彭 靜

[JP2]摘 要:為了減少非視距對(duì)定位精度的影響,在K[CD*2]O模型的基礎(chǔ)上,研究一種在無(wú)任何先驗(yàn)信息的情況下,利用殘差函數(shù)構(gòu)造先驗(yàn)信息,用于定位的數(shù)據(jù)融合技術(shù)。該技術(shù)利用簡(jiǎn)單殘差算法得到MS初始坐標(biāo)后構(gòu)造下層算法所需的TDOA協(xié)方差矩陣,采用最佳線性數(shù)據(jù)融合進(jìn)行最后加權(quán)處理,得到移動(dòng)臺(tái)的估計(jì)坐標(biāo)。最后,通過試驗(yàn)仿真證明了該算法的有效性。[JP]

關(guān)鍵詞:數(shù)據(jù)融合;協(xié)方差矩陣;多算法協(xié)同定位;最佳線性融合

中圖分類號(hào):TN929.53

文獻(xiàn)標(biāo)識(shí)碼:A

0 引 言

數(shù)據(jù)融合技術(shù)是結(jié)合有關(guān)先驗(yàn)信息,綜合不同處理方法和技術(shù)的優(yōu)點(diǎn)對(duì)不同類型的數(shù)據(jù)進(jìn)行融合,從而獲得比單一處理方法和技術(shù)更優(yōu)數(shù)據(jù)輸出的技術(shù)。目前,一些研究者已經(jīng)在基于JDL數(shù)據(jù)融合模型上面做了很多的工作[2[CD*2]5]。文獻(xiàn)[2[CD*2]5]包括有綜合利用到TOA,TDOA,AOA三種測(cè)量值來(lái)進(jìn)行融合技術(shù),但是由于要進(jìn)行不同參數(shù)的測(cè)量,限制了這些方法的實(shí)用化;文獻(xiàn)[6]雖然單獨(dú)利用TDOA進(jìn)行融合,實(shí)現(xiàn)容易,但對(duì)于移動(dòng)臺(tái)某一個(gè)確定位置,其定位結(jié)果有較大的誤差。

由于基于TDOA的定位方法不需要基站與移動(dòng)臺(tái)之間嚴(yán)格的同步,因此在基于蜂窩網(wǎng)的移動(dòng)臺(tái)定位技術(shù)中,大部分無(wú)線定位算法都是基于TDOA的,其中比較經(jīng)典的算法有Chan算法和泰勒序列展開法。在不同的信道環(huán)境中他們各自具有其特有的優(yōu)點(diǎn),同時(shí)也存在局限性。為了提高移動(dòng)臺(tái)的定位準(zhǔn)確度,將綜合這兩種算法,并且結(jié)合了簡(jiǎn)單的殘差加權(quán)算法,構(gòu)造先驗(yàn)信息,對(duì)Kleine[CD*2]Ostmarm數(shù)據(jù)融合模型[7,8]進(jìn)行改進(jìn),提出一種無(wú)需先驗(yàn)信息的,利用Chan算法和泰勒序列展開法定位結(jié)果進(jìn)行融合的算法協(xié)同定位模型。由于在數(shù)據(jù)融合過程中需要利用簡(jiǎn)單的殘差加權(quán)算法,因此下面先對(duì)之進(jìn)行較為詳細(xì)的介紹。

1 簡(jiǎn)單的殘差加權(quán)算法

設(shè)參與定位的基站個(gè)數(shù)為M≥4,待定位的移動(dòng)臺(tái)坐標(biāo)為(x,y),(x璱,y璱)為第iЦ齷站發(fā)射機(jī)的已知位置。根據(jù)測(cè)量得到的TDOA測(cè)量值可以得到下式:

2 融合方法

各種算法都有其自身的優(yōu)缺點(diǎn),Chan算法和泰勒序列展開法都需要先驗(yàn)信息,在無(wú)法知道先驗(yàn)信息的情況下,都假設(shè)TDOA測(cè)量值的協(xié)方差矩陣為單位矩陣。因此,先用簡(jiǎn)單的殘差加權(quán)法構(gòu)造TDOA測(cè)量值的協(xié)方差矩陣[9](見式(5)),代入這兩種基本算法中,以減少NLOS誤差。此外,對(duì)于泰勒序列展開法,先通過其他算法進(jìn)行初始定位,再將定位結(jié)果作為初始值代入其中進(jìn)行定位計(jì)算。本文提出的多算法協(xié)同定位的數(shù)據(jù)融合模型,如圖1所示,該模型特點(diǎn)如下。

