李雨霽

西安郵電大學(xué) 陜西 西安 710121

引言

現(xiàn)如今，常見(jiàn)的室內(nèi)定位技術(shù)面對(duì)復(fù)雜多變的通信環(huán)境，仍有一定的局限性，如Wi-Fi定位技術(shù)的數(shù)據(jù)采集難度高，定位誤差大[1]，室內(nèi)藍(lán)牙定位技術(shù)易受干擾，且擴(kuò)展距離有限[2]。無(wú)線電頻率識(shí)別技術(shù)的通信能力差，抗干擾性差[3]。紅外線定位技術(shù)不能穿過(guò)障礙物，只能進(jìn)行視線（LS）傳播，容易受其他光線影響[4]等。因此，如何在NLOS環(huán)境的基礎(chǔ)上提高5G定位系統(tǒng)的魯棒性（適應(yīng)復(fù)雜多變的環(huán)境），成為現(xiàn)階段5G定位需要克服的難題。本文考慮到5G信號(hào)的窄波束、良好的方向性和較短的傳輸周期，研究了5G NR在NLOS環(huán)境下的定位技術(shù)，以應(yīng)對(duì)復(fù)雜多變的環(huán)境

1 在NLOS環(huán)境下的5G定位優(yōu)化算法

1.1 Chan 算法（Chan）

Chan算法是TDOA定位方法中最常用的位置計(jì)算方法，算法的推導(dǎo)是基于高斯隨機(jī)變量，測(cè)量誤差為零平均值。當(dāng)基站數(shù)量大于3個(gè)時(shí)，非線性方程的數(shù)量小于未知變量的數(shù)量，可以用加權(quán)最小二乘法得到初始解，然后用得到的初始解和約束變量進(jìn)行第二次加權(quán)最小二乘法估計(jì)，最后得到一個(gè)改進(jìn)的位置估計(jì)。

假設(shè)誤差向量近似滿足高斯分布，并且有一個(gè)協(xié)方差矩陣，那么：

最終解出的估計(jì)值為：

1.2 Chan-Taylor算法（Chan- Taylor）

為了適應(yīng)5G通信環(huán)境，結(jié)合兩種算法的優(yōu)勢(shì)，本文提出了Chan-Taylor聯(lián)合算法。目標(biāo)方位的初始估計(jì)由Chan獲得，然后由Taylor迭代計(jì)算估計(jì)值，從而獲得高精度的目標(biāo)方位。①通過(guò)使用Chan算法解決由TDOA定位算法建立的矩陣方程獲得初始位置坐標(biāo)；②將初始坐標(biāo)引入泰勒計(jì)算，并進(jìn)行多次迭代運(yùn)算，不斷優(yōu)化和更新初始坐標(biāo)；③進(jìn)行迭代遞歸計(jì)算，若均方根誤差達(dá)到閾值，則得到最終的估計(jì)坐標(biāo)，否則將迭代坐標(biāo)重復(fù)步驟2，進(jìn)行泰勒迭代。

3 仿真分析

對(duì)上述各種算法進(jìn)行驗(yàn)證仿真，并比較性能優(yōu)勢(shì)。假設(shè)測(cè)試場(chǎng)景為且設(shè)有若干障礙物的非視距環(huán)境，其中分別設(shè)定7個(gè)坐標(biāo)位置（0，0），（0，7），（0，15），（5，0），（10，0），（10，7）和（10，15）來(lái)部署基站。測(cè)試結(jié)果的RMSE（均方根誤差）假定為上述算法在相同的噪聲干擾環(huán)境下進(jìn)行100次實(shí)驗(yàn)?zāi)M后的實(shí)驗(yàn)數(shù)據(jù)。圖1所示為非視距環(huán)境下，基站數(shù)目對(duì)上述三種算法精度的影響。

圖1 基站數(shù)量對(duì)NLOS環(huán)境下定位精度的影響

由圖1可得，隨著基站數(shù)量的增加，RMSE（均方根誤差）逐漸減小，即基站越多，精度越高；但當(dāng)基站數(shù)量增加到4個(gè)以上時(shí)，再增加基站數(shù)量，RMSE（均方根誤差）的變化趨于平緩。為排除基站數(shù)目的影響，本文所提出的定位方法選用7個(gè)基站。性能方面來(lái)看，Chan-Taylor聯(lián)合算法的RMSE值是四種算法中最低的，這意味著聯(lián)合算法具有更好的定位性能。

綜上，Chan-Taylor聯(lián)合算法將作為本文NLOS環(huán)境下的5G NR定位技術(shù)的主要算法。假設(shè)仿真環(huán)境與上述測(cè)試環(huán)境相同，基站部署的坐標(biāo)位置有7個(gè)（0，0，3.5），（0，7，3.5），（0，15，3.5），（5，0，3.5），（10，0，3.5），（10，7，3.5）和（10，15，3.5）。表1所示為最終定位結(jié)果與誤差。

表1 定位結(jié)果的分析和誤差

圖2中藍(lán)色三角形代表基站位置，紅色五角星代表實(shí)際位置，空心圓和粉色圓點(diǎn)分別代表改進(jìn)的前后的定位結(jié)果。由圖2所示，該方法在NLOS環(huán)境下具有更好的定位性能。由上述可得，優(yōu)化后的算法的定位誤差都小于原算法的定位誤差。原算法的平均誤差為0.5055，而優(yōu)化算法的平均誤差為0.0823，說(shuō)明與原算法相比，優(yōu)化算法在精度上有明顯提高。原始算法的均方根誤差為0.7156，而優(yōu)化算法的均方根誤差為0.1653，說(shuō)明優(yōu)化算法在同一環(huán)境下的穩(wěn)定性也有所提高。

圖2 仿真結(jié)果——兩種定位方法的基站位置和目標(biāo)位置

4 結(jié)束語(yǔ)

本文提出了一種算法復(fù)雜度低、精度高的5G定位方法，在用戶位置、時(shí)鐘誤差、終端角度偏差未知的情況下，通過(guò)信道參數(shù)識(shí)別NLOS成分并進(jìn)行算法補(bǔ)償，獲得準(zhǔn)確的坐標(biāo)信息，并采用聯(lián)合算法對(duì)虛擬基站進(jìn)行仿真，避免嚴(yán)重NLOS場(chǎng)景下的障礙物遮擋。仿真結(jié)果表明，Chan-Taylor聯(lián)合算法是5G定位的有效解決方案，具有較高的定位精度來(lái)估計(jì)用戶的位置，從而解決了在NLOS環(huán)境下無(wú)法定位的問(wèn)題。