專利名稱：基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及無線通信中的無線定位方法，特別是提供了一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法。

背景技術(shù)：
無線定位技術(shù)在軍事和民用技術(shù)上已經(jīng)得到了廣泛的應(yīng)用。當前隨著數(shù)據(jù)業(yè)務(wù)和多媒體業(yè)務(wù)的快速增加，人們對基于無線定位技術(shù)的新業(yè)務(wù)的需求日益增大，尤其在復(fù)雜的通信環(huán)境，如機場大廳、展廳、倉庫、超市、圖書館、地下停車場、礦井等環(huán)境中，常常需要確定移動終端或其持有者、設(shè)施與物品在室內(nèi)的位置信息，這些都推動了對無線定位技術(shù)的深入研究。同時，向用戶提供精確的定位信息已經(jīng)成為新一代無線通信系統(tǒng)的標準業(yè)務(wù)之一，無線定位技術(shù)也已經(jīng)應(yīng)用于緊急救援、汽車導(dǎo)航、智能交通、團隊管理等方面，參照眾多行業(yè)的實際需求，無線定位技術(shù)和定位業(yè)務(wù)的發(fā)展前景將十分廣闊。
但是受定位時間、定位精度以及復(fù)雜室內(nèi)環(huán)境等條件的限制，比較完善的定位技術(shù)目前還無法很好地利用。許多定位技術(shù)解決方案，如A-GPS(輔助全球定位系統(tǒng))定位技術(shù)、藍牙技術(shù)、紅外線技術(shù)等無線定位技術(shù)要在移動終端上增加新的硬件，這將對移動站的尺寸和成本帶來不利的影響。由多個基站同時接收檢測移動如發(fā)出的信號，根據(jù)測量到的參數(shù)由網(wǎng)絡(luò)對移動臺進行定位估計。利用現(xiàn)代移動通信系統(tǒng)的蜂窩網(wǎng)絡(luò)提供導(dǎo)航、位置信息是一種新的定位方式。它通過測量到達(或來自)一系列固定或移動基站攜帶的與移動臺位置信息有關(guān)的信號來確定移動臺位置，可以提供物美價廉的定位業(yè)務(wù)，正是設(shè)備生產(chǎn)商和網(wǎng)絡(luò)運營商正在積極思考的問題。但是由于在城區(qū)等復(fù)雜的電波傳播環(huán)境下，由于障礙物較多，電波傳播環(huán)境惡劣，信號很難直接從基站到達移動臺，一般要經(jīng)過折射或反射后產(chǎn)生多徑信號，并非視距的到達接收裝置，信號的TOA測量也就出現(xiàn)了很大的誤差，因此定位精度會受到很大的影響。
利用蜂窩通信網(wǎng)絡(luò)對移動終端進行無線定位時，NLOS(Non Line Of Sight，非視距傳播)，測量誤差等因素將會使定位性能受到嚴重的影響。現(xiàn)有的方法容易受到各種干擾的影響，還需要3個以上的基站才能實現(xiàn)定位，并在多徑NLOS環(huán)境下定位誤差較大，定位精度不高。


發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)的不足，提出一種定位精度高，成本低的基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，適用于各種定位環(huán)境，是一種高精度實用化定位技術(shù)。而且，由于訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)能存儲有關(guān)過程的知識，能直接從歷史誤差信息中學習。就可以根據(jù)對象的日常歷史數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，然后將此信息與當前測量數(shù)據(jù)進行比較，于是神經(jīng)網(wǎng)絡(luò)具有濾除噪聲及在有噪聲情況下的出正確結(jié)論的能力。那么就可以用神經(jīng)網(wǎng)絡(luò)來處理誤差信息。本發(fā)明的方法就是根據(jù)實際的通信環(huán)境中存在散射信息和較大的傳播誤差的特點，利用電波到達時間和電波到達角等測量信息來實現(xiàn)移動終端的精確定位。