(1) 因?yàn)闆]有任何有關(guān)TDOA測(cè)量值的先驗(yàn)信息,所以Chan算法和泰勒序列展開法中的TDOA測(cè)量值的協(xié)方差矩陣[WTHX]Q[WTBX]是未知的?？梢杂汕懊娑x的殘差函數(shù),將玀S位置初始估計(jì)值(﹛,﹜)代入式(2)得到┟扛霆方程的殘差f璱(﹛,﹜),Я:

將構(gòu)造后的[WTHX]Q[WTBZ]值代入Chan算法和泰勒序列展開法中作為TDOA的協(xié)方差矩陣。文獻(xiàn)[9]中對(duì)此做了詳細(xì)的分析,且結(jié)果表明,將與真實(shí)位置比較接近的初始值代入殘差函數(shù),構(gòu)造TDOA的協(xié)方差矩陣,可以有效改善NLOS誤差對(duì)定位帶來(lái)的不利影響。

(2) 對(duì)于TDOA測(cè)量值,分別采用簡(jiǎn)單殘差加權(quán)法、Chan算法、泰勒序列展開法、第一層數(shù)據(jù)融合和第二層數(shù)據(jù)融合,產(chǎn)生五種定位估計(jì),其中泰勒序列展開法的初值由簡(jiǎn)單殘差加權(quán)法產(chǎn)生。

(3) 第一層數(shù)據(jù)融合

對(duì)于同一組TDOA測(cè)量值分別采用簡(jiǎn)單殘差加權(quán)法、Chan算法和泰勒序列展開法進(jìn)行定位估計(jì),每種算法的加權(quán)系數(shù)玆璳,則:

式中:[WTHX][WTBX]璳=[x,y]玊為第k種算法的定位結(jié)果;[WTHX]X[WTBX]璱=[x璱,y璱]玊為參與定位的第i個(gè)基站的坐標(biāo);獴SN為BS數(shù)目;r﹊,1為移動(dòng)臺(tái)到各基站的測(cè)量距離差,即對(duì)應(yīng)的TDOA測(cè)量值。則加權(quán)后的定位結(jié)果:

И[HJ][WTHX][WTBX]1=(∑Kx璳R-1璌)/(∑KR-1璌)[JY](7)И[HJ]

式中:獽為算法數(shù)目。

(4) 第二層數(shù)據(jù)融合

該層依舊采用加權(quán)方式進(jìn)行數(shù)據(jù)融合,在這層進(jìn)行融合的定位估計(jì)有3種,設(shè)每種的加權(quán)系數(shù)為玆﹌′,則定義:

(5) 第四層數(shù)據(jù)融合

該層數(shù)據(jù)融合采用文獻(xiàn)[10]方法進(jìn)行加權(quán)處理,假定Chan算法、泰勒序列展開法、第一層數(shù)據(jù)融合和第二層數(shù)據(jù)融合的定位估計(jì)值的均值和方差分別為X┆玞玬,X

3 算法仿真及性能討論

采用標(biāo)準(zhǔn)7基站/小區(qū)蜂窩網(wǎng)絡(luò),小區(qū)半徑為3 000 m。其中第一個(gè)基站為服務(wù)基站,如圖2所示。

信道模型采用C0ST259,環(huán)境分別為鬧市區(qū)、一般市區(qū)、郊區(qū)和遠(yuǎn)郊。由于該算法主要是為了減少非視距對(duì)定位精度的影響,因此這里主要對(duì)在鬧市區(qū)的情況進(jìn)行較為詳細(xì)的分析。為了驗(yàn)證該模型的性能,在服務(wù)基站的第一扇區(qū)內(nèi)隨機(jī)選擇了12個(gè)待定位點(diǎn),這12個(gè)點(diǎn)隨機(jī)分布在相鄰距離為200 m的同心圓上,每個(gè)點(diǎn)重復(fù)仿真200次,將數(shù)據(jù)融合各層定位結(jié)果定位均方根誤差和均值誤差與融合結(jié)果比較,以及將數(shù)據(jù)融合各層誤差小于150 m和小于300 m的概率進(jìn)行比較,最后比較本融合結(jié)果與傳統(tǒng)的Chan算法比較。オ[KH-1]

如圖3所示,得到:經(jīng)過融合以后,融合結(jié)果相對(duì)于參與融合的各層,其定位均方根誤差有明顯的減小,但均值誤差并不是最低,這是因?yàn)闆Q策層是用基于最小均方誤差的最優(yōu)線性融合的方法來(lái)進(jìn)行融合的。它只能保證融合后的結(jié)果比參與融合各層的均方根誤差都小,而無(wú)法保證定位的均值誤差也比各層的都小。

