本發(fā)明涉及通信領域，尤其涉及一種基于無線通信基站的三維定位方法。

背景技術：

由于無線通信網絡與移動互聯網的大力發(fā)展，提供基于地理位置信息的服務(簡稱lbs)業(yè)已成為最有市場潛力的業(yè)務之一。目前，實現精確定位的手段有gps定位、wifi定位、無線通信基站定位等。gps定位雖然精度高但是有2個缺陷：一是無法解決室內定位，二是費用比較昂貴；wifi定位的覆蓋范圍有限，并且wifi信號的工作頻段易受干擾。所以，使用基于運營商的無線通信基站進行定位就成為本發(fā)明的選擇，不但可以進行準確定位，而且可以規(guī)避上述問題?，F代商用通信基站可以用于確定終端(用戶的手機)在三維空間中的位置坐標，也就是三維定位問題。但現有通信基站的定位方法也存在以下問題，基站計時與手機終端計時無法精確同步從而影響定位精度的問題；非視距傳播(nlos)對定位精度帶來的影響；無線電信號在傳播過程中受噪聲干擾導致接收到的信號強度劇烈波動繼續(xù)影響定位的問題。

技術實現要素：

針對上述技術問題，本發(fā)明設計開發(fā)了一種收斂速度快，對干擾和噪聲具有魯棒性的基于無線通信基站的三維定位方法。

本發(fā)明提供的技術方案為：

一種基于無線通信基站的三維定位方法，包括：

步驟一、假定手機終端到第一個基站與第個基站的距離差是di，1，采取卡爾曼平滑濾波算法對每組的所有測量值進行平滑濾波處理，然后取平穩(wěn)階段的估計值的均值作為濾波優(yōu)化后的di，1值；

步驟二、計算出終端的位置估計值：

假設一移動終端到第i個基站的距離是di，則：

假定移動終端到第一個基站與第i個基站的距離差是di，1，這兩個基站發(fā)出的信號到達移動終端的時間差為δti，1，δti，1＝|ti-t1|，則di，1＝c×δti，1，c為電磁波在空間中的傳播速度；

繼而有：di，1＝di²-d1²＝(x-xi)²+(y-yi)²+(z-zi)²-(x-x1)²-(y-y1)²-(z-z1)²；

令xi，1＝x-xi，yi，1＝y(tǒng)-yi，zi，1＝z-zi，則上式可簡化為：

其中ki＝xi²+yi²+zi²；

當基站數目n＝4時，根據d1的值，則所述移動終端的位置估計值為：

優(yōu)選的是，所述的基于無線通信基站的三維定位方法中，所述步驟一的具體過程為：

在定位期間，保持終端的位置不變，獲取在多次di，1的觀測值；在測量過程中真實值受到加性噪聲n(k)的干擾，假設任意兩個時刻的噪聲互相獨立，根據卡爾曼平滑濾波理論，建立系統(tǒng)狀態(tài)估計，設系統(tǒng)的狀態(tài)方程與參數方程分別為：

x(k)＝x(k-1)，

z(k)＝x(k)+n(k)，

其中，x(k)表示k時刻di，1的真實值，z(k)是k時刻di，1的觀測值，x(k)的最佳估計由卡爾曼濾波方程給出：

預測：

狀態(tài)估計：

濾波增益為：k(k)＝p(k,k-1)[p(k,k-1)+σ²]^-1，

預測的誤差協(xié)方差為：p(k,k-1)＝p(k-1)，

估計的誤差協(xié)方差為：p(k)＝[1-k(k)]p(k,k-1)，

給定初始值和p(0)，由k時刻的di，1觀測值計算出k時刻的值，起始狀態(tài)的估計為：從第3個di，1的觀測值開始計算。

優(yōu)選的是，所述的基于無線通信基站的三維定位方法，還包括：

步驟三、使用平均定位誤差評價公式對定位精度進行評估：

其中，rmse表示定位的均方誤差；m表示移動終端的個數；表示某場景中第k個移動終端計算出來的三維坐標；(xk,yk,zk)表示某場景中第k個移動終端的實際三維坐標。

一種基于無線通信基站的三維定位方法，包括：

步驟一、假定手機終端到第一個基站與第個基站的距離差是di，1，采取卡爾曼平滑濾波算法對每組的所有測量值進行平滑濾波處理，然后取平穩(wěn)階段的估計值的均值作為濾波優(yōu)化后的di，1值；

