LTE中RF指纹定位算法研究

发布时间：2017-03-28 04:11

  本文关键词：LTE中RF指纹定位算法研究，由笔耕文化传播整理发布。

【摘要】：随着基于位置的服务(location-based services, LBS)的兴起和E-911紧急定位的要求,无线移动定位技术迅速发展。基于网格的射频(radio frequency, RF)指纹定位技术是一种利用相关数据库法(database correlation method, DCM)进行定位的方法,仅仅采用无线信号特征就可以提供定位服务。方法简便而且能够克服建筑物的干扰,因此成为近年来研究的重点。在利用RF指纹定位时,匹配复杂度、相关数据库的大小和定位精度成为主要考虑的问题。此外,基于网格的RF指纹定位需要将目标区域划分为大量的网格,网格模型也是需要考虑的问题。本论文在长期演进(long term evolution, LTE)同构网络和异构网络的环境下,针对指纹匹配算法和网格划分的模型进行了研究。首先,本文提出了一种指纹匹配的简化算法和两种新的相似度度量。一种是参考信号接收功率(reference signal received power, RSRP)差值序列的均值,另一种是差值序列的方差。在训练阶段,采用最小化路测技术(minimization of drive testing measurements, MDT)收集数据构造相关数据库。在定位阶段,对测试签名和训练签名进行基站匹配,只有两者的基站号和基站数差值小于阈值时,才进行RSRP匹配,否则,舍弃。再根据两种相似度度量计算测试签名和训练签名的相似度距离。与测试签名相似度距离最小的训练签名作为最匹配的签名,进而得到测试签名的位置。仿真实验表明,该简化算法的匹配复杂度至少降低了34%,同时保证了定位精度。其次,在传统均匀网格模型的基础上,提出了一种非均匀的网格模型的划分方法。在一个宏基站覆盖范围内,测量各个位置的信号强度值,分析信号强度值与位置的关系。根据六边形法则,将一个宏基站的覆盖区域划分为不同的区域,设置不同的等级,在离基站近的区域设置高的等级。在基站边缘区域,信号强度弱、分辨率低导致定位精度低,分配小尺寸的网格。反之,在靠近基站的区域,分配大尺寸的网格。整个目标区域做同样的划分,形成非均匀的网格模型。仿真结果表明,该方法降低了指纹库的规模,且定位精度最多有16%的提升。最后,在非均匀网格模型的基础上,设计了一种动态非均匀网格模型。每级区域设定一个基本的边界调整单位值和一个调整的倍数值。通过调整这些值,改变各级边界六边形的边到中心点的距离,从而调整各级区域的边界。仿真结果表明,小尺寸网格区域同时变大,指纹库的规模明显变大,定位精度也会得到明显提升。反之,指纹库的规模明显降低,定位精度也相应降低。这种可控的边界调整方法保证了各个区域不重叠,增加了非均匀网格模型的灵活性。
【关键词】：LTE 最小化路测 RF指纹定位 非均匀网格 动态非均匀网格
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 定位技术研究背景11-12
• 1.2 定位技术研究现状12-15
• 1.3 内容和结构安排15-17
• 2 LTE仿真环境和RF指纹定位17-27
• 2.1 LTE系统级仿真平台的搭建17-21
• 2.1.1 NS-3离散事件仿真器17-18
• 2.1.2 MDT技术18
• 2.1.3 NS-3搭建LTE系统级仿真平台18-20
• 2.1.4 原始数据格式20-21
• 2.2 RF指纹定位流程21-23
• 2.3 匹配过程23-26
• 2.3.1 匹配算法23-25
• 2.3.2 相似度度量25-26
• 2.4 本章小结26-27
• 3 简化的匹配算法27-39
• 3.1 射频指纹定位的简化流程27-30
• 3.1.1 简化的统计匹配算法27-29
• 3.1.2 两种相似度度量29-30
• 3.2 指纹到均匀网格的映射30-31
• 3.3 仿真场景31-33
• 3.4 仿真结果33-38
• 3.4.1 阈值34-35
• 3.4.2 计算复杂度35-36
• 3.4.3 定位精度36-38
• 3.5 本章小结38-39
• 4 非均匀网格RF指纹定位架构39-49
• 4.1 非均匀网格的边界划分39-42
• 4.1.1 非均匀网格划分的依据39-41
• 4.1.2 非均匀网格边界划分方法41-42
• 4.2 指纹到非均匀网格的映射42-44
• 4.3 仿真场景44-45
• 4.4 仿真结果45-48
• 4.4.1 指纹库的规模45-46
• 4.4.2 定位精度46-48
• 4.5 本章小结48-49
• 5 动态非均匀网格RF指纹定位架构49-59
• 5.1 动态的非均匀网格49-51
• 5.1.1 初始非均匀网格49-50
• 5.1.2 动态非均匀网格50-51
• 5.2 仿真场景51-52
• 5.3 非均匀和动态非均匀网格模型的仿真结果52-57
• 5.3.1 非均匀网格模型仿真结果53-55
• 5.3.2 动态非均匀网格模型仿真结果55-57
• 5.4 本章小结57-59
• 6 结论59-61
• 参考文献61-65
• 作者简历及攻读硕士学位期间取得的研究成果65-67
• 学位论文数据集67

