CN100461969C - 对移动台进行定位的方法 - Google Patents

Abstract

本发明提供了一种对移动台进行定位的方法，该方法主要包括：根据MS(移动台)与各个BS(基站)之间的距离估计值获得MS的位置坐标的估计值；通过迭代过程对所述MS与各个基站BS之间的距离估计值、MS的位置坐标的估计值进行多次更新；当所述获得的多个MS的位置坐标的估计值之间的差值的平均值小于设定的数值时，将所述最后获得的MS的位置坐标的估计值确定为MS的位置坐标的最终估计值。利用本发明所述方法，从而可以提高MS的定位精度，对MS进行比较精确的定位。

Description

对移动台进行定位的方法

技术领域

本发明涉及无线通信领域，尤其涉及一种对移动台进行定位的方法。

背景技术

目前主流通讯服务提供商绝大部分采用蜂窝网络。蜂窝网络就是把MS(移动台)的服务区别分为一个个正六边形的子区，每个小区设一个基站，形成了形状酷似“蜂窝”的结构。常见的蜂窝网络类型有：GSM(全球移动通信***)网络、CDMA(码分多址)网络、3G(第三代移动通信)网络等网络。

蜂窝网络的定位方法根据定位所用参数不同，可分为SSOA(场强测量法)、ESSOA(增强型场强测量法)/FingerPrint(多径指纹法)、AOA(到达角度测量法)、TOA/TDOA(到达时间/时间差测量法)及混合参数定位方法等。现有技术中的基于TOA的定位方法的原理示意图如图1所示，具体处理过程为：首先测量多个BS(基站)与MS(移动台)之间的相对距离，然后，以已知的BS位置坐标为圆心、以测量得到的BS与MS间相对距离为半径做圆，多个BS进行相同操作可以得到一组相交的圆，最后通过某一特定算法(如：最小二乘准则算法、最大似然准则算法等)计算得到该组相交的圆的交点，该交点即为MS位置坐标的估计值。

上述现有技术的基于TOA的定位方法的缺点为：该方法独立考虑各BS与MS间的距离估计，没有充分利用各个BS间、BS与MS间拓扑结构所提供的冗余信息。该方法测量得到的MS位置坐标的估计值的精度不高。

发明内容

鉴于上述现有技术所存在的问题，本发明的目的是提供一种对移动台进行定位的方法，从而可以提高MS的定位精度，对MS进行比较精确的定位。

本发明的目的是通过以下技术方案实现的：

一种对移动台进行定位的方法，包括步骤：

A、根据移动台MS与各个基站BS之间的距离估计值获得MS的位置坐标的估计值；通过迭代过程对所述MS与各个基站BS之间的距离估计值、MS的位置坐标的估计值进行多次更新；

B、当所述获得的多个MS的位置坐标的估计值之间的差值的平均值小于设定的数值时，将所述最后获得的MS的位置坐标的估计值确定为MS的位置坐标的最终估计值。

所述的步骤A具体包括：

A1、利用到达时间TOA测量方法获得MS与各个BS之间的距离估计值；根据该MS与各个BS之间的距离估计值通过设定算法获得MS的位置坐标的估计值信息，并且，在迭代过程中，将本次跌代获取的MS与各个BS之间的距离估计值与上次跌代获取的MS与各个BS之间的距离估计值进行算术平均，将算术平均后获取的MS与各个BS之间的距离估计值用于下次跌代；

A2、根据所述MS的位置坐标的估计值对所述MS与各个BS之间的距离估计值进行更新，并根据更新后的MS与各个BS之间的距离估计值对所述MS的位置坐标的估计值进行更新。

所述的步骤A2具体包括：

A21、根据所述MS的位置坐标的估计值和各个BS的位置坐标信息，获得更新后的MS与各个BS之间的距离估计值；

A22、将所述更新后的MS与各个BS之间的距离估计值和更新前的MS与各个BS之间的距离估计值进行算术平均，根据算术平均后获得的MS与各个BS之间的距离估计值通过设定算法，对所述MS的位置坐标的估计值进行更新；

A23、根据所述更新后的MS的位置坐标的估计值再次对所述MS与各个BS之间的距离估计值进行更新，并再次通过所述设定算法对所述MS的位置坐标的估计值进行更新；通过迭代过程重复进行所述步骤A21、A22和A23。

