移动终端的基站定位技术研究与实现


分类号UDC密级单位代码!Q151大连海事大学硕士学位论文移动终端的基站定位技术研究与实现徐永清指导教师沈小艳职称副教授学位授予单位大连海事大学申请学位类别工学硕士学科(专业)信息与通信工程论文完成日期2015年12月答辩日期2016年3月答辩委员会主席 万方数据TheResearchandImplementationofPositioningTechnologyBasedonBaseStationofMobileTerminalAthesisSubmittedtoDalianMaritimeUniversityInpartialfulfillmentoftherequirementsforthedegreeofMasterofEngineeringbyXuYongqing(InformationandCommunicationEngineering)ThesisSupervisor:AssociateProfessorShenXiaoyanMarch2016 万方数据大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果,撰写成博/硕士学位论文!整动终端的基站定僮技本研究当实现:。除论文中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体己经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名:焦:塾:熊学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定,即:大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士学位论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据库》(中国科学技术信息研究所)等数据库中,并以电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于:保密口在——年解密后适用本授权书。不保新请在以上方框内打“√,,)论文作者签名:名太精导师签名:7次.心7日期:伽店年3月2,J日 万方数据中文摘要摘要智能终端的普及,使得人们可以方便的获得无线多媒体服务,对定位的需求也日益增大。因此,全球定位系统(GlobalPositioningSystem,GPS)得到了广泛的应用。然而,由于GPS在室内环境下无法定位,使得研究基于蜂窝网络的移动终端定位方法意义重大。本文首先对蜂窝网络定位方法的研究背景与选题意义进行了概述,介绍了蜂窝网络定位方法的国内外发展现状与难点。针对接收信号强度定位方法容易受环境等因素影响的问题,本文提出了一种改进的蜂窝网络加权定位算法。针对接收信号强度显示(ReceivedSignalStrengthIndication,RSSI)容易受非视距(NonLineofSight,NLOS)与多径效应等因素影响这一不足,本文提出了半数校正法,该方法提高了定位精度。为了进一步提高定位精度,在计算移动终端位置之前,剔除相同基站与孤立点。然后本文提出了WSS定位算法、IW定位算法以及DC定位算法。在实验室,按照清晨、下午以及晚上三个不同的时段对包括迭代加权质心定位算法在内的四种定位算法进行了验证,并且对它们进行了分析、比较。实验结果表明,就平均定位精度而言,迭代加权质心定位算法是240m左右,IW算法高于本文提出的另外两种算法且均高于前者,并且均达到了当前百度地图、腾讯地图LBS开放平台提供的基于基站的240m与150~800m的平均定位精度,四种定位算法受时段因素影响均较小。随机选取若干个不同的真实场景在三个相同的时段对四种定位算法进行了测试,测试结果与验证结果相符,并且设计实现了一个基站定位系统,其平均定位精度是170m左右,在一些复杂的室内并且没有wi.Fi(WirelessFidelity)的环境下,具有一定的实际意义。最后,系统考虑了许多可能情况,这使得其鲁棒性良好。关键字:移动终y&而till;蜂窝网络定位;接收信号强度;加权定位;非视距传播 万方数据英文摘要ABSTRACTWiththepopularityofintelligentterminals,peoplecaneasilyaccesstowirelessmultimediaservices,andthedemandforlocalizationisalsoincreasing.Therefore,GPS(GlobalPositioningSystem)hasbeenwidelyused.However,duetotheGPSCannotbepositionedintheindoorenvironment,whichmakestheresearchofpositioningmethodofmobileterminalbasedoncellularnetworkhasgreatsignificance.Theresearchbackgroundandthesignificanceofselectedtopicofpositioningmethodofcellularnetworkaresummarizedfirstlyinthispaper,andthedevelopmentsituationathomeandabroadandthedifficultpointsofpositioningmethodofcellularnetwolrkareintroduced.Inviewoftheproblemthatthepositioningmethodofreceivedsignalstrengthiseasytobeinfluencedbyenvironmentandotherfactors,aimprovedweightedpositioningalgorithmofcellularnetworkisproposedinthispaper.InviewofthedefectthatRSSI(ReceivedSignalStrengthIndication)iseasytobeinfluencedbyNLOS(NonLineofSight),multipatheffectsandotherfactors,themethodofhalfcorrectionisproposedinthispaper,itmakesthelocalizationaccuracyisimproved.Inordertoimprovethepositioningaccuracyfurther,samebasestationandisolatedpointsmustbeeliminatedbeforecalculatingthepositionofmobileterminal.Secondly,theweightedpositioningalgorithmbasedonstrengthofsignal,theiterativeweightedpositioningalgorithmandthepositioningalgorithmofdoublecentroidareproposedinthispaper.Inthelaboratory,includingiterativeweightedcentroidpositioningalgorithm,thefourkindsofpositioningalgorithmhavebeenverifiedinthreedifferentepisodesoftime,includingearlymorning,afternoonandevening,andtheyareanalyzedandcomparedtoo.Intermsofaveragepositioningaccuracy,theexperimentresultshowsthattheiterativeweightedcentroidpositioningalgorithmisabout240meters,theiterativeweightedalgorithmishigherthanothertwokindsofalgorithmwhichareproposedinthispaperandtheyareallhigherthantheformer,andtheyhaveachievedtheaveragepositioningaccuracyof240metersand150——800metersbasedonbasestationwhichareprovidedbyBaidumapandTencentmap,andthefourkindsof 万方数据英文摘要positioningalgorithmareallhardyinfluencedbytime.Thefourkindsofpositioningalgorithmhavebeentestinthesamethreeepisodesoftimeinsomedifferentrealscenarioswhichareselectedrandomly,theresultisconsistentwiththeresultofvalidation,andabasestationpositioningsystemisdesignedandimplemented.Theaveragepositioningaccuracyofthissystemisabout170meters,andithascertainpracticalsignificanceinsomecomplexindoorenvironmentwhichhasnoWi-Fi(WirelessFidelity).Lastly,manypossiblesituationsareconsideredinthissystem,thismakesithasgoodrobustness.Keywords:MobileTerminal;Strength;WeightedPositioning;CellularNetworkPositioning;ReceivedSignalNonLineofSightPropagation 万方数据目录目录第1章,绪论..........⋯⋯⋯⋯⋯.....⋯⋯..........⋯.⋯...11.1研究背景与选题意义⋯⋯.⋯⋯.⋯⋯⋯.⋯⋯.⋯.⋯⋯⋯11.2国内外发展现状与难点...⋯⋯⋯....⋯⋯.................⋯31.3论文研究内容及结构安排⋯..⋯...⋯.......⋯..⋯⋯⋯⋯..6第2章蜂窝网络定位研究基础⋯⋯⋯⋯⋯.⋯⋯.⋯⋯⋯⋯⋯⋯.92.1蜂窝网络定位分类........⋯⋯⋯.⋯⋯....⋯....⋯⋯.⋯.92.2经典蜂窝网络定位方法⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯..102.2.1Cell.ID定位....⋯...⋯⋯⋯.....⋯⋯⋯⋯..⋯.....102.2.2到达时间(TOA)定位⋯⋯....⋯⋯⋯⋯⋯⋯⋯⋯⋯.1l2.2.3到达时间差(TDOA)定位⋯⋯⋯⋯⋯.⋯⋯⋯.⋯⋯⋯132.2.4增强观测时间差分(E—OTD)定位....⋯.....................142.2.5到达角度(AOA)定位.⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯152.2.6指纹信号定位⋯.⋯⋯⋯⋯.⋯⋯.⋯⋯..⋯⋯⋯...162.2.7卫星定位...........⋯⋯⋯....⋯..........一⋯......172.2.8混合定位..............⋯...⋯.......⋯⋯.⋯⋯⋯..182.2.9数据融合定位......⋯⋯................⋯。.....⋯....182.2.10灯塔定位⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯192.3Tiny6410开发板⋯.⋯.⋯⋯..⋯......⋯⋯⋯⋯..⋯⋯..202.4MT3732通信模块.⋯⋯⋯⋯⋯....⋯⋯...⋯....⋯⋯.⋯212.5AT指令集⋯.⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯..212.6小结⋯...⋯..⋯⋯..⋯⋯⋯...⋯⋯............⋯.⋯.22第3章蜂窝网络加权定位算法研究⋯⋯.⋯.⋯⋯.⋯⋯.⋯.⋯⋯..233.1接收信号强度定位⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..233.2迭代加权质心定位算法..⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯..243.2.1高斯投影变换.⋯...⋯⋯.........⋯...⋯.............243.2.2孤立基站排除.⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯263.3改进的蜂窝网络加权定位算法⋯⋯.⋯⋯⋯.⋯⋯⋯⋯⋯...283.3.1信号传播模型拟合......⋯.⋯⋯............⋯⋯⋯...283.3.2经典质心定位算法⋯...⋯.........⋯..............⋯..313.3.3加权质心定位算法⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯323.3.4改进的蜂窝网络加权定位算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯33 万方数据目录3.3.5验证⋯⋯....⋯.⋯⋯⋯⋯⋯..⋯⋯⋯....⋯⋯..343.4小结..⋯......⋯.⋯....⋯⋯⋯...............⋯........36第4章基于RSSI基站定位算法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯374.1定位预处理⋯.⋯⋯⋯⋯⋯⋯⋯.⋯⋯.⋯⋯⋯⋯⋯⋯374.1.1剔除相同基站⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..374.1.2剔除孤立点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.374.1.3半数校正法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.384.2信号强度加权(wss)定位算法提出⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯424.3迭代加权(IW)定位算法提出.⋯⋯⋯..⋯⋯⋯⋯.⋯⋯⋯⋯434.4双重质心(DC)定位算法....⋯⋯.............⋯⋯⋯⋯⋯⋯464.5验证条件⋯⋯...⋯⋯..⋯⋯⋯⋯⋯⋯..........⋯.....494.6验证⋯...⋯.⋯.......⋯⋯................⋯⋯⋯⋯...504.7小结..⋯.⋯⋯⋯.⋯⋯⋯⋯⋯.⋯⋯........⋯....⋯.52第5章基于RSSI基站定位算法测试与实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯535.1测试条件..................⋯.⋯⋯⋯....⋯....⋯.⋯....535.2WSS定位算法测试⋯⋯⋯一⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯..545.3IW定位算法测试⋯.........⋯......⋯....⋯....⋯⋯.⋯.555.4DC定位算法测试.⋯⋯⋯一⋯⋯⋯⋯⋯.⋯⋯.⋯⋯.⋯.565.5测试结果分析⋯⋯.......⋯⋯........⋯.⋯..⋯⋯⋯⋯.565.6基站定位系统实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯..585.7小结⋯.⋯⋯⋯....⋯⋯⋯⋯..⋯..⋯⋯⋯.⋯⋯⋯..69第6章总结与展望⋯.⋯⋯⋯..⋯⋯⋯.........⋯⋯⋯⋯..⋯.706.1总结⋯⋯⋯⋯.⋯..⋯..⋯⋯⋯⋯.....⋯⋯...⋯..⋯706.2展望⋯..................⋯...............⋯..⋯⋯⋯⋯.71参考文献..⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..............⋯.72附录数据集.....⋯⋯..⋯...⋯...⋯.⋯....⋯⋯......⋯⋯..76致谢⋯.⋯⋯⋯..⋯⋯.....⋯⋯⋯⋯....⋯...⋯⋯⋯⋯92作者简介⋯⋯⋯⋯⋯..⋯.⋯..⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯..93 万方数据移动终端的基站定位技术研究与实现第1章绪论1.1研究背景与选题意义定位是指在特定的参考坐标系中通过某种方法或手段获得待定位物体位置的过程[11。在众多的定位方法(红外线、超声波以及无线电等)中,应用最为广泛的是无线电定位。无线电定位是指从接收到的无线电波中提取电波参数(信号传播时间、信号传播时间差、接收信号强度以及入射角度等),然后根据相关算法进行定位【2],其具体分类如下【3】:一是星基无线电定位,其根据多个卫星计算待定位物体的位置,例如美国的GPS、欧洲的伽利略(GalileoSatelliteNavigationSystem,GNS)、俄罗斯的格洛纳斯(GlobalNavigationSatelliteSystem,GLONASS)、中国的北斗(BeiDouNavigationSatelliteSystem,BDS)[4.6】;二是陆基无线电定位,其根据地面上接收机测量的电波参数计算待定位物体的位置[7],该定位方法依据实际的使用场景可以分为蜂窝网络定位与无线电导航定位。蜂窝网络定位是指根据蜂窝网络中若干个位置己知的基站以及与位置相关的无线电波参数,例如信号传播时间、信号传播时间差以及到达角度等,再根据相关定位算法进行定位。由于蜂窝网络的蓬勃发展与智能终端的普遍应用,世界各国开始就蜂窝网络定位展开研究。美国联邦通信委员会(FederalCommunicationsCommission,FCC)于1996年通过了一项规定,其规定移动运营商必须为移动电话使用者提供定位成功率是67%时精度达到125m,成功率是95%时精度达到300m的E.911服务。此外,该项法规还规定移动运营商在2001年之后进一步提高定位精度以及支持三维定位[8.10]。1998年,FCC又提出成功率是90%时精度达到400m的要求。到1999年,其又规定基于网络定位,成功率是67%时精度达到100m,成功率是95%时精度达到300m;基于移动终端定位,成功率是67%时精度达到50m,成功率是95%时精度达到150m。截止2001年10月,因为在实际应用时定位技术受到限制,因此未能达到成功率是67%时精度为125m的要求。尽管如此,该规定使E一911服务成为蜂窝网络必备的功能,因此许多国家相继提出了蜂窝网络定位方案,并且要求其必须具备能够提供高精度定位服务的基本功能。 万方数据绪论蜂窝网络定位能够弥补GPS定位的缺陷,即在某些场景下,GPS无法提供定位服务。近现代时期,在室外定位领域,GPS因其全天候、自动化、高效益等特点,已经成为目前世界上应用最为广泛的定位系统【11]。GPS可以应用于许多领域,例如紧急救援、车辆导航以及动物追踪[他]等。虽然GPS可以满足FCC的要求,但是其需要同时接收四颗及以上卫星的信号才能获得移动终端的位置。此外,GPS仅仅能够实现自定位,系统不能据此来实施相应的方案。同时,GPS能耗较高、冷启动时间较长[13-14]。此外,GPS的卫星信号对环境的依赖性很强,并且受到许多其他因素的影响,例如GPS的卫星信号无法穿越建筑物传播到室内,在建筑物密集的街区、树阴下、停车场、机场以及医院等大型建筑内,信号强度急剧衰减,使得其精度远远超出室内人员的需求【·引。蜂窝网络定位由于其成本低、可以运用于室内环境等特点弥补了GPS的不足。此外,蜂窝网络定位也可以运用于商业。随着蜂窝通信系统的进一步发展,实现移动终端的精准定位变得愈来愈重要,LBS展现出了巨大的市场诱惑力,其提供的服务可以分为以下几类:一是为个人提供的服务,包括位置附近的相关信息以及人员的救助等;二是为企业提供的服务,包括防盗、交通管理以及车辆调度等。蜂窝网络定位相关应用具体分类如下:(1)黄页查询蜂窝网络定位服务与互联网的相互融合,能够为人们提供黄页查询服务。蜂窝网络在对使用者进行定位之后,运用短信或其它方式为其提供基于位置的服务,例如其当前所处区域道路情况以及附近商场、学校、酒店、政府机关、居民区、餐馆等。(2)智能交通系统现如今,智能交通系统(IntelligentTransportSystem,ITS)已经被很多城市运用于交通管理领域,其能够解决日常交通中发生的诸多问题。蜂窝网络定位在出现拥堵时,能够缓解车流量,保持交通秩序;在物资运输时,能够监控车辆,了解即时动态;在出现事故时,能够迅速地锁定事故地点,提供救助。 万方数据移动终端的基站定位技术研究与实现(3)紧急救援现如今,移动电话得到了大量普及,日求助与报警量不容忽视。一份来自美国公众安全机构调查报告表明:在紧急呼叫中,移动电话占15%~40%。不幸的是,在通常情况下,由于一方面用户不能精准地给出自身的位置,另一方面机构不能获得其当前的位置,使得救援工作不能有效地展开。蜂窝网络在求助者拨打紧急电话之后,能够迅速对其进行定位,并且将结果传送给机构,这也使得其应急能力大为提升。(4)网络规划蜂窝网络的蓬勃发展使得可利用的频谱资源越来越少,为了确保有效的覆盖范围以及避免串话与干扰,需要在设计时实现频率的复用。蜂窝网络能够迅速地对用户进行定位,同时还能够获得其当前所处的基站以及接收信号功率,由此能够更好地对网络进行规划、部署以及扩展。由于终端功能与蜂窝网络系统的持续完善,LBS在全世界快速发展,多种解决方案不断提出。尽管如此,NLOS与多径效应等因素都增加了定位难度,故而仍然需要人们提出适合的解决办法。1.2国内外发展现状与难点无线定位研究最早始于20世纪60年代的自动车辆定位(AutomaticVehicleLocation,AVL)系统。由于蜂窝网络蓬勃发展,从20世纪80年代开始,人们的定位需求日益增加,这为研究定位提供了契机。20世纪末,美国由于安全问题与救援的需要开始了定位方面的研究,并且于1996年颁布了E.911安全规范,要求必须将位置信息作为911急救业务的必备服务【8],这使得全世界对无线定位的研究步入高潮。国际上著名的跨国公司已经开始对其进行研究,像日本与韩国,各种定位服务的相关应用比比皆是。例如,高通公司的GPSONE方案运用蜂窝网络定位弥补了某些场景下GPS卫星定位失效的缺陷;自2001年起,日本着手定位的相关服务,如今其业务应用最为广泛,韩国则后来居上,也领先于美国。虽然我国对无线定位的研究比较晚,但是中兴等高科技公司,各大高校己经有大量的人员从事该领域的研究,也取得了不错的成果。例如,中兴通讯为通信运营商提供的 万方数据绪论GPSONE、A—GPS以及Cell—ID(CellIdentification)融合定位产品;国内高校以清华大学、复旦大学为主,各种相关的技术不断被提出与发表[16—171。与此同时,学术界也涌现出了许多与蜂窝网络定位相关的文献,囊括了该领域亟待攻克的诸多问题,例如定位算法、信号传播模型、测量值估计、抗非视距误差以及定位算法性能的评估等。JamesJ.Caffery主要对CDMA通信网络采用到达时间(TimeofArrival,TOA)的定位方法,抗非视距误差等进行了研究[18】。BertrandT.Fang提出了Fang算法,其仅仅根据三个位置已知的基站,通过平移转换计算移动终端的位置[19]19。Y.T.Chan提出了Chan算法,其根据两次加权最小二乘法(WeightedLeastSquare,WLS)计算移动终端到基站的距离,从而计算移动终端的位置[20]。BenjaminFriedlander提出了Friedlander算法,其通过两边同时乘以一个矩阵,通过奇异值分解计算移动终端的位置[z¨。W.H.Foy提出了Taylor算法,其将非线性关系转变为线性关系,再根据WLS来计算移动终端的位置[zz]。虽然有关研究仍在继续,然而由于源源不断的实际问题与人们定位需求的日益增大,更深入的研究亟需展开。非视距为无线定位产生误差的最主要因素,针对其的应对方案分类具体如下:(1)视距重构法,即鉴别是否有测量值受到NLOS的影响,然后依据特定的算法消除NLOS误差,根据重构的测量值计算移动终端的位置。例如Wylie提出一种经典的NLOS误差鉴别与消除算法,该算法主要依据是NLOS条件下测量值标准差比视距(LineofSight,LOS)条件下大[23】。许多与LOS重构相关的定位算法都是对其进行改进与优化[24.251。(2)冗余数据加权法,即对视距测量值或受非视距影响较小的测量值采用较大加权系数,其他采用较d,DH权系数,但是该方法的缺点是其仅仅可以用于存在冗余测量值的情况【26]。(3)仅仅根据视距条件下的测量值实现定位,即事先检测测量值,仅仅根据视距条件下的测量值计算移动终端的位置。(4)约束最优化方法,即将目标函数定义为测量距离与真实距离之差的平方自DDI:I权和,以约束条件为最优化目标的附加条件,其分为以下几类:一类为距离 万方数据移动终端的基站定位技术研究与实现或时间的NLOS误差一定是正值,另一类为蜂窝小区覆盖范围与参考坐标系【271。(5)数据平滑法,即通过对不同时刻的测量值或位置进行平滑与滤波,例如多项式拟合与滤波法等【28-291。(6)最大似然(Ma)(imumLikehood,ML)参数估计法,即在ML估计准则的基础上,依据NLOS误差概率分布对移动终端进行定位。现如今,由于无线定位的蓬勃发展,学术界提出了很多新的定位算法。Po.HsuallTseng等人提出通过卡尔曼滤波与基站的实际几何分布计算移动终端位置的算法【29】。WeiguoOuan等人提出通过卡尔曼滤波抑制NLOS误差来实现高精度定位的运用于CDMA2000中的算法[301。郭丽梅与罗大庸提出一种可以运用于NLOS条件下的TOAJAOA算法[311。肖卫初等人提出通过基站几何分布进行定位的算法【32]。刘林等人提出了一种可以运用于多径效应场景下的多终端协作算法【331。杨浩等人提出了一种可以运用于三维环境下定位的TDOA/AOA算法[341。尽管对蜂窝网络定位的研究从未停止,但是该方向仍然存在诸多难点,具体如下:(1)定位参数的可测性问题算法因其自身条件的限制,使得其对参数要求程度不同。例如TOA算法,其定位误差较小,然而该算法需要双向测量移动终端与三个及以上基站之间的信号,并且时间需要高度同步。不幸的是,通常情况下,因为受限于终端能耗与通信系统容量,移动通信网络中广泛采用了功率控制技术,因此在复杂环境下无法保证有足够数量的基站能实时测量到移动终端的上行信号,从而使得算法失败,因此参数要求低的算法有重要意义。(2)定位信道的时变问题真实场景中,移动终端与基站的相对运动以及复杂的无线信道都有可能导致视距与非视距的频繁切换,例如TOA算法在两种状态下的测量误差分布是截然不同的:LOS条件下,其服从零均值正态分布,NLOS条件下,其不再服从此分布。因此需要对NLOS误差进行检测与消除,例如Wylie提出的一种经典的NLOS误差鉴别与消除算法。 万方数据绪论(3)定位参数的低质量问题众所周知,在蜂窝网络定位中,对其精度产生影响的一个最主要因素是非视距误差。非视距环境下,电磁波的传播往往存在时间与距离的误差,从而导致定位参数低质量的问题。例如当移动终端处于室内、森林等环境中,很大可能其与基站存在NLOS传播,若直接采用测量值进行定位,将会增大定位误差,因此需要对测量值作相应的处理。1.3论文研究内容及结构安排尽管在室外定位领域,GPS得到了广泛的应用,但是由于其在室内无法定位,使得研究基于蜂窝网络的移动终端定位方法有着重要的实际意义。然而,在一些复杂的室内(例如展厅、仓库以及超市等)并且没有Wi.Fi的环境下,单个基站的蜂窝网络定位算法无法满足人们的定位需求,因此本文研究多个基站的蜂窝网络定位算法,其可以分为以下六章:第一章:首先概括了蜂窝网络定位方法研究背景与选题意义,然后就其国内外发展现状与难点作了说明,最后给出了本文研究内容与结构安排。第二章:首先对蜂窝网络定位的分类进行了介绍,然后详细地说明了蜂窝网络中几种经典的定位方法,并且进行了分析、比较,最后介绍了本文定位系统需要的开发平台ARMllTiny6410与ZTEMT3732通信模块以及AT指令。第三章:首先系统地阐述了接收信号强度定位方法与迭代加权质心定位算法的原理,并且对信号传播模型进行了拟合。针对接收信号强度定位方法容易受环境等因素影响这一不足,提出了一种改进的蜂窝网络加权定位算法。第四章:针对RSSI容易受NLOS、多径效应等因素影响的问题,本文提出了半数校正法,该方法提高了定位精度。止LC,b,为了进一步提高定位精度,在计算移动终端位置之前,对采集的基站信息进行预处理,包括剔除相同基站与剔除孤立点,然后从加权系数的确定与移动终端位置的计算方式两个角度提出了WSS定位算法、IW定位算法以及DC定位算法。最后选取实验室这一真实场景对包括迭代加权质心定位算法在内的四种定位算法按照清晨、下午以及晚上三个不同的时段进行了验证并且作了分析、比较。 万方数据移动终端的基站定位技术研究与实现第五章:首先随机选取若干个不同的真实场景对上一章阐述的四种定位算法按照上一章三个相同的时段进行了测试,然后对四种定位算法的优劣进行了分析、比较,接下来本文设计、实现并且测试了一个定位系统,最后对实际应用时可能出现的一些非正常情况都进行了考虑,例如当连续10次打开串口失败时通知用户保证USB串口与ZTEMT3732通信模块连接正常,系统在调用write函数发送AT指令后分别睡眠10ms与20ms才调用read函数读取主基站与邻近基站信息,防止因未能接收到完整的基站信息而导致基站定位失败或增大定位误差。此外,通过AndroidSQLite数据库对基站信息进行了存储,这一举措为分析移动终端运行轨迹等深入应用提供了条件,定位算法返回的定位时使用的基站信息为进一步提高定位算法的精度奠定了坚实的基础。第六章:就全文研究内容作了归纳,简要地叙述了研究方法与成果,而且就接下来的研究工作作了展望。 万方数据绪论.8. 万方数据移动终端的基站定位技术研究与实现第2章蜂窝网络定位研究基础2.1蜂窝网络定位分类依据定位主体、位置计算所在端以及使用设备的不同,通常情况下能够将蜂窝网络移动终端定位分为如下几类:(1)基于移动终端定位该方法又可以称作前向链路定位或移动终端自定位,其基本思想是移动终端接收到来自三个及以上位置已知基站的信号,然后根据其中所包含的与移动终端位置相关的信息获得二者的位置关系,最后根据相关定位算法对移动终端进行定位。(2)基于网络定位该方法又可以称作反向链路定位或远距离定位,其基本思想是三个及以上位置己知基站对来自移动终端的信号进行检测,接下来位于网络中的移动定位中心(MobileLocationCenter,MLC)接收信号中所包含的与移动终端位置相关的信息,由MLC的分组控制功能(PacketControlFunction,PCF)计算移动终端的位置。(3)移动终端辅助定位该方法基本思想是移动终端接收到来自三个及以上位置已知基站的信号,并将其中所包含的与移动终端位置相关的信息传送回去,然后由网络中的MLC接收信息,最后由MLC的PCF对移动终端进行定位。(4)网络辅助定位该方法基本思想是三个及以上位置己知基站对来自移动终端的信号进行检测,并且将信号中所包含的与移动终端位置相关的信息传送回去,最后通过移动终端中的PCF实现定位。(5)GPS辅助定位该方法又可以称作A.GPS,其运用了GPS定位,基本原理是根据位于网络中的GPS设备与移动终端内部集成的GPS接收机模块以及多用途天线进行定位。然而,该模块存在一些不足,例如能耗较高、冷启动的时间较长等。A.GPS定位方 万方数据蜂窝网络定位研究基础法需要移动网络交互,从通信运营商方面来看,占用了大量的空中资源。由于智能终端的普及,使得人们可以方便的获取无线多媒体服务,对定位的需求也日益增大,因此本文研究第一种定位方法。由于本文研究数据采集自GSM网络,因此本文主要研究GSM无线网络定位方法。该方法的过程具体如下:‘(1)测量阶段。该阶段移动终端依据与基站的通信估计电磁波参数,例如TOA、RSSI等。(2)处理阶段。该阶段移动终端结合电磁波传播特性将获得的电磁波参数转换为测量参数,依据基站的位置信息计算出移动终端的位置。影响电磁波参数的因素有许多,例如非视距误差、多径效应、环境噪声、链路阻塞、时钟偏移、各种干扰以及环境时变等。此外,系统通信体制也会对参数产生影响。2.2经典蜂窝网络定位方法2.2.1Cell.ID定位该定位方法又可以称作全球小区识别码(CellGlobalIdentity,CGI)定位或起源蜂窝(CellofOrigin,C00)定位,其根据小区识别码(CellIdentification,CID)进行定位。CGI是全球唯一的,其包括位置区识别码(LocationAreaIdentity,LAI)与Cell—ID,LAI包括移动国家码(MobileCountryCode,MCC)、移动网络码(MobileNetworkCode,MNC)以及位置区码(LocationAreaCode,LAC)。Cell.ID在系统中是唯一的,所以只要找到正在与移动终端进行通信的基站(主基站或服务基站)的识别码,就可以获得移动终端的位置,因此该方法最便捷、最易于实现,其精度取决于基站的覆盖范围,一般情况下,基站分布越密集,精度越高。针对该方法的改进主要分类如下:(1)在GSM网络中,移动终端需要事先发送信号才能够实现其与基站之间的同步。