專利名稱：基于聚類融合的無線定位方法
技術(shù)領(lǐng)域：
本發(fā)明屬于無線通信技術(shù)和智能信息處理技術(shù)領(lǐng)域，具體涉及蜂窩移動通 訊系統(tǒng)中移動臺的無線定位技術(shù)。
背景技術(shù)：
蜂窩移動通訊系統(tǒng)中，很多網(wǎng)絡(luò)服M賴于移動臺的位置信息，所述移動 臺包括移動電話、個人數(shù)字助理、筆記本電腦等移動通訊設(shè)備。目前蜂窩移動 通訊系統(tǒng)中移動臺的無線定位技術(shù)，已成為研究熱點，包括基本定位方法、才支
術(shù)和定位算法的研究，TDOA (電波到達時間差)、AOA(電波到達角)、TOA (電波到達時間)檢測技術(shù)的研究，抗非視距傳播、多徑和多址干擾技術(shù)的研 究，數(shù)據(jù)融合技術(shù)方面的研究，定位技術(shù)實施方法的研究，定位系統(tǒng)的性能;平 估等。如公開號CN1898975A的中國發(fā)明專利申請公開說明書，公開了一種到 達時間差/全球定位系統(tǒng)混合無線定位系統(tǒng)，通過GPS凄t據(jù)和到達時間差確定 移動站的位置。又如現(xiàn)有技術(shù)中，通常采用陳氏算法(以下簡稱Chan算法) 和泰勒級凄緣開法(以下簡稱Taylor算法)對TDOA、 AOA、 TOA進行運算， 獲得移動臺位置。但現(xiàn)有技術(shù)只能對一個移動臺進行定位，并且單一定位方法 精度不高，在不同信道環(huán)境下表現(xiàn)定位性能不同的缺陷。

發(fā)明內(nèi)容
有鑒于此，為了解決上述問題，本發(fā)明提出了一種基于聚類融合的無線 定位方法，能對多個移動臺進行定位。
本發(fā)明的目的是這樣實現(xiàn)的基于聚類融合的無線定位方法，用于獲4尋優(yōu)化的移動臺定位結(jié)果，包括如下步驟
Sl:由至少一個基站測量的移動臺電波特征測量值，獲得移動臺的位置{古
計值；
S2:對多組位置估計值通過粒子群聚類算法，獲得聚類中心； S3:對同一移動臺的多個聚類中心進行融合，決策輸出優(yōu)化的移動臺定〈立 結(jié)果。
進一步，所述步4繁S1中，電波特征測量值為電波到達時間和電波到達時間
差；
進一步，步驟S1中，采用Chan算法和Taylor算法對電波特征測量^直進《亍 位置估計，獲得移動臺的位置估計值；
進一步，所述步驟S2中，對移動臺估計位置找到一個劃分>^ = ^1 ., 1}， 使總的類內(nèi)離散度和達到最小，其表達式為J] d(l,，;r),其中x"為
第/個聚類的中心，J(《,x")為位置估計值到聚類中心的距離，聚類準(zhǔn)則函凄t』 為各類樣品到對應(yīng)聚類中心距離的總和；
進一步，所述步驟S2具體包括如下步驟
S21:粒子群的初始化設(shè)定聚類數(shù)目和粒子數(shù)目，將每個位置估計值隨才X 指派為某一類，作為最初的聚類劃分，并計算各類的聚類中心，將聚類中心一卡 為粒子的位置編碼，計算粒子的適應(yīng)度，并將粒子的初始速度設(shè)置為0;反復(fù) 進行，直到生成預(yù)設(shè)數(shù)目的粒子；
S22:由初始粒子群得到粒子個體最優(yōu)位置和全局最優(yōu)位置；
S23:更新所有粒子的速度和位置；
S24:對每個定位估計值，根據(jù)步驟S21中獲得的粒子的聚類中心編石馬， 按照最近鄰法則，確定該估計值的聚類劃分；
S25:對每個粒子，按照相應(yīng)劃分計算新的聚類中心，更新粒子的適應(yīng)度；S26:對每個粒子，比較它的適應(yīng)度值和它經(jīng)歷過的最好的適應(yīng)度值，如果 更好，更新粒子個體最優(yōu)位置；
S27:對粒子！'，比較它的適應(yīng)度值和群體所經(jīng)歷最好位置的適應(yīng)度值，如 果更好，更新全局最優(yōu)位置；
S28:如果達到迭代條件，則結(jié)束算法，輸出全局最優(yōu)解，否則，轉(zhuǎn)到步-驟 S23繼續(xù)迭代；
進一步，步驟S3中，采用下式進行決策
式中，少為輸出向量， 為最佳線性決策融合的加權(quán)系數(shù)向量，X是步驟 S2獲得的聚類中心組成的向量；cr,(/ = 1...A0為聚類中心方差。
