《電子技術應用》
您所在的位置：首頁 > 通信與網絡 > 設計應用 > 非視距傳播下LTE的頻率定位算法
非視距傳播下LTE的頻率定位算法
來源：電子技術應用2014年第2期
鄭 敏1， 毛永毅2， 楊 陽1
(1. 西安郵電大學 電子工程學院，陜西 西安710061; 2. 西安郵電大學 研究生部，陜西 西
摘要： 基于單次反射信道模型，針對LTE通信網絡在非視距傳播環(huán)境下提出了一種基于頻率的定位算法。首先根據(jù)信道傳輸模型計算路徑損耗，再由路徑損耗計算移動臺與基站之間的距離，然后利用BP神經網絡修正NLOS誤差，最后利用最小二乘LS定位算法進行移動臺定位。仿真結果表明，該基于頻率的移動臺定位算法定位精確，效果良好。
中圖分類號： NT929.53
文獻標識碼： A
文章編號： 0258-7998(2014)02-0091-03
LTE frequency localization algorithm in NLOS propagation enviroment
Zheng Min1, Mao Yongyi2, Yang Yang1
1. Department of Electronic Information Engineering, Xi′an University of Posts and Telecommunications, Xi′an 710061, China;2. Graduate Department, Xi′an University of Posts and Telecommunications, Xi′an 710061, China
Abstract： Based on a single reflection channel model, this paper presents a localization algorithm based on frequency for the LTE communication network in non line-of-sigh(NLOS) propagation environment. First of all, according to the channel transmission model, calculate the path loss. Secondly, according to the path loss, calculate the distance between mobile station and base station. Thirdly, the algorithm using BP neural network is able to correct the NLOS errors. At last, MS can be estimated by least-square(LS) algorithm, Simulation results show that mobile location algorithm based on the frequency of the exact locate the good effect.
Key words : non-line-of-sight (NLOS); path loss; BP neural network; least-square algorithm

    基于頻率強度的定位算法容易實施，成本低，不需要對移動終端和基站硬件進行修改，因此，本文就現(xiàn)有的LTE網絡定位問題進行研究，在標準的蜂窩網結構下，利用信道衰減模型參數(shù)并輔以神經網絡獲得更高的定位精度，對非視距傳播小區(qū)環(huán)境下基于頻率差的定位精度進行了仿真分析。
    當移動臺與基站之間的直射路徑被障礙物擋住后，無線電波只能在經過反射和衍射之后到達接收端，此時測量到的數(shù)據(jù)不能正確地反應發(fā)送端與接收端的真實距離。通常采用的定位方法有:到達時間差(TOA)定位[1]、時間差(TDOA) 定位[2]、到達角度(AOA)定位[3]及混合定位[4]。但TOA測量要求MS的發(fā)射與所有基站的接收精準同步，并且在發(fā)射信號中需包含發(fā)射時間標記，這需要與BS時鐘嚴格同步，很容易導致誤差的增大；而測量AOA的天線排列價格昂貴，距離偏大時微小的角度測量偏差會導致較大的定位距離誤差，AOA是受多徑傳播影響最大的，并且有的基站不支持AOA的上報。
    因此,本文就現(xiàn)有的LTE網絡定位問題進行研究，在標準的蜂窩網結構下，提出根據(jù)測量移動臺發(fā)射功率以及基站接受功率，在傳輸信道衰減模型下估算距離，根據(jù)多個距離差來確定移動臺的位置，并對非視距傳播小區(qū)環(huán)境下基于頻率差的定位精度進行仿真分析。




1.1.3 功率測量參數(shù)分析
    在LTE路測[8]中, RSRP表示接收信號強度的絕對值，是衡量無線網的重要指標，根據(jù)參考信號的發(fā)送功率可以計算出傳播損耗,從而判斷與基站的距離。3GPP協(xié)議中規(guī)定終端上邊測量RSRP的范圍是[-140 dBm,-44 dBm]，路測時,一般要求RSRP值必須大于-100 dBm，否則容易出現(xiàn)弱覆蓋等問題。
    載波中心頻率fc由信號傳輸模式決定，在信號傳輸過程中，將信號負載到一個固定頻率的波上，這個固定頻率即是載波頻率。TDD和FDD是兩種載波模式，TDD適用于高密度用戶地區(qū)的局部覆蓋，F(xiàn)DD適用于大區(qū)制的國際間和國家范圍內的覆蓋，兩種方式具有相互無法替代的優(yōu)點，具體的fc值可根據(jù)第三代移動通信系統(tǒng)的頻譜標準來確定, 本仿真中采用2 000 MHz中心頻率。
1.2 基于神經網絡的頻率定位
1.2.1基于BP神經網絡[9]的頻率測量值的修正

 


