非视距传播环境下的AOA定位跟踪算法

1、非视距传播环境下的 AOA 定位跟踪算法摘 要：基于几何结构的单次反射统计信道模型，提出了一种在非视距（NLOS传播环境下对移动台的到达角（AOA）的定位与跟踪算法。首先利用径向基函数（RBF神经网络对NLOS误差进行修正，再利用最小二乘（LS）算法进行移动台位置 估计，然后配合相关检测距离门对移动台进行跟踪。仿真结 果表明，该跟踪算法能够有效地实现移动台的静态定位与动 态跟踪，且效果良好。?丶 ?词：非视距；到达角；跟踪算法；神经网络；最小二乘法?才型挤掷嗪牛？ TP929.53文献标志码： A英文标题?AOA location and tracking algorithmin ?non?l

2、ine?of?sight propagation environment?"淖髡呙?MAO Yong?yi 1， ZHANG Ying2?"牡刂?（1. Department of Postgraduate, Xi ' an University of Posts and Telecommunications, Xi' an Shaanxi 710061, China?;?2. College of Communication and Information Engineering, Xi'an University of Posts and Tel

3、ecommunications, Xi ' an Shaanxi 710061, China英文摘要)?Abstract:Based on Geometrically Based Single?Bounce (GBSB) statistical channel model, a Angel of Arrival (AOA)?based location and tracking algorithm in Non?Line?Of?Sight (NLOS) environment for Mobile Station (MS) was proposed in this paper. The

4、 algorithm using Radical Basis Function (RBF) neural network was able to correct the NLOS errors, and then the positions of MS could be estimated by Least?Square (LS) algorithm. Furthermore, cooperating with correlation detection gate, the MS was tracked by the algorithm. The simulation results show

5、 that the proposed algorithm can efficiently track the MS dynamically, and has good results.英文关键词?Key words:Non?Line?Of?Sight (NLOS); Angel of Arrival (AOA);tracking algorithm; neural network; Least?Square(LS) algorithm?0 引言 ?近年来，随着移动通信技术的发展，运营商提供的服务 也更加多样化，无线定位技术受到人们越来越广泛的关注 1-2。在蜂窝网络环境中，引起定位误差的因素除

6、了测量 设备引起的随机测量误差外，还有电波的非视距 (Non Line?of?Sight, NLOS传播效应、多径效应、多址干扰和远近 效应。由于这些因素的综合影响，将使得定位估计出现较大 的偏差。而在这些因素当中，NLOS是造成定位误差的主要原 因，减少非视距影响的算法成为移动台定位研究的热点。目 前无线定位算法主要包括到达时间( Time Of Arrival, TOA)、 到达时间差(Time Different Of Arrival, TDOA)、到达角(Angel Of Arrival, AOA、等3-5。其中多是利用 TOA和TDOA进行 定位，而利用AOA定位的算法少有涉及。现有

7、的算法研究更多的是静态定位，而对于移动台动态跟踪的文献资料较少 6。 ?随着智能天线技术成熟应用于移动通信系统，对信号幅 角的测量精度越来越高，使得用AOA定位方法进行定位成为 可能。为了实现动态连续定位服务和提高定位精度，本文提 出了利用RBF神经网络对NLOS误差进行修正；再利用最小 二乘(Least?Square, LS算法进行位置估计，配合相关检测距 离门对移动台进行跟踪；最后对该算法的性能进行了分析和 仿真。 ?1 单次反射统计信道模型 ? 基于几何结构的单次反射统计信道 ( Geometrically BasedSingle?Bounced, GBSB模型适合对各种定位算法进行分析

8、，GBSB又分为适合于宏蜂窝环境的单次反射圆模型(Geometrically Based Single?Bounced Circle Model,GBSBCM，和适合于微蜂窝环境的单次反射椭圆模型(Geometrically Based Single?Bounced Ellipse Model,GBSBEM。本文主要考虑适用于宏蜂窝环境的 GBSBCMI如 图1所示，散射物均匀分布在以 MS为中心，？?R?为半径的 圆内，在实际应用中散射区半径 ？?R?B墒导什獾谩？MS与基 站(Base Station, BS间的距离？D大于R。？口媚卩屠？用了 与实际相符的一个假设，即在宏蜂窝环境中，BS