所述的设定算法具体包括：最小二乘准则算法或最大似然准则算法。

所述的步骤B具体包括：

当所述获得的多个MS的位置坐标的估计值之间的差值的平均值小于预先设定的数值时，停止所述迭代过程；将所述最后获得的MS的位置坐标的估计值确定为MS的位置坐标的最终估计值，将所述最后获得的MS与各个BS之间的距离估计值确定为MS与各个BS之间的最终估计值。

所述的方法适用于蜂窝网络。

所述的蜂窝网络包括：全球移动通信***GSM网络或码分多址CDMA网络或第三代移动通信3G网络。

由上述本发明提供的技术方案可以看出，本发明通过综合考虑包括BS和MS的位置信息在内的网络整体拓扑结构，运用统计学相关理论，并基于最小二乘准则算法提出了一种新型迭代方式的对MS进行定位的方法，从而可以提高蜂窝网络中MS的定位精度，对蜂窝网络中MS进行比较精确的定位。本发明通过设定的算法进行模拟计算，可以节约BS的资源。

附图说明

图1为基于TOA的定位方法的原理示意图；

图2为本发明所述方法的实施例的原理示意图；

图3为本发明所述方法的实施例的具体处理流程图；

图4为本发明所述方法的实施例中MS位置误差与迭代次数的关系示意图。

具体实施方式

本发明提供了一种对移动台进行定位的方法。

下面结合附图来详细描述本发明所述方法，本发明所述方法的实施例的原理示意图如图2所示，该实施例的具体处理流程如图3所示，包括如下步骤：

步骤3-1：通过TOA测距技术获得BS与MS间第一类距离估计值Ri。

在该实施例中，不失一般性定位基站的个数取5个，分别为BSi(i＝1，2，...5)。

假定基站BSi(i＝1，2，...5)位置坐标为(xi，yi)，移动台MS真实位置坐标为(x，y)。

首先，利用蜂窝定位网络现有的TOA测距技术分别获取BSi(i＝1，2，...5)与MS间距离估计值Ri(i＝1，2，...5)，本发明将该Ri(i＝1，2，...5)称之为第一类直接距离估计。

步骤3-2：通过最小二乘准则算法，利用Ri获得MS位置坐标的中间估计值MS’，再次获得MS’与BS间第二类距离估计值。

利用上述获得的第一类直接距离估计Ri(i＝1，2，...5)以及各BS和MS间位置关系，通过最小二乘准则算法来继续获得额外的定位信息。比如，获得MS位置坐标的中间估计值MS’(x’，y’)，以及MS’与BS间第二类距离估计值。

下面介绍上述最小二乘准则算法的具体算法，以BS1为例，若考虑使用所有估计值Ri(i＝1，2，...5)来计算MS位置坐标，则计算MS位置坐标MS’(x’，y’)的计算公式为：

$\left(\begin{array}{c}\hat{x}\\ \hat{y}\end{array}\right)={\left(H^{T}H\right)}^{-1}{H}^{T}b,$ $H=\left(\begin{array}{cc}{x}_2& y_2\\ x_3& y_3\\ \·& \·\\ \·& \·\\ \·& \·\\ x_5& y_5\end{array}\right),$ $b=\frac{1}{2}\left(\begin{array}{c}{x}_2^2+y_2^2-R_2^2+R_1^2\\ x_3^2+y_3^2-R_3^2+R_1^2\\ \·\\ \·\\ \·\\ x_5^2+y_5^2-R_5^2+R_1^2\end{array}\right),$      (公式1)

根据计算得到的MS位置坐标MS’(x’，y’)和已知的基站BSi(i＝1，2，...5)位置坐标为(xi，yi)，可以得到MS’与BSi间第二类距离估计值Ri’＝|MS’-BSi|。

步骤3-3、利用算术平均处理两类估计值，获得更新的MS’与BSi间距离估计值。

上述获得的第一类距离估计值、第二类距离估计值之间具有统计独立的特性，根据统计学相关理论可知，取随机样值空间内多个独立样值的数学平均可以降低样值分布的方差。因此，上述得到的两类距离估计值的算术平均值的偏移度更小，相对两类距离估计值本身而言更接近真实距离值。

因此，计算上述获得的第一类距离估计值与第二类距离估计值的算术平均值Ri^＊＝Ri+Ri’/2，(i＝1，2，...5)，将获得的Ri^＊作为更新的MS’与BSi间距离估计值。