步驟二、計算出終端的位置估計值：

假設一移動終端到第i個基站的距離是di，則：

假定移動終端到第一個基站與第i個基站的距離差是di，1，這兩個基站發(fā)出的信號到達移動終端的時間差為δti，1，δti，1＝|ti-t1|，則di，1＝c×δti，1，c為電磁波在空間中的傳播速度；

繼而有：di，1＝di²-d1²＝(x-xi)²+(y-yi)²+(z-zi)²-(x-x1)²-(y-y1)²-(z-z1)²；

令xi，1＝x-xi，yi，1＝y(tǒng)-yi，zi，1＝z-zi，則上式可簡化為：

其中ki＝xi²+yi²+zi²；

當基站個數n≥5時，用加權最小二乘法利用冗余數據計算移動終端的位置估計值，其具體過程包括：

(1)先把初始的非線性方程組轉化為線性方程組，采用加權最小二乘法得到第一次初始解za：

令：為未知向量，其中，zp＝[x,y,z]^t，則建立存在tdoa測量噪聲的線性方程：ψ＝h-gaza；

其中，

為移動終端的實際位置所對應的za值；

假定za各個元素之間是互相獨立的，za的加權最小二乘估計的結果是：

其中，φ為誤差向量ψ的協(xié)方差矩陣，φ＝e[ψψ^t]＝c²bqb，

q為tdoa測量值的協(xié)方差矩陣，

根據求得；

(2)利用第一次得到的估計坐標以及附加變量等已知約束條件進行第2次wls估計，從而得到改進的估計坐標：

先估計za的協(xié)方差矩陣，在所給定的加性噪聲的條件下：

其中，則有：

令則有：

向量za為一均值為實際值的隨機向量，za各元素表示為：

za,1＝x⁰+e1,za,2＝y(tǒng)⁰+e2,za,3＝z⁰+e3,za,4＝d⁰+e4，其中e1,e2,e3,e4為za的估計誤差；進而建立以下線性方程組：

其中，ψ'為za的誤差向量，則得到含有終端位置的未知向量za'的解為：

其中，φ'^-1為估計誤差的協(xié)方差矩陣，

最終，得到終端的三維位置表達式：

優(yōu)選的是，所述的基于無線通信基站的三維定位方法中，所述步驟一的具體過程為：

在定位期間，保持終端的位置不變，獲取在多次di，1的觀測值；在測量過程中真實值受到加性噪聲n(k)的干擾，假設任意兩個時刻的噪聲互相獨立，根據卡爾曼平滑濾波理論，建立系統(tǒng)狀態(tài)估計，設系統(tǒng)的狀態(tài)方程與參數方程分別為：

x(k)＝x(k-1)，

z(k)＝x(k)+n(k)，

其中，x(k)表示k時刻di，1的真實值，z(k)是k時刻di，1的觀測值，x(k)的最佳估計由卡爾曼濾波方程給出：

預測：

狀態(tài)估計：

濾波增益為：k(k)＝p(k,k-1)[p(k,k-1)+σ²]^-1，

預測的誤差協(xié)方差為：p(k,k-1)＝p(k-1)，

估計的誤差協(xié)方差為：p(k)＝[1-k(k)]p(k,k-1)，

給定初始值和p(0)，由k時刻的di，1觀測值計算出k時刻的值，起始狀態(tài)的估計為：從第3個di，1的觀測值開始計算。

優(yōu)選的是，所述的基于無線通信基站的三維定位方法，還包括：

步驟三、使用平均定位誤差評價公式對定位精度進行評估：

其中，rmse表示定位的均方誤差；m表示移動終端的個數；表示某場景中第k個移動終端計算出來的三維坐標；(xk,yk,zk)表示某場景中第k個移動終端的實際三維坐標。

本發(fā)明所述的基于無線通信基站的三維定位方法基于tdoa測距原理利用盡可能少的基站完成對終端設備的定位、所設計的算法具備收斂速度快、對于干擾和噪聲具有魯棒性等特點。本定位方法尤其適用于以下場所：高樓林立的城區(qū)、建筑物內部、地下停車場等。

本發(fā)明所述的基于無線通信基站的三維定位方法解決了gps無法進行室內定位的問題；解決了wifi定位覆蓋范圍有限且工作頻段易受干擾的問題；解決了基站計時與手機終端計時無法精確同步從而影響定位精度的問題；解決了非視距傳播(nlos)對定位精度帶來的影響；解決了無線電信號在傳播過程中受噪聲干擾導致接收到的信號強度劇烈波動繼續(xù)影響定位的問題。

