首先假設(shè)待測移動終端位置坐標與服務基站的距離無關(guān)，用加權(quán)最小二乘法（WLS）得到一初始解，再利用得到的估計位置坐標及附加變量等已知約束條件進行二次WLS估計，最后得到改進的位置估計。該算法能利用網(wǎng)絡所能提供的所有測量值取得更好的計算結(jié)果，計算量小，在測量誤差統(tǒng)計特性為高斯分布且誤差很小時，性能逼近最優(yōu)解，但當測量誤差較大時，算法性能嚴重變壞；③Caffery［12］提出的線性位置線位置估計算法（LLOP-LS）用線性位置線取代圓位置線，在測量誤差統(tǒng)計特性未知的非視距傳播情況下，該算法天然具有較好的抗干擾性能，但在測量誤差高斯分布的情況下，算法的估計精度低于Chan算法和泰勒展開算法。

　　盡可能地利用移動通信系統(tǒng)中固定基站和移動臺之間的各種含有位置信息的信號參量進行定位測量，提出更好的抗多種誤差干擾的魯棒估計算法，是無線定位技術(shù)研究始終關(guān)注的課題之一。��

三、非視距誤差消除算法的研究

　　信號的視距傳播（LOS）是基于時間、角度的定位系統(tǒng)獲得準確距離、角度測量的前提，但在蜂窩移動定位復雜的信號環(huán)境下，尤其是在鬧市區(qū)和多山地帶，信號的傳播受到障礙物的阻擋，發(fā)生反射、折射或散射，電波傳播路徑發(fā)生改變，稱之為非視距傳播（NLOS）。非視距傳播是測距、測角度定位系統(tǒng)的主要誤差源，在NLOS誤差統(tǒng)計特性未知的情況下，傳統(tǒng)的參數(shù)估計方法，無法對待測的位置信息給出準確的估計。針對如何消除非視距誤差的影響，提高定位精度問題，目前國內(nèi)外的學者已經(jīng)提出了很多切實的辦法。

　　（1）多項式平滑、殘差比對法［13］��

　　Wylie提出了一種根據(jù)一段時間內(nèi)的距離測量值，采用N階多項式平滑，計算距離的標準差，與已知測量噪聲的標準差比較，并進一步根據(jù)距離測量值的殘差進行分析、比較，最后進行LOS重構(gòu)的方法。

　�。�2）殘差加權(quán)算法［14］

　　Chen提出了一種殘差加權(quán)算法，它不需要知道NLOS的統(tǒng)計特性或任何先驗知識，只是對多組距離測量值求殘差平方和，得到殘差加權(quán)值，再用多組殘差加權(quán)數(shù)據(jù)進行線性加權(quán)組合，從而得到位置的估計值。

　�。�3）誤差模型法［15,16］��

　　AI-Jazzar利用不同的散射模型（圓環(huán)傳播模型、圓盤模型、截短高斯分布模型）獲得基于TOA信號的不同模型的計算概率密度函數(shù)（PDF），進一步提出了：①以測量標準差減去計算標準差的結(jié)果最小或測量方差減去計算方差的結(jié)果最小為條件的NLOS誤差消除算法；②利用３種散射模型的計算PDF，利用最大似然估計（ML）和貝葉斯（Baysian）估計算法得到實際位置信息。誤差模型法是在假定非視距誤差傳播特性符合圓環(huán)等3種散射模型的基礎(chǔ)上，利用基于３種模型的概率密度函數(shù)得到NLOS的計算統(tǒng)計特性，進而估計MS位置。上述方法在假設(shè)的非視線傳播誤差模型接近實際假定的3種散射模型時，可以得到較好的精度。

　�。�4）距離尺度因子法［17］��

　　利用距離MS最近的3個BS與MS之間所構(gòu)成的三角函數(shù)關(guān)系作為優(yōu)化約束條件，用尺度因子加權(quán)測量距離，將位置估計問題轉(zhuǎn)化為優(yōu)化問題來解決。它的優(yōu)點是即使3個測量距離均存在NLOS誤差，也可以得到較好的結(jié)果，缺點是在有些情況下算法沒有最優(yōu)解。

　�。�5）卡爾曼濾波重構(gòu)法［18］
��
　　在實地測量的基礎(chǔ)上，獲得NLOS誤差的一些統(tǒng)計特性，假設(shè)NLOS誤差方差已知，用卡爾曼濾波的方法重構(gòu)NLOS信號，得到位置估計值。該方法是在假定系統(tǒng)的狀態(tài)方程和信號的統(tǒng)計特性已知的情況下實現(xiàn)的，而在實際蜂窩系統(tǒng)中，獲得這些信息的先驗知識是很困難的。

