本發(fā)明屬于無(wú)線電定位技術(shù)領(lǐng)域，具體涉及一種基于lte和wi-fi異構(gòu)網(wǎng)絡(luò)下混合定位算法。

背景技術(shù)：

隨著全球移動(dòng)通信技術(shù)的迅猛發(fā)展，人們基于位置服務(wù)(locationbasedservices，lbs)的需求日益增強(qiáng)，研究無(wú)線定位技術(shù)具有很強(qiáng)的實(shí)際意義。長(zhǎng)期演進(jìn)lte(longtermevolution)作為在新一代移動(dòng)通信系統(tǒng)承載數(shù)據(jù)業(yè)務(wù)的核心網(wǎng)絡(luò)，研究lte終端定位算法具有重要的現(xiàn)實(shí)意義。

全球定位系統(tǒng)(globalpositionsystem,gps)定位受限于阻礙物的密集程度，在室內(nèi)或建筑物密集區(qū)域會(huì)使其降低定位精確度，增大耗電量。wi-fi(wirelessfidelity)定位主要用于室內(nèi)定位，但在室外wi-fi信號(hào)較弱或者無(wú)wi-fi信號(hào)場(chǎng)景無(wú)法實(shí)現(xiàn)定位服務(wù)。

傳統(tǒng)無(wú)線定位算法主要有基于到達(dá)時(shí)間(timeofarrival,toa)、基于到達(dá)角度(angleofarrival,aoa)、基于到達(dá)時(shí)間差(timedifferenceofarrival,tdoa)三種定位算法以及toa/aoa、tdoa/aoa等混合定位算法。傳統(tǒng)定位算法往往需要3個(gè)或3個(gè)以上工作基站，在非視距(nonelineofsight,nlos)環(huán)境下容易產(chǎn)生較大定位精度誤差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的所要解決的技術(shù)問(wèn)題在于針對(duì)背景技術(shù)存在的問(wèn)題，提出基于一種lte和wi-fi異構(gòu)網(wǎng)絡(luò)下混合定位算法，該算法可以很好地實(shí)現(xiàn)nlos環(huán)境下更高精度的定位。

為解決上述問(wèn)題，本發(fā)明提出的技術(shù)方案是一種基于lte和wi-fi異構(gòu)網(wǎng)絡(luò)下的混合定位算法，包含以下步驟：

步驟1：獲取移動(dòng)臺(tái)所處小區(qū)的cellid和附近的無(wú)線接入點(diǎn)(accesspoint,ap)的信號(hào)強(qiáng)度指示(receivedsignalstrengthindex,rssi)，得到移動(dòng)臺(tái)所處的位置范圍，從網(wǎng)絡(luò)側(cè)獲取測(cè)量值；

步驟2：基于單基站多信號(hào)混合定位算法幾何模型，得到粒子搜索的最小區(qū)域：

步驟3：根據(jù)單基站多信號(hào)混合定位算法幾何模型，構(gòu)建目標(biāo)函數(shù)：

步驟4：利用基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的改進(jìn)pso算法求解目標(biāo)函數(shù)，粒子在小區(qū)范圍內(nèi)隨機(jī)均勻生成m個(gè)粒子在n維空間搜索；第k個(gè)粒子的位置向量xk＝[xk1，xk2，…，xkn]^t，k＝1，2，…，m，速度向量vk＝[vk1，vk2，…，vkn]^t，k＝1，2，…，m；

根據(jù)粒子適應(yīng)度的不同將群體分為三個(gè)子群，對(duì)各自群體采用不同的慣性權(quán)重，不斷迭代，其三個(gè)粒子群的慣性權(quán)重表示為：

其中，k＝1，2，…m，ωmax、ωmin分別表示慣性權(quán)重的上限和下限，δω＝ωmax-ωmin慣性權(quán)重的極差，粒子群的平均適應(yīng)度的值為fk對(duì)應(yīng)第k個(gè)粒子的當(dāng)前目標(biāo)函數(shù)值，fm當(dāng)前最優(yōu)粒子的適應(yīng)度，分別表示大于、小于的粒子群適應(yīng)度的平均值；

步驟5：通過(guò)基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的改進(jìn)pso算法求解目標(biāo)函數(shù)，當(dāng)滿足下式時(shí)輸出x：

‖x^t+1-x^t‖<δ

其中，x＝(xms，yms)為移動(dòng)臺(tái)估計(jì)位置坐標(biāo)。

進(jìn)一步，上述的無(wú)線接入點(diǎn)的位置和信號(hào)強(qiáng)度可以改變。

同樣，上述的小區(qū)半徑也可以改變。

上述的慣性權(quán)重的因子的選取范圍也可以改變。

作為優(yōu)選，上述慣性權(quán)重取值范圍為0.35到0.85。

上述的粒子群個(gè)數(shù)m的選取范圍可以改變。

本發(fā)明采用上述技術(shù)方案，具有以下技術(shù)效果：

1，本發(fā)明基于單基站多信號(hào)模型的基礎(chǔ)上進(jìn)行改進(jìn)，利用移動(dòng)臺(tái)接收的無(wú)線信號(hào)信息，縮小了粒子群的搜索范圍，從而加快粒子群收斂速度。

