基于TDOA和AOA的5G室分场景三维定位方法

臧玉华，陈静怡，尚 立，李保罡

基于TDOA和AOA的5G室分场景三维定位方法

臧玉华1，陈静怡1，尚 立2，李保罡3

(1.国网河北省电力有限公司电力科学研究院，河北 石家庄 050000；2.国网河北省电力有限公司信息通信分公司，河北 石家庄 050000；3.华北电力大学电子与通信工程系，河北 保定 071000)

在智慧楼宇以及电力检修运维中，需要及时获取设备或人员位置信息。针对室内因非视距传输和多径效应引起的定位精度不高问题，提出了一种基于奇偶交错布局的室分与5G结合的室内三维定位方案。首先，采用到达时间差(time difference of arrival, TDOA)和到达角度(angle of arrival, AOA)融合定位。其次，把具体定位算法融入到定位架构里，基于边缘计算快速获取室内对应移动目标的位置信息。在进行TDOA定位过程中，MEC端的定位服务器结合压缩感知进行信道估计，并在分段正交匹配追踪(stagewise orthogonal matching pursuit, StOMP)算法的基础上加入奇异值进行降噪处理。在进行AOA定位过程中，先利用改进的波束空间变换技术构造矩阵进行降维，为保证降维过程中信息不损失，提出对附加角度误差进行分析处理，然后，采用多重信号分类(multiple signal classification, MUSIC)算法进行定位。最后，5GC核心网服务器利用Chan-Taylor算法进行TDOA/AOA融合定位。仿真结果证明了所提出的定位方法能够实现对移动目标的精准定位。

室内定位；TDOA；压缩感知；信道估计；AOA；波束变换

0 引言

在智慧楼宇以及电力系统检修运维中，经常需要及时将设备或者人员位置准确地反馈到控制中心，供管理人员进行调度指挥等[1-4]。目前，室外已广泛利用北斗等系统实现高精度定位[5-6]，而在室内卫星信号会受到严重遮挡，从而引起非视距(non line of sight, NLOS)传输和多径效应现象，定位精度急剧降低，而位置的不断变化对定位速度也提出更高要求，因此急需对现有定位技术进行改进，实现在室内复杂环境下对移动目标的快速精准定位。

在当前室内定位中，到达时间差(time difference of arrival, TDOA)和到达角度(angle of arrival, AOA)是基础的两种技术[7]。对于TDOA定位，在室内复杂场景下区分直射径是其定位性能的关键点。文献[8]利用Stomp算法重构信号，但因忽略噪声影响无法得到精确的重构信号及参数。文献[9]通过利用到达时间(time of arrival, TOA)测量数据的方差判断NLOS径，把有NLOS传输的基站剔除掉。文献[10]研究了非视距情况下的三维定位问题。对于AOA定位，需依据基站处的天线阵列确定用户到达基站的入射角度，该研究多与波束赋形等技术有关。文献[11]中所提的当前所用AOA定位是依据基站处的天线阵列确定用户到达基站的入射角度，再利用旋转不变算法和斜投影技术估计AOA，未能充分利用毫米波的高频、高带宽等先天优势，角度分辨率较低。文献[12]利用旋转不变算法和斜投影技术估计AOA。文献[13]利用JADE算法先训练波束，再联合定位估计AOA值。对于AOA和TDOA参数融合获取精准位置，文献[14]分析对比了传统的Taylor、Chan、标准卡尔曼算法定位的精度，都可以在室内获取融合定位参数，但性能未能得到充分改善。

上述文献所提方法各有优点，但未充分利用第五代移动通信(5th-generation mobile communication, 5G)的优势[15]。因毫米波具有高频、高带宽和稀疏特性，可以引入到波束赋形中，结合信道估计和波束空间变换实现高精度定位。此外毫米波路径需要足够高的信噪比，可提高角度分辨率[16]。