本發(fā)明采用如下的技術(shù)方案，其包括下列步驟 (1)在非視距傳播環(huán)境下，移動終端發(fā)射電波的傳播由多個散射體反射后產(chǎn)生多徑，這些多徑信號便會從不同的方向以不同的時間到達基站；利用典型的蜂窩網(wǎng)絡(luò)進行布局，總體布局為一個小區(qū)半徑為L的蜂窩系統(tǒng)，具體坐標分布為(0，0)，其總體布局可以根據(jù)實際的環(huán)境來自適應(yīng)的調(diào)整；設(shè)置參與定位的基站個數(shù)為2個，其中有一個主基站；由雙基站測得經(jīng)由多個散射體反射的移動終端的電波到達角AOA，主基站還測得移動終端的電波到達時間TOA； (2)散射體分布在以移動終端MS點為圓心，半徑為r的圓盤上，設(shè)坐標為移動終端MS(x，y)，基站BSj(xj，yj)，散射體Si(sxi，syi)；BS1為服務(wù)基站，即主基站，MS的電波經(jīng)以角度β到達散射體Si反射后再到達基站BSj，β在[-π，π]上服從均勻分布，且MS與BSj之間的距離大于反射圓半徑r，則可知經(jīng)散射體后到達基站的最大非視距傳播角擴展為 (3)每個基站測得的多徑數(shù)目為M2路，與散射體數(shù)目有關(guān)系，是散射體數(shù)目的2倍；測得的由散射體反射過來的電波到達角AOA為θji(j＝1，2，i＝1，2，...，M2)，即第j個基站中測得的第i個散射體的電波到達角AOA值分別為θji。主基站測得MS的電波經(jīng)第i個散射體的電波到達時間TOA轉(zhuǎn)化為距離值為lli； (4)各測量值包含了非視距傳播誤差和測量誤差，由以上TOA距離值和傳播環(huán)境建立多徑散射的TOA誤差分布模型，模型數(shù)學公式為lji＝lji0+lNLOS ji+lnji＝lji′+lnji，其中l(wèi)ji0為移動終端到基站的距離真值，lnji為其測量誤差，服從均值為0，標準差為σln的高斯分布，lNLOS ji為非視距傳播引起的距離誤差，lji′為電波傳播距離；而且θji＝θji0+θnji+θNLOS ji，其中θji0為AOA的真值，θnji為測量誤差，θNLOS ji為各散射體多徑的非視距傳播引起的附加角擴展； (5)對于散射體Si由雙基站BS1，BS2測得的電波到達角AOA，可得，如是聯(lián)立多個方程即可得到在圓盤模型上的三個散射體坐標為Si(sxi，syi)；散射體位置Si(sxi，syi)確定的是通過最小二乘法估計后得到的，體的數(shù)學運算表達如下-sxi+(tanθji)syi＝-xj+(tanθji)yj， 令Zi＝(sxi，syi)T以Z＝[z1|z2|z3]為變量的線性方程組為H＝GZ，則AOA測量對應(yīng)誤差矢量為Ψ＝H-GZ，式中G＝[G1|G2|G3]T，H＝[H1|H2|H3]，則其最小二乘解為Z＝(GTG)-1GTH，即得到散射體信息；于是由以上數(shù)據(jù)經(jīng)過就得到了初步估計出的各散射體的位置，從而求得散射體Si與基站BSj的直線距離為 (6)再利用主基站測得的電波到達時間TOA值減去散射體到達基站的直線距離，就是移動臺到散射體的測量距離了Li＝lli-lli，然后將散射體作為虛擬基站，并把Li作為移動臺到散射體的電波到達時間TOA值進行定位估計； (7)由于非視距環(huán)境下各種誤差的存在，諸如非視距傳播誤差，測量誤差，如此測量值中常包含很較大的誤差，采用有效的神經(jīng)網(wǎng)絡(luò)來處理這些誤差以得到更好的定位性能；該神經(jīng)網(wǎng)絡(luò)是一種前向神經(jīng)網(wǎng)絡(luò)，是具有單隱層的三層前饋網(wǎng)絡(luò)，其設(shè)計的數(shù)學表達如下1)用高斯函數(shù)作為隱含層，即隱層的基函數(shù)，‖·‖表示歐氏范數(shù)。由其構(gòu)成的基函數(shù)向量為λn和cn為網(wǎng)絡(luò)系數(shù)；設(shè)輸入層、隱層和輸出層神經(jīng)元節(jié)點數(shù)分別為M，N，K，則隱層單元輸出為其中，C為隱層神經(jīng)元的中心組成的向量陣，σn為第n個隱節(jié)點的寬度。網(wǎng)絡(luò)的輸出為

，其中，wkn表示第k個輸出單元到第n個隱單元的連接權(quán)重，

