張 毅，徐昌慶，萬 群

(1.華為技術(shù)有限公司，上海 201206；2.上海交通大學(xué)電子信息與電氣工程學(xué)院，上海 200240；3.電子科技大學(xué)信息與通信工程學(xué)院，成都 611731)

0 引言

移動網(wǎng)絡(luò)定位是對衛(wèi)星定位系統(tǒng)的重要和有益補充，尤其是在衛(wèi)星信號覆蓋不足的區(qū)域或多徑豐富的區(qū)域，如室內(nèi)、密集城區(qū)等。移動網(wǎng)絡(luò)自身的技術(shù)特點如多天線、大帶寬、高覆蓋率等，使得其在定位領(lǐng)域具備獨特價值。隨著物聯(lián)網(wǎng)、車聯(lián)網(wǎng)的廣泛應(yīng)用，多種定位技術(shù)將相互補充、相互融合，提供高可用性、高精度、高可靠的綜合定位解決方案。

典型的無線網(wǎng)絡(luò)定位技術(shù)包括：小區(qū)ID識別、基于接收信號強度的射頻指紋匹配或傳播距離推算，以及基于無線信號到達(dá)時間/到達(dá)時間差、到達(dá)角度估計的算法等。此外，第三代合作伙伴計劃(3rdGeneration Partnership Project，3GPP)在標(biāo)準(zhǔn)中也制訂了與全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Naviga-tion Satellite System，GNSS)、慣性測量單元(Iner-tial Measurement Unit，IMU)、Wi-Fi以及氣壓計等多種定位源融合的協(xié)議規(guī)范。

上述定位技術(shù)中，基于小區(qū)ID識別的定位精度取決于基站覆蓋半徑或站間距，一般誤差在數(shù)十到上百米之間；基于接收信號強度的射頻指紋匹配技術(shù)，由于需要大量的指紋采集和維護(hù)工作，在實際工程應(yīng)用中難度較大；基于接收信號強度的傳播距離推算，同時受無線信道模型、收發(fā)天線位姿及方向圖、饋線損耗等多重因素影響。在4G和5G無線網(wǎng)絡(luò)中，基于到達(dá)時間/到達(dá)時間差、到達(dá)角度等以參數(shù)估計為基礎(chǔ)的定位技術(shù)，以及多源融合定位技術(shù)，日益成為研究的重點。

參照一般業(yè)界觀點，本文把基于小區(qū)ID識別、接收信號強度的指紋匹配或傳播距離推算的技術(shù)歸為非參數(shù)估計定位技術(shù)；把基于到達(dá)時間/到達(dá)時間差以及到達(dá)角度的技術(shù)歸為參數(shù)估計定位技術(shù)；而與GNSS、IMU、Wi-Fi、氣壓計的融合等歸為融合定位技術(shù)。

1 基于非參數(shù)估計的移動網(wǎng)絡(luò)定位關(guān)鍵技術(shù)

移動網(wǎng)絡(luò)的基本單元為小區(qū)(cell)，小區(qū)核心設(shè)備是基站，基站的主要功能模塊包括天線/饋線、遠(yuǎn)程射頻單元(Remote Radio Unit，RRU)、基帶單元(Baseband Unit，BBU)，以及主控與傳輸單元等。每個小區(qū)按照網(wǎng)絡(luò)規(guī)劃，覆蓋一定的地理區(qū)域，在城市環(huán)境下，小區(qū)的典型覆蓋半徑為數(shù)百米；在郊區(qū)環(huán)境下，小區(qū)的典型覆蓋半徑為數(shù)千米。終端用戶一般指手機(jī)，通過同步與隨機(jī)接入過程，建立起與小區(qū)的連接，進(jìn)行數(shù)據(jù)和話音傳輸。移動網(wǎng)絡(luò)通過cell ID標(biāo)識每個小區(qū)。因此，網(wǎng)絡(luò)側(cè)可以用終端用戶接入小區(qū)的cell ID及其覆蓋的地理區(qū)域來粗略表征位置，如圖1所示。作為最基本的定位方法，其已經(jīng)在全球部分運營商網(wǎng)絡(luò)中獲得商用。

圖1 基于小區(qū)ID的定位Fig.1 Cell ID based positioning

單純基于小區(qū)ID的定位方案，精度受小區(qū)覆蓋半徑的影響，一般誤差較大，需要與其他技術(shù)結(jié)合。

基于接收信號強度的定位方法可大致劃分為傳播路徑長度推算和射頻指紋匹配兩種。前者依賴于無線信號的空間傳播損耗，其中空曠的自由空間傳播損耗公式如下：

Lfs=32.44+20lgd+20lgf

(1)