综上所述，本文提出基于奇偶交错布局的室分与5G“云”、“边”、“端”一体结合的室内三维定位方案。把具体定位算法融入到定位架构里，将三维定位问题简化为二维定位问题。在TDOA定位部分，利用毫米波的稀疏特性，引入压缩感知进行信道估计，在分段正交匹配追踪(stagewise orthogonal matching pursuit, StOMP)算法的基础上，加入奇异值进行降噪处理，从而提高信号参数的测量精度；在AOA定位部分，先降维，将元素空间转换到波束空间。为保证降维过程中信息不损失，考虑附加角度误差，然后利用多重信号分类(multiple signal classification, MUSIC)算法定位。最终利用估计好的TDOA和AOA参数进行融合定位。仿真结果表明，优化的定位技术能够显著提高定位精度，满足楼宇及电力巡检工程的需求。

1 系统模型

传统的室分布设方式已经不能满足5G室内定位发展的需求[17]，本文提出基于室分与5G“云”、“边”、“端”一体结合的室内三维定位方案，系统架构如图1所示。远端汇聚单元pBridge可以实现区域远端射频单元(pico remote radio unit, PRRU)的汇聚和管理，并采用改进的错层奇偶交错方式部署PRRU，在BBU输出口引两个支路，一路分配到奇数层，另一路分配到偶数层。

图1 系统总体架构

首先PRRU获取终端信号强度，及时上报给BBU，BBU根据各个PRRU收到的信号强度大小判断距离终端最近的几个PRRU。因为PRRU id号已知，可以确定用户所在楼层数，从而将三维定位问题简化成二维定位问题。由5G定位终端向基站发送上行参考信号PRS，基站接收信号后在MEC端进行信号处理，同时因为5G毫米波具有高频、高带宽和稀疏特性，可以引入到波束赋形中，结合信道估计和波束空间变换在MEC端解算后实现高精度定位，本文利用TDOA和AOA进行二维融合定位。

在进行TDOA估计之前，终端发送导频信号给它附近的PRRU，PRRU再将信息传给5G的MEC端，MEC端的定位服务器利用压缩感知和改进的算法重构出信号后找到直射径，计算信号传输的时间并发送到5GC核心网；在进行AOA估计时，MEC端利用Fisher矩阵处理终端信息，利用改进的MUSIC算法得到角度信息并发送给5GC。5GC得到时延、角度等信息后，利用定位服务器的Chan-Taylor算法进行融合定位。具体定位流程如图2所示。

图2 定位算法处理流程图

2 算法

2.1 基于压缩感知信道估计的TDOA定位

TDOA定位计算从用户到达各个基站的时间差来确定用户位置，不需要基站与用户之间严格的时间同步，还可通过差值消除部分系统误差，实现简单，已成为蜂窝网络定位中广泛使用的技术，其精准定位的关键是从多径信道中找到直射径[18-19]。 MEC端的定位服务器进行TDOA定位时包含3个阶段：第一阶段为压缩感知，对导频信号进行降维处理；第二阶段为信号重构，找到直射径；第三阶段利用直射径获得对应时间差等状态信息进行TDOA定位。

另外，本文将信道的估计问题转为5G压缩感知问题，并在传统StOMP算法的基础上首次加入奇异值进行降噪处理。

Step1：压缩感知

压缩感知理论最关键的一步是信号的恢复。当得到观测样本之后，需要采取合适的重构算法，恢复出原始信号。分段正交匹配追踪算法(StOMP)是现阶段重构算法OMP的一种改进，它的优点是不用把信号稀疏度作为已知条件，具有实际意义。当引入多信号时，利用稀疏位置相同的相关性，仅需用内积绝对值加和这一方法就能加强相关度最大列的索引依据，当联合重构得到的观测点数较少时，也可以准确恢复出原始信号。然而并没有考虑噪声问题，可能导致原子不能满足设定的阈值条件，不能选择正确的原子，导致StOMP算法误差变大。因此本文在算法上对传统StOMP算法进行改进，提出了增加奇异值进行降噪处理来优化算法性能。

首先将原始信号转成稀疏信号，再利用观测矩阵进行降维。假设表示可以压缩的原始信号，是经过稀疏变换得到的离散信号，为变换过程中的稀疏变换矩阵，表示噪声。观测矩阵将原始信号投影到测量向量上，得到观测信号进行降维，整个过程可以表示为