9、天线较高，BS附近反射物不产生反射信号。 ？图片图 1 基于几何结构的单次反射圆模型?由模型可得，最大时延扩展 ？已营? ; ?max?m妥畲蠼 嵌壤躬E泉? : ?max?X直鹞?: ?已营？ 1 ?max?=2R/c?B ?1) ?已泉？ : ?max?=?arcsin?(RD)=?3?arcsin?R(x- x?i)?2+(y y?i)?2?B ?2) ?2基于RBF神经网络的AOA测量值的修正？径向基函数(Radial Basis Function, RBF神经网络具有较 快的学习特性和逼近任意非线性映射的功能。通过综合利用 多个基站的AOA的测量值向量P，对NLOS误差进行修正， 使

10、AOA的测量值接近LOS环境下的测量值o，然后再利用LS 算法进行位置估计，使其在NLOS环境中有更高的定位精度。 图2给出了用于NLOS环境下7个基站提供的AOA测量值的 修正的RBF神经网络模型。RBF网络由输入层、隐层和输出 层组成，？E鬲？为输入与输出单元的加权值。？输入向量为： ?P= AOA?1,AOA?2,AOA?3,AOA?4,AOA?5,AOA? ?6,AOA?7 ?B ?3) ?输出向量为： ?o=T?1,T?2,T?3,T?4,T?5,T?6,T?7B ?4) ?图片图2用于NLOS环境下AOA测量值的修正的 RBF神经网络模型?3基于RBF神经网络的 AOA定位算法？3

11、.1基于AOA的LS定位算法？设有?M? U龌？站参与定位，BS?i坐标为？?(x?i,y?i)?, MS坐标为？?(x,y)?各基站测量的 AOA值？E泉？i?相互独立，则有：？?H?tan? e ?i=y-y?ix-x?i?B ? ?i=1,2,M?B ?5) ?式( 5)可转化成以下形式： ?H ?tan?( e ?i)x-y=?tan?(e ?i)x?i- y?i?B ? ?i=1,2，,M?(6) ?当AOA测量值存在误差时，可以得到误差方程：？?E ?=h-G?ax?B ?7)其中：?G?a=?tan? e ?1- 1?fe?tan? e ?2- 1?d 螃螵指?tan? e ?M

12、 - 1?x=x?y?H ?h=?tan?(e ?1)x?1-y?1?fe ?tan?( e ?2)x?2-y?2?d 螃螵指?tan?( e ?M)x?M - y?M?H 采用LS算法估计MS位置为：？?x = (G?T?a G?a ) - 1G?T?a B?8) ?上面的 AOA 定位算法在存在视距传播时能达到满意效 果，但是在NLOS条件下，由于 AOA测量值误差较大，该算 法的性能将受到较大影响。 ?3.2 NLOS条件下的AOA定位跟踪算法？在NLOS传播环境下，各个基站接收的移动台信号到达 时间不同，到达角各异的多径信号，在宏蜂窝环境中，由 GBSBCM可知，多径导致的角度扩展不大

13、于最大角度扩展， 为由NLOS引起的角度误差设置了范围， 增加了算法的精度。 本文先利用RBF网络对AOA测量数据进行修正，从而减小 AOA测量值中的NLOS误差，再利用LS算法进行定位将有效 地提高系统的定位精度，最后配合相关检测距离门对移动台 进行跟踪。 ?定位跟踪按以下步骤进行。 ?1) 假定测得?K?e ?NLOS环境下的AOA值，建立用于修 正NLOS误差的RBF网络并进行训练。以移动台的不含 NLOS 误差的 AOA 为目标样本矢量对网络进行训练。 ?2) 用训练好的RBF神经网络对模拟的 AOA测量数据进行 修正。 ?3) 利用修正后的AOA值采用LS算法进行位置估算。？4) 通

14、过RBF神经网络计算得到的定位结果 ?(x?i, y?i)为观测值Z?i (i=1,2,n)，经过跟踪处理后的点迹为S?i(i=1,2,n)。?H ?5) 将序列？?Z的前N个数据送入缓存计算均值作为起始 点迹S?，并计算距离门Go ?H ?6) ?bl?下一个观测值 Z?i+1与S?i比较，若两点间 距离小于G,贝U转到4);反之，则删除观测点迹 Z?i+1并 返回2)计算下一点迹。?7) 将?Z?i+1送入缓存作为计算的新点迹S?i+1。?H ?8) ?S?i+1= S?i返回2)，更新G,进行下一个点 迹的运算，直到i=no ?H?9) 对漏掉的点迹采用线性插值进行拟合。?3.3距离门?

