LTE中抑制非視距誤差的分層協同定位算法

后 茜，林基明，周繼華，劉 俊

(1.桂林電子科技大學 信息科學實驗中心，廣西 桂林 541004；2.重慶金美通信有限責任公司，重慶 400030)

LTE中抑制非視距誤差的分層協同定位算法

后 茜1，林基明1，周繼華2，劉 俊2

(1.桂林電子科技大學 信息科學實驗中心，廣西 桂林 541004；2.重慶金美通信有限責任公司，重慶 400030)

針對長期演進技術(LTE)定位系統中非視距(NLOS)誤差會使得用戶終端測得的定位參數存在較大偏差，從而導致基于觀測到達時間差(OTDOA)定位技術所估計的用戶終端位置定位精度下降，以及傳統Chan算法和Taylor級數展開算法中OTDOA協方差矩陣難以獲取的問題，提出了一種抑制NLOS誤差的分層協同定位算法(HCLA)。算法首先鑒別出含NLOS誤差的基站，然后利用殘差加權算法獲取OTDOA協方差矩陣，再對傳統的Chan算法和Taylor級數展開算法進行改進，將二者聯合起來對用戶終端進行分層協同定位。該算法無需知道OTDOA誤差先驗信息。仿真結果表明，NLOS環境下該算法能準確鑒別出含NLOS誤差的基站，并能有效減小定位誤差。

長期演進技術；定位；非視距誤差；觀測到達時間差；分層協同定位算法

隨著移動通信技術的發展，基于位置的服務應用層出不窮，如救援定位、交通信息等，為了滿足用戶對這些業務的需求，移動終端的準確定位變得越來越重要。無線定位服務是LTE中一種應用前景最廣的移動增值業務，故對LTE用戶終端定位技術進行研究具有重要的應用價值。

LTE定位協議[1]中定義了3種定位方法：輔助全球導航衛星系統(Assisted Global Navigation Satellite System，A-GNSS)、增強型小區ID(Enhanced Cell ID，E-CID)和可觀測到達時間差(Observed Time Difference of Arrival，OTDOA)。OTDOA是LTE系統中使用最多的定位技術，相比A-GNSS無需改動終端，且較E-CID定位精度高。LTE協議規定，OTDOA技術中利用服務基站到終端的距離作為參考距離，與其他基站的距離相減構成相應的雙曲線模型實現終端定位。

Chan提出一種經典的OTDOA定位算法——Chan算法[2]，該算法在視距環境下定位精度高，計算復雜度低，但在非視距環境下，Chan算法定位精度將大大降低。為了消除NLOS誤差的影響，Gentner C提出了基于粒子濾波器和卡爾曼濾波器的定位方法，能實現對動態用戶的跟蹤和定位，終端位置估計的均方根誤差(RMSE)明顯降低[3]。閻龍等提出一種適用于NLOS環境下的LTE終端迭代定位算法，算法無需信道先驗信息，并可通過簡單的分層細化來降低計算復雜度[4]。Yu K等提出了一種基于Taylor級數展開算法的二次線性規劃算法來抑制NLOS誤差的影響，但計算復雜度較高[5]。周康磊等提出利用殘差值對定位結果進行加權以降低NLOS誤差的影響，但計算復雜度高[6]。崔瑋等提出利用高斯混合模型對含非視距誤差的距離測量信息進行訓練，并結合殘差加權算法來降低NLOS誤差的影響[7]。趙軍輝等將點到點的距離轉化為點到線的距離估計，但定位精度低[8]。Hara S等將攝動法引入終端定位算法中，在NLOS環境下可有效提高定位精度，但計算復雜度較高[9]。Kay S等基于最大似然估計算法提出一種新的最小加權二乘定位技術以消除NLOS誤差帶來的影響，但OTDOA先驗信息難以估計[10]。在實際中，OTDOA誤差先驗信息未知，因此以上算法的應用存在局限性。為了解決這一問題，本文提出一種抑制非視距誤差的LTE終端分層協同定位算法。首先對非視距誤差進行鑒別，再根據殘差加權法估計OTDOA值的先驗信息，從而改進Chan算法和Taylor級數展開算法，將二者聯合起來對LTE終端進行分層協同定位。在仿真中，將兩種經典定位算法與其改進算法以及本文所提出的分層協同定位算法進行了對比。仿真結果表明，HCLA算法能有效鑒別出含非視距誤差傳播的基站，且其抑制非視距誤差的能力強。