式中，路徑損耗與傳輸距離d平方成正比，與信號頻率f平方成正比。實際應(yīng)用場景中，考慮多徑等因素的影響，傳播損耗與傳輸距離立方甚至更高的n次冪成正比，n為路徑損耗因子。此外，多個國際技術(shù)組織如EURO-COST也針對不同場景，通過大量實測數(shù)據(jù)，擬合了空間傳播損耗模型，典型的如COST231-Hata模型[1]應(yīng)用于郊區(qū)場景的路徑損耗公式如下：

L(dB)= 46.33+(44.9-6.55lght)lgd+

33.9lgf-((1.1lgf-0.7)hr-1.56lgf+0.8)-13.82lght

(2)

其中，ht為發(fā)射天線高度，hr為接收天線高度。

對室內(nèi)傳播而言，由于一般遮擋或反射及折射嚴(yán)重，加之近場效應(yīng)的存在，很難得到一個通用性好的空間傳播損耗模型。

在接收機(jī)側(cè)，信號強度還受基站和終端天線增益、饋線損耗等因素的綜合影響：

RSRP=Pt+Gr+Gt-Lc-L

(3)

其中，Pt為信號發(fā)射功率，Gr、Gt分別為接收機(jī)和發(fā)射機(jī)的天線增益，Lc為饋線損耗(以上參數(shù)均表示為dB值)。其中，天線增益G本身受水平和垂直方向性的影響，與位置有關(guān)，而路徑損耗因子與天線掛高、傳播環(huán)境相關(guān)，很難事先測定或建模，這些都決定了算法的應(yīng)用有效性及精度一般難以達(dá)到預(yù)期。

基于接收信號強度的指紋算法基于如下假設(shè)：每個位置及其周邊一定范圍區(qū)域的接收信號強度相近，可通過將基站覆蓋區(qū)域劃分成若干網(wǎng)格，長期手動或自動采集網(wǎng)格中的接收信號強度，并建立數(shù)據(jù)庫，作為后續(xù)射頻指紋匹配的基礎(chǔ)。根據(jù)待定位終端的接收信號強度，采用K最鄰近(K-Nearest Neighbor, KNN)等準(zhǔn)則[2]，判斷終端所在網(wǎng)格，如圖2所示。

圖2 基于網(wǎng)格的射頻指紋匹配Fig.2 Grid based radio-finger-print matching

此類方法有其實用價值，可用于手機(jī)分布的熱力圖研究，并提升無線網(wǎng)絡(luò)規(guī)劃性能，在中國移動(China Mobile Communications Group Co.,Ltd.，CMCC)等網(wǎng)絡(luò)有所應(yīng)用。該方法的主要問題包括：采集及建庫工程量大，在采集過程中，需要已知終端位置(實際工作中一般通過最小化路測(Minimization of Drive-Test，MDT)實現(xiàn))；待定位終端的姿態(tài)一般是不確定的，不同的傾斜角度、不同的持握方式，或者同一水平位置不同的垂直高度，都使得接收信號強度會離預(yù)期值有較大的偏差。

此外，接收信號強度也可與小區(qū)ID一起，進(jìn)一步提升定位精度，構(gòu)成增強cell ID技術(shù)，并在運營商網(wǎng)絡(luò)中逐步推廣應(yīng)用，目前國內(nèi)某運營商正在廣州測試驗證。

2 基于參數(shù)估計的移動網(wǎng)絡(luò)定位關(guān)鍵技術(shù)

移動網(wǎng)絡(luò)定位中的參數(shù)估計包括：到達(dá)時間(Time Of Arrival，TOA)、上行信號到達(dá)時間差(Uplink Time Difference Of Arrival，U-TDOA)、下行信號到達(dá)觀測時間差(Observed Time Difference Of Arrival，O-TDOA)，以及上行信號到達(dá)角度(Angle Of Arrival，AOA)等?；趨?shù)估計的定位方案和算法理論上可獲得更高的精度，部分場景下甚至接近實時動態(tài)(Real-Time Kinematic，RTK)定位的性能，目前主流的移動網(wǎng)絡(luò)運營商如CMCC、Vodafone、DT、Verizon及設(shè)備制造商Huawei、Ericsson、Nokia、ZTE和芯片廠商如Qualcomm、HiSilicon等都在此領(lǐng)域投入了大量技術(shù)和標(biāo)準(zhǔn)研究。