本發(fā)明提出的基于聚類融合的無線定位方法，可充分利用了多種測量Y直， 結(jié)合多種算法，并可對多個移動臺并行定位，不但提高了定位精度，而且大大 提高了定位系統(tǒng)的效率。簡化了傳統(tǒng)數(shù)據(jù)融合定位方法的多層模型，從而降j氐 了定位算法的復(fù)雜性。
本發(fā)明的其他優(yōu)點、目標(biāo)，和特征在某種程度上將在隨后的說明書中進4亍 闡述，并且在某種程度上，基于對下文的考察研究對本領(lǐng)域技術(shù)人員而言將是 顯而易見的，或者可以從本發(fā)明的實踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他/阮點 可以通過下面的說明書，權(quán)利要求書，以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和 獲得。


為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本 發(fā)明作進一步的詳細(xì)描述
圖1示出了聚類融合的無線定位方法的算法模型示意圖；圖2示出了粒子群聚類算法的流程示意圖；圖3示出了 TDOA測量值時，三個不同移動臺Taylor算法估計位置聚類情況；圖4示出了 TDOA測量值時，三個不同移動臺Chan算法估計位置聚類情況；圖5示出了 TOA測量值時，三個不同移動臺Taylor算法估計位置聚類情況；圖6示出了 TOA測量值時，三個不同移動臺Chan算法估計位置聚類情況；圖7示出了移動臺位置為(200, 200)時的定位算法比較； 圖8示出了移動臺位置為(1500， 1500)時的定位算法比較； 圖9示出了移動臺位置為(2800， 2800)時的定位算法比較。
具體實施方式
以下將對本發(fā)明的優(yōu)選實施例進行詳細(xì)的描述。本實施例基于聚類融合的無線定位方法的算法模型如圖r所示。通過服務(wù)基站提供的多移動臺多組的TOA和TDOA測量值，先將TOA測量值轉(zhuǎn)化為TDOA 值，采用Chan算法和Taylor算法分別對來自同一移動臺的TDOA值和TDOA 測量值進行位置估計；由于定位誤差的影響，移動臺的多組估計位置將會分布 在真實位置的周圍。因為每次位置估計的誤差不同，估計位置離真實位置的遠 近也不同，從而多組估計位置呈現(xiàn)團狀。為了得到更加精確的定位結(jié)果，充分 利用每次估計值，采用了粒子群聚類算法對估計位置進行全局搜索，找出能代 表每次估計值的最優(yōu)位置，即聚類中心。將對同一移動臺不同測量值采用不同 算法得出的所有聚類中心進行數(shù)據(jù)融合，從而得出更加準(zhǔn)確的位置。 參見圖1，本實施例具體包括如下步驟Sl:由至少一個基站測量的移動臺電波特征測量值，獲得移動臺的位置估計值；現(xiàn)有技術(shù)中，通過對移動臺電波特征測量值進行處理，獲得移動臺的^f立置 估計有多種方法，本實施例采用Chan算法和Taylor算法分別對來自同一一多動 臺的TOA測量值和TDOA測量值進行位置估計；S2:對步驟S1所得的多組位置估計值通過粒子群聚類算法，獲得聚類中心， 由圖l可以看出，本實施例中，對每個移動臺可以得到四個聚類中心；以下分 別具體介紹粒子群聚算法和本實施例中算法的具體步驟(1 )粒子群聚類算法設(shè)移動臺位置估計值樣品集為JrH《,^,…Xj ，其中，X,(z、l,2…n)為移動臺位置估計值坐標(biāo)，是2維模式向量，聚類處理的目的就是對移動臺估計4立置 找到一個劃分M^卜,，MV.V^，使總的類內(nèi)離散度和達到最小，其表達式為 /=;￡5>(m (1)其中，x^為第y個聚類的中心，^/(1,,;^)為位置估計值(樣品)到聚類中 心的距離，聚類準(zhǔn)則函數(shù)/為各類樣品到對應(yīng)聚類中心距離的總和。聚類的劃 分可由最近鄰法則決定，即對樣品x,.,若第/類聚類中心z"滿足, X,) =, ipin , r') (2 )則樣品義,屬于類_/。在粒子群聚類算法中，每個粒子由三部分組成粒子位置、速度和適應(yīng)度 值。每個粒子的位置由m個聚類中心組成，m為已知的聚類數(shù)目。