復雜環境下5G NR的定位技術研究

李雨霽

西安郵電大學 陜西 西安 710121

引言

現如今，常見的室內定位技術面對復雜多變的通信環境，仍有一定的局限性，如Wi-Fi定位技術的數據采集難度高，定位誤差大[1]，室內藍牙定位技術易受干擾，且擴展距離有限[2]。無線電頻率識別技術的通信能力差，抗干擾性差[3]。紅外線定位技術不能穿過障礙物，只能進行視線（LS）傳播，容易受其他光線影響[4]等。因此，如何在NLOS環境的基礎上提高5G定位系統的魯棒性（適應復雜多變的環境），成為現階段5G定位需要克服的難題。本文考慮到5G信號的窄波束、良好的方向性和較短的傳輸周期，研究了5G NR在NLOS環境下的定位技術，以應對復雜多變的環境

1 在NLOS環境下的5G定位優化算法

1.1 Chan 算法（Chan）

Chan算法是TDOA定位方法中最常用的位置計算方法，算法的推導是基于高斯隨機變量，測量誤差為零平均值。當基站數量大于3個時，非線性方程的數量小于未知變量的數量，可以用加權最小二乘法得到初始解，然后用得到的初始解和約束變量進行第二次加權最小二乘法估計，最后得到一個改進的位置估計。

假設誤差向量近似滿足高斯分布，并且有一個協方差矩陣，那么：

最終解出的估計值為：

1.2 Chan-Taylor算法（Chan- Taylor）

為了適應5G通信環境，結合兩種算法的優勢，本文提出了Chan-Taylor聯合算法。目標方位的初始估計由Chan獲得，然后由Taylor迭代計算估計值，從而獲得高精度的目標方位。①通過使用Chan算法解決由TDOA定位算法建立的矩陣方程獲得初始位置坐標；②將初始坐標引入泰勒計算，并進行多次迭代運算，不斷優化和更新初始坐標；③進行迭代遞歸計算，若均方根誤差達到閾值，則得到最終的估計坐標，否則將迭代坐標重復步驟2，進行泰勒迭代。

3 仿真分析

對上述各種算法進行驗證仿真，并比較性能優勢。假設測試場景為且設有若干障礙物的非視距環境，其中分別設定7個坐標位置（0，0），（0，7），（0，15），（5，0），（10，0），（10，7）和（10，15）來部署基站。測試結果的RMSE（均方根誤差）假定為上述算法在相同的噪聲干擾環境下進行100次實驗模擬后的實驗數據。圖1所示為非視距環境下，基站數目對上述三種算法精度的影響。

圖1 基站數量對NLOS環境下定位精度的影響

由圖1可得，隨著基站數量的增加，RMSE（均方根誤差）逐漸減小，即基站越多，精度越高；但當基站數量增加到4個以上時，再增加基站數量，RMSE（均方根誤差）的變化趨于平緩。為排除基站數目的影響，本文所提出的定位方法選用7個基站。性能方面來看，Chan-Taylor聯合算法的RMSE值是四種算法中最低的，這意味著聯合算法具有更好的定位性能。

綜上，Chan-Taylor聯合算法將作為本文NLOS環境下的5G NR定位技術的主要算法。假設仿真環境與上述測試環境相同，基站部署的坐標位置有7個（0，0，3.5），（0，7，3.5），（0，15，3.5），（5，0，3.5），（10，0，3.5），（10，7，3.5）和（10，15，3.5）。表1所示為最終定位結果與誤差。

表1 定位結果的分析和誤差

圖2中藍色三角形代表基站位置，紅色五角星代表實際位置，空心圓和粉色圓點分別代表改進的前后的定位結果。由圖2所示，該方法在NLOS環境下具有更好的定位性能。由上述可得，優化后的算法的定位誤差都小于原算法的定位誤差。原算法的平均誤差為0.5055，而優化算法的平均誤差為0.0823，說明與原算法相比，優化算法在精度上有明顯提高。原始算法的均方根誤差為0.7156，而優化算法的均方根誤差為0.1653，說明優化算法在同一環境下的穩定性也有所提高。

圖2 仿真結果——兩種定位方法的基站位置和目標位置

4 結束語

本文提出了一種算法復雜度低、精度高的5G定位方法，在用戶位置、時鐘誤差、終端角度偏差未知的情況下，通過信道參數識別NLOS成分并進行算法補償，獲得準確的坐標信息，并采用聯合算法對虛擬基站進行仿真，避免嚴重NLOS場景下的障礙物遮擋。仿真結果表明，Chan-Taylor聯合算法是5G定位的有效解決方案，具有較高的定位精度來估計用戶的位置，從而解決了在NLOS環境下無法定位的問題。