其中，TOA技術(shù)通過測量無線電信號的傳播時間，乘以電磁波傳播速度來計算節(jié)點之間的距離，進(jìn)而解算用戶終端位置。在某些場景下，TOA和飛行時間(Time Of Flight，TOF)可混用，均指無線信號在收發(fā)天線相位中心之間的傳播時間。直接采用TOA算法面臨的問題是發(fā)射機(jī)和接收機(jī)必須精確同步，在傳輸信號的過程中需要標(biāo)記時間戳。典型的實現(xiàn)方式如下：

(4)

如圖3所示，Tround和Tprop分別表示由基站和終端時間戳標(biāo)記的環(huán)回和響應(yīng)時間。由公式可知，TOF精度與環(huán)回/響應(yīng)時間有關(guān)，時間越長，誤差越大，此外基站和終端時鐘偏差越大，TOF也越大。在此基礎(chǔ)上，可引入雙邊雙向測距，抑制時鐘偏差影響。

TOA/TOF在部分定位系統(tǒng)如超寬帶(Ultra Wideband，UWB)中有所應(yīng)用，Decawave公司的芯片即支持該方案，但需要多次交互，功耗較大且定位用戶容量較低，更重要的是需要標(biāo)定天線等器件的群時延并予以補償，這在實際無線通信網(wǎng)絡(luò)中實現(xiàn)是比較困難的，因此一般較少直接應(yīng)用(LTE 36.214標(biāo)準(zhǔn)中定義了類似的機(jī)制，但幾乎沒有廠家開發(fā)此特性，也沒有在網(wǎng)絡(luò)中得到應(yīng)用)。業(yè)界更傾向于通過多個站點TOA求差，得到TDOA，消除非理想同步的影響，也無需通過復(fù)雜機(jī)制添加時間戳。TDOA算法的核心思想是通過檢測信號到達(dá)多個測量單元的時間差，在此基礎(chǔ)上解算終端相對位置。TDOA算法解算終端二維坐標(biāo)，可以用3個不同的基站測量得到2組TDOA值，終端位于由2組TDOA確定的雙曲線的某一支上，如圖4所示。解算三維坐標(biāo)需要至少4個基站。

TDOA算法是對TOA算法的改進(jìn)，不直接使用信號到達(dá)時間，不需要加入專門的時間戳，可應(yīng)用于現(xiàn)有移動通信系統(tǒng)，對網(wǎng)絡(luò)的要求相對較低。

目前主流的終端芯片都已支持O-TDOA，即手機(jī)接收基站發(fā)射的定位導(dǎo)頻信號(Positioning Reference Signal，PRS)并測量反饋導(dǎo)頻時間差(Reference Signal Time Difference，RSTD)到服務(wù)器，由服務(wù)器解算。由于北美有E911強制要求，Verizon、Rogers等運營商均支持該定位方式，北美銷售的LTE終端普遍也開通了此功能。國內(nèi)沒有類似的強制要求，出于隱私保護(hù)的考慮，網(wǎng)絡(luò)和終端沒有開通此類業(yè)務(wù)，這也給用戶報警等緊急情況下的定位帶來一定的困難。

AOA算法是利用陣列天線測量信號入射方向，進(jìn)而估算出用戶終端位置。該方案需要在不同的地方部署2個及以上帶有天線陣列并校準(zhǔn)的節(jié)點。特別地，在已知基站和終端高度時，可通過俯仰角和方位角估計信息，利用單節(jié)點實現(xiàn)定位；此外，在得到AOA和TOF估計值的情況下，也可以通過求解表征角度的射線與表征傳播距離的圓的焦點，實現(xiàn)單節(jié)點定位。在現(xiàn)有移動網(wǎng)絡(luò)中，由于陣元數(shù)目、間距等約束，以及施工過程中有時沒有準(zhǔn)確標(biāo)定陣列方位角，AOA算法沒有得到普遍應(yīng)用，但基于上述單節(jié)點定位等特性，預(yù)計在5G網(wǎng)絡(luò)中的應(yīng)用會逐步廣泛，下文中有所論述。

2.1 移動網(wǎng)絡(luò)定位中的TOA/TDOA參數(shù)估計算法

對TOA進(jìn)行估計，在信道單徑條件下可推導(dǎo)其無偏估計方差的克拉美羅下界[3-4]為：

(5)

同理，多徑下TOA參數(shù)估計的精度取決于無線信號的帶寬、接收信噪比、多徑分量的組成[5]。為接近或達(dá)到上述理論界，同時兼顧實現(xiàn)復(fù)雜度等工程約束，需要仔細(xì)選擇并優(yōu)化TOA/TDOA估計算法。