信号从移动终端开始,传播至基站所经历的时间,称为时间提前量(Time 万方数据移动终端的基站定位技术研究与实现Advance,TA)[35J,单位是bit,一比特大约3.69us。因此,移动终端依据基站运算并且定期发送的TA获得二者的距离。(2)在GSM网络中,基站在获得信号强度之后,将信号强度与信号发射功率进行比较,从而计算其与移动终端的距离,再在该方法的基础上实现定位。实验结果表明,该方法能够减小误差,但其会受到信号强度测量与信道模型的影响。(3)圆旅行时间(RoundTripTime,RTT),即从基站发射的一帧信号,往返基站与移动终端所经历的时间总和。在3G网络中,可以通过RTT来减小定位误差,其类似于GSM中的TA,理论精度为80m。(4)在3G网络中,移动终端能够依据软切换与多个基站进行通信,从而依据覆盖范围的重合部分确定其当前的位置,最终达到减小定位误差的目的。(5)若为扇形天线,由于基站能够分成许多扇区,彼此覆盖范围不同,因此通过辨别移动终端所处扇区能够减小定位的误差。2.2.2到达时间(TOA)定位该方法比较常用,主要依据为信号传播时间与距离成正比关系,其属于基于距离定位方法的范畴。TOA定位基本思想是移动终端同时对来自多个基站的信号进行测量或多个基站同时对来自同一个移动终端的信号进行测量,通过获得信号传播时间来计算移动终端与基站的距离,再依据获得的三个及以上距离实现定位。TOA定位的过程具体如下:(1)信号检测与参数估计,即移动终端或基站测量信号并且从中提取电波参数,从而获得TOA。(2)位置估算,即依据TOA实现定位。TOA定位原理如图2.1。 万方数据蜂窝网络定位研究基础图2.1TOA定位原理Fig.2.1Theprincipleoflocalizationbasedontimeofarrival图2.1中,A,B,C为基站,坐标分别为(_,乃),(XBY占),(XCY。.),0为移动终端,坐标为(x,Y),其到基站的距离如图2.1,根据距离建立方程组,如式(2.1),从而获得其当前的位置。么=√(x—x。。)2+(y-y。)2珞=√(x—xB)2+(少一yB)2(2.1)k,=√(x一≈)2+(y一坛)2尽管相对信号衰弱来说,传输时间受信道模型影响的程度更小,但是TOA测量受移动终端或基站以及定位系统核心的处理时间影响较大,因此该定位方法需要在流程中严格把握并且统计各流程的时间。由于涉及多个基站同时对来自同一个移动终端的信号进行测量或移动终端同时对来自多个基站的信号进行测量,因此该定位方法对移动终端支持能力的要求非常高。此外,该方法不仅需要确保基站问的高度同步,还要确保基站与移动终端的高度同步,故而实现起来比较困难。TOA定位的精度容易受非视距等因素的影响,其反应时间较长,一般是5s左右。 万方数据移动终端的基站定位技术研究与实现2.2.3到达时间差(TDOA)定位到达时间差(TimeDifferenceofArrival,TDOA)定位与TOA定位比较相似,是在TOA定位基础上作了改进,其不要求基站与移动终端严格同步,只要求基站之间满足一定同步精度。该方法中,每组TDOA代表移动终端与两个基站信号传播时间之差,在一定的时间内,我们可以认为该值是恒定的,因此当获得两个信号传播时间差之后,建立方程组则可以实现定位。由此我们可以得出,与TOA定位的差异在于,TDOA定位在获得信号传播时间后,不是立即计算距离,而是先对TOA两两作差,然后通过相关定位算法实现定位。TDOA定位方法的前提是需要明确覆盖区域内不同基站之间的距离,不同的基站之间需要精确的同步。TDOA定位的过程具体如下:(1)信号检测,即三个及以上基站接收来自同~个移动终端的信号。(2)参数估计,即计算TDOA。(3)位置估算,即依据TDOA实现定位。TDOA定位原理如图2.2。图2.2TDOA定位原理Fig.2.2Theprincipleoflocalizationbasedontimedifferenceofarrival 万方数据蜂窝网络定位研究基础图2.2中,A,B,C为基站,坐标分别为(XAY爿),(XBYB),(坼,坛),O为移动终端,坐标为(x,Y),将A当作参考点,根据移动终端到B,C的距离同其到A的距离之差,建立方程组,如式(2.2),从而可以计算出移动终端当前所处的位置。fd刚=厄i再而一厄i再而1dc厂4—(x_Xc)2+—(y_Yc)2_厄丽丽@·2’TDOA定位与TOA定位依据测量传播时间不同,其依据它们的差实现定位。此外,其降低了同步要求,仅仅需要基站之间时间同步,与前者相对比,其精度高,响应速度差不多,更加利于实现,并且更具有实际意义,因此运用范围也更加广泛一些。由于该方法实际应用价值很大,故而使得越来越多的人开始就此方向展开研究。2.2.4增强观测时间差分(E.OTD)定位增强观测时间差分(EnhancedObservedTimeDifference,E—OTD)定位,即通过测量信号传播时间之差实现定位。该定位方法依据位置测量单元(LocationMeasurementUnit,LMU)实现同步,而TOA定位方法则是依据移动终端与基站装载的GPS或原子钟。该方法的过程具体如下:(1)移动终端获得来自三个及以上基站的信号,从而获得对应的观测时间差(ObservedTimeDifference,OTD),然后将其上传到LMU。(2)LMU测量基站的相对时间差(RelativeTimeDifference,RTD),并且根据得到的OTD与RTD计算几何时间差(GeometricTimeDifference,GTD),GTD=OTD.RTD,根据GTD计算移动终端的位置。与很多蜂窝网络定位方法相同,非视距与多径效应等因素也将对该方法产生影响,从而产生测量误差,其精度较Cell.ID定位方法高,一般是50~125m,然而其反应时间较长,一般是5s左右。此外,该方法必须改进移动终端。 万方数据移动终端的基站定位技术研究与实现2.2.5到达角度(AOA)定位到达角度(AngleofArrival,AOA)定位方法,又可以称为三角测量法,即依据来自两个及以上基站的接收信号到达角度(接收信号相对于正北或磁北的角度)实现定位。政府与军方最先开始对AOA方法的研究,其不要求改进移动终端,后应用于模拟无线通信中。AOA定位原理如图2.3。O图2.3AOA定位原理Fig.2.3Theprincipleoflocalizationbasedonangleofarrival图2.3中,A,B为基站,坐标分别为(五,Y。),(X2Y:),C为移动终端,坐标为(z,少),魂,欢为基站接收信号到达角度,建立方程组,如式(2.3),从而实现定位。tan(痧)=詈,其中H,2(2.3)X—X⋯~AOA定位具有确定性是其主要优势之一。该定位方法最致命的缺陷是阵列天线一般体积庞大,然而由于通信法规越来越多的限制,天线阵列的部署将遭遇很多困难,譬如不易管理等。此外,当基站接收到的信号来自较远处的移动终端时,微小的入射角度偏差,都能够产生较大的误差。 万方数据蜂窝网络定位研究基础2.2.6指纹信号定位指纹信号定位又可以称之为特征信号定位,即通过事先的测量,创建位置指纹库,与移动终端接收到的信号强度作比较从而实现对移动终端的定位。指纹信号定位原理如图2.4。4t9教419挺位置1(RSSlll,RSSll2,RSSIl3,RSSII.)位置2(RSSl21,RSSl22,RSSI∞,RSSl24)位置3(RSSl3。,RSSIn,RSSl3,,RSSl3.)位置刀(nSSI,,e,ss!fJl2,RSSI,d,RSSI)库。位。肭参一——————————◆实时定位阶段图2.4指纹信号定位原理Fig.2.4Theprincipleoflocalizationbasedonfingerprintingsignal该方法的过程具体如下:(1)离线采集阶段,即采集己知区域内各位置接收信号强度等构成位置指纹(2)实时定位阶段,即依据移动终端接收的信号强度,根据匹配算法实现定指纹信号方法避免了非视距、多径效应等因素的影响,在指定区域内能够实现高精度定位,其不要求改进移动终端,也不要求时间上进行同步。然而,该方法具有如下几个缺点:(1)该方法必须在离线定位阶段对特定区域进行详细地测量,创建相应的位置指纹库,故而工作量较大。 万方数据移动终端的基站定位技术研究与实现(2)当特定区域内环境产生变化时,例如旧建筑物拆除与新建筑物出现等都必须重新测量,创建新的位置指纹库,故而定位区域较大时不宜使用该方法进行定位。2.2.7卫星定位卫星定位,即依据多个卫星的瞬时位置,通过运用空间距离后方交会方法实现定位。卫星定位原理如图2.5。图2.5卫星定位原理Fig.2.5Theprincipleoflocalizationbasedonsatellite,.n,Z4)[(五-x)2+(y1-y)2+(z1-z)2]l/2+c(Vtl一Vto)=么[(%一x)2+(少2一y)2+(z2-z)2]1/2+c(Vt2一所。)=d2(2.4)[(码-x)2+(y3-y)2+(z3一z)2]l/2+c(gt3一Vto)=吃[(砀一x)2+(.坎一少)2+(z4一z)2]“2+c(Vt4一Zto)=以其中,x,Y,Z分别为移动终端x轴、y轴、Z轴坐标,谚=cati,i=1,2,3,4,谚,i=1,2,3,4分别为移动终端与卫星1、2、3、4之间的距离,C为卫星信号传播速度,Ati,i=1,2,3,4分别为信号从各卫星到移动终端的传播时间,Vt,,i=l,2,3,4为各卫星的钟差,所。为移动终端的钟差,根据式(2.4)进行定位。 万方数据蜂窝网络定位研究基础2.2.8混合定位混合定位方法即几种定位方法相互结合形成的新的定位方法,其通过两种及以上定位方法相互制约,最终得到高精度定位结果。该方法包括TOA/AOA[361、TDOA/AOA、TDOA/TOA以及接收信号强度定位/TDOA等。星基定位方法与陆基定位方法的混合使用是混合定位的一个重要方面,其中应用较为广泛的有A.GPS与GPSONE。根据位置计算所在端的不同,A.GPS能够分为以下几类:一是移动终端自主,其根据其中的GPS接收器所接收到的信息实现定位;二是移动终端辅助,其将其中的GPS接收器所接收的信息传回A.GPS的位置服务器,在此基础上,服务器联合其他的方法(蜂窝基站定位与GPS定位)实现定位,最后再返回给移动终端。GPSONE定位方法同时使用了卫星定位方法与网络定位方法,该定位方法与传统的GPS或网络定位方法相比,具有更高的可靠性。GPSONE定位精度是5~50m。GPSONE与A.GPS混合定位方法,即使在室内也能够基本保证正常工作。GPSONE不需要增加基站以及相关设备,可以跨越网络与地区,该定位方法的缺点是移动终端必须具备GPSONE功能,并且要求移动终端处理能力高。实际上,基本任意一种定位方法都可以混合,根据混合后的效果与成本决定其是否实用。2.2.9数据融合定位数据融合定位可以借助各式各样的技术与处理方式,根据先验信息融合各个种类的数据。该定位方法的基本原理是同一数据源数据经过不同的处理方法会产生一定的统计增益。数据融合模型包括几个不同的层次,各个层次都进行决策与处理,该模型的基本特征是测量的数据在模型的不同层次之间的转移与对应的决策以及推理。实验室联合理事会(JointDirectorsofLaboratories,JDL)提出了一个广义的数据融合模型,该模型可以运用于不同的领域,是一种功能导向模型,其为理解数据融合提供了便利,但是系统实际开发时无法使用。JDL模型如图2.6。 万方数据移动终端的基站定位技术研究与实现图2.6JDL数据融合模型Fig.2.6ThedatafusionmodelofJDL2.2.10灯塔定位灯塔定位方法通过装有三束相互垂直的光束的基站对位于其范围与光束的视距范围内的接收机进行定位。不失一般性,假设X,Y,Z为三束光束的旋转轴,不考虑测量误差因素的影响,接收机位置向量与其与旋转轴之问的距离相关。灯塔定位原理如图2.7。图2.7灯塔定位原理Fig.2.7Theprincipleoflocalizationbasedonlighthouse 万方数据蜂窝网络定位研究基础dx2=”2+z,2d。2=x,2+z,2(2.5)t2=x,2+y,2根据式(2.5)能够获得8个解,与三维空间每个象限中的一点相对应,根据先验信息即接收机处于哪个象限,即可实现定位。2.3Tiny6410开发板ARMl1Tiny6410以三星$3C6410为主处理器,该处理器主频是533MHz,最高达到667MHz。该开发板可以运用于终端设备中,例如定位系统、工业控制等;同样也可以运用于自我学习、学校教学等。具体而言,Tiny6410具有MiniUSB2.0、USBHost1.1、SD卡座以及SDl02(可接SDWi—Fi)等接口,再加上与Tiny6410尺寸相匹配的LCD模块。此外,Tiny6410采用superboot,不必连接电脑,即可在开发板上安装SD卡(能够支持32G以上的大容量高速卡)中的嵌入式系统,包括Android,Linux等,甚至无需烧写,可以在SD卡上直接运行它们【371。Tmy6410开发板如图2.8。图2.8Tiny6410实物图Fig.2.8TherealfigureofTiny6410 万方数据移动终端的基站定位技术研究与实现2.4MT3732通信模块MT3732是一款基于展讯SC8802G平台的TD.SCDMA/GSM双模无线通信模块,该模块的承载频段:TD.SCDMA模式下是2010~2025MHz或1880~1920MHz,GSM模式下是900MHz或DCSl800MHz,使用外置天线,支持USB接口,速率是480Mbps,并且提供语音与数据的无线传输业务。MT3732的长宽高仅为31(±0.1)*39.5(±0.1)水2.65(±0.1)rnlTl,其降低了对高度的要求,为PCB板节省了大量的贴片面积,能够运用于空间更加受限的移动终端【38】。MT3732通信模块如图2.9。图2.9MT3732实物图Fig.2.9TherealfigureofMT37322.5AT指令集AT指令集是自移动终端或数据终端向数据电路终端或终端适配器发送的。该指令集能够为用户提供网络业务、电话本等服务。 万方数据蜂窝网络定位研究基础本文使用的AT+CCED指令具体分类如下:(1)中国移动GSM网络指令AT+CCED=0,1。运用该指令采集移动终端当前所处区域的基站即主基站的信息:MNC,MCC,LAC,CID,基站识别码(BaseStNionIdemiWCode,BSIC),广播控制信道(BroadcastCoNrolChannel,BCCH),接收信号电平(ReceivedSignalLevel,RxLev),接收信号质量(ReceivedSignalQuality,RxQuN)。(2)中国移动GSM网络指令AT+CCED=0,2。运用该指令采集移动终端当前所处区域最多六个邻近基站的信息:MNC,MCC,LAC,CID,BSIC,BCCH,RxLev。RSSI与RxLev转换关系如式(2.6)。兄对=Rx三Pv.110(2.6)其中,RSSI为接收信号强度,RxLev为接收信号质量。2.6小结本章首先对GSM无线网络定位方法的分类作了介绍,然后对蜂窝网络中几种经典的定位方法,包括Cell.ID以及改进定位方法、TOA、TDOA、E.OTD、AOA以及几种定位方法的混合、指纹信号、卫星、数据融合以及灯塔定位方法进行了详细地阐述,最后对本文定位系统需要的开发平台ARMl1Troy6410开发板与ZTEMT3732通信模块以及AT指令进行了介绍。 万方数据移动终端的基站定位技术研究与实现第3章蜂窝网络加权定位算法研究3.1接收信号强度定位在蜂窝网络中,接收信号强度定位也比较常用,其属于TOA定位范畴。此外,测量接收信号为所有移动终端必须具备的基本功能。由于毋需额外的硬件支持,也不会增加能耗、体积以及成本等特点,接收信号强度定位的实现基本无需增加新的功能,适用于所有的无线网络包括GSM、CDMA、CDMA2000、WCDMA、WLAN、WMAX以及LTE等。该方法主要依据为移动终端接收的信号强度与其到基站的距离满足对数衰减规律,依据信号传播模型计算二者的距离,通过三个及以上距离实现定位。决定接收信号强度定位方法精度的关键因素是对距离的估算,然而由于信号在传输过程中会受到实际环境中信道以及其他因素的影响,使得该定位方法的定位精度较低。建立信号传播模型为接收信号强度定位的关键,很多研究人员就此作了深入的研究,得出了多种可运用于各种应用场景的模型。常用的路径损耗模型主要可以分为以下几类:自由空间传播模型、对数距离路径损耗模型、对数一正态分布模型以及哈塔模型等【39】。各种路径损耗模型基本上均可以通过经验公式与误差修正数据构成,其基本表达式为L=A+Blgd(3.1)其中,三为信号传播路径损耗,单位是dB,A,B为频率、天线高度以及地形类型的函数,d为收发机之间的距离。自由空间中,接收信号强度与收发机的距离d的平方满足反比关系,即自由空问传播模型,又称为ffiis传输公式,如式(3.2)。御=辚(3.2)其中,P(d)为与接收天线相连的匹配负载的接收功率,单位是w,Z为发射 万方数据蜂窝网络加权定位算法研究天线输入功率,单位是W,Gf为发射天线增益,单位是dBi或dBd,G,为接收天线增益,单位是dBi或dBd,旯为发射信号波长,单位是m,d为收发机之间的距离,单位是m。