Step2：信号重构

Step3：利用信道状态信息进行TDOA定位

利用改进的StOMP算法获得信道状态信息后，与预设的阈值比较确定直射径，进而得到从终端到达各个基站的时间，为TDOA定位做准备。

2.2 基于波束赋形的MUSIC的AOA定位

基于MUSIC算法利用噪声和信号空间的正交性，通过将估计得到的协方差矩阵进行特征值分解，然后搜索信号空间谱的峰值去估计AOA，分辨率得到有效提升。

MEC端的定位服务器进行AOA定位时包含3个阶段：第一阶段求取用于波束空间变换的自相关矩阵；第二阶段求取空间谱函数；第三阶段进行AOA估计。

Step1：设计自相关矩阵

此时映射为无损的波束空间信号可表示为

Step2：求取空间谱函数

假设阵列天线为均匀线性阵列。

此时无论信号是否相干，矩阵的秩不会受到信号的影响，从而在Step3中进行AOA估计时，不会影响系统性能。

Step3：进行AOA估计

利用求得的空间谱函数进行AOA定位，进而得到AOA角度等状态信息。

2.3 AOA和TDOA的融合定位算法

混合定位技术因利用了相比单一定位技术更多的信号特征信息，往往具有更高的定位精度。且基于TDOA和AOA的联合定位算法由于对同步性能要求低，是目前应用较广泛的一类方法。实际中常将 TDOA 和 AOA 测量值相结合，以取得更好的定位性能[23]。

在2.1节和2.2节分别得到TDOA和AOA状态信息后，下面进行AOA和TDOA的融合定位，其定位模型如图3所示。

本文考虑了Chan算法和Taylor算法各自的优缺点，采用Chan-Taylor融合算法进行AOA/TDOA定位，具体过程如下所述。

Step1：通过Chan算法对TDOA/AOA建立的非线性方程求解，得到终端的初始坐标。

图3 TDOA和AOA融合定位模型

作差得

再结合AOA角度测量值采用最小二乘法求解基站的角度方程[24-25]：

因此总部位于巴登符腾堡州施韦比施哈尔的这家国际公司越来越多地使用模拟仿真和可视化技术，这种技术让人们认识到洁净室系统中的气流是关键质量因素（避免悬浮颗粒和杂质）并对其进行了优化，由此最大限度地避免了错误规划的风险，加快了规划和调试过程，最终节约了成本。

Step2：将初始坐标代入Taylor展开式迭代更新初始坐标。

基站和终端的关系表达式为

对其进行加权最小二乘计算可得

此时可得到下轮初始迭代值，将初始值更新为

3 仿真及分析

本文通过实验对改进的重构算法、波束空间变换以及融合定位算法在室内复杂环境下的定位精度和稳定性的提升进行了验证。本文利用室分结构下部署的PRRU接收终端信号，在实验区域设置参考节点，并设置定位终端和服务节点处的传播信号为LOS传播方式，其余节点和终端存在NLOS传播的可能性，再结合第三方提供的实验区域的实际数据进行筛选、处理、拟合后，通过Matlab软件验证MEC端和5GC核心网端算法性能，其中PRRU之间距离最大不超过4 m，确定终端在某一个楼层后，设置一个PRRU坐标在原点处进行仿真验证。

3.1 基于降噪的StOMP的重构算法

图4 基于降噪的StOMP算法重构信号情况

3.2 基于改进的MUSIC的AOA估计

将传统MUSIC算法和基于波束赋形的MUSIC算法的角度分辨率进行仿真对比。实验假设有6个入射信号投到天线阵列上且可能相干且都是均匀线性阵列天线。

文献[11]所提的当前所用AOA定位是依据基站处的天线阵列确定用户到达基站的入射角度，主要研究使用大规模阵列的定位性能极限，再利用旋转不变算法和斜投影技术估计AOA，未能充分利用毫米波的高频、高带宽等先天优势。图5是本文提出的基于波束赋形的MUSIC算法和传统MUSIC算法对信号进行AOA估计的仿真对比，在有6个入射信号时，可以看出传统MUSIC角度分辨率很低，无法分辨这6个信号，而基于波束赋形的MUSIC算法能利用较高的角度分辨率进行AOA估计以获得精确的范围测量，从而降低角度估计的计算复杂度，为TDOA和AOA融合定位提供精确的数据，以提高定位精度。