粒子結(jié)才勾為尸flW/c/e(/) = (/oWon口,ve/oa'(y[],力,"e^ (3 )粒子的位置編碼結(jié)構(gòu)為尸aW/c/e(/),/oc加'o"[] = [JT',義"V,義""'〗 (4 )其中，f為第y類移動臺位置估計的聚類中心，是一個2維矢量，粒子的 速度編碼結(jié)構(gòu)為Part/c/e(z').ve/oc/0;[] = K, ^,…，巳] (5 )R表示第/個聚類中心的速度值，可知^也是個2維矢量。粒子適應(yīng)度值為一個1) 按照式(2)確定該粒子的聚類劃分。2) 根據(jù)聚類劃分重新計算聚類中心，按照式(1 )計算總的類內(nèi)離散度入3) 粒子的適應(yīng)度可表示為( 6 )其中，J是總的類內(nèi)離散度和，*為常數(shù)。粒子所代表的聚類劃分的總的類 間離散度越小，粒子的適應(yīng)度越大。此外，位置估計值中的粒子在進化過程中還記憶一個個體最優(yōu)解4,表示 該粒子經(jīng)歷的最優(yōu)位置和適應(yīng)度值。整個定位粒子群還存在一個全局最優(yōu)解 &，表示粒子群經(jīng)歷的最優(yōu)位置和適應(yīng)度。其結(jié)構(gòu)分別如下;=(/oca加/7[],y^"e4 ( 8 )定位位置估計值的粒子速度和位置更新公式為+771n7"<i(X/^(/)./ocflf"cw[] — _P￡rric/e(/)./c>cariow[]) ( 9 )其中，P^""c/e(/).w/oc辦[]'位置估計值粒子更新速度，w為慣性4又重，w , 72為力口 速常數(shù)，為0 1之間的隨枳4t。(2)參見圖2，步驟S2具體包括如下步驟S21:粒子群的初始化設(shè)定聚類數(shù)目和粒子數(shù)目，將每個位置估計^f直隨豐兒 指派為某一類，作為最初的聚類劃分，并計算各類的聚類中心，作為粒子/的位 置編碼尸w"c/e(/)./oca"o"[],計算粒子的適應(yīng)度i^"'c/e(f).力me^ ，并將粒子的對刀始 速度設(shè)置為0;反復(fù)進行，直到生成預(yù)設(shè)數(shù)目的粒子；S22:由初始粒子群得到粒子個體最優(yōu)位置^(/)(^l,2,…,m),和全局最^尤位置^;S23:根據(jù)式(9)和(10)更新所有粒子的速度和位置，/7,和/72取^i均為2, w計算7>式為w = wmax — zYer x w腿_Wmin ，其中，為當(dāng)前迭^次凄t, zYer maxmax為最大迭代次數(shù)，wmax=l， Wmin=0;S24:對每個位置估計值，才艮據(jù)步驟S21中獲得的粒子的聚類中心編;瑪， 按照最近鄰法則，確定該位置估計值的聚類劃分；S25:對每個粒子，按照相應(yīng)劃分計算新的聚類中心，更新粒子的適應(yīng)度； S26:對粒子"比較它的適應(yīng)度值和它經(jīng)歷過的最好的適應(yīng)度值，如果更好，更新粒子個體最優(yōu)位置&(o;S27:對粒子"比4支它的適應(yīng)度值和群體所經(jīng)歷最好位置的適應(yīng)度^直， 果更好，更新全局最優(yōu)位置P^;S28:如果達到迭代條件(得到足夠好的位置或最大迭代次數(shù))，則結(jié)束算 法，輸出全局最優(yōu)解，否則，轉(zhuǎn)到步驟S23繼續(xù)迭代；S3:對同一移動臺的多個聚類中心進行融合，決策輸出優(yōu)化的移動臺定位 結(jié)果。數(shù)據(jù)融合的任務(wù)是將經(jīng)過聚類融合得到的同 一移動臺的聚類中心合并，決 策得到一個最合適的位置估計。 一般來說，抉擇標(biāo)準(zhǔn)應(yīng)遵循聚類中心的方差越 小，估計結(jié)果的可靠性也就越大。按照最佳線性數(shù)據(jù)融合，決策輸出表示成各 個位置估計的線性組合，其決策方差不大于任何單個聚類中心的方差。設(shè)《，為 最佳線性決策融合的加權(quán)系數(shù)向量，X是各個位置估計器的輸出組成的向量， 則決策輸出為<formula>formula see original document page 10</formula>(11)式中，y為輸出向量， ,為最佳線性決策融合的加權(quán)系數(shù)向量，X是步驟S2獲得的聚類中心組成的向量；cr々'=為聚類中心方差。圖3~圖9給出了本算法的仿真結(jié)果，可以看出本發(fā)明基于聚類融合的無線 定位方法具有良好的定位性能。以上所述僅為本發(fā)明的優(yōu)選實施例，并不用于限制本發(fā)明，顯然，本々頁 域的技術(shù)人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和 范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同4支 術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