TOA/TDOA估計算法一般包括如下幾類：

1)基于互相關(guān)、廣義互相關(guān)、匹配濾波等相關(guān)類算法，接收機(jī)采用本地參考信號在時域循環(huán)移位與接收信號做相關(guān)運算，尋找峰值最大的點，將其坐標(biāo)作為對應(yīng)的時延量。

具體實現(xiàn)中，如果接收機(jī)具備快速傅立葉變換(Fast Fourier Transformation，F(xiàn)FT)加速器，時域循環(huán)相關(guān)運算也可以轉(zhuǎn)換為頻域乘法，降低復(fù)雜度。此類方法受多徑等因素影響較大，性能相對有限，一般用在GNSS或移動通信網(wǎng)絡(luò)的信號捕獲階段。

廣義互相關(guān)法(General CrossCorrelation，GCC)[6]作為這類方法的代表，通過對接收信號進(jìn)行預(yù)處理，使參考信號與接收信號的相關(guān)峰更尖銳，從而提升估計性能。常用的GCC加權(quán)函數(shù)包括：ROTH、SCOT、PATH等，此類加權(quán)函數(shù)的構(gòu)造需要信號和噪聲的統(tǒng)計信息，在實際系統(tǒng)中一般難以獲取。

2)基于特征結(jié)構(gòu)的估計方法。

此類方法以對接收信號協(xié)方差矩陣特征分解為基礎(chǔ)，根據(jù)特征值分布，分離信號子空間和噪聲子空間，進(jìn)而通過空間譜估計得到接收信號的TOA值。此類方法包括MUSIC[7-8]、Root-MUSIC、MUSIC-Tde[9]、ESPRIT[10]、最大熵譜等，能在樣本數(shù)較少的情況下，實現(xiàn)小于采樣時間的超分辨率估計，相對于Capon[11]等波束成形算法在分辨率上有優(yōu)勢。這些算法的一般問題是運算量較大，尤其是大規(guī)模協(xié)方差矩陣的特征值分解非常復(fù)雜，為提升綜合效率一般采用定點化運算，往往導(dǎo)致噪聲子空間估計誤差累積。此外，此類算法在衰落信道下性能有所惡化。

將空間譜估計領(lǐng)域算法用于TOA/TDOA估計可得到小于采樣間隔的估計值。典型的MUSIC算法得到協(xié)方差矩陣并分離噪聲子空間后，計算偽譜：

(6)

其中，A表示導(dǎo)向矢量或信號陣列，UN表示由特征分解得到的噪聲子空間，通過在PMUSIC表征的偽譜上搜索峰值來求解參數(shù)估計值。算法要求噪聲為加性高斯分布(Additive White Gaussian Noise，AWGN)、噪聲與信號之間相互正交、多個信號源之間相互獨立或通過空間平滑[12-13]等算法去相關(guān)。此外，信源數(shù)目的估計精確性也會對性能造成一定的影響，常用算法包括基于信息論的MDL[15-16]、AIC[17]等，普遍存在要求樣本或快拍數(shù)較多、信噪比較高等問題，其中AIC在信源數(shù)較少時還存在過估計的問題。

3)基于代價函數(shù)的估計方法

通過建立代價函數(shù)并以平均代價最小為準(zhǔn)則，求解最優(yōu)時延估計值。常見算法包括最小均方誤差(Minimum Mean Squared Error，MMSE)、最大似然(Maximum Likelihood，ML)、非線性最小二乘(Non-linear Least Squares，NLS)等。此類算法一般對信號統(tǒng)計特征無要求，理論上可實現(xiàn)分辨率小于采樣時間的超分辨率時延估計。多徑信號的時延估計問題屬于多維優(yōu)化，直接使用最大似然法的計算復(fù)雜度很高?；贛L準(zhǔn)則的最大期望(Expectation Maximum，EM)[18]、基于MMSE準(zhǔn)則的WRELAX[19]等算法通過一維優(yōu)化代替多維優(yōu)化，嘗試簡化復(fù)雜度。在 EM 算法中，多維優(yōu)化的多參數(shù)估計問題被轉(zhuǎn)換成多個一維優(yōu)化問題，通過參數(shù)迭代的方法求取多個一維問題的最優(yōu)解，該方法在控制算法復(fù)雜性的同時不降低算法的估計精度。

4)SAGE/CAF等多徑迭代求解算法

在上述算法的基礎(chǔ)上，新的算法如利用信道稀疏性的稀疏表示[20-22]，以及SAGE[23]、CAF[24]等算法不斷涌現(xiàn)，為實現(xiàn)超分辨率時延估計進(jìn)一步提供了可能。