為第k個神經(jīng)元的閾值；2)神經(jīng)網(wǎng)絡(luò)的非線性映射能力體現(xiàn)在隱層基函數(shù)上，其特性主要由基函數(shù)中心Cn，寬度以及神經(jīng)元數(shù)確定；使用梯度下降法對神經(jīng)網(wǎng)絡(luò)的參數(shù)進行自適應(yīng)調(diào)整，具體表達如下其中，J為誤差函數(shù)，Y(k)為期望的輸出，Y′(W，k)為實際的輸出，W為神經(jīng)網(wǎng)絡(luò)的所有權(quán)值組成的向量。隱層至輸出層連結(jié)權(quán)重的梯度調(diào)整為

隱層中心值矩陣調(diào)整算法為寬度調(diào)整算法為式中，μk為神經(jīng)網(wǎng)絡(luò)的學習速率，αk為其算法的動量因子。
(8)用有效數(shù)量的訓(xùn)練樣本集對該神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到期望的診斷網(wǎng)絡(luò)； (9)用得到的神經(jīng)網(wǎng)絡(luò)來處理θji和步驟(6)中的Li信息；設(shè)神經(jīng)網(wǎng)絡(luò)輸入層和輸出層均為9個神經(jīng)元，將[Li，θji]經(jīng)過神經(jīng)網(wǎng)絡(luò)的修正后，其輸出層即為修正后的電波到達角AOA和電波到達時間TOA測量值為然后將θji＇帶入步驟(5)中處理就可以得到修正后的散射體坐標 (10)以圓盤上三個不共線的散射體為基點，具體應(yīng)用加權(quán)質(zhì)心算法進行如下的定位計算，采用的加權(quán)質(zhì)心算法是經(jīng)過對質(zhì)心算法作了改進，就是在經(jīng)典質(zhì)心算法中通過加權(quán)因子來體現(xiàn)散射體對移動終端MS位置的影響程度；得到有各散射體對MS的影響因子為那么MS位置即可精確的估計出來，其定位坐標如下式中L1′，L2′，L3′為由神經(jīng)網(wǎng)絡(luò)修正后得到的抑制了誤差的三個散射體到MS的距離；最終得到結(jié)果

即得到了移動終端的精確位置，便實現(xiàn)了高精度的無線定位。
本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實質(zhì)性的特點和顯著優(yōu)點該發(fā)明方法由單次反射統(tǒng)計信道模型只需利用雙基站就可以對移動終端進行精確定位。本發(fā)明由基站測得的定位數(shù)據(jù)估計出移動終端周圍的散射體信息，然后利用神經(jīng)網(wǎng)絡(luò)消除散射體誤差信息的模糊性，最后用抑制了非視距誤差的定位信息作為虛擬基站應(yīng)用加權(quán)質(zhì)心算法來實現(xiàn)精確定位。本發(fā)明提供的基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法能有效抑制非視距傳播誤差，而且具有性能穩(wěn)定、成本低及定位精度高的優(yōu)點。由于本發(fā)明的高精度定位性能，可以使定位業(yè)務(wù)得到更為廣泛的應(yīng)用。



本發(fā)明的基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法由以下附圖及實施示例給出。
圖1為本發(fā)明方法的無線定位模型原理的二維平面示意圖； 圖2為本發(fā)明方法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計圖；
具體實施例方式 以下將對本發(fā)明的基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法作進一步的詳細描述。本發(fā)明的基于多徑散射信息的高精度無線定位方法的具體實現(xiàn)步驟如下 (1)在非視距傳播環(huán)境下，在一個典型的蜂窩網(wǎng)絡(luò)中，有兩個基站測得了移動終端的電波到達角(Angle Of Arrival，AOA)信息，其中一個主基站還提供移動終端的電波到達時間(Time ofArrival，TOA)，即是參與定位的基站個數(shù)為2個，其中有一個主基站； (2)設(shè)坐標為移動終端MS(x，y)，基站BSj(xj，yj)，散射體Si(sxi，syi)；BS1為服務(wù)基站，即主基站，MS的電波經(jīng)以角度β到達散射體Si反射后再到達基站BSj，β在[-π，π]上服從均勻分布，且MS與BSj之間的距離大于反射圓半徑r，則可知經(jīng)散射體后到達基站的最大非視距傳播角擴展為 (3)每個基站測得的多徑數(shù)目為M2路，與散射體數(shù)目有關(guān)系，是散射體數(shù)目的2倍；測得的由散射體反射過來的電波到達角AOA為θji(j＝1，2，i＝1，2，.