论文部分内容阅读
近年来,随着科学与技术的发展,位置服务(Location-Based Service,LBS)在人们的生活中扮演着越来越重要的角色,并由于其广阔的应用前景受到了国内外的广泛关注。尽管全球定位系统(Global Positioning System,GPS)已经在近年来成为室外定位的最佳解决方案,然而在室内环境中,由于定位环境的动态性和复杂性,精确可靠地进行室内定位仍然是一个很大的难题。作为面向5G的关键候选技术,设备到设备通信(Device to Device,D2D)对于室内定位可以增加定位目标的视距(Line of Sight,LOS)信号的几率,对于解决非视距(Non Line of Sight,NLOS)问题、提高定位精度等方面有广泛的应用前景,故受到了广泛关注。本文为解决非视距与视距混合环境下室内定位精度不足的问题,提出了一种基于测距信号与行人航迹推算(Pedestrian Dead Reckoning,PDR)的概率位置选择算法(Probabilistic Position Selection Algorithm,PPSA);为解决极端环境中移动终端接收定位信号数量不足难以定位的问题,利用面向5G移动通信系统中D2D技术,研究了多终端下的协同定位技术以及其协同节点优选方案,并提出了一种应用于无线网络的基于区域最优化与节点优选的和积算法(Area Optimization And Node Selection Based Sum-product Algorithm over a Wireless Network,AN-SPAWN)。具体工作如下:首先,本文针对复杂室内环境中现有室内定位方案精度不足的情况,提出了一种基于测距信号和PDR的概率位置选择算法。为解决定位过程中存在的非视距因素,提出了一种基于测距信号与PDR的非视距识别方案来分析信号的信道传输状态。实验结果表明,本文提出的算法在视距与非视距混合场景中比传统定位方法具有更高的定位精度,并且对非视距误差具有更好的抵抗能力。在本文所构建的实验环境下,PPSA较传统的三边与PDR混合算法(Trilateration+PDR)、最大似然估计与PDR混合算法(MLE+PDR),其平均定位精度分别提高了49.62%与60.45%。然后,针对定位节点稀疏网络中定位终端接收不到足够定位信号等极端场景下,在前文提出的概率位置选择算法的基础上结合无线网络下的和积算法(Sum-product Algorithm Over A Wireless Network,SPAWN)提出一种基于蓝牙和5G信号的协同定位方案。为降低该协同定位算法的复杂度,滤除对定位贡献度不大的协同节点并构建最优协作集群,提出来一种基于克拉美罗下界与非视距识别的协同节点优选方案。实验与仿真结果表明,本文提出的协同定位算法较传统协同定位算法在定位精度、抗非视距误差以及算法复杂度等方面上得到了提升。在本文构建的协同定位仿真环境中,本文所提出的AN-SPAWN协同定位算法较H-SPAWN与SPAWN,在非视距概率为0的情况下,其平均协同定位精度分别提高了38.87%和46.73%。