信号遮挡环境下融合TOAAOD的5GSINS组合导航算法模型与精度分析.docx
版权申诉
155 浏览量
2022-11-29
17:41:09
上传
评论
收藏 225KB DOCX 举报
作为信息交互枢纽，第 5 代移动通信技术（5th generation，5G）在实现通信功能的
同时，也具备许多有利于定位的优良特性
[1]
，如高频高带宽、超密集基站分布，以及大规
模天线阵列等。作为通信标准的制定者，第 3 代合作伙伴计划（the third generation
partnership project，3GPP）也一直致力于将定位能力加入通信标准
[2-3]
，5G 定位的可行
性得到了广泛的认可
[4-6]
，文献[7-8]采用两层卡尔曼滤波方案，在 sub-6 GHz 频率上实现了
亚米级定位精度以及纳秒级的时钟同步精度
[7-8]
。文献[9-10]则更多地利用毫米波信道的稀
疏性，采用压缩感知来估计信道参数，进而分析克拉美罗定位下界，仿真分析表明，5G
毫米波定位在存在散射点的条件下可实现厘米级的定位精度。目前，关于 5G 定位能力的
研究大多集中在理论算法层面，缺少对观测环境的考虑。
事实上，与其他无线信号一样，5G 信号在传输过程中也会受复杂环境的干扰
[11]
。尤
其是在城市峡谷和隧道等情况下，信号遮挡使得可观测 5G 基站数量较少，基于到达时间
（time of arrived，TOA）的 5G 定位能力被制约，甚至出现无法定位的情况。这使得 5G
多源融合定位成为新的发展趋势
[12-13]
。
5G 中多天线阵列的加入在扩大通信容量的同时使得 5G 具备一定的测角能力，与仅
采用 TOA 进行 5G 定位相比，测角信息的加入可以在一定程度上解决观测值数量不足的问
题，减少定位所需基站数
[14-16]
，提高定位成功率。另一方面，捷联惯性导航系统
（strapdown inertial navigation system，SINS）仅需利用自身惯性元件的量测信息即可进
行用户位置、速度以及姿态等参数的推算
[17-18]
，可以与 5G 定位进行融合，降低恶劣观测
环境对 5G 定位的影响。然而，目前还未看到将 5G 测角信息、惯性传感器与 5G 定位进行
融合的相关研究。
本文的核心工作围绕融合 TOA/信号离开角（angle of departure，AOD）的 5G/SINS
组合导航算法建模与精度分析展开，首先介绍了基于 TOA 的 5G 定位模型；接着，针对信
号遮挡场景，提出了融合 TOA/AOD 的组合导航模型；然后，开展了可观测基站数量充
足、遮挡这两类场景下的仿真实验，对采用 TOA 或 TOA/AOD 的 5G 定位和组合导航的位
置误差进行了比较。
1. 基于 TOA 的 5G 定位模型
本文中，将基站 ii 的位置坐标矢量记作 ri=[xiyizi]Tri=xiyiziT，用户在
r=[xyz]Tr=xyzT 处接收到基站 ii 发出的 5G 信号，提取出信号传播时延 titi。若用户在当
前位置可观测到 nn 个基站（i=1, 2…ni=1, 2…n），各基站的测距观测值可以表示为：
ct1ct2⋮cti⋮ctn=r1-rr2-r⋮ri-r⋮rn-r+ε ]]>
式中，cc 为光速；εε 为观测误差；∥⋅∥⋅表示向量模长。记 f(r)f(r)为以向量 rr 为自变
量的函数：
f(r)=r1-rr2-r⋮ri-r⋮rn-r ]]>
资源评论
罗伯特之技术屋
- 粉丝: 3591
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