，，M2)，即第j個基站中測得的第i個散射體的電波到達角AOA值分別為θji。主基站測得MS的電波經(jīng)第i個散射體的電波到達時間TOA轉(zhuǎn)化為距離值為lli； (4)各測量值包含了非視距傳播誤差和測量誤差，由以上TOA距離值和傳播環(huán)境建立多徑散射的TOA誤差分布模型，模型數(shù)學公式為lji＝lji0+lNLOSji+lnji＝lji′+lnji，其中l(wèi)ji0為移動終端到基站的距離真值，lnji為其測量誤差，服從均值為0，標準差為σln的高斯分布，lNLOS ji為非視距傳播引起的距離誤差，lji′為電波傳播距離；而且θji＝θji0+θnji+θNLOS ji，其中θji0為AOA的真值，θnji為測量誤差，θNLOS ji為各散射體多徑的非視距傳播引起的附加角擴展； (5)對于散射體Si由雙基站BS1，BS2測得的電波到達角AOA，可得，如是聯(lián)立多個方程即可得到在圓盤模型上的三個散射體坐標為Si(sxi，syi)；散射體位置Si(sxi，syi)確定的是通過最小二乘法估計后得到的，體的數(shù)學運算表達如下-sxi+(tanθji)syi＝-xj+(tanθji)yj， 令Zi＝(sxi，syi)T，以Z＝[z1|z2|z3]為變量的線性方程組為H＝GZ，則AOA測量對應(yīng)誤差矢量為Ψ＝H-GZ，式中G＝[G1|G2|G3]T，H＝[H1|H2|H3]，則其最小二乘解為Z＝(GTG)-1GTH，即得到散射體信息；于是由以上數(shù)據(jù)經(jīng)過就得到了初步估計出的各散射體的位置，從而求得散射體Si與基站BSj的直線距離為 (6)再利用主基站測得的電波到達時間TOA值減去散射體到達基站的直線距離，就是移動臺到散射體的測量距離了Li＝lli-lli，然后將散射體作為虛擬基站，并把Li作為移動臺到散射體的電波到達時間TOA值進行定位估計； (7)由于非視距環(huán)境下各種誤差的存在，諸如非視距傳播誤差，測量誤差，如此測量值中常包含很較大的誤差，采用有效的神經(jīng)網(wǎng)絡(luò)來處理這些誤差以得到更好的定位性能；該神經(jīng)網(wǎng)絡(luò)是一種前向神經(jīng)網(wǎng)絡(luò)，是具有單隱層的三層前饋網(wǎng)絡(luò)，其設(shè)計的數(shù)學表達如下1)用高斯函數(shù)作為隱含層，即隱層的基函數(shù)，‖·‖表示歐氏范數(shù)。由其構(gòu)成的基函數(shù)向量為λn和cn為網(wǎng)絡(luò)系數(shù)；設(shè)輸入層、隱層和輸出層神經(jīng)元節(jié)點數(shù)分別為M，N，K，則隱層單元輸出為其中，C為隱層神經(jīng)元的中心組成的向量陣，σn為第n個隱節(jié)點的寬度。網(wǎng)絡(luò)的輸出為

(k＝1，...，K，n＝1，...，N)，其中，wkn表示第k個輸出單元到第n個隱單元的連接權(quán)重，

為第k個神經(jīng)元的閾值；2)神經(jīng)網(wǎng)絡(luò)的非線性映射能力體現(xiàn)在隱層基函數(shù)上，其特性主要由基函數(shù)中心Cn，寬度以及神經(jīng)元數(shù)確定；使用梯度下降法對神經(jīng)網(wǎng)絡(luò)的參數(shù)進行自適應(yīng)調(diào)整，具體表達如下其中，J為誤差函數(shù)，Y(k)為期望的輸出，Y′(W，k)為實際的輸出，W為神經(jīng)網(wǎng)絡(luò)的所有權(quán)值組成的向量。隱層至輸出層連結(jié)權(quán)重的梯度調(diào)整為

隱層中心值矩陣調(diào)整算法為寬度調(diào)整算法為式中，μk為神經(jīng)網(wǎng)絡(luò)的學習速率，αk為其算法的動量因子。