     如圖1所示，根據(jù)移動臺到基站的功率值計算距離差，測量值由于存在NLOS誤差值，所以本文采用BP 網絡修正測量值。BP神經網絡是一種前向型反饋神經網絡，具有學習速率快、結構簡單等優(yōu)點來修正NLOS誤差，由輸入層、隱含層和輸出層三級結構組成，其中各節(jié)點數(shù)目分別為r、s1、s2。隱含層采用激活函數(shù)為Sigmoid，即f1(x)=tanh(x)；輸出層激活函數(shù)為Purelin,線性傳遞函數(shù)，即f2(x)=kx；設輸入向量為P，輸出向量為T；BP網絡修正模型[10]如下：
    輸入向量為：P=[PDOA21,PDOA31,PDOA41,PDOA51,PDOA61,PDOA71]
    輸出向量為:T=[d21,d31,d41,d51,d61]
1.2.2基于BP神經網絡的頻率定位算法
     所有基站與移動臺之間均為NLOS誤差，利用BP神經網路對測量值存在的誤差進行修正，從而減小功率測量中的NLOS誤差，然后再應用Chan算法和最小二乘(LS)算法進行位置估計，使其具有更高的定位精度。定位的具體步驟如下：
    (1)以移動臺及基站的樣本矢量計算在LOS環(huán)境下的
PDOA值，作為目標樣本；
    (2)假定模擬誤差函數(shù)，得到在NLOS誤差環(huán)境下的PDOA值，經由BP神經網絡修正數(shù)據(jù)；
    (3)利用修正后的PDOA值,采用Chan和LS算法進行位置估計。
2 仿真及分析
    為了檢驗本算法的可操作性，對基于BP的頻率定位算法進行了跟蹤仿真。本仿真基于幾何結構的單次反射(GBSB)系統(tǒng)信道模型，NLOS誤差是采用COST231模型，對市區(qū)/郊區(qū)小區(qū)進行仿真，采用標準的七基站蜂窩網，其中設原點為服務基站BS1,蜂窩網半徑為3 000 m。
    表1為本文算法PDOA和TDOA算法在相同環(huán)境下多次仿真定位誤差平均值，由下表數(shù)據(jù)可以看出，采用頻率測量定位比參考文獻[11]中同樣采用LS算法誤差更小，說明本文在結合BP神經網絡修正誤差并根據(jù)信道功率定位上具有良好的性能。

     圖3為在本文算法下隨著信道環(huán)境的不同LS與Chan算法的對比圖。由圖可以看出,隨著信道參數(shù)的增大，NLOS引起的誤差也隨之增大。由于Chan算法的推導過程都是基于理想的零均值高斯隨機變量，而LS算法不考慮誤差的統(tǒng)計特性，精度要好于Chan算法，所以定位更為穩(wěn)定精確。

     為了精確無線通信系統(tǒng)無線電波傳播的可靠度，本文提出了一種采用測量移動臺與基站之間的頻率進行定位的算法，該算法減小了傳統(tǒng)測量時間和角度上受多徑干擾及設備的影響，并根據(jù)不同的傳播環(huán)境提出相應條件的傳播算法，然后結合BP神經網絡修正誤差，最后利用LS算法進行位置估計。從仿真結果可以看出，本文算法在定位精度上有顯著提高且較為穩(wěn)定。   

參考文獻
[1] 范小峰， 徐蘭芳. 無線網絡中物理定位技術研究[D].武漢:華中科技大學,2008.
[2] 朱朝暉.時差定位原理及其應用[J].無線電工程, 2006,36(8):52-64.
[3] 王洪雁，蘭云飛，裴炳南,等. 非視距環(huán)境下基于到達時間差的一種定位算法[J].計算機仿真，2007,24(9):116-119.
[4] Shen Guowei,RUDOLF Z, REINER S T. Performance comparison of TOA and TDOA based location estimation algrithms in LOS environment[C].Proceedings of the 5th Workshop on Positioning, Navigation and Communication, 2008(WPNC’08):71-78.
[5] 唐興偉. TD-LTE系統(tǒng)動態(tài)仿真鏈路預算的研究與實現(xiàn)[D].北京:北京郵電大學,2011.
[6] 董晶. LTE系統(tǒng)中下行信號質量RSRP測量研究[J].科技信息,2012(9):78-80.
[7] 付昆鵬.無線通信中電波傳播模型的研究[D]. 廣州: 華南師范大學,2009.
[8] 李儉兵，周元元,李小文.TDD-LTE系統(tǒng)下行資源分配的研究及DSP實現(xiàn)[J].電子技術應用，2013,39(4):34-37.
[9] 鮑連承，趙海軍.基于BP神經網絡的蓄電池充放電溫度模型的建立[J].微型機與應用,2013,32(10):66-68.
[10] Mao Yongyi, Li Mingyuan, Zhang Baojun. Cellular localization algorithm based on BP neural network[J].Computer  Engineering and Applications.2008,44(3):60-63
[11] 毛永毅，張穎.非視距傳播環(huán)境下的AOA定位跟蹤算法[J].計算機應用，2011,2(31):317-319.

此內容為AET網站原創(chuàng)，未經授權禁止轉載。