其中基于交叉模糊度函數(shù)(Cross Ambiguity Function，CAF) 的信道參數(shù)估計方法在無線信道建模與參數(shù)估計方面都有一定的效果。與SAGE 類似，CAF也是一種迭代技術(shù)，每一次迭代估計一條徑的參數(shù)，再根據(jù)估計所得的參數(shù)重構(gòu)這條徑的接收信號，然后從總的接收信號中減去該信號，如此循環(huán)迭代，直到估計出所有多徑信號的參數(shù)為止。將第m個天線的接收信號xm(t)和訓(xùn)練信號s(t)的交叉模糊函數(shù)定義如下：

(7)

只要xm(t)和s(t)的時延和Dopper頻移不重疊，就可以在CAF域?qū)⑦@2個信號分開。如果入射到接收天線陣列上的信號相位未知，那么可以利用所有天線單元輸出端的CAF幅度的平均值粗略估計信號的時延和Doppler頻移，即定義非相干CAF如下：

(8)

一旦交叉模糊函數(shù)的峰值位置確定，可以定義如下形式的向量Pi：

(9)

而波達(dá)角則可以通過下面的優(yōu)化問題估計：

有了第i條徑的角度信息就可以把各個天線單元接收到的該條徑相干疊加， 并且可以基于此計算相干交叉模糊函數(shù)：

(10)

接下來借助第i條徑的波達(dá)角、時延、Doppler頻移和接收陣列的結(jié)構(gòu)特征,重構(gòu)該條徑在各個接收天線單元的接收信號：

(11)

其中,βm,i是第i條徑到達(dá)第m個天線的衰減因子，βm,i可以通過下式估計：

(12)

(13)

一旦得到衰減因子βi，就可以完全重構(gòu)出第i條徑對應(yīng)的接收信號，因此，可以從總的接收信號中把這條徑對應(yīng)的信號減去。然后重復(fù)上述過程，繼續(xù)估計剩余的多徑參數(shù)。

5)基于人工智能的參數(shù)估計

隨著人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)[25]等技術(shù)的興起，陸續(xù)有學(xué)術(shù)界和工業(yè)界的專家學(xué)者探索將其用于參數(shù)估計。

圖5中，輸入層可設(shè)置為頻域或時域信道CSI數(shù)據(jù)，隱含層可設(shè)置為2～3層或更多，輸出為TOA或AOA參數(shù)估計值。華為公司無線定位能力中心采用10萬個信道數(shù)據(jù)作為樣本，其中7萬個用作訓(xùn)練，3萬個用于測試，從仿真結(jié)果來看性能較好，但用實際數(shù)據(jù)測試發(fā)現(xiàn)泛化能力還待加強，而且目前深度學(xué)習(xí)技術(shù)尚處于黑盒階段，難以跟蹤并定位其中的問題，在實際應(yīng)用還需要進(jìn)一步加深研究。

圖5 基于機(jī)器學(xué)習(xí)的參數(shù)估計Fig.5 Machine learning based parameter estimation

6)TOA估計的其他研究領(lǐng)域

業(yè)界研究的熱點還包括多徑、多信號源、有色噪聲、非平穩(wěn)信號等環(huán)境下的時延估計，提出了高階理論、分定分布、循環(huán)平穩(wěn)等理論，解決上述模型下算法的有效性和魯棒性問題。

傳統(tǒng)TOA參數(shù)估計的克拉美羅界推導(dǎo)一般基于單天線系統(tǒng)。無線網(wǎng)絡(luò)從4G開始，引入多天線技術(shù)以支持更大的系統(tǒng)容量。在此基礎(chǔ)上，參數(shù)估計的克拉美羅界預(yù)計會進(jìn)一步下降，仿真均方根誤差(Root Mean Squared Error，RMSE)結(jié)果也基本證明了這一點，目前業(yè)界還沒有完成并公開詳細(xì)理論推導(dǎo)。

對TDOA定位而言，需要在定位節(jié)點之間保證精準(zhǔn)同步，常見的同步方式包括GNSS、1588V2等。通過光纖分布式網(wǎng)絡(luò)傳送時鐘信息，可以實現(xiàn)ns甚至更高精度級同步。在以太網(wǎng)上，也成功實現(xiàn)了ns級同步。此外，合理的空口同步方式，也可接近類似的性能。