图5 传统和改进MUSIC算法的角度分辨率

3.3 融合定位误差分析

TDOA/AOA融合定位相比单一定位技术有更多的信号特征信息，具有更高的定位精度。这里利用Matlab仿真将所提出的基于Chan-Taylor融合算法的TDOA/AOA定位与传统的Taylor、Chan、标准卡尔曼算法进行定位精度比较。

3.3.1均方根误差随噪声均值的影响

各种算法的均方根误差与噪声均值的关系如图6所示。均方根误差表示预测值和观测值之间差异的样本标准偏差，说明了样本的离散程度。均方根误差越小越好。从图6中可以看出，当非视距噪声均值增大时，Taylor算法和标准卡尔曼算法对应的均方根误差直线上升，Taylor性能最差，标准卡尔曼算法次之，与文献[14]所提的以上算法相比，本文提出的Chan-Taylor算法的均方根误差并没有随着非视距噪声均值的增大而增大，而是稳定在0.7至0.8之间。一方面，误差越小说明定位中估计的参数和实际的参数差别越小，另一方面验证了所提出的算法具有高鲁棒性和较好的定位性能。综上，与其他算法相比，所提出的算法有明显的改进。

图6 均方根误差与噪声均值的关系

3.3.2均方根误差随信噪比的影响

各种算法的均方根误差与信噪比的关系如图7所示。当信噪比增大时，均方根误差都明显降低，但与文献[14]所提的算法相比，本文提出的Chan- Taylor算法误差最小，性能最高。

图7 均方根误差与信噪比的关系

3.3.3实际位置与预测位置的对比分析

利用室分结构下部署的PRRU，结合第三方提供的实际数据输入到Matlab中，可得到实际位置和预测位置的坐标，如图8所示。以米为单位，并设置三个基站的位置分别为(0,0)、(25,43)、(0,50)，实际位置为(30,20)，预测位置为(29.99,19.96)，可以实现准确定位。

图8 定位结果

本文经过多次实验，定位误差结果如表1所示，均方误差在0.001与0.599之间，在误差允许范围内，验证了所提方法的可行性。

表1 定位误差结果

4 结论

在智慧楼宇以及电力检修运维中需要解决室内因非视距传输和多径效应引起的定位精度不高的问题，以及时获取设备或人员位置信息。基于此，本文提出一种基于奇偶交错布局的室分与5G“云”、“边”、“端”一体结合的室内三维定位方案。首次把具体定位算法融入到定位架构里，在TDOA定位中，利用压缩感知进行信道估计，并在传统StOMP重构算法的基础上首次加入奇异值进行降噪处理；在AOA定位中，在波束空间变换时考虑对附加角度误差进行分析处理，继而将距离和角度信息通过Chan-Taylor融合算法求解得到具体的终端坐标。仿真结果验证了所提算法的可行性，不仅可以减小室内因非直射径引起的计算误差，提高准确性，同时迎合了5G先进的毫米波技术，降低了室内复杂环境下算法的复杂度。

[1] 张春晓, 陆志浩, 刘相财. 智慧变电站联合巡检技术及其应用[J]. 电力系统保护与控制, 2021, 49(9): 158-164.

ZHANG Chunxiao, LU Zhihao, LIU Xiangcai. Joint inspection technology and its application in a smart substation[J]. Power System Protection and Control, 2021, 49(9): 158-164.

[2] 邬蓉蓉, 黎大健, 覃剑, 等. 变电站室内柔索驱动巡检机器人系统设计与运动学分析[J]. 电力系统保护与控制, 2021, 49(10): 89-97.

WU Rongrong, LI Dajian, TAN Jian, et al. System design of an indoor inspection robot driven by a flexible cable in a substation[J]. Power System Protection and Control, 2021, 49(10): 89-97.

[3] 郦阳, 王宝华. 继电保护系统故障的智能定位方法研究[J]. 电力系统保护与控制, 2022, 50(2): 69-76.

LI Yang, WANG Baohua. An intelligent fault location method for a relay protection system[J]. Power System Protection and Control, 2022, 50(2): 69-76.