如圖4所示,得到,在定位誤差小于150 m概率比較時(shí),第一層和第二層融合出現(xiàn)了融合結(jié)果的概率小于Chan算法。這是因?yàn)檫@兩層都是利用線性加權(quán)的方法進(jìn)行融合的,如果有一個(gè)或者若干基站的定位結(jié)果較差,那么就會(huì)導(dǎo)致這層融合結(jié)果較差。當(dāng)初始值定位較差時(shí)候,也可能會(huì)導(dǎo)致泰勒序列展開法在鬧市環(huán)境下比Chan算法差。

從圖5可以看到,融合結(jié)果無(wú)論在定位誤差均值還是在均方根誤差指標(biāo)上都比傳統(tǒng)的Chan算法優(yōu)越。在較為嚴(yán)重的非視距環(huán)境下,該算法具有較好的適應(yīng)性。第一層和第二層都是采用的殘差融合方法可以對(duì)非視距影響較大的估計(jì)分配較小的加權(quán)因子,因而也可以減小非視距的影響,并且非視距影響越大,這種效果就越明顯。因此本融合模型的定位精度要比Chan算法高,具有一定的實(shí)用性。

4 結(jié) 語(yǔ)

在蜂窩網(wǎng)絡(luò)定位系統(tǒng)中,由于基于單個(gè)測(cè)量值的定位方法以及單個(gè)算法的定位精度有限,因此Kleine[CD*2]Ostmann提出了一種基于JDL的三層定位數(shù)據(jù)融合模型。為了在沒有任何信道環(huán)境先驗(yàn)信息的情況下,融合不同TDOA定位算法的優(yōu)點(diǎn),討論了一種針對(duì)不同TDOA定位算法融合的新型數(shù)據(jù)融合模型,利用簡(jiǎn)單的殘差加權(quán)算法得到第一步定位估計(jì)值,構(gòu)造TDOA協(xié)方差矩陣和作為泰勒序列展開法的初始值,并且利用線性加權(quán)和貝葉斯推論等融合方法,得到最好定位結(jié)果。仿真結(jié)果表明,在非視距環(huán)境下,該模型有效提高了移動(dòng)臺(tái)的定位精度,且不需要先驗(yàn)信息。

參 考 文 獻(xiàn)

[1]Ostmann T Kleine,Bell A.A Data Fusion Architecture for Enhanced Position Estimation in Wireless Networks[J].IEEE Communication Letters,2001,5(8):343[CD*2]345.

[2]杜海兵,王民北.數(shù)據(jù)融合技術(shù)在無(wú)線移動(dòng)定位中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2005(16):153[CD*2]155,161.

[3]孫國(guó)林,郭偉.基于數(shù)據(jù)融合的蜂窩無(wú)線定位算法研究[J].通信學(xué)報(bào),2003,24(1):137[CD*2]142.

[4]劉軍民,張展,劉石.基于數(shù)據(jù)融合技術(shù)的TDOA移動(dòng)臺(tái)定位方法[J].大連理工大學(xué)學(xué)報(bào),2005,45(1):138[CD*2]141.

[5]陳朝,昂志敏.一種基于數(shù)據(jù)融合的蜂窩無(wú)線定位算法模型[J].國(guó)外電子測(cè)量技術(shù),2008,27(3):27[CD*2]30.

[6]鄧平, 劉林, 范平志.移動(dòng)臺(tái)定位估計(jì)數(shù)據(jù)融合增強(qiáng)模型及其仿真研究[J].通信學(xué)報(bào),2003,24(11):165[CD*2]17.

[7]范平志,鄧平,劉林.蜂窩網(wǎng)絡(luò)無(wú)線定位[M].北京:電子工業(yè)出版社,2002.

[8]袁登科.蜂窩網(wǎng)絡(luò)消除非視距傳播誤差影響的定位算法研究[D].成都:西南交通大學(xué),2005.

[10]李啟虎.獨(dú)立觀測(cè)資料的最佳線性數(shù)據(jù)融合[J].聲學(xué)學(xué)報(bào),2000,25(5):385[CD*2]388.

科學(xué)計(jì)算與信息處理王 凱等:基于結(jié)點(diǎn)等效功率法的地區(qū)電網(wǎng)網(wǎng)損計(jì)算及分析