7)TOA/TDOA定位進(jìn)展

華為公司無線定位能力中心與上海交大導(dǎo)航所、電子科大、東南大學(xué)、西電、光電院測地所等單位合作，在交大閔行校區(qū)利用LTE網(wǎng)絡(luò)，實現(xiàn)了10m以內(nèi)精度的定位，并采用NR 100MHz帶寬信號，在某機(jī)場實現(xiàn)了亞米級定位。

2.2 移動網(wǎng)絡(luò)定位中的角度參數(shù)估計算法

與基于TOA/TDOA的定位方法相比，基于AOA的方法優(yōu)勢在于：不同基站之間(或用戶終端與基站之間)不需要高精度同步，理論上定位需要的基站數(shù)也少于TDOA。

用于AOA測量的常見天線陣列包括：

1)均勻線陣

如圖6所示，均勻線陣(Uniform Linear Array, ULA)是常見的陣列形式，各陣元均勻分布在一條直線上。ULA是一般算法研究的基礎(chǔ)，在移動網(wǎng)絡(luò)中可用于估計終端上行信號的入射角。常用算法包括CAPON、Bartlett、MUSIC以及壓縮感知和稀疏表示等。在偏離ULA陣列法線的區(qū)域參數(shù)估計方差較大。此外在傳統(tǒng)算法的基礎(chǔ)上，可以通過快速傅里葉變換等多種方案降低運算復(fù)雜度。

圖6 均勻線陣Fig.6 Uniform linear array

2)矩形陣列

矩形陣列是5G的備選陣列之一，如圖7所示，天線陣元呈矩形分布。在此基礎(chǔ)上，可以實現(xiàn)方位角和俯仰角的聯(lián)合估計，進(jìn)而實現(xiàn)一定場景下的單站定位。常見算法包括CAPON、Bartlett或二維MUSIC在大陣列下都比較有效，但需要重點解決運算復(fù)雜度的問題。

圖7 矩形陣列Fig.7 Rectangular array

3)均勻圓形陣列

如圖8所示，天線陣元均勻分布在圓周上。均勻圓陣可實現(xiàn)360°無模糊的方位角估計，同時實現(xiàn)俯仰角估計(在靠近法線的方向估計方差較大)，但由于其導(dǎo)向矢量不具備范德蒙形式，需要采用模式激勵[26]等算法進(jìn)行變換。Quuppa公司將其應(yīng)用到局域定位中，取得了一定的效果；在廣域移動網(wǎng)絡(luò)中，需要綜合考慮多天線下的系統(tǒng)性能，包括容量和覆蓋，圓陣用得很少。

圖8 均勻圓陣Fig.8 Uniform circular array

4)實際天線陣列

實際應(yīng)用中，移動網(wǎng)絡(luò)基站天線設(shè)計出于兼容多個頻點多種制式的考慮，一般陣列形式與上述經(jīng)典形式不同，如普遍天線陣元間隔大于半波長，造成空間欠采樣從而影響估計精度，甚至出現(xiàn)虛假譜峰現(xiàn)象；此外高增益定向天線垂直方向由多個陣列合成，在此情況下，傳統(tǒng)的AOA參數(shù)估計算法也需要做相應(yīng)優(yōu)化，例如波束空間MUSIC[27]。

一般在角度估計算法研究中，默認(rèn)已知信源數(shù)目或多徑數(shù)目，這在實際系統(tǒng)中，往往是難以實現(xiàn)的，導(dǎo)致部分算法失效。

近年來出現(xiàn)的壓縮感知(Compressed Sensing，CS)用于參數(shù)估計[28]，用低于奈奎斯特采樣率的信號壓縮方法，可以在相同的陣列規(guī)模獲取更多的目標(biāo)信息和更高的分辨率。此外，還可以利用多個陣列共同進(jìn)行定位計算。協(xié)陣列是一種應(yīng)用比較廣泛的聯(lián)合角度估計方法，上海交大、電子科大等在研究使用多個陣元數(shù)量有限的陣列來提高估計性能。

在天線陣元數(shù)目有限的情況下，斯坦福大學(xué)提出的Spotfi算法[29]可以通過大帶寬擴(kuò)展二維空間-頻域譜，并通過巧妙的方式實現(xiàn)了多徑下的空間平滑，是一個不錯的方案，相對于傳統(tǒng)的角度-時延聯(lián)合估計算法[30]具有一定優(yōu)勢。該算法在Wi-Fi上得到了驗證，也可以推廣到LTE或5G中，當(dāng)然，其中采用MUSIC算法需要解決的徑數(shù)估計問題，在有限快拍或樣本下尚無高可信度的解決方案。