　�。�6）其他方法

　　文獻［19］通過加入松弛變量和采用搜索算法，消除NLOS傳播對定位影響，不需要先驗信息，但是由于其估計結(jié)果依賴于Chan算法估計的初值，當NLOS較大時，精度會顯著下降。文獻［20］在假定NLOS誤差傳播是一種間歇性阻擋的前提下，提出用一種自適應魯棒濾波凈化器來去除誤差奇異值，該方法由于克服了最小二乘法對奇異值算法不收斂的情況，提高了NLOS傳播環(huán)境下定位的精度。

　　NLOS誤差傳播問題已經(jīng)成為目前蜂窩移動定位技術(shù)研究的重點和難點問題，已經(jīng)提出的各種NLOS誤差消除算法，都是在各種假設(shè)和限定條件下提出的優(yōu)化方法，到目前為止，還沒有一種真正簡單有效、廣泛適用的非視距誤差消除算法提出。如何鑒別并消除NLOS誤差的影響，或提出符合NLOS誤差分布規(guī)律的誤差模型，提高蜂窩移動定位的精度，是移動定位技術(shù)廣泛應用的關(guān)鍵。��

四、抗多徑干擾時延估計算法的研究

　　由于地面和周圍建筑物的反射，發(fā)射信號往往經(jīng)由多條不同路徑，以不同的時間到達接收機，造成傳播信號到達接收端的時延擴展、信號幅度、頻率和相位的改變。多徑傳播是基于到達角度、信號強度、到達時間或時間差測量系統(tǒng)定位誤差的主要來源。對基于時間的蜂窩移動定位系統(tǒng)，由多徑引起的誤差最高可達100m［21］。傳統(tǒng)的基于相關(guān)技術(shù)的延遲估計器受多徑影響，尤其是在反射信號與首先到達的信號間隔在一個碼片內(nèi)時,不能給出正確的輸出。

　　在蜂窩移動定位系統(tǒng)中，尋找具有抗多徑干擾能力的時延估計算法是無線定位技術(shù)研究的重點。有關(guān)時延估計的文獻大致可分為廣義互相關(guān)法、最大似然時延估計法、自適應時延估計法等。上述方法都是在假定接收信號LOS傳播的前提下提出的基本時延估計方法，算法本身沒有或只具有輕微的對付多徑能力，在蜂窩移動定位復雜的信號環(huán)境下，上述方法都不能給出準確的時延估計，甚至失效，嚴重影響蜂窩定位系統(tǒng)的定位精度。因此研究基于上述基本時延估計方法的抗多徑干擾時延估計算法或提出新的抗多徑干擾時延估計算法具有非常重要的現(xiàn)實意義。目前主要的抗多徑干擾時延估計算法有：

　�。�1）基于擴展卡爾曼路濾波的到達時間、多徑聯(lián)合估計算法［22,23］。文獻［22］提出了一種基于擴展的卡爾曼濾波的到達時間和多徑參數(shù)的聯(lián)合估計算法，該方法只考慮了對時變信道復值參數(shù)和時間延遲的估計，并且假定所有接收到的多徑信號具有相同的時延。而在實際利用信號到達時間延遲來測距的系統(tǒng)中，經(jīng)過不同路徑的接收信號的時延是不同的。

　�。�2）RAKE 結(jié)構(gòu)的TDOA估計器［24］。文獻［24］提出了一種基于RAKE結(jié)構(gòu)的TDOA估計器，將RAKE接收機結(jié)構(gòu)用于TDOA估計器模型中。原始的接收信號經(jīng)過RAkE合并后，主徑信號得到增強，再利用傳統(tǒng)的互相關(guān)方法既可很容易地估計TDOA值。但由于多徑的影響，主徑信號合并參數(shù)和合并方法的選擇通常較復雜，很難達到最優(yōu)。

　�。�3）高分辨率抗多徑干擾時延估計方法［25,26］。文獻［26］提出了TLS-ESPRIT（Total Least Squares Version of Estimation of Signal Parameters via Rotational Invariance Technique）時延估計方法，其基本思想是將時域相關(guān)轉(zhuǎn)換為頻域內(nèi)的反卷積形式，將時間延遲估計問題轉(zhuǎn)化為非平穩(wěn)白噪聲中的復值正弦信號頻率估計問題，用旋轉(zhuǎn)不變技術(shù)獲得未知頻率的估計，也就是對多徑時延的估計。該方法假定事先已知接收信號中的多徑數(shù)，否則需要用其他方法先估計出路徑數(shù)，實際中由于多徑傳播的復雜性，很難給出準確的路徑估計。其他的高分辨率抗多徑時延估計方法有Root-MUSIC算法等。��

五、混合與數(shù)據(jù)融合定位精度提高算法研究

　　由于蜂窩移動通信復雜的信道環(huán)境，使得在各種基于測量信號特征參量的無線定位方法中，僅靠一種基本定位方法很難在各種信道環(huán)境下取得最佳定位精度。利用各種不同定位方法及算法進行綜合定位或數(shù)據(jù)融合定位，可以得到高于各種獨立定位算法的定位精度。