附圖說明

圖1為本發(fā)明所述的基于無線通信基站的三維定位方法的示意圖。

圖2為本發(fā)明所述的不同基站數目的定位精度對比圖。

具體實施方式

下面結合附圖對本發(fā)明做進一步的詳細說明，以令本領域技術人員參照說明書文字能夠據以實施。

如圖1所示，本發(fā)明設計了一種基于無線通信基站的三維定位方法。之后，本發(fā)明使用實測數據對本定位方法進行實驗。實驗測試表明，此方法能夠實現較好的定位精度，對nlos、同步誤差及噪聲干擾有較好的抑制作用。

本發(fā)明所述的基于無線通信基站的三維定位方法基于tdoa測距原理利用盡可能少的基站完成對終端設備的定位、所設計的算法具備收斂速度快、對于干擾和噪聲具有魯棒性等特點。本定位方法尤其適用于以下場所：高樓林立的城區(qū)、建筑物內部、地下停車場等。這是因為這些應用場景無論是基站數目還是移動電話數量都很密集，可為基站定位提供足夠的定位數據。

影響基站三維定位的精度的因素有：(1)、基站與手機的時間同步問題；(2)、電磁環(huán)境的噪聲影響測量數據的準確性；(3)、非視距(nlos)導致的時延。在這3個影響因素中，nlos對測距誤差的影響是最大的，而且對于室內定位，nlos是不可避免的一個因素。

本發(fā)明解決了gps無法進行室內定位的問題；解決了wifi定位覆蓋范圍有限且工作頻段易受干擾的問題；解決了基站計時與手機終端計時無法精確同步從而影響定位精度的問題；解決了非視距傳播(nlos)對定位精度帶來的影響；(因為查閱相關資料可知，nlos對定位精度的影響是最普遍也是最大的，所以本方法著重解決這一問題)；解決了無線電信號在傳播過程中受噪聲干擾導致接收到的信號強度劇烈波動繼續(xù)影響定位的問題。

本三維定位方法的核心是根據信號從手機終端到兩個不同的基站的時間差(得到相應的tdoa數據)計算出距離，然后求解定位方程組。由于方程組是非線性的，所以采用二重最小二乘法(wls)對定位方程組進行變形求解。但是，由于nlos以及環(huán)境噪聲的影響，會使測量誤差增大算法的性能下降。

因此，本發(fā)明采取以下2個步驟解決上述問題：第一步、采取kalman濾波算法對每組的所有di，1測量值進行平滑濾波處理(假定手機終端到第一個基站與第1個基站的距離差是di，：)，然后取平穩(wěn)階段的估計值的均值作為濾波優(yōu)化后的di，1值。第二步、利用優(yōu)化后的di，1值，計算出終端的位置估計值。

假設某個移動終端(ms)到第個基站的距離是di，則：

假定終端到第一個基站與第i個基站的距離差是di，1,這兩個基站發(fā)出的信號到達終端的時間差為δti，1(δti，1＝|ti-t1|)，則di，1,＝c×δti，1。(c為電磁波在空間中的傳播速度，一般取3×10⁸m/s)。

繼而有：di，1＝di²-d1²＝(x-xi)²+(y-yi)²+(z-zi)²-(x-x1)²-(y-y1)²-(z-z1)²(2)

令xi，1＝x-xi，yi，1＝y(tǒng)-yi，zi，1＝z-zi，則上式可簡化為：

其中ki＝xi²+yi²+zi²；

當基站數目n＝4時，根據d1的值，則所述移動終端的位置估計值為：

當基站的數目n≥5時，就可以用加權最小二乘法(wls)來充分利用冗余的數據獲得更加好的終端位置估計值。

在實際的三維定位中本發(fā)明所測得的tdoa數據(tdoa，timedifferenceofarrival,到達時間差。本方法中，tdoa數據為δti，1。)非常可能包含在nlos環(huán)境下所測得的信息，因此，本發(fā)明應該先對有關數據做卡爾曼平滑濾波處理，獲取更加精確的距離值，從而提高定位精度：

在定位期間，終端的位置不變，獲得多次di，1的值。在測量過程中真實值受到加性噪聲n(k)的干擾，假設任意兩個時刻的噪聲互相獨立，根據kalman濾波理論，建立系統(tǒng)狀態(tài)估計，設系統(tǒng)的狀態(tài)方程與參數方程分別為：

x(k)＝x(k-1)(5)z(k)＝x(k)+n(k)(6)