(8)用有效數(shù)量的訓(xùn)練樣本集對該神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到期望的診斷網(wǎng)絡(luò)； (9)用得到的神經(jīng)網(wǎng)絡(luò)來處理θji和步驟(6)中的Li信息；設(shè)神經(jīng)網(wǎng)絡(luò)輸入層和輸出層均為9個神經(jīng)元，將[Li，θji]經(jīng)過神經(jīng)網(wǎng)絡(luò)的修正后，其輸出層即為修正后的電波到達角AOA和電波到達時間TOA測量值為然后將θji′帶入步驟(5)中處理就可以得到修正后的散射體坐標 (10)以圓盤上三個不共線的散射體為基點，具體應(yīng)用加權(quán)質(zhì)心算法進行如下的定位計算，采用的加權(quán)質(zhì)心算法是經(jīng)過對質(zhì)心算法作了改進，就是在經(jīng)典質(zhì)心算法中通過加權(quán)因子來體現(xiàn)散射體對移動終端MS位置的影響程度；得到有各散射體對MS的影響因子為那么MS位置即可精確的估計出來，其定位坐標如下式中L1，L2，L3為由神經(jīng)網(wǎng)絡(luò)修正后得到的抑制了誤差的三個散射體到MS的距離；最終得到結(jié)果

即得到了移動終端的精確位置，便實現(xiàn)了高精度的無線定位。
圖1為本發(fā)明方法無線定位模型的二維平面示意圖，如其所示，兩個基站測得移動終端的AOA，主傳感器還可以提供TOA。即電波經(jīng)過在無線空間傳播后，也就得到了多徑散射信息。移動終端為MS(x，y)，基站BSj(xj，yj)，主基站BS1可以位于原點，散射體為Si(sxi，syi)。以上僅TOA和AOA定位數(shù)據(jù)就是本發(fā)明方法所要利用的，故所需定位的條件較少，完全符合實際的通信環(huán)境，成本低廉。
如圖2所示為本發(fā)明方法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計圖。圖中，該神經(jīng)網(wǎng)絡(luò)主要包含輸入，隱含層，線性層和輸出層，其中隱含層的傳遞函數(shù)為，輸出層的傳遞函數(shù)為純線性函數(shù)。網(wǎng)絡(luò)的隱含層有S1個神經(jīng)元，輸出層有S2個神經(jīng)元。圖中的X為網(wǎng)絡(luò)輸入，Y為網(wǎng)絡(luò)輸出。其工作原理過程可以分為兩步。首先，基于一定數(shù)量的訓(xùn)練樣本集(通常稱為“征兆-誤差”數(shù)據(jù)集)對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到期望的診斷網(wǎng)絡(luò)；其次，根據(jù)當前診斷輸入對系統(tǒng)進行診斷，診斷的過程即為利用神經(jīng)網(wǎng)絡(luò)進行定位誤差處理的過程。在學習和診斷之前，通常需要對診斷原始數(shù)據(jù)和訓(xùn)練樣本數(shù)據(jù)進行適當?shù)奶幚恚A(yù)處理和特征選擇/提取等，目的是為診斷網(wǎng)絡(luò)提供合適的診斷輸入和訓(xùn)練樣本。
綜上所述，本發(fā)明提供了一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，適用于各種定位環(huán)境，特別是在需定位的移動終端附近有很多障礙物時，散射環(huán)境嚴重，多徑豐富的條件下，諸如城區(qū)、山陵等環(huán)境，是一種高精度實用化定位技術(shù)。該方法首先根據(jù)實際測得的散射體信息的定位數(shù)據(jù)來估計散射信息，并建立一組虛擬基站，經(jīng)過測得的多組TOA和AOA信息，建立一組虛擬基站，經(jīng)過最小二乘估計、神經(jīng)網(wǎng)絡(luò)處理誤差、加權(quán)質(zhì)心算法的定位計算等操作來到達目標精確定位的。本發(fā)明提供的無線定位方法能有效抑制非視距傳播誤差，而且具有成本低、能耗低及定位精度相當高的優(yōu)點。由于本發(fā)明的高精度定位性能，可以使定位業(yè)務(wù)得到更為廣泛的應(yīng)用。
權(quán)利要求
1、一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，用于從雙基站接收到的無線電波信號中定位出移動終端的精確位置，其特征在于利用了神經(jīng)網(wǎng)絡(luò)的良好學習特性消除了由電波非視距傳播造成的模糊性，對基站測得的電波到達角與電波到達時間進行修正來抑制非視距傳播誤差和測量誤差，實現(xiàn)蜂窩通信網(wǎng)絡(luò)中移動終端的精確定位；其具體操作步驟如下