然而,该模型过于理想。实际中,信号传播受到环境(室外、室内、建筑物以及雨雪天气等)反射、衍射以及散射等影响。实验结果表明,任意位置d处路径损耗可以看作为均值与距离相关服从对数正态分布的随机变量,如式(3.3)。P三cd,=PL(do)+10nplg(丢j+x。c3.3,其中,PL(d)为距发射机d处的路径损耗,单位是dB,PL(d。)为距发射机巩处的路径损耗,单位是dB,船。为路径损耗系数,代表随着信号传播距离的增加,接收信号强度的下降速度,其与具体传播环境有关,X。为零均值服从正态分布的随机变量,其标准差是万.根据信号发射功率与路径损耗二者之差即可获得接收信号强度。因此,根据式(3.3)可以得到式(3.4)。RSSI=-10nlgd+A(3.4)其中,RSSI为接收信号强度显示,单位是dBm,”为路径损耗系数,其主要由电磁波所受到的空气中衰减、反射以及多径效应等干扰决定,干扰越小,系数玎值越小,d为离发射机的距离,单位是m,A为lm处接收的平均信号强度,单位是dBm。在接收信号强度定位中,模型与地形地貌越匹配,移动终端越接近基站,精度越高。3.2迭代加权质心定位算法3.2.1高斯投影变换依据LAC、CID,我们可以由免费的API(ApplicationProgramInterface)获得基站的纬度与经度,再依据高斯投影变换,则可以实现大地坐标系与平面坐标系之间的转换【431。 万方数据移动终端的基站定位技术研究与实现高斯投影正变换公式如下:x:x+—型:sinBc。sB丰,吨+—2≮sinBCOS3B(5-t2+9002+2 24D。2p4 4刁4∥、盎sin删耻58“一,”6(3.5)y=歹Ncos删+矿Ncos3B(1-t2+002n弋Nc。s5B(5—18f2+t4+14叩2—58002f2),巧P。其中,x,y分别为点P的纬度与经度经过高斯投影正变换后的纵坐标与横坐标,单位是1TI,X为赤道到点P的子午线弧长,单位是m,N=_了—菩;,以41一e‘sin‘B为地球的长半轴,单位是m,根据具体的椭球参数确定,e为地球的第一偏心率,B为点尸的纬度,单位是弧度,P”取206264.806247096,单位是S,,”为点P的经度三与中央子午线经度厶的差值,单位是S,f=tanB,00=e2COS2B,e’为地球的第二偏心率。高斯投影反变换公式如下:B=Bf一丽Ify2+南(5叫+劣叫枷4一面tf两‘61州+45钞(3.6)三=i击一———上二一(1+2,;+叩;)+6N)NfcosBfcosBf、J·。南(5+28哆+24哆+6彩+8何2。2)其中,B,L分别为点P经过高斯投影反变换后的纬度与经度差,单位是弧度,依据中央子午线经度厶可以获得其经度,由L+g即可确定,毋为点尸的横坐标Y在椭球上投影的垂足纬度-=tan乃,呜2生1+00:f,Ⅳ,2赢,77,=P’cosB:。 万方数据蜂窝网络加权定位算法研究3.2.2孤立基站排除在实际应用时,考虑距离较远的基站即孤立基站,会对定位产生不利的影响,因此需要排除它们。孤立基站排除的详细过程如下:(1)依据两点间距离公式,如式(3.7),获得两两基站的距离d,从而获得距离矩阵D,如式(3.8)。办=√(誓一_)2+(只一Yj)2(3.7)其中,略为平面坐标系中两个点之间的距离,誓,x,,Y,,乃分别为二者横、纵坐标。dlI吐D:l吐dl!dI3⋯dl”d22d23⋯畋。以:以,⋯d,。dnd也dn3⋯d。(3.8)其中,D为两点之间的距离组成的距离矩阵,以,i=1,2,3,⋯门,/=1,2,3,⋯胛为两点之间的距离。(2)依据式(3.9)获得每个基站距离之和并且按照降序排列,其中前m个是孤立基站,故而排除他们。s,=∑d口(3.9)j=l其中,Si,i=1,2,3,⋯门为第f个点到其它点的距离之和,谚,,扣1,2,3,⋯,z,J=1,2,3,⋯行,为两个点之间的距离。迭代加权质心定位算法【44】的详细过程如下:(1)采集主、邻近基站的LAC、CID以及RSSI,依据LAC、CID可以得到相对应的纬度与经度。(2)将获得的结果进行高斯投影正变换。(3)对各基站出现频次进行统计,选择最常出现的基站中RSSI最大的为最近基站。通常情况下,主基站即可满足要求,然而在个别情况下,邻近基站满足要 万方数据移动终端的基站定位技术研究与实现求,前提条件是其出现次数为主基站的2倍以上。(4)判断基站的总数Ⅳ的大小,若N≤5,则转(6)。(5)依据式(3.7)获得各基站与其它基站之间的距离,依据式(3.9)获得距离之和并且按照降序排列,其中前m个是孤立基站,然后将它们排除。(6)在剩余的基站中,除了最近基站之外,对其它基站进行排列组合,任意选择两个基站,根据式(3.10)计算所有可能的移动终端的位置。(3.10)其中,x,】,分别为移动终端的纵坐标与横坐标,a,,a,,q,为加权系数,且口,+口,+口。21,a。>aia。>a,,xj,x,,Y,,Y,为任意两个基站的纵坐标与横坐标,X。,Y。分别为主基站的纵坐标与横坐标。(7)计算所有可能的位置,从而计算均值。(8)将均值由平面坐标转换为大地坐标,即进行高斯投影反变换,以转换后的结果为移动终端的最终纬度与经度。该算法的流程图如图3.1。磊乩丰丰%%+}0巧半水口吩+卜蟠Ⅵaq==xy,●●●●,‘,●L 万方数据蜂窝网络加权定位算法研究获得基站信息I计算基站jF面坐标l找到最近基站t/,,..----.、~、,/7’\\、否<7基站个数>5j、、-“、、、、\\\、l~、、、一.,,,//,//,/是i删除孤立基站。I一一●一任意取三个基站(含最近)求移动终端的纬度与经度否≤要基>、、、、、ij7。,’,///,77求移动终端平面搬标l求移动终端纬度与经度图3.1算法流程图Fig.3.1Theflowchartofalgorithm3.3改进的蜂窝网络加权定位算法3.3.1信号传播模型拟合由于RSSI具有简单、易测量等特点,因此本文选取多个测试地点来采集大量数据,然后根据RSSI对信号对数衰减模型进行拟合。 万方数据移动终端的基站定位技术研究与实现对数衰减模型拟合主要分为以下几步:(1)采集信息。通过ZTEMT3732通信模块发送AT+CCED=0,1和0,2获得与基站相关的信息,包括LAC、CID、RxLev,并且根据式(2.6)计算出RSSI。(2)根据测试地点与基站之间的真实距离以及对应的RSSI运用最小二乘法(LeastSquares,LS)对信号对数衰减模型进行拟合,拟合的结果如图3.2。图3.2信号传播模型拟合Fig.3.2Thefittedpropagationmodelofsignal从图3.2可以看出,拟合模型使用的点分布在模型曲线的上下两侧,拟合效果良好。从图中还能够得知,随着接收信号强度越来越小,计算距离与真实距离之间的误差越来越大。根据拟合后的模型计算测试地点到基站的距离,并且与测试地点到基站的真实距离进行对比,如表3.1,计算距离与真实距离均保留四位小数。 万方数据蜂窝网络加权定位算法研究-30- 万方数据移动终端的基站定位技术研究与实现从表3.1能够看出,选取的32个点按照RSSI的升序排列。拟合后,尽管绝大多数点的计算距离与真实距离相差不会太大,但是相对于覆盖范围一般是500m左右的蜂窝小区而言,这样的误差仍然会对定位产生较大的影响。从表中还能够看出,随着距离越来越远,建模的误差也将会越来越大,这都反映了在室内等NLOS环境下对信号传播模型进行拟合是困难的。实际上,依据RSSI实现基站定位面临着一些问题。因为RSSI的变化在无遮挡的空旷地域是比较有规律的,然而在有遮挡的室内环境下,变化情况十分复杂,求出路径损耗系数是非常困难的,普适性也不够。只有像蓝牙等热点或在无线传感器网络(WirelessSensorNetwork,WSN)中,例如基于ZigBee的WSN定位,由于室内区域较小,故而可以使用。室内定位最大的问题是NLOS与多径效应。尽管可以在定位时根据实际应用场景来确定对数衰减模型参数,包括lm处的平均接收信号强度彳与路径损耗系数玎即动态建模或根据指纹信号实现定位或对测量值进行误差补偿,但是上述方法均有不足。对于动态建模,若无法获得基站之间通信时的接收信号强度,则该方法无法使用;对于指纹信号定位,该方法在离线阶段需要进行大量的测量工作,建立位置指纹库,而且当定位区域环境发生变化时,例如旧建筑物拆除,新建筑物出现等都需要重新测量,建立新的位置指纹库,工作量较大;对于测量值误差补偿,在实际应用时,场景的非视距误差所满足的分布很难求出。依据是否要求获得信标节点间的距离能够将WSN定位算法划分成以下几类:一是基于距离的,即依据信标节点之间的距离或方位计算出盲节点当前的位置,其容易受到NLOS与多径效应等因素的影响。二是距离无关的,即通过其他关系计算出盲节点当前的位置,其受上述因素影响较小n和旧1。3.3.2经典质心定位算法经典质心定位算法基本思想是移动终端通过其接收到的基站构成的几何质心获得其当前位置。b1。在实际应用时,移动终端能够接收到的基站个数有限,为了扩大该算法使用范围,本节考虑依据三个不同基站实现定位。为了进一步提高精度,将所有可能情况的均值作为移动终端最终的位置。 万方数据蜂窝网络加权定位算法研究该算法具体过程可以分为以下几步:(1)从移动终端接收到的Ⅳ个基站里,选择三个不同基站,计算由它们组成的三角形的质心,如式(3.11)(计算质心之前,需要对所有基站的纬度与经度进行高斯投影正变换)。’X=(x,+x,+x七)/31:(,+,+YkYYYY)/3(3·11)=(,+,)/3L文儿7其中,X,】,分别为三个不同基站组成的三角形的质心的纵坐标与横坐标,即分别为移动终端初始纵坐标与横坐标,单位是m,Xi,x,,‰,Yi,Yj,Y。分别为三个不同基站的纵坐标与横坐标,单位是m。(2)排列组合,计算所有可能情况的质心,共ci个,然后计算均值获得移动终端最终纵坐标与横坐标,如式(3.12)(获得移动终端最终纵坐标与横坐标之后,需要对其横纵坐标进行高斯投影反变换)。∑墨U:生!cjf:(3.12)∑ry:皇!c寻其中,u,y分别为移动终端最终纵坐标与横坐标,置,r,江1,2,3,⋯c寻分别为所有可能情况的质心的纵坐标与横坐标。经典质心定位算法简单、容易实现,其对所有基站同等对待,假设基站都是均匀分布的,但是在真实场景中,基站分布并非如此,因此该算法会产生较大的误差。3.3.3加权质心定位算法加权质心定位算法基本思想是将移动终端到基站的距离或信号从移动终端到基站的传播时间或其他表征移动终端与基站相对关系的量作为加权系数从而实现定位n卜加1。该算法与313.2节所介绍算法相似,但其加权系数不再是一个统一的值。为了扩大该算法的使用范围,本节同样考虑依据三个不同基站实现定位。此外, 万方数据移动终端的基站定位技术研究与实现由于实验硬件条件限制以及为了便于算法精度对比,本文以RSSI倒数确定加权系数并且将所有可能情况的均值作为移动终端最终的位置。该算法具体过程可以分为以下几步:(1)从移动终端接收的Ⅳ个基站里,选择三个不同基站实现定位,如式(3.13)(计算质心之前,需要对所有基站的纬度与经度进行高斯投影正变换)。IX=WiXI+W7x7+W々%1Y:wy,+wjy,+w以(3·13)其中,X,】,分别为由三个不同基站计算获得的移动终端初始纵坐标与横坐标,单位是m,X,,x,,‰,Y,,Y,,Y。分别为三个不同基站纵坐标与横坐标,单位是m,Wi,W,,w。分别为三个不同基站加权系数。(2)排列组合,计算所有可能情况的移动终端纵坐标与横坐标,共c:个,然后获得移动终端最终纵坐标与横坐标,如式(3.14)(获得移动终端最终纵坐标与横坐标之后,需要对其横纵坐标进行高斯投影反变换)。∑互t7:上ocj:r(1j(3.14)∑rV:上生一c::r其中,u,矿分别为移动终端最终纵坐标与横坐标,Xi,,;,i=1,2,3,⋯c;分别为所有可能情况的移动终端纵坐标与横坐标。加权质心定位算法对所有基站区别对待,考虑了实际应用时基站分布情况,然而由于NLOS与多径效应等因素影响,定位效果不甚理想。3.3.4改进的蜂窝网络加权定位算法从式(3.4)能够得知,随着信号传播越来越远,RSSI越来越小,其是传播距离的反映。因此,针对上述算法的不足,本文以RSSI为参考动态确定加权系数来实现定位,提出了一种改进的蜂窝网络加权定位算法,实现自适应定位,如式(3.15), 万方数据蜂窝网络加权定位算法研究其加权系数根据实际应用场景确定。例如:(1)若移动终端仅仅能够获得其与基站之间的信号传播时间,此时由于信号传播时间与距离满足正比关系,其越大代表基站距移动终端越远,故而该基站权重越小,此时可以将所有基站信号传播时间之和与基站信号传播时间之差同所有基站信号传播时间之和的商作为加权系数。(2)若移动终端仅仅能够获得RSSI,由于RSSI是信号传播距离的反映,其越小代表基站距移动终端越远,故而该基站权重越小,此时可以将RSSI倒数与所有基站RSSI倒数之和的商作为加权系数,本文在验证算法精度时即运用此方法。肛訾¨~w,B,㈦㈣三:.(N+1)woLo+争!q,Sum鲁Sum’其中,B,三分别为计算的移动终端纬度与经度,Ⅳ为基站总数,N=n+l,(Ⅳ+1)w。,W,i=1,2,3,⋯胛分别为主基站与邻近基站加权系数,Sum为所有加权系数和,如式(3.12),玩,Lo,E,Li,i=l,2,3,⋯71分别为主基站与邻近基站纬度与经度。Sum=(Ⅳ+1)w。+∑w,(3.16),-l该算法的基本原理是:一方面,当移动终端处于主基站覆盖范围内时,其距离主基站较近,距离其他邻近基站较远,故而应该提高主基站权重。另一方面,虽然在信号对数衰减模型中,RSSI反映了信号传播距离,但是当基站覆盖范围较小时,在RSSI上的体现不是很明显,即在数值上的反映不会相差太大,从而在计算移动终端位置时无法体现主基站特殊性,故而应该提高主基站权重。3.3.5验证本节对经典质心定位算法、加权质心定位算法以及改进的蜂窝网络加权定位算法(N、N+I、N+2三种情况)的精度进行对比,如表3.2,附录中数据集一为某一次算法精度对比时采集的基站信息以及定位结果,为方便查阅,本文仅仅将定位需要的LAC、CID以及RxLev信息提取出来并保存。 万方数据表3.2算法精度对比Tab.3.2Comparisonoftheaccuracyofthealgorithm(单位:m)126626321220920727931331323523523523517217217217221921921923611911911911927327327327319315719319322822823126930129922322122121819118919218920220120321615315416115723422923823018317917918521321122521325024921321221121515113914515218】17617117313414113813326325425124916815517016618719019521024625020821120920914714214214317017317417013313113713524624925324316615316316418818019321525325622120821321915514014914317618017717614013813714225525125524717216017516419118519932231231202190196.35-23456789m¨坦BH"怕”体侈加扒挖筋斟”弱卯勰凹如引 万方数据蜂窝网络加权定位算法研究表3.2中,就平均定位精度而言,经典质心定位算法、加权质心定位算法均低于改进的蜂窝网络加权定位算法,主要原因是经典质心定位算法以固定值作为加权系数,不能实现自适应定位,故而误差较大;加权质心定位算法尽管实现了自适应定位,但是由于RSSI容易受环境等因素影响,使得定位效果欠佳。改进的蜂窝网络加权定位算法在N、N+I、N+2情况下定位效果均良好,主要原因是该算法考虑到移动终端始终处于主基站覆盖范围内,并且在500米的基站覆盖范围内,主基站RSSI值不能充分显示其位置特殊性这一重要因素。从表3.2中还可以看出,在N+1情况下,效果会略好于其他两种情况。综合以上结论,算法精度对比实验证明了该算法的有效性。3.4小结本章详细地介绍了接收信号强度定位方法与迭代加权质心定位算法的原理,并且对信号传播模型进行了拟合,针对室内环境这一特殊应用场景提出了一种改进的蜂窝网络加权定位算法。 万方数据移动终端的基站定位技术研究与实现第4章基于RSSI基站定位算法研究4.1定位预处理4.1.1剔除相同基站本文通过分别向MT3732通信模块发送AT+CCED=0,1与0,2指令采集定位需要的信息,即主基站与邻近基站信息。在实际应用时,主基站与某一个邻近基站可能是相同的,因此需要剔除相同基站,主要原因分为以下几类:(1)若主基站与某一个邻近基站的覆盖范围一部分是重合的,则二者均可以当作主基站与邻近基站。(2)若基站发射功率发生变化时,其覆盖范围也会随之发生变化,使得主基站可能与某一个邻近基站的覆盖范围一部分是重合的,则二者均可以当作主基站与邻近基站。