1 基于OTDOA的雙曲線定位模型

設(x,y)為LTE終端坐標，(Xi,Yi)為第i個基站的已知位置，LTE終端到各基站距離為

(1)

式中：i=1,2,…,N，N為基站個數，則

(2)

(3)

式(2)中由于NLOS誤差的存在，使得含非視距誤差的基站所在雙曲線遠離真實位置，形成一條新的雙曲線，如圖1所示。

圖1 NLOS誤差對LTE終端定位的影響

設基站3含NLOS誤差，其余基站均為LOS傳播，則由于非視距誤差的影響，將基站3所在雙曲線H3推移至H3′，使得雙曲線H2與H3′形成交點A，以及H4與H3′形成交點B，均遠離LTE終端真實位置。因此，有必要鑒別和抑制NLOS誤差。

2 HCLA算法

2.1 非視距誤差的鑒別

根據式(2)，OTDOA殘差[6]定義為

(4)

NLOS傳播鑒別步驟如下：

2) 每種基站組合分別計算出終端的估計位置作為其參考位置，利用式(4)計算OTDOA的殘差，作為權值賦給組合內的每個基站；

3) 將每個基站從各個組合得到的權值相累加，得到各基站的總權值；

4) 對每個基站的總權值排序，總權值最大的基站即為含NLOS誤差的基站。

2.2 非視距誤差的抑制

2.2.1 殘差加權算法

(5)

定義殘差函數為

(6)

所有殘差平方和為

(7)

對所有的(xk,yk)按下式加權得位置估計值

(8)

2.2.2 改進的Chan算法

在傳統Chan算法中，OTDOA協方差矩陣通常假設為單位矩陣I，對非視距誤差沒有抑制作用，故在此提出將式(8)估計的初始值(xRW,yRW)代入式(6)得每個方程的殘差，令

Q=diag{fi(xRW,yRW)},i=2,3，…,N

(9)

其中，Q為OTDOA協方差矩陣。

從式(3)中求得的具有OTDOA測量噪聲的誤差矢量為

(10)

ψ=cBn+0.5c2n⊙n

(11)

φ=E[ψψT]=c2BQB

(12)

式中：Q為OTDOA協方差矩陣。假設Za中的各元素相互獨立，對Za進行第一次加權最小二乘(WLS)求解

(13)

(14)

ψ′的協方差矩陣為

φ′=E[ψ′ψ′T]=4B′cov(Za)B′

(15)

進行第二次WLS估計

(16)

最終LTE終端的定位計算結果為

(17)

2.2.3 改進的Taylor級數展開算法

傳統的Taylor級數展開算法中，由于Q未知，可采用類似式(9)的方法來構造Q矩陣。

將式(2)進行泰勒級數展開，可得誤差矢量

ψ=ht-Gtδ

(18)

采用WLS算法對式(18)求解得

(19)

(20)

此時的(x,y)即為LTE終端位置估計值。

Taylor級數展開后是否收斂取決于初始值(x0,y0)，可將改進的Chan算法估計的結果(xc,yc)作為其初始值展開，這樣便得到改進的Taylor級數展開算法。

2.2.4 分層協同定位算法

為了更好地抑制非視距誤差，將改進的Chan算法和Taylor級數展開算法聯合起來進行分層協同定位，其流程如圖2所示。

首先利用殘差分析判決法對含NLOS誤差的基站進行鑒別，然后采用殘差加權法估計Q矩陣和位置初值，將Q矩陣和初值代入改進的Chan算法進行位置粗估計，更新Q值，再將粗估計值和更新的Q矩陣作為初始值代入Taylor級數展開算法中進行展開，得OTDOA測量誤差的局部LS解，改進估計位置，然后繼續代入改進的Chan算法進行位置估計，并更新Q矩陣，進行第i次Taylor迭代，直到OTDOA測量誤差的局部LS解滿足其設定的門限ε。