(1)在非視距傳播環(huán)境下，移動終端發(fā)射電波的傳播由多個散射體反射后產(chǎn)生多徑，這些多徑信號便會從不同的方向以不同的時間到達基站；利用典型的蜂窩網(wǎng)絡(luò)進行布局，設(shè)置參與定位的基站個數(shù)為2個，其中有一個主基站；由雙基站測得經(jīng)由多個散射體反射的移動終端的電波到達角AOA，主基站還測得移動終端的電波到達時間TOA；
(2)散射體分布在以移動終端MS點為圓心，半徑為r的圓盤上，設(shè)坐標為移動終端MS(x，y)，基站BSj(xj，yj)，散射體Si(sxi，syi)；BSl為服務(wù)基站，即主基站，MS的電波經(jīng)以角度β到達散射體Si反射后再到達基站BSj，β在[-π，π]上服從均勻分布，且MS與BSj之間的距離大于反射圓半徑r，則可知經(jīng)散射體后到達基站的最大非視距傳播角擴展為
(3)每個基站測得的多徑數(shù)目為M2路，測得的由散射體反射過來的電波到達角AOA為θji(j＝1，2，i＝1，2，...，M2)，即第j個基站中測得的第i個散射體的電波到達角AOA值分別為θji。主基站測得MS的電波經(jīng)第i個散射體的電波到達時間TOA轉(zhuǎn)化為距離值為lli；
(4)各測量值包含了非視距傳播誤差和測量誤差，由以上TOA距離值和傳播環(huán)境建立多徑散射的TOA誤差分布模型，模型數(shù)學公式為lji＝lji0+lNLOSji+lnji＝lji′+lnji，其中l(wèi)ji0為移動終端到基站的距離真值，lnji為其測量誤差，服從均值為0，標準差為σln的高斯分布，lNLOS ji為非視距傳播引起的距離誤差，lji′為電波傳播距離；而且θji＝θji0+θnji+θNLOS ji，其中θji0為AOA的真值，θnji為測量誤差，θNLOS ji為各散射體多徑的非視距傳播引起的附加角擴展；
(5)對于散射體Si由雙基站BS1，BS2測得的電波到達角AOA，可得如是聯(lián)立多個方程即可得到在圓盤模型上的三個散射體坐標為Si(sxi，syi)；于是由以上數(shù)據(jù)經(jīng)過就得到了初步估計出的各散射體的位置，從而求得散射體Si與基站BSj的直線距離為
(6)再利用主基站測得的電波到達時間TOA值減去散射體到達基站的直線距離，就是移動臺到散射體的測量距離了Li＝lli-lli′，然后將散射體作為虛擬基站，并把Li作為移動臺到散射體的電波到達時間TOA值進行定位估計；
(7)由于非視距環(huán)境下各種誤差的存在，諸如非視距傳播誤差，測量誤差，如此測量值中常包含很較大的誤差，采用有效的神經(jīng)網(wǎng)絡(luò)來處理這些誤差以得到更好的定位性能；該神經(jīng)網(wǎng)絡(luò)是一種前向神經(jīng)網(wǎng)絡(luò)，是具有單隱層的三層前饋網(wǎng)絡(luò)；
(8)用有效數(shù)量的訓(xùn)練樣本集對該神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到期望的診斷網(wǎng)絡(luò)；
(9)用得到的神經(jīng)網(wǎng)絡(luò)來處理θji和步驟(6)中的Li信息；設(shè)神經(jīng)網(wǎng)絡(luò)輸入層和輸出層均為9個神經(jīng)元，將[Li，θji]經(jīng)過神經(jīng)網(wǎng)絡(luò)的修正后，其輸出層即為修正后的電波到達角AOA和電波到達時間TOA測量值為Y＝[Li′，θji′]。然后將θji′帶入步驟(5)中處理就可以得到修正后的散射體坐標Si′(sxi′，syi′)；
(10)以圓盤上三個不共線的散射體為基點，具體應(yīng)用加權(quán)質(zhì)心算法進行如下的定位計算得到有各散射體對MS的影響因子為那么MS位置即可精確的估計出來，其定位坐標如下式中L1′，L2′，L3′為由神經(jīng)網(wǎng)絡(luò)修正后得到的抑制了誤差的三個散射體到MS的距離；最終得到結(jié)果
即得到了移動終端的精確位置，便實現(xiàn)了高精度的無線定位。