4.1.2剔除孤立点理想情况下,对所有的基站一视同仁,并且假设基站都是均匀分布的,但是在真实场景中基站分布并非如此,某些基站与其他基站相距较远,使得定位误差较大。因此在定位时,为了提高精度,需要排除它们的影响,即剔除孤立点【s·],其详细过程如下:(1)根据谷歌地图两点间距离公式,如式(4.1),获得两两基站的距离d,从而获得距离矩阵D,如式(3.8)。』c=sin(B,)sin(B:)c。s(厶一三z)+COS(BI)c。s(Bz’(4.1)ld=R:l:arccos(C)其中,置,B:,L。,L:分别为地球表面两个点的纬度与经度,北纬取90。一纬度,南纬取90。+纬度,西经取负值,东经取正值,单位均是弧度,D为两个点之间的距离,单位是m,R为地球的平均半径,依据极半径(本文取6356.9088km)与2倍的赤道半径(本文取6377.83km)和的1/3倍即可确定,单位是km或m,本文取6370.856km。我国处于东北半球,公式可以化简为式(4.2)。 万方数据基于RSSI基站定位算法研究jCsin(B1)sln(Bz)+c。s(Bt)c。s(Bz)cos(三·一三z’(4.2)【d=R术arccos(C)(2)依据式(3.9)获得每个基站的距离和并且按照降序排列,剔除前m个基站。通过大量实验验证与测试,本文算法中111取2即剔除两个孤立点。4.1.3半数校正法由于RSSI易受环境等因素影响,在实际应用时,若直接将RSSI运用于定位算法中,会产生很大的定位误差。因此,单个RSSI不足以作为定位的依据,同时也为了提高定位的精度,因此需要对获得的RSSI进行校正。校正模型【52]可以分为以下几类:(1)统计均值模型,即将所有RSSI测量值均值作为最终RSSI。该模型考虑所有RSSI,具有实际意义,但是其认为所有RSSI都占有相同的权重,即对所有RSSI一视同仁,因此RSSI测量误差会对最终RSSI产生较大的影响。(2)基于固定节点间距离的校正模型,即以位置已知的固定节点间距离与对应RSSI为参考对RSSI测量值进行校正,从而获得最终RSSI。该模型能够自适应的调整RSSI,但是在固定节点之间无法通信的情况下无法使用,例如本文定位系统的应用场景。(3)高斯模型,即选取高概率区域RSSI测量值,如式(4.3),然后计算均值作为最终RSSI,如式(4.6)。F(x)3而1PX2口2.(一月J)‘其中,№)为高斯分布函数,m为均值,如式(4.4),万为标准差,大量实验结果表明,№)可取0.6。m=去私其中,置,i=1,2,3,⋯玎为样本值。冉击喜(墨训2(4.3)(4.4)(4.5) 万方数据移动终端的基站定位技术研究与实现RSSI:一1yRSSIi(4.6)”鲁。其中,RSSI,扣1,2,3,⋯阳为经过高斯分布函数处理后的剩余船个RSSI测量值。该模型主要思想是该模型排除小概率事件,提高了定位信息准确性,但是其中的指数运算增加了计算量。本文基于高斯模型思想,提出了一种新的RSSI处理方法即半数校正法,该方法的基本思想是根据RSSI总数、RSSl种类以及每种RSSI总数确定最终RSSI,如式(4.7)。RSSII%/N>1/2orr6/N=1/2andn2/NⅣ/2,则将RSSll作为最终RSSI。 万方数据基于RSSI基站定位算法研究(4)若确=N/2,判断E12=N/2是否成立,若成立,则将RSSll与RSSl2平均值作为最终RSSI,否则将RSSI。作为最终RSSI。(5)若/7,<Ⅳ/2,则将所有与RSSI,相差不大于3的RSSl与其对应个数乘积和同与RSSll相差不大于3的RSSl总数之商作为最终RSSI。半数校正法的流程图如图4.1。统计RSSI总数ⅣJ统计每种JR跚总数ni并降序排列’/7/‘\、\//7、\、否//’¨.c^,//,)f)\、、一\\三二夕/是I,//,J、、\。否//77二:Ⅳ,嘉\、\\~、\\\、、、!:、二、I!二二:一///7’足l//7一\、\、,,一7’、、、、否IRSSIj—RSSIll≤3(\、?刮l1■一多‘.懿RSSI与每秘RSSI~司/RSSII总数乘积和与总数作焚}R!IS,之商作为RSSI(RSSI+2|、⋯~‘l,。⋯~一,。一竹;为一●一//\f结束1\\//图4.1半数校正法流程图.4.为了验证半数校正法有效性,本文以倒数确定加权系数,分别利用两种数据处理方法通过加权质心定位算法进行定位,并且对它们的定位精度作对比,如表4.1,附录中数据集二为某一次算法精度对比时采集的基站信息,为方便查阅,本文仅仅将定位需要的、以及信息提取出来并保存。 万方数据表4.1算法精度对比Tab.4.1Comparisonoftheaccuracyofthealgorithm(单位:m)次数高斯模型半数校正法1929116017622715215315814822123322322813813514113321221521321823223722823217919318818624424324915317422615615815315321321121621013012913513020220520420922223423122517818817918324024623932245238.41.23456789m¨他B¨M怕"螺侈加殂丝捣斟筋弱卯勰抄如孔 万方数据基于RSSI基站定位算法研究从表4.1能够看出,在运用半数校正法处理采集的基站信息之后,算法平均定位精度有所提高,从而证明了半数校正法的有效性。4.2信号强度加权(WSS)定位算法提出如3.3节所介绍,虽然信号对数衰减模型的拟合具有一定的实际意义,但是在实际应用时,由于传播环境难以预测,使得其中的参数之一即路径损耗系数聆也难以确定,因此依据RSSI通过信号传播模型获得基站与移动终端间的距离与二者真实距离存在着较大的出入。从式(3.4)能够得知,随着信号传播的越来越远,RSSI越来越小,其是传播距离的反映,因此本节根据RSSI动态确定加权系数,即将所有基站的RSSI之和与基站的RSSI之差同所有基站的RSSI之和的商作为加权系数,结合本文算法实现定位。本节定位算法的详细过程如下:(1)获得基站的LAC、CID以及RSSI。(2)统计每组LAC、CID的RSSI的总数Ⅳ以及每种RSSI即RSSIi,i=1,2,3,⋯所的总数胛,,i=1,2,3,⋯,7,依据半数校正法计算最终的RSSI。(3)依据LAC、CID获得每个基站的纬度与经度。(4)剔除可能与主基站相同的某一个邻近基站。(5)依据式(4.2)获得各基站到其它基站的距离,依据式(3.9)获得各基站距离和并且按照降序排列,剔除前m个基站。(6)依据式(4.8)获得移动终端的纬度与经度。B:.(N'+1)(S__um-RSSIo)B。+字坠窒婴B,sUM”芦sUM’(4.8)三一(N+1)(Sum-RSSIo)L。+罗墅塑三,SUM”鲁SUM7其中,B,三分别为移动终端的纬度与经度,Ⅳ’为主基站与剩余的邻近基站的总数,Sum为计算移动终端的纬度与经度时需要的主基站与剩余的邻近基站的接收信号强度之和,如式(4.9),RSSIo为主基站的接收信号强度,SUM为 万方数据移动终端的基站定位技术研究与实现(Ⅳ’+1)(Su聊一RSSI。)与N∑-1(勋m—RSSI,)之和,如式(4.10),Bo,厶分别为主基站的纬度与经度,RSSIj,i=1,2,3,⋯N’一1为剩余的邻近基站的接收信号强度,E,厶,i=1,2,3,⋯N’一1分别为剩余的邻近基站的纬度与经度。_Ⅳ一lSu聊:RSSI。+yRSSI,(4.9)”』_一i=1Ⅳ一lSUM=(Ⅳ’+1)(Sum—RSSI。)+∑(Sum—RSSI,)(4.10)i=1WSS定位算法的流程图如图4.2。采集基站信息●半数校正法’获得纂站纬度与经度l剔除可能棚问的某⋯‘邻近基站l剔除孤立点’求移动终端纬度与经度t厂结束、\//图4.2算法流程图Fig.4.2Theflowchartofalgorithm4.3迭代加权(IW)定位算法提出本节对3.2节所介绍算法进行分析与总结,其缺点主要可以分为以下几类: 万方数据基于RSSI基站定位算法研究(1)在获得每个基站的纬度与经度之后,该算法需要进行高斯投影正变换,在定位结束之后,还需要进行反变换,坐标系间的转换增加了计算量。(2)该算法中,基站数目Ⅳ包括主基站,在此基础上,再进行孤立基站的排除。然而这里存在一种不利于定位算法的现象,即当移动终端处于主基站覆盖范围的边缘,则主基站有可能被误认为是孤立基站而被排除,导致定位结果不理想。(3)该算法使用固定值作为加权系数,实际上已经人为地假设了基站分布情况,而在实际应用时,基站的分布情况复杂多变。因此其无法实现自适应定位。针对上述定位算法的不足,本节就此一一作了改进,具体如下:(1)为避免坐标系间的转换,本节根据式(4.2)计算地球表面两点间距离,即谷歌地图两点间距离公式。大量实验结果表明,其计算距离与真实距离相差极小。(2)在蜂窝网络模型中,基站的覆盖范围均相同,如图4.3(a),其中,1代表主基站,2、3、4、5、6、7代表邻近基站。而在实际应用时,很有可能基站的覆盖范围大小不一,假设主基站覆盖范围较大,其余邻近基站覆盖范围较小,移动终端仅仅能够接收到1、6、7、8四个基站,并且其靠近7所代表的邻近基站,如图4.3(b),其中黑点代表移动终端,则主基站有可能被误认为是孤立基站而被排除,故而本节采取分开采集主、邻近基站信息的方式避免上述情况的发生。图4.3理想与实际蜂窝网络模型Fig.4.3Idealandactualcellularnetworkmodel(3)如3.3、4.2节所介绍,根据RSSI动态确定加权系数可以计算移动终端的纬度与经度,但是RSSI的测量误差仍然会对定位产生较大的影响。尽管如此,当 万方数据移动终端的基站定位技术研究与实现考虑RSSI的倒数时,则能够进一步提高精度。因此,本节结合此思想,根据RSSI动态确定加权系数,再结合蜂窝网络加权定位算法,计算移动终端的纬度与经度,最后计算所有可能的移动终端的纬度与经度的平均值获得移动终端的最终纬度与经度,该算法综合了迭代加权质心定位算法与接收信号强度定位算法的优点。本节定位算法的详细过程如下:(1)获得基站的LAC、CID与RSSI。(2)统计每组LAC、CID的RSSI的总数Ⅳ以及每种RSSI即RSSIi,i=1,2,3,⋯以的总数船,,江1,2,3,⋯刀,根据半数校正法计算最终的RSSI。(3)根据LAC、CID获得每个基站的纬度与经度。(4)剔除可能与主基站相同的某一个邻近基站。(5)依据式(4.2)获得各基站到其它基站的距离,依据式(3.9)获得各基站距离和并且按照降序排列,剔除前聊个基站。(6)假设剩余Ⅳ‘一1个邻近基站,根据式(4.11)计算所有可能的移动终端的纬度与经度共c≯种,计算它们的平均值,将平均值作为移动终端的最终纬度与经度。喜色=鲁耵鲁E+荨哆㈦川》萼¨薯‘+荨tf2,C2.^.-1^-I其中,∑眈,∑厶分别为计算获得的所有可能的移动终端的纬度与经度,k=1膏=1RSSI。为主基站的接收信号强度,Sum为计算移动终端纬度与经度时需要的4倍的主基站接收信号强度的倒数与剩余的邻近基站中任意两个基站的接收信号强度的倒数之和,如式(4.12),Bo,厶分别为主基站的纬度与经度,RSSI,,RSSIj为剩余的邻近基站中任意两个基站的接收信号强度,E,B,,£,,L,分别为剩余的邻 万方数据基于RSSI基站定位算法研究近基站中任意两个基站的纬度与经度,f,/互不相同。勋聊:』L+j一+j—RssIbRSSI,RSSIjIW定位算法的流程图如图4.4。图4.4算法流程图Fig.4.4Theflowchartofalgorithm(4.12)4.4双重质心(DC)定位算法从3.2节所介绍的定位算法可以看出,其存在一定的不足,包括采用固定值作 万方数据移动终端的基站定位技术研究与实现为加权系数使算法失去了自适应性,坐标转换使运算变得繁杂,排除孤立基站时可能误将主基站排除。如3.3、4.2节所介绍,不依据RSSI获得移动终端与基站之间的距离,而是依据RSSI动态确定加权系数获得移动终端的纬度与经度。虽然将所有基站的RSSI之和与基站的RSSI之差作为加权系数能够减小环境因素对定位的影响,增强了算法的鲁棒性,但是RSSI的测量误差仍然对定位有影响。经典的质心定位算法简单、容易实现,其对所有的基站同等对待,假设基站都是均匀分布的,但是在真实场景中,基站的分布并非如此,因此该算法会产生较大的定位误差。在此基础上,出现了加权质心定位算法,其将移动终端到基站的距离或信号从移动终端到基站的传播时间或其他表征移动终端与基站相对关系的量作为加权系数,对所有的基站区别对待,但是在实际应用时,由于NLOS与多径效应等因素的影响,使得定位效果不甚理想。本节鉴于迭代加权质心定位算法的不足并且借鉴IW算法,根据RSSI动态确定加权系数,结合蜂窝网络加权定位算法,计算所有可能的移动终端的纬度与经度,再根据动态的加权系数计算移动终端的最终纬度与经度。本节定位算法的详细过程如下:(1)获得基站的LAC、CID以及RSSI。(2)统计每组LAC、CID的RSSI的总数Ⅳ以及每种RSSI即RSSI,,i=1,2,3,⋯1"1的总数绣,扛1,2,3,⋯,7,根据半数校正法计算最终的RSSI。(3)根据LAC、CID获得每个基站的纬度与经度。(4)剔除可能与主基站相同的某一个邻近基站。(5)依据式(4.2)获得各基站到其它基站的距离,依据式(3.9)获得各基站距离和并且按照降序排列,剔除前m个基站。(6)假设剩余N‘一1个邻近基站,根据式(4.13)计算所有可能的移动终端的纬度与经度共c乙种。 万方数据基于RSSI基站定位算法研究蓍嘎=等耻等E+等哆㈧㈣411警厶:萼”荨厶+荨三,c■《-其中,∑Bk,∑Lk分别为所有可能的移动终端的纬度与经度,RSSI。为主k=lk=l基站的接收信号强度,Sum为计算移动终端纬度与经度时需要的4倍的主基站接收信号强度的倒数与剩余的邻近基站中任意两个基站的接收信号强度的倒数之和,如式(4.14),Bo,Lo分别为主基站的纬度与经度,RSSIi,RSSI,为剩余的邻近基站中任意两个基站的接收信号强度,E,B,,Li,L,分别为剩余的邻近基站中任意两个基站的纬度与经度,f,,互不相同。411Su脚2—RSS—I+尺跚.—旷(4.o--+ 14)RSSI RS鼬\气(7)根据式(4.15)计算移动终端的最终纬度与经度。B’=C荨2,潞,㈤㈣止善滁,其中,B’,Z分别为移动终端的最终纬度与经度,Sum,,i=1,2,3,⋯c:..为计算移动终端纬度与经度时需要的4倍的主基站接收信号强度的倒数与剩余的邻近基站中任意两个基站的接收信号强度倒数之和,SUM为所有计算移动终端纬度与经度时需要的4倍的主基站接收信号强度的倒数与剩余的邻近基站中任意两个基站的接收信号强度倒数之和的和,即Sum,之和,如式(4.16),E,L,,i=1,2,3,⋯c乙分别为所有可能的移动终端的纬度与经度。 万方数据移动终端的基站定位技术研究与实现c■SUM:ySum,』一‘DC定位算法的流程图如图4.5。图4.5算法流程图Fig.4.5Theflowchartofalgorithm(4.16)4.5验证条件为了保证实验结果真实可靠,本文在实验室这一真实场景分清晨、下午以及晚上三个不同的时段验证包括3.2节所介绍的算法在内的四种定位算法。 万方数据基于RSSI基站定位算法研究4.6验证表4.2、4.3、4.4为清晨、下午以及晚上三个不同时段四种定位算法精度对比,附录中数据集三为某一次算法验证时采集的基站信息,为方便查阅,本文仅仅将定位需要的LAC、CID以及RxLev信息提取出来并保存。表4.2实验室清晨时段算法精度对比Tab.4.2Comparisonofalgorithmaccuracyinlaboratoryofmorningtime(单位:m)表4.3实验室下午时段算法精度对比Tab.4.3Comparisonofalgorithmaccuracyinlaboratoryofafternoontime(单位:m)50- 万方数据移动终端的基站定位技术研究与实现次数迭代定位算法WSS定位算法IW定位算法DC定位算法统计表4.2、4.3、4.4中四种定位算法在三个不同的时段的定位精度,如表4.5。表4.5算法精度对比Tab.4.5Comparisonoftheaccuracyofthealgorithm(单位:m)从表4.5能够看出,迭代加权质心定位算法在清晨、下午以及晚上三个不同的时段的平均定位精度均是240m左右,受时段因素影响较小。本文提出的三种算法均可以实现定位功能,就平均定位精度而言,均高于迭代定位算法,即3.2节所介绍的算法,并且受时段因素影响均较小。此外,三种定位算法的平均定位精度均达到了当前百度地图、腾讯地图LBS开放平台提供的基于基站的240m与150~800m的平均定位精度,具有一定的实际意义。从表4.5还能够看出,IW算法平均定位精度高于另外两种算法。 万方数据基于RSSI基站定位算法研究4.7小结本章研究了基于RSSI基站定位算法,针对RSSI容易受环境等因素影响的问题,提出了半数校正法,该方法提高了定位精度。为了进一步提高精度,在计算移动终端位置之前,对采集的基站信息进行预处理,包括剔除相同的基站,剔除孤立点。