15、G?y难U ?匕嗬朊?G的选取至关重要7,若G过大则误差大的 值也进入结果会使得最后定位跟踪结果扰动太大；若G太小则会导致观测结果中过少的信息进入移动点迹，使得整个性 能降低甚至无法实施跟踪。为确定距离门G首先做出如下假 设：认为观测序列 Z中除去遗漏的和误差过大的数据外其他 数据满足高斯过程。？必?据一定长度N的观测序列Z估计移动距离门 G,实 质上就是按照一定置信度估计置信区间。置信区间为：? 其中：？E(Z为序列Z的均值，a为置信度，t? | ?2(n -1)值可由？?t?分布表查得，S为方差a的无偏估计量。?(E(Z)t?2(n 1)Sn,E(Z)+t?2(n 1)Sn)?B ?9)?

16、S?2=1n- 1 刀 ni=1(Z?i- E(Z)?B ?10) ?n ?2 期？毛永毅等：非视距传播环境下的AOA 定位跟踪算法? 扑慊？应用?n ?31卷4 仿真及分析 ?本文对提出的跟踪算法进行了仿真，就不同的AOA测量误差及不同小区服务半径将本算法与基于AOA的LS算法进行了比较。仿真中采用标准的 7 基站的蜂窝结构，服务基 站?BS?1 (0, 0)位于小区中心，每个小区半径均为 3?B000?m?, ?MS?由坐标(300, 300)处出发，以 4?m/s?的速度沿x坐标轴45。方向移动，？?MS?和所 有?BS?之间均为？?NLOS?跟踪过程中式(9)中的观测序 列长度n取11

17、。?H ?图 3 为本文定位算法和跟踪算法的仿真图。可以看到， 该跟踪算法除去了定位误差较大的点迹，保留了误差相对较 小的点迹，取得了很好的跟踪效果。 ?图4(a)将不同的AOA测量误差下本文的跟踪算法和LS算法跟踪结果进行比较，纵坐标为各个算法在特定条件下跟 踪结果的均方误差值。从仿真结果来看，本文算法的跟踪性能明显优于LS算法，随着测量误差的增加， 本文算法的误差 增长速度也低于LS算法。因此本文算法除了能有效抑制NLOS误差以外，还能够有效地对移动台进行跟踪。 ?图4(b)为不同小区服务半径下将本文所提出的跟踪算法 和LS算法跟踪结果进行比较，纵坐标为各个算法在特定条件 下跟踪结果的均方

18、误差值。可以看出随着小区半径的增加， 本文算法的跟踪性能变化不大，而LS算法的跟踪性能明显有所下降。由上可知，本文算法除了能有效地抑制NLOS误差和测量误差的影响外，还能够有效地对移动台进行跟踪。?图片5 结语 ?本文提出了一种在 NLOS环境下基于 RBF神经网络的 AOA定位跟踪算法。该算法利用神经网络较快的学习特 性和任意非线性映射逼近的能力对NLOS误差和测量误差进行修正，利用LS算法进行位置估计，并配合相关检测距离门 对移动台进行跟踪。仿真结果表明，本文算法使静态定位与 动态跟踪性能都得到了有效地提高。?厅、慰嘉南?:1兰云飞，王洪雁 .在非视距传播环境下无线定位的AOA算法J0 计

19、算机仿真，2007, 24(11): 166-168.2 赵雷，陈万忠，韩双双 . 一种改进的运动目标跟踪与轨迹记录算法JO .智能系统学报，2008, 3(2): 145-149.3SHEN G W, ZETIK R, THOMA R S. Performance comparison of TOA and TDOA based location estimation algrithms in LOS environment CO / Proceedings of the 5th Workshop on Positioning, Navigation and Communication. W

20、ashington, DC: IEEE Computer Society, 2008: 71-78.4OMA C, KLUKAS R, LACHAPELLE G. An enhanced two?step least squared approach for TDOA/AOA wireless locationC / Proceedings of the International Conference on Communications. Washington, DC: IEEE Computer Society, 2003: 11-15.5OTIAN HUI, WANG SHUANG, XIE HUAIYAO. Localization using cooperative AOA approach CO / International Confere