复杂环境下5G NR的定位技术研究

李雨霁

西安邮电大学 陕西 西安 710121

引言

现如今，常见的室内定位技术面对复杂多变的通信环境，仍有一定的局限性，如Wi-Fi定位技术的数据采集难度高，定位误差大[1]，室内蓝牙定位技术易受干扰，且扩展距离有限[2]。无线电频率识别技术的通信能力差，抗干扰性差[3]。红外线定位技术不能穿过障碍物，只能进行视线（LS）传播，容易受其他光线影响[4]等。因此，如何在NLOS环境的基础上提高5G定位系统的鲁棒性（适应复杂多变的环境），成为现阶段5G定位需要克服的难题。本文考虑到5G信号的窄波束、良好的方向性和较短的传输周期，研究了5G NR在NLOS环境下的定位技术，以应对复杂多变的环境

1 在NLOS环境下的5G定位优化算法

1.1 Chan 算法（Chan）

Chan算法是TDOA定位方法中最常用的位置计算方法，算法的推导是基于高斯随机变量，测量误差为零平均值。当基站数量大于3个时，非线性方程的数量小于未知变量的数量，可以用加权最小二乘法得到初始解，然后用得到的初始解和约束变量进行第二次加权最小二乘法估计，最后得到一个改进的位置估计。

假设误差向量近似满足高斯分布，并且有一个协方差矩阵，那么：

最终解出的估计值为：

1.2 Chan-Taylor算法（Chan- Taylor）

为了适应5G通信环境，结合两种算法的优势，本文提出了Chan-Taylor联合算法。目标方位的初始估计由Chan获得，然后由Taylor迭代计算估计值，从而获得高精度的目标方位。①通过使用Chan算法解决由TDOA定位算法建立的矩阵方程获得初始位置坐标；②将初始坐标引入泰勒计算，并进行多次迭代运算，不断优化和更新初始坐标；③进行迭代递归计算，若均方根误差达到阈值，则得到最终的估计坐标，否则将迭代坐标重复步骤2，进行泰勒迭代。

3 仿真分析

对上述各种算法进行验证仿真，并比较性能优势。假设测试场景为且设有若干障碍物的非视距环境，其中分别设定7个坐标位置（0，0），（0，7），（0，15），（5，0），（10，0），（10，7）和（10，15）来部署基站。测试结果的RMSE（均方根误差）假定为上述算法在相同的噪声干扰环境下进行100次实验模拟后的实验数据。图1所示为非视距环境下，基站数目对上述三种算法精度的影响。

图1 基站数量对NLOS环境下定位精度的影响

由图1可得，随着基站数量的增加，RMSE（均方根误差）逐渐减小，即基站越多，精度越高；但当基站数量增加到4个以上时，再增加基站数量，RMSE（均方根误差）的变化趋于平缓。为排除基站数目的影响，本文所提出的定位方法选用7个基站。性能方面来看，Chan-Taylor联合算法的RMSE值是四种算法中最低的，这意味着联合算法具有更好的定位性能。

综上，Chan-Taylor联合算法将作为本文NLOS环境下的5G NR定位技术的主要算法。假设仿真环境与上述测试环境相同，基站部署的坐标位置有7个（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所示为最终定位结果与误差。

表1 定位结果的分析和误差

图2中蓝色三角形代表基站位置，红色五角星代表实际位置，空心圆和粉色圆点分别代表改进的前后的定位结果。由图2所示，该方法在NLOS环境下具有更好的定位性能。由上述可得，优化后的算法的定位误差都小于原算法的定位误差。原算法的平均误差为0.5055，而优化算法的平均误差为0.0823，说明与原算法相比，优化算法在精度上有明显提高。原始算法的均方根误差为0.7156，而优化算法的均方根误差为0.1653，说明优化算法在同一环境下的稳定性也有所提高。

图2 仿真结果——两种定位方法的基站位置和目标位置

4 结束语

本文提出了一种算法复杂度低、精度高的5G定位方法，在用户位置、时钟误差、终端角度偏差未知的情况下，通过信道参数识别NLOS成分并进行算法补偿，获得准确的坐标信息，并采用联合算法对虚拟基站进行仿真，避免严重NLOS场景下的障碍物遮挡。仿真结果表明，Chan-Taylor联合算法是5G定位的有效解决方案，具有较高的定位精度来估计用户的位置，从而解决了在NLOS环境下无法定位的问题。