圖2 HCLA算法流程圖

3 算法仿真及分析

為了檢驗HCLA算法的實際定位性能，本文將HCLA算法和幾種典型的定位算法在不同非視距誤差、不同信道環境[11](遠郊，郊區，一般市區B，一般市區A，鬧市區)下進行仿真對比。假設LTE網絡拓撲為經典的7基站，正六邊形蜂窩網結構，小區半徑為3 km，收斂門限為1 m，OTDOA測量誤差服從均值為零，標準差為30 m的理想高斯分布，非視距誤差分別為確定值(大小為視距傳播距離的0～10%)和服從COST259信道模型兩種情況。其中一個基站(非服務基站)含非視距誤差，且所有基站均不提供OTDOA測量值先驗信息。參與比較的算法為Chan算法、Taylor級數展開算法和殘差加權算法，改進的Chan算法，改進的Taylor級數展開算法以及HCLA算法，用均方根誤差(RMSE)和誤差累計分布(CDF)表示定位精度，以上幾種定位算法在NLOS誤差傳播環境下進行3 000次Monte-Carlo仿真。

非視距誤差鑒別的仿真結果如圖3所示。

圖3 基站3含非視距誤差

從圖3中可以清晰看出，基站3的總加權值最大，故判定基站3含NLOS誤差，與初始設定相符。

其次對各算法的定位性能進行仿真對比，實驗結果如圖4和圖5所示。

圖4 各定位算法性能比較(RMSE)

圖5 各定位算法性能比較(CDF)

由圖4可知，當NLOS誤差超過一定程度，HCLA算法的均方根誤差最小，且非視距誤差越大，越能有效地抑制非視距誤差對LTE節點定位精度的影響。由圖5可知，HCLA算法在70%的概率下定位精度為50 m左右，在95%的概率下定位精度為100 m左右，優于其他典型定位算法的定位精度。

最后對各個定位算法在不同信道環境下的定位性能進行仿真對比，如圖6所示。

圖6 不同信道環境下性能比較(RMSE)

從圖6可以看出，隨信道環境的惡化，HCLA算法抑制NLOS誤差的能力變得顯著，特別是在鬧市區環境下?？梢?，HCLA算法在惡劣的信道環境下抑制NLOS誤差的能力較強。

根據實驗結果，算法的定位精度和迭代次數對比結果分別如表1和表2所示。

表1 算法定位精度對比 %

定位精度/m算法1算法2算法301871111112268215129466345616767494811868946544306101342868468

注：算法1為Taylor算法，算法2為改進的Taylor算法，算法3為HCLA算法。

表2 算法迭代次數對比 %

迭代次數算法1算法2算法30232422322434246332284420103422

注：算法1為Taylor算法，算法2為改進的Taylor算法，算法3為HCLA算法。

由表1、2可知，HCLA算法達到門限值時所需迭代次數較大，故與其他幾種定位算法相比，計算復雜度較高，但其可以提高LTE終端的定位精度，因此綜合考慮計算復雜度與定位精度間的關系，本改進算法具有更好的性能。

4 小結

本文對非視距誤差的鑒別算法進行了改進，同時提出了一種無需OTDOA誤差先驗信息的分層協同定位算法(HCLA)，先鑒別出含NLOS誤差的基站，再基于改進的Chan算法和Taylor級數展開算法對LTE終端位置進行分層協同定位。經過仿真分析，本算法能準確鑒別出含非視距誤差的基站，且HCLA算法與幾種典型的定位算法在同等條件下相比，對NLOS誤差的抑制能力更強，定位精度更高，具有實際的應用價值。

[1] 3GPP TS 36.355 v9.0.0，3rd generation partnership project; technical specification group radio access network; E-UTRA; LTE positioning protocol[S]. 2009.

[2] CHAN Y T, HO K C. A simple and efficient estimator for hyperbolic location[J]. IEEE Trans. Signal Processing，1994，42(8)：1905-1915.