[4] 周小艳, 何为, 胡国辉. 基于ZigBee无线传感器网络的变电站人员定位的改进算法研究[J]. 电力系统保护与控制, 2013, 41(17): 56-62.

ZHOU Xiaoyan, HE Wei, HU Guohui. Research on the improved personnel localization method in transformer substation based on ZigBee wireless sensor network[J]. Power System Protection and Control, 2013, 41(17): 56-62.

[5] 张赢, 魏文震, 李江, 等. 基于北斗授时的μPMU测量误差综合分析[J]. 电力系统保护与控制, 2021, 49(8): 83-91.

ZHANG Ying, WEI Wenzhen, LI Jiang, et al. Comprehensive measurement error analysis of μPMU based on Beidou time service[J]. Power System Protection and Control, 2021, 49(8): 83-91.

[6] 李博, 方彤. 北斗卫星导航系统（BDS）在智能电网的应用与展望[J]. 中国电力, 2020, 53(8): 107-116.

LI Bo, FANG Tong. Application and prospect of Beidou navigation satellite system (BDS) in smart grid[J]. Electric Power, 2020, 53(8): 107-116.

[7] 张曦文. 基于TDOA和AOA的无线定位算法研究[D]. 成都: 电子科技大学, 2019.

ZHANG Xiwen. Research on localization algorithms based on TDOA and AOA[D]. Chengdu: University of Electronic Science and Technology of China, 2019.

[8] 肖竹, 陈杰, 王东, 等.严重遮挡非视距环境下的三维定位方法[J]. 通信学报, 2015, 36(8): 68-75.

XIAO Zhu, CHEN Jie, WANG Dong, et al. Three- dimensional localization under severely obstructed NLOS environment[J]. Journal on Communications, 2015, 36(8): 68-75.

[9] 尹康涌, 梁伟, 杨吉斌, 等. 电力作业场景中一种高效的UWB和IMU融合定位算法[J]. 中国电力, 2021, 54(8): 83-90.

YIN Kangyong, LIANG Wei, YANG Jibin, et al. An efficient UWB and IMU fusion localization algorithm in power operation scenarios[J]. Electric Power, 2021, 54(8): 83-90.

[10] 曾纪钧, 沈桂泉, 张金波. 基于UWB定位技术的作业风险管控智能终端设备研究[J]. 电测与仪表, 2021, 53(11): 1-9.

ZENG Jijun, SHEN Guiquan, ZHANG Jinbo. Research on intelligent terminal equipment based on UWB positioning technology[J]. Electrical Measurement & Instrumentation, 2021, 53(11): 1-9.

[11] 杨庆军. 基于波束赋形的TDOA和AOA定位技术研究[D]. 南京: 东南大学, 2019.

YANG Qingjun. Research on TDOA and AOA positioning technology based on beamforming[D]. Nanjing: Southeast University, 2019.

[12] RAHDA R R, STRACENER J T, OLINICK E V. A systems engineering approach to improving the accuracy of mobile station location estimation[J]. IEEE System Journal, 2014, 8(1): 14-22.

[13] AN L, HAN G, SHU L, et al. The critical patients localization algorithm using sparse representation for mixed signals in emergency healthcare system[J]. IEEE Systems Journal, 2018, 99: 1-12.

[14] JIANG Feng, ZHANG Zhenkai. An improved underwater TDOA/AOA joint localization algorithm[J]. IET Communications, 2021, 15(6): 802-814.

[15]赵存, 肖子玉, 韩研, 等. 面向5G的定位技术发展及融合演进研究[J]. 电信工程技术与标准化, 2022, 35(7): 77-82.

ZHAO Cun, XIAO Ziyu, HAN Yan, et al. Study on development and evolution of 5G oriented positioning technology[J]. Telecom Engineering Technics and Standardization, 2022, 35(7): 77-82.

[16] XU Y, DAVID K. When indoor localization meets new communication technologies[J]. IEEE Transactions on Signal Processing, 2019, 65(10): 1-4.

[17]龚戈勇, 丁远. 浅析传统DAS室分系统在5G时代的应用[J]. 信息技术与信息化, 2019(6): 165-167.