步骤3-4：通过最小二乘准则算法，利用获得的更新的MS’与BS间距离估计值重新计算MS位置坐标，直到MS位置坐标趋于稳定。

将上述获得的更新的距离估计值Ri^＊(i＝1，2，...5)代入到上述公式1中，重新计算出MS位置坐标的估计值，该MS位置坐标的估计值在精度上将有所改善。

然后，根据重新计算出的MS位置坐标的估计值和已知的基站BSi(i＝1，2，...5)位置坐标为(xi，yi)，重新计算MS’与BSi间的距离估计值，再继续重新计算MS位置坐标的估计值，即通过迭代过程反复计算MS位置坐标的估计值。

当MS位置坐标的估计值的更新变化趋于平缓时，即获得的多个MS的位置坐标的估计值之间的差值的平均值小于预先设定的数值时，迭代算法到达其收敛点，终止上述迭代过程。并将最后获得的MS的位置坐标的估计值确定为MS的位置坐标的最终估计值，将所述最后获得的MS与各个BS之间的距离估计值确定为MS与各个BS之间的最终估计值。

本发明提供了一个本发明所述方法的一个实施例，该实施例是在MATLAB平台上的仿真结果。

在该实施例中，设置TOA估计误差分别取100、150、200及250m²的正态分布。五个定位BS均匀分布在MS周围，与MS间的平均距离为1000m。

在该实施例中MS位置误差与迭代次数的关系示意图如图4所示，仿真评估标准是在不同强度的TOA噪声干扰下计算的。以TOA噪声方差为250m²/C²(C表示为光速)为例，使用上述本发明所述方法的处理流程后，通过四次迭代可以达到算法的收敛点，MS位置坐标的估计值的平均误差(ALE)由原来的250m左右下降到210m左右，最大改善比例为16％左右，由此验证本发明所述方法能够显著地改善蜂窝网络中MS的定位精度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种对移动台进行定位的方法，其特征在于，包括步骤：

A、根据移动台MS与各个基站BS之间的距离估计值获得MS的位置坐标的估计值；通过迭代过程对所述MS与各个基站BS之间的距离估计值、MS的位置坐标的估计值进行多次更新，并且，在迭代过程中，将本次跌代获取的MS与各个BS之间的距离估计值与上次跌代获取的MS与各个BS之间的距离估计值进行算术平均，将算术平均后获取的MS与各个BS之间的距离估计值用于下次跌代；

B、当所述获得的多个MS的位置坐标的估计值之间的差值的平均值小于设定的数值时，将所述最后获得的MS的位置坐标的估计值确定为MS的位置坐标的最终估计值。

2.根据权利要求1所述的方法，其特征在于，所述的步骤A具体包括：

A1、利用到达时间TOA测量方法获得MS与各个BS之间的距离估计值；根据该MS与各个BS之间的距离估计值通过设定算法获得MS的位置坐标的估计值信息；

A2、根据所述MS的位置坐标的估计值对所述MS与各个BS之间的距离估计值进行更新，并根据更新后的MS与各个BS之间的距离估计值对所述MS的位置坐标的估计值进行更新。

3.根据权利要求2所述的方法，其特征在于，所述的步骤A2具体包括：

A21、根据所述MS的位置坐标的估计值和各个BS的位置坐标信息，获得更新后的MS与各个BS之间的距离估计值；

A22、将所述更新后的MS与各个BS之间的距离估计值和更新前的MS与各个BS之间的距离估计值进行算术平均，根据算术平均后获得的MS与各个BS之间的距离估计值通过设定算法，对所述MS的位置坐标的估计值进行更新；

A23、根据所述更新后的MS的位置坐标的估计值再次对所述MS与各个BS之间的距离估计值进行更新，并再次通过所述设定算法对所述MS的位置坐标的估计值进行更新；通过迭代过程重复进行所述步骤A21、A22和A23。

4.根据权利要求3所述的方法，其特征在于，所述的设定算法具体包括：最小二乘准则算法或最大似然准则算法。

5.根据权利要求1、2、3或4所述的方法，其特征在于，所述的步骤B具体包括：

当所述获得的多个MS的位置坐标的估计值之间的差值的平均值小于预先设定的数值时，停止所述迭代过程；将所述最后获得的MS的位置坐标的估计值确定为MS的位置坐标的最终估计值，将所述最后获得的MS与各个BS之间的距离估计值确定为MS与各个BS之间的最终估计值。

6.根据权利要求1所述的方法，其特征在于，所述的方法适用于蜂窝网络。

7.根据权利要求6所述的方法，其特征在于，所述的蜂窝网络包括：全球移动通信***GSM网络或码分多址CDMA网络或第三代移动通信3G网络。

Images