2.3 移動網(wǎng)絡(luò)定位中的解算及濾波算法

移動網(wǎng)絡(luò)定位解算算法相對成熟，常見的如LS及Fang[31]、Talyor[32]、Chan[33]等都有較好的性能，在實際測試中差異較小，但Taylor級數(shù)展開算法需要獲取初值。在參數(shù)估計準(zhǔn)確的條件下，可以結(jié)合GDOP、SNR等進(jìn)行合理的定位站點選取，進(jìn)一步優(yōu)化解算性能。

特別地，對存在固定定時偏差的若干個基站，可采用Gauss-Newton法，實現(xiàn)多個終端的同時解算。但一般需要有相對精確的初始值，才能保證迭代過程收斂。

對移動終端的位置跟蹤，可以采用卡爾曼濾波[34]、擴(kuò)展卡爾曼濾波[35-36]或粒子群濾波，修正誤差。

3 移動網(wǎng)絡(luò)定位面臨的技術(shù)挑戰(zhàn)

移動網(wǎng)絡(luò)定位面臨的技術(shù)挑戰(zhàn)包括：

1)定位節(jié)點數(shù)目受限。傳統(tǒng)的衛(wèi)星導(dǎo)航系統(tǒng)通過利用多顆在軌衛(wèi)星實現(xiàn)目標(biāo)定位，而移動通信網(wǎng)絡(luò)一般基于容量和覆蓋進(jìn)行網(wǎng)絡(luò)規(guī)劃，客觀上限制了能參與定位的基站數(shù)目，終端用戶視距可見基站數(shù)目一般為1～4個。

2)無線傳播環(huán)境復(fù)雜，用于測量和測距的無線信號受室內(nèi)外傳播環(huán)境如墻壁、物體、人等的遮擋和散射，導(dǎo)致不同程度的多徑效應(yīng)，從而影響TOA、TDOA、AOA的估計準(zhǔn)確度；此外，多徑導(dǎo)致的各信源相干，不能滿足部分傳統(tǒng)算法默認(rèn)的條件，必須采用空間平滑等算法加以優(yōu)化。

3)由于傳播路徑上障礙物的存在， 非視距(Non-Line of Sight，NLOS)導(dǎo)致信號首徑丟失或者弱化，嚴(yán)重影響定位性能。目前業(yè)界已經(jīng)有很多算法和方案嘗試解決此問題，包括利用殘差法[37]大概率識別NLOS站點、終端附加IMU進(jìn)行航位推算，以及下文提到的標(biāo)準(zhǔn)中定義的定位Only站點。

采用TDOA指紋匹配的算法，解決NLOS下的定位誤差問題，是一種可能的方案，但在下述場景中，此類方案及算法仍然存在失效的可能，如圖9所示。

圖9 NLOS下的TDOA匹配Fig.9 Ambiguity of TDOA matching in NLOS

圖9中，點A由于NLOS導(dǎo)致TDOA引入誤差，解算到點A′，即A和A′有相似的TDOA值(歸一化之后)，單獨的匹配無法正確區(qū)分這2個點。

4 移動網(wǎng)絡(luò)定位相關(guān)標(biāo)準(zhǔn)

3GPP在LTE標(biāo)準(zhǔn)中支持基于UTDOA和AOA的定位，以及基于OTDOA的定位，包括定位參考信號和過程[38]。其中R9規(guī)范里，對下行定位導(dǎo)頻信號PRS做了專門的規(guī)定。定位信號能夠通過特定的天線端口發(fā)送到接收端，這可以減小定位信號與有用數(shù)據(jù)之間的相互干擾，加快LTE定位的商用化速度。

PRS信號需滿足資源開銷可控以降低對系統(tǒng)容量的影響，峰均比較低以提升功放效率，此外需具備較強的自相關(guān)和正交特性，使接收機(jī)信號捕獲時比較容易獲取相關(guān)峰，并消除鄰小區(qū)信號的干擾，保證TOA/TDOA參數(shù)估計的精確度。

Normal CP下，PRS pattern定義如圖10所示。

圖10 定位導(dǎo)頻時頻域映射(NCP)Fig.10 Resource mapping of PRS(NCP)

LTE R14版本中，定義了PRS ID與小區(qū)ID解耦，有利于實現(xiàn)定位Only站點[39]，即定位站可在物理上獨立存在，只按配置在對應(yīng)時頻資源發(fā)射PRS，終端根據(jù)接入基站的指示，測量定位Only站的PRS，并以正常方式反饋RSTD，由服務(wù)器實現(xiàn)解算，這對解決NLOS問題是一個很大的突破，理論上可以實現(xiàn)低成本的按需部署，保證定位的精度和可用性，這也是移動網(wǎng)絡(luò)定位相對衛(wèi)星定位的一個獨特優(yōu)勢。