GONG Geyong, DING Yuan. Application of traditional DAS indoor distribution system in 5G era[J]. Information Technology and Informatization, 2019(6): 165-167.

[18] LIU Qi, QIU Jiahui, CHEN Yi. Research and development of indoor positioning[J]. China Communication, 2016, 13(S2): 67-79.

[19]孙大洋, 章荣炜, 李赞. 室内定位技术综述[J]. 无人系统技术, 2020, 3(3): 32-46.

SUN Dayang, ZHANG Rongwei, LI Zan. Survey of indoor localization[J]. Unmanned Systems Technology, 2020, 3(3): 32-46.

[20] LIN Z, LÜ T, MATHIOPOULOS P. T. 3-D indoor positioning for millimeter-wave massive MIMO systems[J]. IEEE Transactions on Communications, 2018, 66(6): 2472-2486.

[21] SEO H, KIM H, KIM T, et al. Accurate positioning using beamforming[J]. IEEE 18th Annual Consumer Communications & Networking Conference (CCNC), January 9-12, 2021, Las Vegas, NV, USA: 1-4.

[22] ZHAO H, ZHANG N, SHEN Y. Beam space direct localization for large-scale antenna array systems[J]. IEEE Transactions on Signal Processing, 2020, 68(13): 3529-3544.

[23]陆冰琳. 室内环境下基于UWB的TDOA/AOA三维混合定位算法[J]. 电子元器件与信息技术, 2022, 6(1): 159-163.

[24]丁业. NLOS环境下基于UWB的TOA/AOA误差抑制算法研究[D]. 海口: 海南大学, 2021.

DING Ye. Research on TOA/AOA error suppression algorithm based on UWB in NLOS environment[D]. Haikou: Hainan University, 2021.

[25] ZHANG Y, WANG N, LI M, et al. Indoor relative positioning method and experiment based on inertial measurement information/human motion model/UWB combined system[C] // 2020 27th Saint Petersburg International Conference on Integrated Navigation Systems (ICINS),May 25-27, 2020, St. Petersburg, Russia: 1-6.

Three-dimensional positioning method of a 5G indoor distribution system based on TDOA and AOA

ZANG Yuhua1, CHEN Jingyi1, SHANG Li2, LI Baogang3

(1. Electric Power Research Institute, State Grid Hebei Electric Power Co., Ltd., Shijiazhuang 050000, China; 2. Information and Communication Branch, State Grid Hebei Electric Power Co., Ltd., Shijiazhuang 050000, China;3. School of Electronics and Communication Engineering, North China Electric Power University, Baoding 071000, China)

In smart buildings and electric power maintenance and operation, it is necessary to obtain equipment or personnel location information in a timely fashion. There is a problem of low indoor positioning accuracy caused by non-line-of-sight transmission and the multipath effect. Thus a three-dimensional indoor localization scheme based on the combination of room division and 5G is proposed. First, the time difference of arrival (TDOA) and the arrival Angle (AOA) are used to integrate the positioning. Second, the specific positioning algorithm is integrated into the positioning architecture, and the location information of the corresponding moving target is quickly obtained based on an edge calculation. During TDOA positioning, an MEC positioning server performs channel estimation, and adds singular value for noise reduction on the basis of a segment orthogonal matching tracking (StOMP) algorithm. During AOA positioning, improved beam space transformation technology is used to construct dimension reduction. To ensure no loss of information in dimension reduction, the additional angle error is analyzed and processed and then the multiple signal classification (MUSIC) algorithm is applied for positioning. Finally, the 5GC core network server uses the Chan-Taylor algorithm for TDOA/AOA fusion localization. Simulation results demonstrate that the proposed positioning method can achieve accurate positioning of the moving target.

indoor positioning; TDOA; compressed sensing; channel estimation; AOA; beam transform

10.19783/j.cnki.pspc.220321

国家自然科学基金项目资助(61971190)；国网河北省电力有限公司科技项目资助(SGHEXT00GCJS210034，kj2021-022)

This work is supported by the National Natural Science Foundation of China (No. 61971190).

2022-03-12；

2022-09-16

臧玉华(1972—)，女，通信作者，高级工程师，研究方向为电力系统通信。E-mail: 1415113763@qq.com

(编辑 魏小丽)