2、如權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，其特征在于所述步驟(1)中的利用典型的蜂窩網(wǎng)絡(luò)進行布局是總體布局為一個小區(qū)半徑為L的蜂窩系統(tǒng)，具體坐標分布為(0，0)，(0，2L)，
其總體布局可以根據(jù)實際的環(huán)境來自適應(yīng)的調(diào)整，參與定位的基站是其中的任意2個。
3、如權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，其特征在于所述步驟(3)中的多徑數(shù)目為M2路，與散射體數(shù)目有關(guān)系，是散射體數(shù)目的2倍。
4、如權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，其特征在于所述步驟(5)中的散射體位置Si(sxi，syi)確定的是通過最小二乘法估計后得到的，體的數(shù)學運算表達如下-sxi+(tanθji)syi＝-xj+(tanθji)yj，
令Zi＝(sxi，syi)T，
以Z＝[z1|z2|z3]為變量的線性方程組為H＝GZ，則AOA測量對應(yīng)誤差矢量為ψ＝H-GZ，式中G＝[G1|G2|G3]T，H＝[H1|H2|H3]，則其最小二乘解為Z＝(GTG)-1GTH，即得到散射體信息。
5、如權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，其特征在于所述步驟(7)中要用于處理誤差的神經(jīng)網(wǎng)絡(luò)，其設(shè)計的數(shù)學表達如下
1)用高斯函數(shù)作為隱含層，即隱層的基函數(shù)，‖·‖表示歐氏范數(shù)。由其構(gòu)成的基函數(shù)向量為λn和cn為網(wǎng)絡(luò)系數(shù)；設(shè)輸入層、隱層和輸出層神經(jīng)元節(jié)點數(shù)分別為M，N，K，則隱層單元輸出為，其中，C為隱層神經(jīng)元的中心組成的向量陣，σn為第n個隱節(jié)點的寬度。網(wǎng)絡(luò)的輸出為
其中，Wkn表示第k個輸出單元到第n個隱單元的連接權(quán)重，
為第k個神經(jīng)元的閾值；
2)神經(jīng)網(wǎng)絡(luò)的非線性映射能力體現(xiàn)在隱層基函數(shù)上，其特性主要由基函數(shù)中心Cn，寬度以及神經(jīng)元數(shù)確定；使用梯度下降法對神經(jīng)網(wǎng)絡(luò)的參數(shù)進行自適應(yīng)調(diào)整，具體表達如下其中，J為誤差函數(shù)，Y(k)為期望的輸出，Y′(W，k)為實際的輸出，W為神經(jīng)網(wǎng)絡(luò)的所有權(quán)值組成的向量。隱層至輸出層連結(jié)權(quán)重的梯度調(diào)整為
隱層中心值矩陣調(diào)整算法為
寬度調(diào)整算法為式中，μk為神經(jīng)網(wǎng)絡(luò)的學習速率，αk為其算法的動量因子。
6、如權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法，其特征在于所述步驟(10)中采用的加權(quán)質(zhì)心算法是經(jīng)過對質(zhì)心算法作了改進，就是在經(jīng)典質(zhì)心算法中通過加權(quán)因子來體現(xiàn)散射體對移動終端MS位置的影響程度。
全文摘要
本發(fā)明屬于無線定位領(lǐng)域，涉及一種基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法。本方法是首先由基站測得的定位數(shù)據(jù)估計出移動終端周圍的散射體信息，然后利用神經(jīng)網(wǎng)絡(luò)消除散射體誤差信息的模糊性，最后用抑制了非視距誤差的散射體定位信息作為虛擬基站來實現(xiàn)精確定位。本發(fā)明提供的基于神經(jīng)網(wǎng)絡(luò)的雙基站精確定位方法能有效抑制非視距傳播誤差，而且具有性能穩(wěn)定、成本低及定位精度高的優(yōu)點。
文檔編號H04W64/00GK101466145SQ20091004482
公開日2009年6月24日 申請日期2009年1月4日 優(yōu)先權(quán)日2009年1月4日
發(fā)明者強 石, 勇 方 申請人:上海大學