權(quán)利要求
1.基于聚類融合的無線定位方法，用于獲得優(yōu)化的移動臺定位結(jié)果，其特征在于，包括如下步驟S1由至少一個基站測量的移動臺電波特征測量值，獲得移動臺的位置估計值；S2對多組位置估計值通過粒子群聚類算法，獲得聚類中心；S3對同一移動臺的多個聚類中心進行融合，決策輸出優(yōu)化的移動臺定位結(jié)果。
2. 如權(quán)利要求l所述的基于聚類融合的無線定位方法，其特征在于所述 步驟S1中，電波特征測量值為電波到達時間和電波到達時間差。
3. 如權(quán)利要求2所述的基于聚類融合的無線定位方法，其特征在于步驟 Sl中，采用Chan算法和Taylor算法對電波特征測量值進行位置估計，獲得移 動臺的位置估計值。
4. 如權(quán)利要求1至3中任一項所述的基于聚類融合的無線定位方法，其特， 征在于所述步驟S2中，對移動臺估計位置找到一個劃分w-h，Mv..wJ, 4吏總的類內(nèi)離散度和達到最小，其表達式為其中x,為第7個聚類的中心，d(X,，Z,)為位置估計值到聚類中心的距離，聚類準(zhǔn)則函數(shù)J為各類樣品到對應(yīng)聚類中心距離的總和。
5. 如權(quán)利要求4所述的基于聚類融合的無線定位方法，其特征在于所述 步驟S2具體包括如下步驟S21:粒子群的初始化設(shè)定聚類數(shù)目和粒子數(shù)目，將每個位置估計值隨枳^ 指派為某一類，作為最初的聚類劃分，并計算各類的聚類中心，將聚類中心4乍 為粒子的位置編碼，計算粒子的適應(yīng)度，并將粒子的初始速度設(shè)置為0;反復(fù)進行，直到生成預(yù)設(shè)數(shù)目的粒子；S22:由初始粒子群得到粒子個體最優(yōu)位置和全局最優(yōu)位置； S23:更新所有粒子的速度和位置；S24'.對每個定位估計值，根據(jù)步驟S21中獲得的粒子的聚類中心編碼， 按照最近鄰法則，確定該估計值的聚類劃分；S25:對每個粒子，按照相應(yīng)劃分計算新的聚類中心，更新粒子的適應(yīng)度；S26:對每個粒子，比較它的適應(yīng)度值和它經(jīng)歷過的最好的適應(yīng)度值，如果 更好，更新粒子個體最優(yōu)位置；S27:對粒子"比較它的適應(yīng)度值和群體所經(jīng)歷最好位置的適應(yīng)度值，々口 果更好，更新全局最優(yōu)位置；S28:如果達到迭代條件，則結(jié)束算法，輸出全局最優(yōu)解，否則，轉(zhuǎn)到步艱《 S23繼續(xù)迭代。
6.如權(quán)利要求4所述的基于聚類融合的無線定位方法，其特征在于步驟 S3中，采用下式進行決策式中，y為輸出向量， 為最佳線性決策融合的加權(quán)系數(shù)向量，義是步驟 S2獲得的聚類中心組成的向量；cT, (f = 1...iV)為聚類中心方差。
全文摘要
本發(fā)明屬于無線通信技術(shù)和智能信息處理技術(shù)領(lǐng)域，具體涉及蜂窩移動通訊系統(tǒng)中移動臺的無線定位技術(shù)；基于聚類融合的無線定位方法，用于獲得優(yōu)化的移動臺定位結(jié)果，包括如下步驟S1由至少一個基站測量的移動臺電波特征測量值，獲得移動臺的位置估計值；S2對多組位置估計值通過粒子群聚類算法，獲得聚類中心；S3對同一移動臺的多個聚類中心進行融合，決策輸出優(yōu)化的移動臺定位結(jié)果；本發(fā)明可對多個移動臺并行定位，不但提高了定位精度，而且大大提高了定位系統(tǒng)的效率。
文檔編號G01S5/02GK101620270SQ200910104419
公開日2010年1月6日 申請日期2009年7月23日 優(yōu)先權(quán)日2009年7月23日
發(fā)明者劉洪昌, 毅 張, 敏 李, 元 羅, 鵬 葛, 蒲興成, 軍 蔡, 威 袁, 穎 謝 申請人:重慶郵電大學(xué)