然后从加权系数的确定与移动终端位置的计算方式两个角度提出了WSS定位算法、IW定位算法以及DC定位算法,最后在实验室这一真实场景对包括迭代加权质心定位算法在内的四种定位算法按照清晨、下午以及晚上三个不同的时段进行了验证并且作了分析、比较。 万方数据移动终端的基站定位技术研究与实现第5章基于RSSI基站定位算法测试与实现5.1测试条件为了能够充分验证本文提出的三种定位算法的定位效果,确定本文基站定位系统的定位算法,并且为接下来的系统设计、实现以及测试奠定基础,本文随机选取了大连市某高校多个校区的一些真实场景对四种定位算法按照清晨、下午以及晚上三个不同的时段进行测试。定位算法测试的主要过程如下:(1)显示腾讯地图,创建Android操作系统自带的AndroidSQLite轻量级数据库。(2)ARMl1Tiny6410通过USB串口向ZTEMT3732通信模块发送AT指令,包括AT+CCED=0,1与0,2,分别采集主基站与邻近基站信息。(3)对采集的主基站与邻近基站信息进行处理,包括去除空格、回车等无关的信息,最后将基站信息存储在数据库中。(4)对获得的主基站与邻近基站信息进行整理,即对RSSI进行半数校正法处理。(5)通过HttpClient方式访问基站信息库获得每个基站的纬度与经度。(6)根据基站的纬度与经度获得基站的实际地理位置,即逆地址解析,最后将基站的相关信息存储在数据库中。(7)定位。定位之前,剔除相同基站与孤立点,然后根据相关算法实现定位。(8)计算获得的移动终端的位置是大地坐标系坐标,因此在腾讯地图上显示之前,需要将移动终端的位置转换为腾讯地图坐标。(9)记录本文提出的三种算法的定位结果,并且统计它们的定位误差。(10)根据3.2节所介绍的定位算法对移动终端进行定位,记录定位结果,统计定位误差,并且与本文提出的三种算法的误差进行对比。由于信号在一天的不同时段传播效果不同,本文也选择清晨、下午以及晚上三个相同时段对四种算法进行测试,附录中数据集四为某一次算法测试时采集的 万方数据基于RSSI基站定位算法测试与实现基站信息,为方便查阅,本文仅仅将定位需要的LAC、CID以及RxLev信息提取出来并保存。5.2WSS定位算法测试本节在清晨、下午以及晚上三个不同的时段对wss定位算法与迭代加权质心定位算法进行测试,并且就定位精度而言,将WSS定位算法与迭代定位算法进行了对比,如表5.1。表5.1多个地点不同时段算法精度对比Tab.5.1Comparisonofalgorithmaccuracyofdifferentepisodesinmultiplelocations(单位:m) 万方数据移动终端的基站定位技术研究与实现5.3IW定位算法测试本节在清晨、下午以及晚上三个不同的时段对W定位算法与迭代加权质心定位算法进行测试,并且就定位精度而言,将IW定位算法与迭代定位算法进行了对比,如表5.2。表5.2多个地点不同时段算法精度对比Tab.5.2Comparisonofalgorithmaccuracyofdifferentepisodesinmultiplelocations(单位:m) 万方数据基于RSSI基站定位算法测试与实现5.4DC定位算法测试本节在清晨、下午以及晚上三个不同的时段对DC定位算法与迭代加权质心定位算法进行测试,并且就定位精度而言,将DC定位算法与迭代定位算法进行了对比,如表5.3。表5.3多个地点不同时段算法精度对比Tab.5.3Comparisonofalgorithmaccuracyofdifferentepisodesinmultiplelocations(单位:m)5.5测试结果分析从表5.1能够看出,与上一章的验证结果相同,3.2节所介绍的迭代加权质心 万方数据移动终端的基站定位技术研究与实现定位算法的平均定位精度是240m左右,其受时段因素影响较小。就平均定位精度而言,WSS定位算法高于前者,是200m左右,其受时段因素影响也较小。从表5.2能够看出,本节测试结果也验证了上一章的验证结果,就平均定位精度而言,IW定位算法是175m左右,高于迭代定位算法,即3.2节所介绍的算法,其受时段因素影响较小。从表5.3能够看出,与表5.1、5.2结论相同,本节测试结果仍然与上一章的验证结果一致,就平均定位精度而言,DC定位算法是200m左右,高于迭代定位算法,即3.2节所介绍的算法,其受时段因素影响较小。统计表5.1、5.2、5.3中四种定位算法在三个不同的时段的定位精度,如表5.4。表5.4算法精度对比Tab.5.4Comparisonoftheaccuracyofthealgorithm(单位:m)从表5.4能够看出,迭代加权质心定位算法在清晨、下午以及晚上三个不同的时段的平均定位精度均是240m左右,并且该算法受时段因素影响较小。主要原因是该定位算法不根据RSSI计算移动终端到基站的距离,而是通过确定的加权系数计算移动终端的位置,但是缺点是人为的假设了基站的分布,对定位产生不利的影响。本文提出的三种算法均可以获得较好的定位效果,就平均定位精度而言,均高于迭代定位算法,即3.2节所介绍的算法,并且均达到了当前百度地图、腾讯地图LBS开放平台提供的基于基站的240m与150~800m的平均定位精度。主要原因是三种定位算法不依据RSSI获得移动终端与基站之间的距离,而是依据RSSI动态确定加权系数来实现定位,根据经过半数校正法处理后的RSSI动态确定加权系数,既尽可能的减小了环境因素对RSSI测量值的影响,又充分考虑了RSSI是信 万方数据基于RSSI基站定位算法测试与实现号传播距离的反映这一特性,从而实现了自适应定位,这也使得三种定位算法对时段的依赖性较小。IW算法平均定位精度高于WSS与DC算法。主要原因是WSS定位算法直接根据RSSI动态确定加权系数,虽然事先对RSSI进行半数校正法处理,但是RSSI的测量误差对定位仍有影响,但是若考虑RSSI的倒数,则能够进一步提高精度。DC定位算法的基本思想是结合之前的思想,根据RSSI动态确定加权系数来计算移动终端的纬度与经度,再通过动态的加权系数,根据所有可能的移动终端的纬度与经度计算移动终端的最终纬度与经度。DC定位算法一方面充分考虑了RSSI对定位的影响,另一方面又过分依赖RSSI,有可能造成累积误差。IW定位算法的基本思想是结合之前的思想,根据RSSI动态确定加权系数来计算移动终端的纬度与经度,再计算所有可能的移动终端的纬度与经度的平均值获得移动终端的最终纬度与经度,它综合了3.2节所介绍算法与DC定位算法二者的优点。此外,真实场景的大量实验结果表明,DC定位算法的稳定性要高于本文提出的另外两种算法。主要原因是DC定位算法一方面考虑RSSI的倒数,该思想能够保证动态系数短时间内不会发生太大变化,另一方面其始终根据RSSI为参考动态确定加权系数,时刻反映移动终端当前的位置特性。从本文提出的三种算法的基本思想可以看出,WSS定位算法的复杂度要低于本文提出的另外两种算法。5.6基站定位系统实现本文的定位系统以ARMl1Tiny6410为平台,其以三星$3C6410为主处理器,操作系统为Android2.3,通过Java程序设计语言在Eclipse软件平台编程实现IW定位算法,其包括信息采集与信息处理两个部分。信息采集部分需要完成所有前期工作与信息采集、处理以及存储,该部分采用ZTEMT3732通信模块与基站进行通信,主要包括以下几步:(1)显示腾讯地图。在显示腾讯地图之前,需要在Android工程下的libs文件夹下添加RasterSDKvl.1.O.15229dar地图开发包,添加系统使用权限,代码如下,编写XML文件,同时需要申请开发者权限,管理腾讯地图的生命周期。此外,本文定位系统还需要能够访问基站信息库。 万方数据移动终端的基站定位技术研究与实现(2)创建数据库。创建Android操作系统自带的AndroidSQLite轻量级数据库来存储采集的并且经过处理的基站信息,访问基站信息库之后的主基站信息以及邻近基站信息。(3)初始化基站信息。初始化用于存储LAC、CID、RSSI等的变量。(4)在中国移动GSM网络下发送AT+CCED=0,1后休眠10ms,获得移动终端当前所处的主基站信息,然后处理获得的结果并且存于AndroidSQLite。某一次定位时某一次采集的主基站的信息如图5.1,每次定位时共发送50次。460,0'9,i磊岳59,50i42,SO,§39,0i,09图5.1主基站信息Fig.5.1Theinformationofmainbasestation图5.1中,460为MCC,代表中国,00为MNC,代表中国移动,16659为LAC,50142为CID,代表某一个特定基站,50为BSIC,当在某一地点移动终端能够同时接收到两个基站的BCCH载频,并且频道号相同,其可以根据BSIC来辨别,539为BCCH,通常情况下,为减少同频干扰,就BCCH载频而言,相邻小区的频率是不同的,而随着蜂窝网络的不断发展,势必会导致BCCH载频复用情况的发生,因此当基站的BCCH载频频率相同时,应该确保BSIC不同,31为RxLev,代表移动终端所接收的主基站BCCH信号电平,99为RxQual,代表接收信号质量,即信号误码率。(5)在中国移动GSM网络下发送AT+CCED=0,2后休眠20ms,获得移动终端当前所处的主基站的最多六个邻近基站的信息,然后处理获得的结果并且存于AndroidSQLite。某一次定位时某一次采集的邻近基站的信息如图5.2,每次定位时共发送50次。 万方数据基于RSSI基站定位算法测试与实现460,oo,1岳亳基3,40Z蔓4,48,,,,18图5.2邻近基站信息Fig.5.2Theinformationofadjacentbasestation图5.2中,以460开始为一个邻近基站的信息,该图为某一次定位时某一次采集的一个邻近基站的信息,每个邻近基站信息的七个信息的意义与图5.1所描述的前七个信息的意义相同。存储在AndroidSQLite数据库的某一次定位时采集的20次基站信息如图5.3。Co搬n玎两e卸∽dB6seS协§0n醚5rE5seSta酾i20甚‘}1919:02:4i460,。o.16659,%,:.j3。弘:。二5.铷,∞.:筏誊苷294.。0,7720,46,-,∞..托59:{。::2,3';,69.29。46”C..00.i56∞∞■:⋯.魁0,∞.1665950142,50,-=39,29,99.2。15一::.19i9:02:;:苷O。。。.16659.s。辩i.33。541。:5,啪∞.:托5号∞27j艟7720.*e∞:并辨∞:一2.j;.692;.;50,∞;:5_5S9书14i..{60.∞16659弱:;:.50,639.昝.992。jS—ij-19:9:0::‘:书0∞,166595。:{L"弘:,Z5.46.0∞,16659蔷294书7720,苒0∞26659-a_-,:二2.!;.69.29,{毒0∞,i帕59.∞一:。.每0,∞,:6659∞142,50,539。29;6920i6一I:.19:9:02:4:460,∞.16659,50H:.强54i。25,蛳.∞.i6659,63294.。5.77:。,萄ec。量∈∞.一0:二2.!o,69.29,-'.60.00.:弱59∞_j⋯,坼0.∞,16659..cO:02,50S3e,2拿,99z。15—1:-i9搀:0::‘i《0,∞.16659,50:≮;,33,5;:,2}qe0,00.量659+二。294蒋’720:二g:∞,16659。_|。:,2.24.69.29。前0,∞,i6659.40i‘:...,060皿0,i465950:筏.50+559+挣.962。蓝‘1.:}16:02:4二蔫0,∞+16659;50i4:。奠,541+25.44.0。。:琵se:C'29;.书?’:0嘞c。,16659∞142.54.69.29.《e.∞:i弱59.∞■:⋯.46-.9.∞+16659.50142,50S3e.2999Z0三5tl-1919:02:;:460;。o,16659s。H:,33,541。25,460.∞.i6659,书294.二3,772,3.苒0∞166.59.啦:42,54,69.29.蔫j,。o,16659∞二4:.*e.∞,16669.5,3JR2,50,55929,99.20i5‘1.i9:e:0Z:。:蔫0,∞,16659.50:_133,5二:,ZS.460∞.16659,萄:ej茜X.20.一∈c,c。.i6659*:一Z.:二,69。2e,书:,∞,i6659.4014:,..-'.60.∞.:56se虬:‘2,50.659.29,拿e2。蔓_i二一捭19:02:二i呦,。。,16659.50■:.奠。54:。25钙0,∞16659@:294.二S,,7;0.*CC0.16659.{。:二:,!‘,∈}.29。。∞,00.:拍59∞141..甍0,∞,:托595,3142,50,55929弹∞:5t:.19je:0Z:·Z蕾。100.i66595'314j”,”j25。蛳;。。.16669e929{.书77,20460∞16659.∞i;2.:;,6929。_;50,00,16656,∞141.⋯鹊e.C0.*6se.50142.5e。539,苎.c92。j5一11.1919:02:42*0,'30,.6659.∞14i.53,5“_5.46,3,。o;1665942294{s77.2。。-60C0.16659,∞141.54,69。29,书0,∞,i6659,∞14:...46'3;∞,166595,3l《,5。【弱9。2孛。辨2015一li-1919102—2≮0.00.:6659,∞141,鼻.54i.:5。瑚.00.16659,书2e;.二8,77:046,3∞j∈!e。笱o:.j{。69,29。i6。|eO.16659__|。i4:⋯糍,∞,i6659.50ij2,50,639。器。992。:S一:1-i9:e:0::02460,。o.16659,5014i,33.59:,25.粕,00..6650{。嚣{,屯?7.20*0:c。,:嚣辨,∞:;2.34,69,29,铆,00.16659+越:o二...4GC..∞,i665950142,50+559.挣6"6Z0i5‘i二-1919:62:4Zz60,∞,16659。50H:+々^.54:.25.卿,rso,16659,《29=,‘0■i0:咕C'30。_6659。40l-"Z.3469,29,493。∞i弱5e;。01,..趔。∞.16659.S0142.∞.559。29.骋∞i}::·1919:02.;:南0.。。.16659∞14i;j3。541;25.蛳,0'316659书签-.毛z2,3460,-016"559越:一2.:,6"9.29长000。:弱5P书■:.,460.00,16659.50142,5,3539。29.窜孛20j5l::-1919:02:=246,3,。。..665a.50141,j3.641,25.蛳,∞_6659.甍嚣二,书,7了20。蛳.00,:携5e∞142.j‘69.29,辑0,00i6659。∞141,,.460,e吼16659.5。i蛇.5。,559,29J鹁∞巧.i'le19:'321j:j∈0:。o.16659,50141。j3。541.25铷。eO:耗簪-%0294。‘0+7729南e.'30.:枷S9,∞i二:.30,69,29。460。00。166雅_i。:-:⋯+50,。。,16659.∞:02,50,599;29.99∞15·ii·1919:02:42460,。。.16659。5'214:。75,541,25.460,00.16659.麓z拿‘电,7720.二∞60.16659,.j。:一Z.j、6e,29,二=60,。。,16659.∞141..书e。∞。16659,50142.5'3。539.∞.99zo:5一::一:e19:02:4546'3,6"2.:两Se;50141.33541,25460∞。16659,{3294∞772。.46'3.∞16659-9}142.54。69.29甍0∞。i6659.二o:;:。..删‘。乱1665950142,50。639.29,99Z0i5一:j.搀19:02屯莉+。。.16659.5'3141。35。54:。25,4"95.'30.:畦算茜蕾’二3.*:。.J6,3∞蔓∈∞.啦:一:,冀6929.笔0.00。:托5e每141.每0,∞,16659,s。i-'2,50.539.疆,99图5.3AndroidSQLite数据库中的基站信息Fig.5.3InformationofbasestationinAndroidSQLitedatabase图5.3中,字段ID为每条记录的ID号,字段CurrentTime为存储某一次定位时某一次采集基站信息时的时间,字段AroundBaseStation为某一次定位时某一次采集的邻近基站信息,字段MainBaseStation为某一次定位时某一次采集的主基站信息。本文设计实现的基站定位系统信息采集部分流程图如图5.4。 万方数据图5.4信息采集部分流程图Fig.5.4Theflowchartofinformationacquisitionsection.61. 