對上行定位技術(shù)，可以采用探測參考信號(Sounding Reference Signal，SRS)或其他信號，進(jìn)行時域、頻域參數(shù)估計或其他增強算法，完成高精度定位。

在LTE R15規(guī)范里，還制訂了通過SIB信息傳輸DGNSS差分改正數(shù)的標(biāo)準(zhǔn)[40]，包括RTD、RTK。該方案得到了一些主要移動網(wǎng)絡(luò)運營商如德電的支持，并進(jìn)行了實際測試，效果良好。

作為下一代移動通信系統(tǒng)，5G對業(yè)務(wù)速率、頻譜效率、能量效率、連接延遲、移動速率和可靠性等關(guān)鍵指標(biāo)的描述如圖11所示。

圖11 5G關(guān)鍵指標(biāo)Fig.11 5G key performance

5G定位的目標(biāo)是實現(xiàn)亞米級高精度高可用性定位。一般認(rèn)為基于射頻指紋等傳統(tǒng)非參數(shù)估計的定位方案難以達(dá)到上述要求。5G移動通信系統(tǒng)的以下特征有利于大幅提升定位的精度和可用性，并保證定位的實時性:

1)大信號帶寬，典型值如100MHz、800MHz，有助于提升TOA/TDOA的參數(shù)估計精度，尤其是多徑抑制能力得到大大增強；

2)Massive MIMO多天線子系統(tǒng)，典型陣元數(shù)目達(dá)到128、256，有助于提升多徑下的角度估計能力；

3)密集組網(wǎng)，城區(qū)典型站間距一般為一兩百米，有助于空口校準(zhǔn)及選擇GDOP較小的多個站點進(jìn)行解算；

4)短幀長有利于保證定位的實時性。

在5G定位信號設(shè)計中，正參照現(xiàn)有定位信號設(shè)計的準(zhǔn)則，結(jié)合利用5G其他導(dǎo)頻方案設(shè)計，在支持更大帶寬、更好的序列特性、更多用戶復(fù)用、系統(tǒng)開銷更小、更低峰均比等方面，進(jìn)一步予以優(yōu)化，尤其是綜合考慮本文所述的TOA/AOA參數(shù)估計和非參數(shù)估計方式，結(jié)合陣列流型、射線追蹤等技術(shù)，保證多場景、不同環(huán)境下的定位性能。

此外，各網(wǎng)元之間關(guān)于定位的接口和協(xié)議設(shè)計也是需要考慮的重點，針對定位的特殊要求，可以設(shè)計NR定位切片。

目前，3GPP 5G定位標(biāo)準(zhǔn)已進(jìn)入study item階段，業(yè)界正在積極推進(jìn)，預(yù)計將于2019年終完成第一版協(xié)議凍結(jié)。業(yè)界正在相關(guān)領(lǐng)域開展研究，包括定位架構(gòu)與協(xié)議流程設(shè)計、定位信號設(shè)計與算法優(yōu)化，并通過樣機(jī)進(jìn)行關(guān)鍵技術(shù)驗證，以期達(dá)到預(yù)定目標(biāo)。研究成果后續(xù)將規(guī)劃到相應(yīng)產(chǎn)品版本中，推動移動網(wǎng)絡(luò)定位技術(shù)的成熟和商用。

5 結(jié)論

基于移動網(wǎng)絡(luò)的定位是目前主流衛(wèi)星定位技術(shù)的重要和有益補充，可以提升高精度定位的可用性和可靠性；移動網(wǎng)絡(luò)定位傳統(tǒng)算法原理相對成熟，但需要結(jié)合實際工程約束進(jìn)行優(yōu)化，例如在有限樣本或快拍下多徑數(shù)目的準(zhǔn)確估計、基站間非理想同步下的精確校正，以及針對基站實際天線陣列的算法優(yōu)化；一些新方向如壓縮感知、稀疏表示以及深度學(xué)習(xí)等值得進(jìn)一步探索，以提升算法魯棒性并降低復(fù)雜度；此外，移動網(wǎng)絡(luò)的一些獨特優(yōu)勢，如便于與GNSS、Wi-Fi融合，可靈活按需部署定位節(jié)點等，可進(jìn)一步提升移動網(wǎng)絡(luò)定位的價值；隨著5G的逐步商用，其大帶寬、多天線、密集組網(wǎng)等特性，使得普遍高精度定位進(jìn)一步成為可能。