【相似文献】

中国期刊全文数据库 前10条

1 尹义龙,詹小四,谭台哲,宁新宝;基于加博函数的指纹增强算法及其应用[J];软件学报;2003年03期

2 郝婧妤;;取钱不用银行卡 指纹银行下月落户北京[J];信息系统工程;2006年12期

3 张翔;熊剑;武和雷;郭杭;;基于MNN改进粒子滤波的指纹库定位算法研究[J];计算机工程与设计;2014年07期

4 罗德军;候静;余仁森;;基于嵌入式Arm-Linux系统的指纹数据采集[J];凯里学院学报;2009年03期

5 李仲荣;张大鹏;;微型机指纹自动识别的研究[J];自动化学报;1986年03期

6 李磊;;基于WIFI指纹定位技术的应用[J];计算机光盘软件与应用;2013年22期

7 谭秀芬;孔涛;;基于嵌入式指纹识别的图书馆借阅系统设计[J];仪器仪表用户;2008年03期

8 张凯;薛飞;刘奔;;基于指纹识别的智能排队系统[J];电子器件;2013年03期

9 周宝建;;指纹识别在高职学生考勤管理中的应用[J];长沙铁道学院学报(社会科学版);2013年02期

10 王崇文,赵德申,王廷才,郑治伟;指纹取象与指纹识别[J];计算机工程与应用;2002年20期

中国重要会议论文全文数据库 前3条

1 周元昌;左生力;吴为人;段远霖;兰涛;;杂交稻亲本SSR指纹库的构建及其管理系统的建立[A];2008中国作物学会学术年会论文摘要集[C];2008年

2 赵久然;王凤格;郭景伦;;中国玉米品种标准DNA指纹库构建研究进展[A];2004’中国作物学会学术年会文集[C];2004年

3 杨亚涛;蒋桂秋;李洋;李志刚;;基于指纹仪的认证软件设计[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

中国重要报纸全文数据库 前10条

1 一鸣;我国“油指纹库”建设“提速”[N];中国海洋报;2004年

2 本报记者 施艳燕;破译指纹密码的“严神眼”[N];苏州日报;2010年

3 民文;签订50万人指纹库合同[N];中国证券报;2002年

4 记者 镡立勇;指纹处理速度更快[N];河北经济日报;2006年

5 向杰;我国建立海上溢油“油指纹库”[N];科技日报;2007年

6 张璋;指纹识别 技术出新[N];金融时报;2004年

7 本报记者 孙飞;千余“油指纹”汇聚青岛[N];青岛日报;2009年

8 刘冬然;小小指纹破大案[N];中国计算机报;2002年

9 本报记者 李明春 北海监测中心 于子江;让“无主漂油”肇事者无处可逃[N];中国海洋报;2005年

10 中科院自动化所人工智能实验室 段少雄 张堂辉 田捷;指纹圈点未来生活[N];中国计算机报;2001年

中国硕士学位论文全文数据库 前10条

1 陈晓红;室内可见光多参量位置指纹库定位方法的仿真及实验研究[D];南京邮电大学;2015年

2 韩亚楠;LTE中RF指纹定位算法研究[D];北京交通大学;2016年

3 张新元;指纹门禁系统的设计与开发[D];西北工业大学;2003年

4 左生力;福建杂交稻亲本SSR指纹库构建及其管理系统的建立[D];福建农林大学;2008年

5 周薇;一种高效的指纹库构建方法及其在WiFi定位中的应用[D];北京工业大学;2013年

6 陈斌;基于SVM技术的室内室外定位方法研究与实现[D];北京邮电大学;2015年

7 孙艳美;适于玉米DNA指纹库构建的多重PCR扩增体系的建立与研究[D];首都师范大学;2007年

8 韩晴;国家甜、糯玉米区试品种DNA指纹库的研究[D];扬州大学;2011年

9 何雪英;机器学习算法在视频指纹识别中的应用研究[D];山东大学;2011年

10 刘锡婷;快速部署室内飞艇定位技术及算法研究[D];沈阳航空航天大学;2014年

  本文关键词：LTE中RF指纹定位算法研究，由笔耕文化传播整理发布。

，

本文编号：271646