其中，x(k)表示k時刻di，1的真實值，z(k)是k時刻di，1的觀測值，x(k)的最佳估計可以由kalman濾波方程給出：

更進一步預測：

狀態(tài)估計：

濾波增益為：k(k)＝p(k,k-1)[p(k,k-1)+σ²]^-1(9)

預測的誤差協(xié)方差為：p(k,k-1)＝p(k-1)(10)

估計的誤差協(xié)方差為：p(k)＝[1-k(k)]p(k,k-1)(11)

綜上，只要給定初始值和p(0)，由k時刻的觀測值就可以計算出k時刻的值。起始狀態(tài)的估計為：從第3個di，1的觀測值開始計算。

經過上述kalman濾波得到優(yōu)化后的di，1值，本發(fā)明就可以利用這些值計算出終端的更精確的位置估計。

當基站個數n≥5時，本發(fā)明可以用加權最小二乘法(wls)來充分利用冗余的數據獲得更加好的終端位置估計值，處理過程如下：

(1)先把初始的非線性方程組(3)轉化為線性方程組，采用wls得到第一次初始解；(2)、利用第一次得到的估計坐標以及附加變量等已知約束條件進行第2次wls估計，從而得到改進的估計坐標。

令：為未知向量，其中，zp＝[x,y,z]^t，則可建立存在tdoa測量噪聲的線性方程：ψ＝h-gaza(12)

其中，

為終端的實際位置所對應的za值。在求解非線性方程時，假定za各個元素之間是互相獨立的，za的加權最小二乘估計的結果是：

其中，φ為誤差向量ψ的協(xié)方差矩陣。查閱相關資料知：φ＝e[ψψ^t]＝c²bqb，

q為tdoa測量值的協(xié)方差矩陣。

可以根據求得。通過(13)式本發(fā)明就可以得到終端位置的初步估計結果，但是這個結果是在za中各個元素互相獨立的前提下計算出來的估計值，實際上za中的d是與(x,y,z)相關的。用q近似代替誤差向量的協(xié)方差矩陣φ會帶來一些誤差，為了進一步得到更加精確的定位坐標值，本發(fā)明進行第二步估計。首先估計za的協(xié)方差矩陣，在題目所給的加性噪聲的條件下：

因為所以根據式子(12)得：

令則有：

向量za為一均值為實際值的隨機向量，因此za各元素可以表示為：

za,1＝x⁰+e1,za,2＝y(tǒng)⁰+e2,za,3＝z⁰+e3,za,4＝d⁰+e4，其中e1,e2,e3,e4為za的估計誤差。進而建立以下線性方程組：

其中，ψ'為za的誤差向量，

與基站數目n＝4時的推導類似，本發(fā)明可以得到含有終端位置的未知向量za'的解為：

其中，φ'^-1為估計誤差的協(xié)方差矩陣，

最終，得到終端的三維位置表達式：

此時，本發(fā)明根據先驗信息就可以確定終端的精確位置。

最后，在本定位方法中，本發(fā)明使用平均定位誤差對以上模型的定位精度進行評估：

其中，rmse表示定位的均方誤差；m表示終端的個數；某場景中第k個終端根據本定位方法計算出來的三維坐標；(xk,yk,zk)表示某場景中第k個終端的實際三維坐標。

在實際中本發(fā)明測量并計算得到20組tdoa數據(每組tdoa數據都對應不同的地理位置)，使用上述定位方法利用其中的任意5組數據以及任意的9組數據進行定位，并且比對每個地理位置的實際值計算出每次定位的誤差rmse，得到表1和表2。

表1基于5個基站的定位誤差表

由上表可以看出，本定位方法對手機終端的定位精度較高，平均定位誤差≤10米，基本符合日常定位需求。

下表是利用9個不同的基站對手機終端進行定位的誤差表。

表2基于9個基站的定位誤差表

由上表可以看出，本定位方法對手機終端的定位精度較高，平均定位誤差≤10米，符合日常定位需求。

此外，本發(fā)明首先任選5個基站對手機終端進行定位分析。請查閱圖2，結果發(fā)現基站數目為5個時定位的rmse偏差較大，從5個基站開始定位精度隨著基站數目的增加快速增加，而基站數目≥9個以后則變化不大。盡管本發(fā)明的實施方案已公開如上，但其并不僅僅限于說明書和實施方式中所列運用，它完全可以被適用于各種適合本發(fā)明的領域，對于熟悉本領域的人員而言，可容易地實現另外的修改，因此在不背離權利要求及等同范圍所限定的一般概念下，本發(fā)明并不限于特定的細節(jié)和這里示出與描述的圖例。