[3] GENTNER C, MUNOZ E, KHIDER M, et al. Particle filter based positioning with 3GPP-LTE in indoor environments[C]//Proc. Position Location and Navigation Symposium (PLANS). Myrtle Beach，SC：IEEE Press，2012：301-308.

[4] 閻龍，高澤華，高峰，等. 一種適用于NLOS環境的LTE終端迭代定位算法[J]. 計算機應用研究，2014，31(3)：876 -878.

[5] YU K，GUO Y J. Improved positioning algorithms for non-line-of-sight environments[J]. IEEE Trans. Vehicular Technology，2008，57(4)：2342-2353.

[6] 周康磊，毛永毅.基于殘差加權的Taylor級數展開TDOA無線定位算法[J]. 西安郵電學院學報，2010(3)：10-13.

[7] 崔瑋，吳成東，張云洲，等.基于高斯混合模型的非視距定位算法[J]. 通信學報，2014(1)：99-106.

[8] 趙軍輝, 張雪雪, 曾龍基.提高NLOS環境下室內定位精度的新方法[J]. 北京郵電大學學報，2012(6)：38-43.

[9] HARA S，ANZAI D，YABU T，et al. A perturbation analysis on the performance of TOA and TDOA localization in mixed LOS/NLOS environments[J]. IEEE Trans. Communications，2013，61(2)：679-689.

[10] KAY S, VANKAYALAPATI N. Improvement of TDOA position fixing using the likelihood curvature[J]. IEEE Trans. Signal Processing，2013，61(8)：1910-1914.

[11] GREENSTEIN L J, ERCEG V, YEH Y S, et.al. A new path-gain/delay-spread propagation model for digital cellular channels[J]. IEEE Trans. Vehicular Technology，1997，46(2)：477-484.

后 茜(1988— )，女，碩士生，主研無線通信技術；

林基明(1970— )，教授，博士生導師，主要研究方向為無線通信技術；

周繼華(1979— )，正高級工程師，主要研究方向為移動通信技術；

劉 俊(1971— )，工程師，主要研究方向為移動通信技術。

責任編輯：許 盈

Hierarchical Collaborative Localization Algorithm for Non-line-of-sight Error Mitigation in LTE

HOU Qian1，LIN Jiming1，ZHOU Jihua2, LIU Jun2

(1.GuangxiExperimentCenterofInformationScience,GuilinUniversityofElectronicTechnology,GuangxiGuilin541004,China； 2.ChongqingJinmeiCommunicationCo.,Ltd.,Chongqing400030,China)

In LTE (long term evolution) system, NLOS (non-line of sight) error can lead to a large deviation of the position parameters measured by UE (user equipment), resulting in a decrease of the position accuracy of estimated UE based on the OTDOA (observed time difference of arrival) positioning technology. OTDOA covariance matrix is difficult to be obtained in the traditional Chan algorithm and Taylor series expansion localization algorithm. To solve this problem, a hierarchical collaborative localization algorithm (HCLA), which can mitigate the NLOS error, is proposed in this paper. Firstly, the eNodeB that includes NLOS error is identified, then the OTDOA covariance matrix is obtained using the residual weighting algorithm, and then the Chan algorithm and Taylor series expansion algorithm are improved, finally, the two methods are combined to make hierarchical collaborative localization of UE. This algorithm can run without the priori information of OTDOA error. Simulation results show that, in NLOS environment, the eNodeB that contains NLOS error can be accurately identified, and the position error can be effectively reduced.

LTE; position; NLOS error; OTDOA; hierarchical collaborative localization

國家自然科學基金項目(NSFC61172054；NSFC61362006)；廣西自然科學基金項目(2014GXNSFAA118387；2013GXNSFAA019334)；桂林電子科技大學研究生創新項目(GDYCS201409)

TN929.5

A

10.16280/j.videoe.2015.17.017

2015-04-20

【本文獻信息】后茜，林基明，周繼華，等.LTE中抑制非視距誤差的分層協同定位算法[J].電視技術,2015，39(17).