一种基于CMMBTOATDOA融合定位算法.docVIP

一种基于CMMBTOATDOA融合定位算法 　　[摘 要] 针对Chan算法在非视距环境中有定位精度差的缺点，提出一种TOA/TDOA融合定位算法，该算法利用改进的Taylor级数展开算法对TOA测量信息进行定位，得到两个定位估计值，并与Chan算法进行融合，通过质心计算得到最终的估计值。仿真结果表明，该算法具有较好的定位性能，能够有效地削弱非视距环境的影响。 　　[关键词] TOA/TDOA；泰勒级数展开；Chan定位算法；质心定位 　　[中图分类号] TN953 [文献标识码] A 　　由于移动多媒体广播技术的快速发展，基于移动广播网（CMMB）的定位与导航服务也在不断的增加。广播基站定位与GPS定位相比，广播基站的多普勒效应以及电离层传播时延不会影响广播信号，在恶劣环境下能够实现精确且有效地定位。 　　无线定位技术主要有基于到达时间（TOA）、基于到达时间差（TDOA）、基于到达角（AOA、基于接收信号强度（RSSI）等等[1]。Y.T.Chan提出的Chan算法[2]是利用等式约束条件进行两步加权最小二乘法，该方法在量测噪声较小的情况下可以达到较好的定位精度，但随着噪声的增大或基站几何布局不佳时，该算法的性能也会急剧下降。泰勒级数展开法[3]具有定位精度高的优点，但需要迭代计算的初始值必须接近真值，否则就会导致算法不收敛。 　　本文首先利用TOA的加权最小二乘法（WLS）得到一个初始位置估计值，再根据本文提出的泰勒级数展开算法得到MS的两个位置估计值，然后与Chan算法的MS定位估计值进行质心计算，得到MS的最终估计。最后对该算法进行了仿真并作出分析。 　　1 测量误差模型 　　TDOA测量误差包括系统测量误差和NLOS误差，假设MS与BSi和BS1之间的TDOA测量值可表示为：[Δi，1]=[Δi，1][0]+ni，1+nni，1，i=2，3，…，N，[Δi，1][0]为LOS环境下的TDOA测量值，ni，1为系统测量误差，服从均值为0，方差为的高斯分布；nni，1为NLOS误差。对NLOS误差，本文考虑指数分布的情况，其概率密度为[4]： 　　[-n][ni，1][v][ni，1][/][（vni，1e ）] [P（nni，1）=][0][nni，10][nni，1≤0]（9） 　　其中i=2，3…N，υni，1是由时延扩展导致的距离扩展，可以表示，d为1km处距离扩展的中值，ε为路径损耗指数，ξ为服从均值为0，标准差为σξ的对数正态分布的随机变量[5]。通常情况下，ε=0.5，σξ=4 dB，参数d在闹市区，一般市区，郊区，远郊环境下的取值分别为：300 m，120 m，900 m，30 m。 　　2 算法描述 　　2.1 基于TDOA的Chan定位算法 　　假设在二维平面中移动台u的坐标为（x，y）T，基站BSi的坐标为（xi，yi），i=1，2，3…N，服务基站为BS1，MS到BSi与BS1之间的距离差为Δi，1，则有 　　Δi，1=Ri-R1 （1） 　　 （2） 　　联立可得到方程： 　　[2（xi，1x+yi，1y+Δi，1R1）=Ki-K1-[Δ][2][i，1]]（3） 　　其中：Ki=[xi][2]+[yi][2]，K1=[x1][2]+[y1][2]，xi，1=xi-x1，yi，1=yi-y1，i=1，2…N，TDOA噪声的误差矢量为[6]： 　　φ=hd-GdP0（4） 　　式中： 　　 ， 　　[] 　　在此定义无噪声时变量X的表达形式为X0，故[Δi，1]=[Δi，1][0]+ni，1，可得噪声的误差矢量为：φ=Bn+0.5n?n（5） 　　其中，（6） 　　忽略式（4）中的第二项，并计算误差矢量的协方差矩阵，即： 　　ψ=Ε[φφT]=BQB（7） 　　其中Q为TDOA协方差矩阵。 　　利用加权最小二乘法（WLS）可得： 　　（8） 　　由于P中x，y，R1具有相关性，因此再一次利用加权最小二乘法可得： 　　（9） 　　其中： 　　， 　　 　　。 　　因为ψ和ψ均服从高斯分布，故P的ML估计为： 　　（10） 　　最终MS的位置估计为： 　　或者（11） 　　2.2 改进的泰勒级数展开算法 　　在实际测量中，测量信息中的误差主要包含有两部分，一部分是系统的测量误差，一部分是由于非视距环境导致的非视距误差。 　　根据式Ri=两边同时平方可得方程： 　　2（x21x+y21y）=（12） 　　将式（12）写为矩阵形式为： 　　GtZa=hi（13） 　　其中： 　　 　　， 　　根据LS方法（最小二乘法）得到MS的一个位置估计值： 　　（14） 　　由于可得式（12）的噪声误差矢量为： 　　φt=ht-GtZa0 （15） 　　从而可以得到：φt=Btn（16） 　　其中，， 　　，