万方数据基于RSSI基站定位算法测试与实现信息处理部分需要完成信息整理,定位以及腾讯地图上显示移动终端当前所在位置,该部分主要包括以下几步:(1)运用半数校正法处理主基站信息。从AndroidSQLite数据库中读取主基站信息,经过本文提出的半数校正法的处理,获得主基站最终的RSSI。(2)查询主基站信息。依据采集的主基站信息中的LAC与CID,通过AndroidHttpClient方式访问基站信息库,获得主基站的纬度与经度。访问基站信息库主要代码如下。try{HttpGethg=newHttpGet(url);HttpClienthc=newDefaultHttpClient0;HttpResponsehr2hc.execute(hg);InputStreamis2hr.getEntity0.getContent();BufferedReaderbr=newBufferedReader(newInputStreamReader(is,"UTF-8”,8木1024));Stringstr=null;StringBuildersb=newStringBuilder();while((str=br.readLineO)12null){sb.append(str);sb.append(“\fin”);)is.close();finalStringtemp2sb.toStrin90;)catch(Exceptione){e.printStackTrace();)(3)逆地址解析主基站纬度与经度。将通过访问基站信息库得到的主基站的纬度与经度转换为实际的地理位置。逆地址解析使用户可以方便的获得移动终端 万方数据移动终端的基站定位技术研究与实现当前所处的大致位置。(4)存储主基站信息。整理后的主基站信息如图5.5。z曼秘ri黪篓毋Ssi罐e。LAcczs!r啦,:LongitudeSin季eLatitude$i《e—RssI黔e8ti霉}爆骥照89ar!i爨i爨i2015.11.:9lg:03:2216659∞142121.520702蔸.86691.5-81.0辽宁省大连市甘井子区黼海路图5.5整理后的主基站的信息Fig.5.5Theinformationofmainbasestationafterfinishing图5.5中,字段ID为每条记录的ID号,字段CurrentTimeSingle为存储某一次定位时采集的主基站信息时的时间,字段LACCISingle为某一次定位时采集的主基站的LAC与CID,字段LongitudeSingle为某一次定位时采集的主基站的经度,字段LatitudeSingle为某一次定位时采集的主基站的纬度,字段RssiEventuallySin91e为某一次定位时采集的主基站的RSSI经过半数校正法处理后的值,字段AddressSingle为某一次定位时采集的主基站的实际地理位置。(5)运用半数校正法处理邻近基站信息。从AndroidSQLite数据库中读取邻近基站信息,经过本文提出的半数校正法的处理,获得邻近基站最终的RSSI。(6)查询邻近基站信息。与主基站信息查询类似,依据采集的邻近基站信息中的LAC与CID,通过AndroidHttpClient方式访问基站信息库,获得邻近基站的纬度与经度。(7)逆地址解析邻近基站纬度与经度。将通过访问基站信息库得到的邻近基站的纬度与经度转换为实际的地理位置。(8)存储邻近基站信息。整理后的邻近基站信息如图5.6。臻::C自Fer{rnm{一。i÷;舔Loqg!如璺皇Latitude12D15.tI.i919:03:2116659∞三33i2i.52110938.8赫70I.90.0辽宁省丈琏市甘井子区学海路22015,11-19擐03:221665940142i2i.52225i38.863369.89.0辽宁省大连市甘井子区科海街3号32015-三i.i819:03:2216659-女3294121.5207s238.871206.8i.o辽宁省大连市甘井子区凌南路ssN-{2015.:i.∞19:03:22i6659羽蔓!i2i.52273130.870639.83.0辽宁省大连市甘井子区心海路52015.ii.1919:03:22166594013i121.52q598弦868933.90+0辽宁省犬连市甘井子区学海踌62015.撸i919:03:241665950141121.52146153.07。O芦.85.0辽宁省丈连市甘井子区心海路图5.6整理后的邻近基站的信息Fig.5.6Theinformationofadiacentbasestationafterfinishing图5.6中,字段ID为每条记录的ID号,字段CurrentTime为存储某一次定位时采集的邻近基站信息时的时间,字段LAccI为某一次定位时采集的邻近基站的LAC与CID,字段Longitude为某一次定位时采集的邻近基站的经度,字段Latitude 万方数据基于RSSI基站定位算法测试与实现为某一次定位时采集的邻近基站的纬度,字段RssiEventually为某一次定位时采集的邻近基站的RSSI在经过半数校正法处理后的值,字段Address为某一次定位时采集的邻近基站的实际地理位置。(9)定位。在定位之前,为了提高定位精度,先剔除相同基站,再剔除孤立点。本文为提高定位精度,以平均定位精度为参考标准,采用IW算法实现定位。(10)坐标转换与显示。本文设计实现的基站定位系统所使用的算法根据大地坐标系坐标来计算移动终端当前纬度与经度,因此在腾讯地图上显示之前,必须将移动终端当前位置转换为腾讯地图坐标。坐标转换主要代码如下。mapview.clearAllOverlaysO;String[]covertLonLat2newString[3];covertLonLat=(String[])msg.obj;latLng=newLatLng(Double.parseDouble(covertLonLat[1]),Double.parseDouble(covertLonLat[0]));geopoint=newGeoPoint((int)(Double.parseDouble(covertLonLat[1])术1000000),(int)(Double.parseDouble(covertLonLat[0])丰1000000));mapcontroller2mapview.getControllerO;一mapcontroller.setCenter(geopoint);mapcontroller.setZoom(18);circleOp2newCircleOptions();circleOp.center(1atLng);circleOp.radius(250);circleOp.strokeWidth(0);circleOp.fillColor(0x604cadfS);mapview.addCircle(circleOp);ObjectmarkerFix=mapview.addMarker(newMarkerOptions().position(1atLng).title(covertLonLat[2]).anchor(0.5f,O.5n.icon(BitmapDescriptorFactory.defaultMarkerO).draggable(true));((Marker)markerFix).showInfoWindowO;本文设计实现的基站定位系统信息处理部分流程图如图5.7。..64.. 万方数据移动终端的基站定位技术研究与实现图5.7信息处理部分流程图Fig.5.7Theflowchartofinformationprocessingsection.65. 万方数据基于RSSI基站定位算法测试与实现本文设计实现的基站定位系统运行时首页面如图5.8。图5.8Android应用程序主界面Fig.5.8Androidapplicationmasterinterface从图5.8能够看出,定位系统采用Android操作系统中的线性布局方式,并且为垂直方向。该主界面包括按钮控件与地图控件,前者用于触发系统信息采集部分与信息处理部分的大部分功能,后者用于显示移动终端当前所在位置。本文定位系统大量测试时某一次定位时的效果图如图5.9。图5.9定位效果图Fig.5.9Thechartofpositioningeffect图5.9中,测试地点为427实验室,红色类圆形标注为计算获得的移动终端所 万方数据移动终端的基站定位技术研究与实现在位置,白色的类矩形标注中的内容为当前移动终端位置的逆地址解析值,即地理位置,本次定位误差是125m左右。本文基站定位系统的总体实现如图5.10。图5.10定位系统实物图Fig.5.10Therealfigureofpositioningsystem图5.10中,MTZTE3732通信模块通过AT指令完成与基站的通信,获得主基站与邻近基站信息,Tiny6410完成定位系统的其他功能,包括腾讯地图的显示,数据库的创建,半数校正法,获得基站的纬度与经度,剔除相同的基站,剔除孤立点,定位,坐标转换以及移动终端位置的显示等功能,主界面呈天蓝色的原因为系统以定位结果为圆心,以固定的半径画圆,圆覆盖的区域填充为天蓝色。大量实验结果表明,系统的圆半径取250m,其具有较好的定位功能。为了能够更好与用户进行交互,定位系统对可能的情况都一一进行了处理,主要分为以下几类:(1)打开USB串口失败。当开始基站定位时,本文的定位系统需要打开ARM11Tiny6410的USB串口,当连续l0次打开USB串口失败时,将会提示用户保证USB串口与ZTEMT3732通信模块连接正常,如图5.11。 万方数据基于RSSI基站定位算法测试与实现图5.11打开USB串口失败Fig.5.11OpenUSBserialfailed(2)睡眠时间不足影响定位结果。在采集基站信息时,通过write函数与read函数实现AT指令的发送与基站信息的读取。在实际应用时,因为网络环境的不同,导致信号到达时间有所不同。因此系统在调用write函数发送AT指令后分别睡眠10ms与20ms才调用read函数读取主基站与邻近基站信息,防止了因未接收到主基站信息或未能完整接收到所有邻近基站信息而导致基站定位失败或增大定位误差。(3)基站信息存储。在实际应用时,可能需要对定位使用的基站信息进行分析,以便实现进一步的研究。例如,根据数据库中的基站信息即图5.5、5.6,获得移动终端在某一段时间内的运行轨迹,实现对移动终端的跟踪。(4)定位基站信息返回。在实际应用时,可能因为应用场景的不同需要对定位算法进行深入的研究,因此将定位时使用的主基站与最近的三个基站的信息返回以作相应的处理。本文的定位系统通过了真实场景的大量测试,验证了基本的功能,同时对实际应用时可能出现的非正常情况都进行了相应的处理,提高了本文定位系统的鲁棒性,也能够较好的与用户进行交互。此外,定位时采集的基站信息存储在AndroidSQLite数据库中,方便了人们对本文定位系统的再次开发,定位算法返回定位时采用的基站信息,为算法的进一步理论研究奠定了坚实的基础。通过数据能够得知,本文系统已经达到一个比较高的精度。在移动终端大量普及的今天,蜂窝网络定位技术的重要性日益提升,人们对定位场景,定位精度都提出了更高的要求,本文的定位系统着重解决复杂的室内并且没有Wi.Fi环境下的定位问题,实际意义显著,同时也为以后进一步研究提供了条件。 万方数据移动终端的基站定位技术研究与实现5.7小结本章首先随机选取若干个不同的真实场景,包括食堂,教学楼,办公楼以及图书馆等,对前两章阐述的四种定位算法在相同的三个时段进行了实际的测试,并且对四种定位算法的优劣进行了分析、比较,然后设计,实现以及测试了一个基站定位系统,最后对实际应用时可能出现的一些非正常情况进行了考虑。此外,通过AndroidSQLite数据库存储的基站信息扩大了本文定位系统的应用领域,定位算法返回的定位时使用的基站信息为定位算法的进一步研究奠定了坚实的基础。 万方数据总结与展望第6章总结与展望6.1总结在此,本人对攻读硕士学位的两年半时间内的研究工作进行全面的归纳与总结,分析学习与工作上的得失,明确进一步研究的方向,为接下来的研究计划做好准备。本文就蜂窝网络定位方法作了深入的研究,具体工作如下:(1)阅读了大量的国内外相关文献,总结了蜂窝网络定位方法的研究背景与选题意义。此外,对其国内外发展现状与难点也进行了综述。随着智能手机的普及,人们可以随时随地的获取无线多媒体服务,对定位的需求也日益增大,因此GPS得到了广泛的应用,但是由于GPS在室内定位效果不理想,使得目前基于蜂窝网络的移动终端定位方法在LBS中起着举足轻重的作用。因此,本文致力于该方法的研究。(2)本章首先介绍了蜂窝网络定位的分类,然后对蜂窝网络中几种经典的定位方法,包括Cell.ID以及改进定位方法、TOA、TDOA、E.OTD、AOA以及几种定位方法的混合、指纹信号、卫星、数据融合以及灯塔定位方法进行了详细地阐述,最后对本文定位系统用到的开发平台ARMllTiny6410与ZTEMT3732通信模块以及AT指令进行了介绍。(3)详细地介绍了接收信号强度定位方法与迭代加权质心定位算法的原理,并且对信号传播模型进行了拟合。针对接收信号强度定位方法容易受环境等因素的影响,本文最大程度地运用仅有的测量数据RSSI,提出一种改进的蜂窝网络加权定位算法。(4)针对RSSI容易受NLOS、多径效应等因素影响的问题,本文提出了半数校正法,该方法提高了定位精度。此外,为了进一步提高定位精度,在计算移动终端位置之前,对采集的基站信息进行预处理,包括剔除相同基站与剔除孤立点,增强了定位算法的鲁棒性。然后从加权系数的确定与计算移动终端位置的方式两个角度提出了WSS定位算法、IW定位算法以及DC定位算法,紧接着在真实场 万方数据移动终端的基站定位技术研究与实现景按照清晨、下午以及晚上三个不同的时段对包括迭代加权质心定位算法在内的四种定位算法进行了验证并且作了分析、比较。(5)随机选取若干个不同的真实场景对第三、第四章阐述的四种定位算法按照三个相同的时段进行了测试,然后对四种定位算法的优劣进行了分析、比较,接下来在开发平台ARMl1Tiny6410与ZTEMT3732通信模块的基础上设计、实现并且i9j0试了一个基站定位系统,最后对实际应用时可能出现的一些非正常情况进行了考虑,例如当连续10次打开串口失败时通知用户保证USB串口与ZTEMT3732通信模块连接正常,系统在调用write函数发送AT指令后分别等待10ms与20ms才调用read函数读取主基站与邻近基站信息,防止了因未能接收到完整的基站信息而导致基站定位失败或增大定位误差。此外,定位时采集的基站信息存储在AndroidSQLite数据库中,方便了人们对本文定位系统的再次开发,定位算法返回定位时采用的基站信息,为算法的进一步理论研究奠定了坚实的基础。6.2展望几十年来,对蜂窝网络定位的研究取得了大量的成果,本文在该领域也进行了一些有益的探索。但是在实际应用时,环境复杂多变,信号传输接收复杂,移动终端的定位精度与稳定性仍然面临很多的挑战,许多的研究还有待深入:(1)非视距误差。在基站分布相对稠密的区域,例如城市、郊区,基站覆盖范围较小,一般是500m左右,我们可以认为基站信号受到的NLOS影响是相同或相似的。然而,在基站分布相对稀疏的区域,例如农村、偏远的山区,基站覆盖范围较大,一般是lkm到几十km,基站信号的变化变得不可预测,定位精度明显降低,此时我们可以考虑依据TOA实现定位。(2)数据融合。在实际应用时,采用单一的定位原理往往很难达到高定位精度,如何将不同类型的测量数据融合,以期望得到数据最优融合,实现高精度定位是接下来要研究的问题。总之,随着蜂窝网络通信技术的发展,蜂窝网络定位应用的领域将越来越广泛,需要研究的课题也会越来越多,需要我们更加努力地去钻研。 万方数据参考文献参考文献[1]范平志,邓平,刘林.蜂窝网络无线定位.北京:电子工业出版社,2002[2]吴苗,朱涛,李方能等.无线电导航原理及应用.北京:国防工业出版社,2008[3]田孝华,周义建.无线电定位理论与技术.北京:国防工业出版社,2011[4]李跃,邱致和.导航与定位(第二版).北京:国防工业出版社,2008[5]吴德伟,赵修斌,田孝华.航空无线电导航系统.北京:电子工业出版社,2010[6]EC.TheGalileiproject:Calileodesignconsolidation.2003[7]孙仲康,郭福成,冯道旺.单站无源定位跟踪技术.北京:国防工业出版社,2008[8]ReedJH,KrizmanKJ,WoernerBDeta1.AnoverviewofthechallengesandprogressinmeetingtheE一911requirementforlocationservice.IEEECommunicationsMagazine,1998,36(4):30—37[9]FCC.RevisionofthecommiSSionsrulestoinsurecompatibilitywithenhanced911emergencycallingsystems.1996[10]ZagamiJM,ParlSA,BussgangJJeta1.ProvidinguniversallocationservicesusingawirelessE911locationnetwork.IEEECommunicationsMagazine,1998,36(4):66—71.