2，本發(fā)明基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的粒子群算法，根據(jù)每個(gè)粒子的適應(yīng)度值調(diào)節(jié)其慣性權(quán)重，動(dòng)態(tài)調(diào)整每個(gè)粒子的活性，提高全局搜索能力和收斂能力，從而提高了定位精度，降低定位誤差，在復(fù)雜室外環(huán)境下性能較為優(yōu)秀。

附圖說(shuō)明

圖1是信號(hào)經(jīng)歷單次反射時(shí)移動(dòng)臺(tái)與散射體的位置關(guān)系示意圖。

圖2是自適應(yīng)度動(dòng)態(tài)調(diào)節(jié)ω的改進(jìn)pso算法流程圖示意圖。

圖3是本發(fā)明的算法流程圖示意圖。

圖4是ros模型下不同半經(jīng)的定位誤差示意圖。

圖5是ros模型下的不同迭代次數(shù)的定位誤差示意圖。

具體實(shí)施方式

現(xiàn)結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說(shuō)明。

本發(fā)明公開(kāi)了一種基于lte和wi-fi異構(gòu)網(wǎng)絡(luò)下混合定位算法，建立適合nlos環(huán)境下的單基站多信號(hào)定位幾何模型，在定位階段提出基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的改進(jìn)pso算法，動(dòng)態(tài)調(diào)整每個(gè)粒子的活性，提高pso算法在全局搜索能力和收斂能力，保證得到移動(dòng)臺(tái)位置的準(zhǔn)確性。

主要的方法流程如下：

步驟1：獲取移動(dòng)臺(tái)所處小區(qū)的cellid和附近的無(wú)線接入點(diǎn)(accesspoint,ap)的信號(hào)強(qiáng)度指示(receivedsignalstrengthindex,rssi)，得到移動(dòng)臺(tái)所處位置范圍，從網(wǎng)絡(luò)側(cè)獲取測(cè)量值。

步驟2：基于單基站多信號(hào)混合定位算法幾何模型，得到粒子搜索的最小區(qū)域：

步驟3：根據(jù)單基站多信號(hào)混合定位算法幾何模型，構(gòu)建目標(biāo)函數(shù)：

步驟4：利用基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的改進(jìn)pso算法求解目標(biāo)函數(shù)。粒子在小區(qū)范圍內(nèi)隨機(jī)均勻生成m個(gè)粒子在n維空間搜索；第k個(gè)粒子的位置向量xk＝[xk1，xk2，…，xkn]^t，k＝1，2，…，m，速度向量vk＝vk1，vk2，…，vkn]^t，k＝1，2，…，m；

根據(jù)粒子適應(yīng)度的不同將群體分為三個(gè)子群，對(duì)各自群體采用不同的慣性權(quán)重，不斷迭代。其三個(gè)粒子群的慣性權(quán)重表示為：

其中，k＝1，2，…m，ωmax、ωmin分別表示慣性權(quán)重的上限和下限，δω＝ωmax-ωmin慣性權(quán)重的極差，粒子群的平均適應(yīng)度的值為fk對(duì)應(yīng)第k個(gè)粒子的當(dāng)前目標(biāo)函數(shù)值，fm當(dāng)前最優(yōu)粒子的適應(yīng)度，分別表示大于、小于的粒子群適應(yīng)度的平均值。

步驟5：通過(guò)基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的改進(jìn)pso算法求解目標(biāo)函數(shù)。當(dāng)滿足下式時(shí)輸出x。

‖x^t+1-x^t‖<δ

其中，x＝(xms，yms)為移動(dòng)臺(tái)估計(jì)位置坐標(biāo)。

作為本發(fā)明的單基站多信號(hào)混合定位算法進(jìn)一步優(yōu)化方案：所述的ap的位置和ap的信號(hào)強(qiáng)度可以改變。

作為本發(fā)明的單基站多信號(hào)混合定位算法進(jìn)一步優(yōu)化方案：所述的小區(qū)半徑可以改變。

作為本發(fā)明的基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)的改進(jìn)pso算法進(jìn)一步優(yōu)化方案：所述的慣性權(quán)重因子選取的范圍可以改變。

作為本發(fā)明的基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)的改進(jìn)pso算法進(jìn)一步優(yōu)化方案：所述的粒子群個(gè)數(shù)m選取可以改變。