　　混合定位是利用蜂窩網(wǎng)絡提供的TDOA、TOA、AOA等多種特征參量測量值構(gòu)成非線性方程組或定位算法組合，對其進行聯(lián)合求解得到比原來單一定位算法更準確的位置估計。如何對非線性方程組求解，是混合定位方法需要解決的關(guān)鍵問題。文獻［27］提出了一種TDOA/AOA組合定位方法，它利用蜂窩網(wǎng)絡提供的M個TDOA距離差測量值和當前服務基站的AOA測量值建立時延差和到達角度的非線性方程組，應用泰勒級數(shù)展開對方程組線性化，進一步采用兩步最小二乘最大似然法得到對MS位置的估計。

　　數(shù)據(jù)融合定位是將來自不同測量終端，利用不同定位方法獲得的數(shù)據(jù)融合，利用各自的冗余信息，通過一定的規(guī)則進行篩選與融合，實現(xiàn)對觀測信號更好的認知。在定位系統(tǒng)中實現(xiàn)數(shù)據(jù)融合技術(shù)的關(guān)鍵是確定切實可行的準則和判決門限，在這方面需要結(jié)合課題的實際情況，在一定的實測數(shù)據(jù)基礎(chǔ)上建立合理的實驗模型，進行大量的計算機仿真。

　　Kleine Ostmann和Bell率先在JDL模型基礎(chǔ)上提出了包括一、二、四級數(shù)據(jù)融合的TOA/TDOA無線定位數(shù)據(jù)融合模型［28］，既對TDOA和TOA測量數(shù)據(jù)進行融合，又對基于泰勒級數(shù)展開的TDOA和TOA定位估計器的結(jié)果進行數(shù)據(jù)融合，最后進行最優(yōu)選擇，獲得優(yōu)化的定位輸出。

　　文獻［29］在K-B模型的基礎(chǔ)上，利用TOA和TDOA測量數(shù)據(jù)并結(jié)合扇區(qū)信息進行數(shù)據(jù)融合，通過定義可信度函數(shù)構(gòu)造了一種基于移動臺的動態(tài)數(shù)據(jù)融合定位算法，在保證決策可靠的前提下，有效地提高了決策輸出的定位精度。

　　在目前各種定位方法由于測量誤差的影響普遍定位精度不高的前提下，綜合或融合各種定位方法的測量數(shù)據(jù)，利用各種測量數(shù)據(jù)或冗余測量信息得到比任何單一方法好的定位精度，是目前蜂窩移動定位技術(shù)中一種比較好的折衷方案。��

六、結(jié)論與展望

　　蜂窩移動定位技術(shù)是一種新的不依賴于GPS的無線導航、定位技術(shù)，具有非常廣闊的應用前景。蜂窩移動定位系統(tǒng)定位精度的提高是移動定位技術(shù)在蜂窩網(wǎng)絡環(huán)境中廣泛應用的關(guān)鍵，因此蜂窩移動定位系統(tǒng)精度提高算法的研究是一個非常實用又具有挑戰(zhàn)性的研究課題。到目前為止，還沒有在任意真正信道環(huán)境下（尤其是在鬧市區(qū)）達到FCC要求的實用系統(tǒng)出現(xiàn)。我們認為在該領(lǐng)域的研究應著重進行以下方面的工作：

　�。�1）進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，重點研究定位算法的抗NLOS和抗多徑、多址干擾能力；

　�。�2）在現(xiàn)有定位算法研究基礎(chǔ)上，深入研究影響定位精度的主要誤差源，嘗試建立符合實際的誤差模型或?qū)τ绊懚ㄎ痪�度的誤差統(tǒng)計特性進行適當假定和合理描述；重點研究如何減少或消除NLOS傳播和多徑干擾對定位精度的影響；

　�。�3）針對影響時延估計精度的多徑干擾問題，重點研究在蜂窩移動信道環(huán)境下的抗多徑時延估計算法，提高時延估計的準確度；

　�。�4）充分利用現(xiàn)有的各種定位方法和定位數(shù)據(jù)進行綜合或數(shù)據(jù)融合定位。各種定位方法和算法各有所長，又都有其局限性，并且實現(xiàn)方法和算法復雜度各有不同。如何根據(jù)移動定位系統(tǒng)目前所能提供的各種定位方法和定位數(shù)據(jù)進行綜合或融合，達到提高定位精度的目的是一個很有意義的研究方向。��


參考文獻��

［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］�県ttp://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］朱良學,朱近康. 一種RAKE結(jié)構(gòu)的TDOA估計器及其最優(yōu)合并方法［Ｊ］.通信學報， 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］孫國林,郭偉. 基于數(shù)據(jù)融合的蜂窩無線定位算法研究［J］.通信學報, 2003,24(1):137~142.