[11]徐绍铨,张华海,杨志强等.GPS测量原理及应用(第三版).武汉:武汉大学出版社,2008[12]SungjongYoo,MedalKL.VHFcollarintegratedantennaforgroundlinkofGPSbasedlocationsystem.IEEETransactiononAntennasandPropagation,2013,61(1):26—32[13]干国强,邱致和.导航与定位:现代战争的北斗星.北京:国防工业出版社,2000[14]AnisettiM,ArdagnaCA,BellandiVeta1.Map—basedlocationandtrackinginmultipathoutdoormobilenetworks.IEEETransactionsonWirelessCommunications,2011,10(3):814—824[15]Hsin—YuanChen,Chih—MingChien.FuzzylogictheorywithapplicationstohybridGPSandTDOA/AOApositioningsystem.SICEAnnualConference,Tokyo,2008:348—351[16]王梦.蜂窝网络无线定位技术研究及参数估计:(硕士学位论文).北京:北京交通大学,2013.[17]黄鹏飞.基于LTE微基站的定位系统:(硕士学位论文).广州:华南理工大学,2013[18]CafferyJJ.WirelesslocationinCDMAcellularradionetworks.Netherland:Kluwer.72. 万方数据移动终端的基站定位技术研究与实现AcademicPr.,2001.[19]FangBT.Simplesolutionsforhyperbolicandrelatedfixes.IEEETransactionsonAerospaceandElectronicSystems,1990,26(5):748—753[20]ChanYT,HoKC.Asimpleandefficientestimateforhyperboliclocation.IEEETransactionsonSignalProcessing,1994,42(8):1905—1915[21]FriedlanderBenjamin.ApassivelocalizationalgorithmanditsaccuracyanalysisIEEEJournalofOceanicEngineering,1987,12(1):234—245.[22]FoyWH.Position—locationsolutionsbyTaylor~seriesestimation.IEEETransactionsonAerospaceandElectronicSystems,1976,12(2):187—194[23]WylieMP,HoltzmanJ.Thenon—lineofsightprobleminmobilelocationestimation.The5thIEEEInternationalConferenceonUniversalPersonalCommunications,Cambridge,MA,1996:827—831[24]Jung—FengLiao,ChenBor—Sen.RobustmobilelocationestimatorwithNLOSmitigationusinginteractingmultiplemodelalgorithm.IEEETransactionsonWirelessCommunications,2006,5(11):3002—3006[25]GasparA,Grivetm.ArobustmobilelocationestimatorinNLOSenvironmentsusinghybridfiltering.IEEEInternationalConferenceonCommunications,Istanbul,20065704——5708[26]焦磊,邢建平,张军等.一种非视距环境下具有鲁棒特性TOA无线传感器网络定位算法.传感技术学报,2007,20(7):1625-1629.[27]WukKim,JangGyuLee,Gyu—InJee.Theinterior—pointmethodforanoptimaltreatmentofbiasintrilaterationlocation.IEEETransactionsonVehicularTechnology,2006,55(4):1291—1301[28]YuK,EvansJS,CoilingsIB.PerformanceanalysisofLMMSEreceiversforM-aryQAMinrayleighfadedCDMAchannels.IEEETransactionsonVehicularTechnology,2003,52(5):1242—1253.[29]Po—HsuanTseng,Kai—TenFeng,Yu—ChiunLineta1.WirelesslocationtrackingalgorithmSforenvironmentswithinsufficientSignalsources.IEEETransactionsonMobileComputing,2009,8(12):1676—1689[30]GuanWG,DengZL,YuYPeta1.ANLOSmitigationmethodforCDMA2000mobilelocation.The2thIEEEInternationalConferenceonNetworkInfrastructureandDigital.73 万方数据参考文献Content,Beijing,2010:668—672[31]郭丽梅,罗大庸.非视距环境中TOA/AOA混合定位方法.电路与系统学报,2010,15(5):26—30[32]肖卫初,陈伟宏,龚伦峰.一种新的几何无线定位方法.科学技术与工程,2011,13(11)2945——2948[33]刘林,范平志.多径环境下多终端协作高精度定位算法.西南交通大学学报,2011,46(4)676—680.[34]杨浩,周俊奇,孟庆民.一种基于TDOA/AOA的混合三维定位算法.南京邮电大学学报(自科学版),2012,32(6):31—36[5]MoulyM.GSM数字移动通信基础.北京:电子工业出版社,1995[36]AI—JazzarS,GhoghoM,MclemonD.AjointTOA/AOAconstrainedminimizationmethodforlocatingwirelessdevicesinnon—line—of—sightenvironment.IEEETransactionsonVehicularTechnology,2009,58(1):468—472[37]Mini6410Android2.3编程开发指南.广州友善之臂计算机科技有限公司,2011[38]MT3732硬件设计指导V1.2.中兴通讯股份有限公司,2012[39]TheodoreSR.Wirelesscommunicationsprinciplesandpractice.BeiJing:PublishingHouseofElectronicsIndustry,2009[40]吴志忠.移动通信无线电波传播.北京:人民邮电出版社,2002[41]杨大成.移动传播环境:理论基础、分析方法和建模技术.北京:机械工业出版社,2003.[42]SohrabyK,MinoliD,ZnatiT.Wirelesssensornetworks:technology,protocols,andapplication(VI.0).SensorReviewPr.,2007[43]孔祥元,郭际明.控制测量学(第三版).武汉:武汉大学出版社,2006[44]张飞虎,吴尽昭,沈强等.一种蜂窝基站的迭代加权质心定位算法.计算机应用与软件,2013,30(7):卜3+61.[45]BulusuN,HeidemannJ,EstrinD.GPS—lesslow—costoutdoorlocalizationforverysmalldevices.IEEEPersonalCommunications,2000,7(5):28—34[46]NiculescuD,NathB.DVbasedpositioninginadhocnetworks.TelecommunicationSystems,2003,22:267—280[47]HeT,HuangCD,BlumBrianMeta1.Range—freelocalizationschemesforlargescalesensornetworks.The9thAnnualInternationalConferenceonMobileComputingandNetworking,MOBICOM,California,2003:81—9574 万方数据移动终端的基站定位技术研究与实现[48]DohertyL.Algorithmsforpositionanddatarecoveryinwirelesssensornetworks:[dissertation].Berkeley:Univ.ofCalifornia,2000.[49]鹄丽鹏,朱梅冬,杨丹.基于ZigBee的加权质心定位算法的仿真与实现.传感技术学报,2010,23(1):149—152.[50]张美杨,季仲梅,王建辉.基于加权多维定标的组网定位算法.计算机工程,2011,37(2):97—99.[513韦佳,彭宏,林毅申.基于改进距离的孤立点检测方法.华南理工大学学报(自然科学版),2008,36(9):25—30.[52]章坚武,张璐,应瑛等.基于ZigBee的RSSI测距研究.传感技术学报,2009,22(2):285—288. 万方数据附录附录数据集指令说明:(1)主基站信息:4蛾,30,i£gs9,50142,若o,539,3J.,99其中,460为MCC,代表中国,00为MNC,代表中国移动,16659为LAC,50142为CID,代表某一个特定基站,50为BSIC,当在某一地点移动终端能够同时接收到两个基站的BCCH载频,并且频道号相同,其可以根据BSIC来辨别,539为BCCH,通常情况下,为减少同频干扰,就BCCH载频而言,相邻小区的频率是不同的,而随着蜂窝网络的不断发展,势必会导致BCCH载频复用情况的发生,因此当基站的BCCH载频频率相同时,应该确保BSIC不同,31为RxLev,代表移动终端所接收的主基站BCCH信号电平,99为RxQual,代表接收信号质量,即信号误码率。(2)邻近基站信息:4磊。,00,强≤s9,40294r48r?718其中,各信息含义与主基站前七个信息含义相同。数据集一基站信息(清晨时段,实验室)定位结果(清晨时段,实验室,单位:度) 万方数据移动终端的基站定位技术研究与实现.77. 万方数据附录.78- 万方数据移动终端的基站定位技术研究与实现..79.- 万方数据附录.80. 万方数据移动终端的基站定位技术研究与实现2122232425LACCIDRxLev(dBm)LACCIDRxLev(dBm)166591665916659166591665916659i66591665916659i665916659i665916659i6659i665916659166591665916659i665916659i6659i6659i665916659i66591665916659166591665916659166591665916659401424013i4014140294409225014l40142401314014140294409225014140142401314014l40294409225014140142401314014I402944092250141401424013l40141402944092250141401424013I401414029416659166591665916659166591665916659166591665916659166591665916659166591665916659166591665916659166591665916659166591665916659166591665916659166591665916659166591665916659401424013i4014140294409225014140i424013l4014140294409225014140142401314014140294409225014140142401314014140294409225014l401424013i4014140294409225014l40142401314014140294312024192l19312024192l19312024192119312024192l193l202419211931202419.81.舱钉铝∞的叭加丛均n均叭加孔均扒均趴加烈均殂挎叭加弘均n坞盯加孔均虬均钉加丛均 万方数据附录.82. 万方数据移动终端的基站定位技术研究与实现一83. 万方数据附录.84. 万方数据移动终端的基站定位技术研究与实现.85. 万方数据附录一86- 万方数据移动终端的基站定位技术研究与实现.87. 万方数据附录.88- 万方数据移动终端的基站定位技术研究与实现.89- 万方数据附录-90- 万方数据移动终端的基站定位技术研究与实现22232425LACCIDRxLev(dBm)166591665916659166591665916845166591665916659166591665916845166591665916659166591665916845166591665916659166591665916845166591665916659166591665916845166591665916659166594014140294401314013340142400124014l402944013140133401424001240141402944013140133401424001240141402944013l40133401424001240141402944013140133401424001240141402944013140133LACCIDRxLev(dBm)1665916659166591665916659168451665916659166591665916659168451665916659166591665916659168451665916659166591665916659168451665916659166591665916659166591665916659166591665940141402944013140133401424001240141402944013140133401424001240141402944013140133401424001240141402944013140133401424001240141402944013140133401424089240141402944013140133.91一撕坞”埔丝n撕均"垢丛n舶均"坫孔U舫均¨埔孔H弱均"M丛u弱坞蝎巧%卯铝∞硼拍揶”M历n邪加¨怕舫n加加"拍历n拍加¨硒沥“拍加"拍蛎u髓加"碣 万方数据致谢致谢时光荏苒,岁月如梭,回首硕士研究生期间的学习、生活经历,我由衷的感谢导师沈小艳副教授对我的关心与指导。感谢老师提供给我宝贵的学习机会,使我不仅丰富了自己的理论知识,同时也增长了许多实践经验。老师渊博的知识、丰富的人生阅历、严谨的治学态度以及求真务实的工作作风使我受益匪浅。在此向沈小艳老师表示我最诚挚的敬意与感谢!感谢毕胜老师在攻读硕士学位期间给予我学习与生活上的关怀与帮助。感谢信号与图像处理研究所的齐国清老师、王新年老师、史晓非老师、王演老师、王琳老师和王强老师在论文撰写的过程中给予的宝贵意见与技术指导。感谢所有关心与帮助过我的朋友。雷雨、崔午阳、陈萍、刘闯、于进海、杨芬、王国华,与你们在一起学习与生活的时光愉悦而美好,感谢你们对我生活上的无微不至的关心与学习上的无私帮助。谨以此献给我的家人,感谢他们自始至终对我的支持以及为我付出的一切。 万方数据作者简介作者简介姓名:徐永清性别:男出生年月:1990年8月13日民族:汉籍贯:安徽省芜湖市研究方向:信息与通信工程学习经历:2005年9月一2008年7月就读于芜湖县第二中学;2008年9月一2012年7月就读于蚌埠学院电子信息工程专业:2013年9月一2016年4月就读于大连海事大学信息与通信工程专业。 万方数据
还剩100页未读

继续阅读

下载pdf到电脑,查找使用更方便

pdf的实际排版效果,会与网站的显示效果略有不同!!

需要 10 金币 [ 分享pdf获得金币 ] 0 人已下载

下载pdf