如圖1所示，信號(hào)經(jīng)歷單次反射時(shí)，移動(dòng)臺(tái)與散射體的位置關(guān)系為：移動(dòng)臺(tái)(mobilestation,ms)到達(dá)基站(basestation,bs)的信號(hào)經(jīng)歷了單次反射時(shí)，ms與散射體(scattering,s)的位置關(guān)系。在城市、郊區(qū)等環(huán)境，傳輸損耗模型通常采用如下模型：

pr(d)＝k-10εlog(d)(dbm)(1)

其中，d代表ap和ms之間的距離，ε代表自由空間的損耗系數(shù)。其中參數(shù)d就是rap,ms。k是如下常數(shù)：

距離d0是以km為單位，頻率ω是以mhz為單位。

圖中α、β分別表示aoa、aod的值，dbs,s表示基站到散射體的距離。故散射體和移動(dòng)臺(tái)的坐標(biāo)可以表示為:

其中，lj表示無(wú)線信號(hào)的傳播距離。由式(3)和式(4)可得散射體到基站的距離為：

其中，dms，s表示移動(dòng)臺(tái)到散射體的距離，即：

將式(6)和式(7)帶入式(8)可得：

其中：

r1,j＝ljcosαj+xbs,j-xms(10)

r2,j＝ljsinαj+ybs,j-yms(11)

而信號(hào)傳播距離(lj)等于信號(hào)從移動(dòng)臺(tái)到散射體的距離(dms,s)與散射體到基站的距離(dbs,s)之和，即：

由于測(cè)量誤差的存在，式(12)往往并不成立。記每條路徑中因測(cè)量造成的誤差為：

移動(dòng)臺(tái)的位置可以通過(guò)最小化如下目標(biāo)函數(shù)得到：

其中，x＝(xms,yms)為移動(dòng)臺(tái)估計(jì)位置坐標(biāo)。本文定位算法實(shí)現(xiàn)時(shí)要求最少有3條信號(hào)路徑(經(jīng)仿真驗(yàn)證，3條信號(hào)路徑足以保證定位精度)，同時(shí)根據(jù)基站的toa測(cè)量值和wi-fi信號(hào)強(qiáng)度測(cè)量值可確定移動(dòng)臺(tái)的位置范圍如下：

對(duì)照附圖2是本文建立的自適應(yīng)度調(diào)節(jié)策略，充分發(fā)揮自適應(yīng)操作的效能，不僅用到了群體早熟收斂信息，還根據(jù)個(gè)體適應(yīng)值的不同將群體分為3個(gè)子群體，對(duì)各自群體采用不同的自適用操作，并根據(jù)粒子的平均適應(yīng)度評(píng)價(jià)粒子的優(yōu)劣。首先，計(jì)算粒子群適應(yīng)度(f)的均值依據(jù)將粒子群分為3組，各組粒子群依據(jù)各組的適應(yīng)度均值動(dòng)態(tài)調(diào)整ω。圖中，k＝1,2,…m，ωmax、ωmin分別表示慣性權(quán)重的上限和下限，δω＝ωmax-ωmin慣性權(quán)重的極差，粒子群的平均適應(yīng)度的值為fk對(duì)應(yīng)第k個(gè)粒子的當(dāng)前目標(biāo)函數(shù)值，fm當(dāng)前最優(yōu)粒子的適應(yīng)度，分別表示適應(yīng)度值大于、小于的粒子群體的適應(yīng)度平均值。

根據(jù)附圖3是算法流程圖。

根據(jù)附圖4的結(jié)果可見(jiàn)，傳統(tǒng)pso算法和5基站tdoa/aoa的taylor級(jí)數(shù)算法定位精度比較接近，而lapso和文獻(xiàn)[19]的pso比傳統(tǒng)pso算法定位精度有一定改善。本文改進(jìn)的pso算法定位精度提高幅度較為顯著。

根據(jù)附圖5的結(jié)果可見(jiàn)，ms初始位置不變，本文基于自適應(yīng)動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的改進(jìn)pso算法和文獻(xiàn)[19]中的pso算法相比較傳統(tǒng)的pso和lapso算法，迭代次數(shù)沒(méi)有增加，定位精度卻在提高。

綜上所述，本發(fā)明基于lte和wi-fi異構(gòu)網(wǎng)絡(luò)環(huán)境下單基站多信號(hào)混合定位算法不僅解決了傳統(tǒng)定位算法精確度對(duì)基站個(gè)數(shù)的依賴，還解決了wi-fi定位算法的定位精度低、定位范圍有限等問(wèn)題。在復(fù)雜室外環(huán)境下，本發(fā)明基于適應(yīng)度動(dòng)態(tài)調(diào)節(jié)慣性權(quán)重的改進(jìn)pso算法以微小的計(jì)算成本換來(lái)了迭代次數(shù)下降和精確度的提高。