LTE中RF指紋定位算法研究.pdf

1、隨著基于位置的服務(wù)(location-based services，LBS)的興起和E-911緊急定位的要求，無線移動定位技術(shù)迅速發(fā)展。基于網(wǎng)格的射頻(radio frequency，RF)指紋定位技術(shù)是一種利用相關(guān)數(shù)據(jù)庫法(database correlation method，DCM)進行定位的方法，僅僅采用無線信號特征就可以提供定位服務(wù)。方法簡便而且能夠克服建筑物的干擾，因此成為近年來研究的重點。在利用RF指紋定位時，匹配復雜度、

2、相關(guān)數(shù)據(jù)庫的大小和定位精度成為主要考慮的問題。此外，基于網(wǎng)格的RF指紋定位需要將目標區(qū)域劃分為大量的網(wǎng)格，網(wǎng)格模型也是需要考慮的問題。本論文在長期演進(long term evolution，LTE)同構(gòu)網(wǎng)絡(luò)和異構(gòu)網(wǎng)絡(luò)的環(huán)境下，針對指紋匹配算法和網(wǎng)格劃分的模型進行了研究。
　　首先，本文提出了一種指紋匹配的簡化算法和兩種新的相似度度量。一種是參考信號接收功率(reference signal received power，RSRP

3、)差值序列的均值，另一種是差值序列的方差。在訓練階段，采用最小化路測技術(shù)(minimization of drivetesting measurements，MDT)收集數(shù)據(jù)構(gòu)造相關(guān)數(shù)據(jù)庫。在定位階段，對測試簽名和訓練簽名進行基站匹配，只有兩者的基站號和基站數(shù)差值小于閾值時，才進行RSRP匹配，否則，舍棄。再根據(jù)兩種相似度度量計算測試簽名和訓練簽名的相似度距離。與測試簽名相似度距離最小的訓練簽名作為最匹配的簽名，進而得到測試簽名的位置。

4、仿真實驗表明，該簡化算法的匹配復雜度至少降低了34％，同時保證了定位精度。
　　其次，在傳統(tǒng)均勻網(wǎng)格模型的基礎(chǔ)上，提出了一種非均勻的網(wǎng)格模型的劃分方法。在一個宏基站覆蓋范圍內(nèi)，測量各個位置的信號強度值，分析信號強度值與位置的關(guān)系。根據(jù)六邊形法則，將一個宏基站的覆蓋區(qū)域劃分為不同的區(qū)域，設(shè)置不同的等級，在離基站近的區(qū)域設(shè)置高的等級。在基站邊緣區(qū)域，信號強度弱、分辨率低導致定位精度低，分配小尺寸的網(wǎng)格。反之，在靠近基站的區(qū)域，分配大尺

5、寸的網(wǎng)格。整個目標區(qū)域做同樣的劃分，形成非均勻的網(wǎng)格模型。仿真結(jié)果表明，該方法降低了指紋庫的規(guī)模，且定位精度最多有16％的提升。
　　最后，在非均勻網(wǎng)格模型的基礎(chǔ)上，設(shè)計了一種動態(tài)非均勻網(wǎng)格模型。每級區(qū)域設(shè)定一個基本的邊界調(diào)整單位值和一個調(diào)整的倍數(shù)值。通過調(diào)整這些值，改變各級邊界六邊形的邊到中心點的距離，從而調(diào)整各級區(qū)域的邊界。仿真結(jié)果表明，小尺寸網(wǎng)格區(qū)域同時變大，指紋庫的規(guī)模明顯變大，定位精度也會得到明顯提升。反之，指紋庫的規(guī)模