论文部分内容阅读
随着互联网技术的飞速发展,基于位置的服务将日益进入大众应用和公共服务领域。伴随全球定位系统、北斗、格洛纳斯等全球卫星导航系统多年的运营与发展,室外定位已基本得到系统性的解决,高精度广域连续覆盖的室内定位技术则越来越受到业界重视。随着第五代移动通信(5th-Generation Mobile Communication,5G)标准的演进,以及通信导航一体化的产业需求,如何在5G系统中解决室内高精度定位的问题受到学术及工业界的广泛关注。本文以5G的关键技术为背景,研究5G系统的室内部署环境下室内定位的关键问题,包括信道状态信息的提取及定位系统的总体设计与定位算法。现有的研究表明使用信道状态信息进行距离估计的基于测距的定位方法是在5G中实现高精度室内定位的较为可行的方法。5G将采用大规模多输入多输出(Massive Multiple Input Multiple Output,Massive MIMO)技术,随着Massive MIMO中天线数量的激增,导致传统的信道估计算法受限于参考信号数量不足,无法正常地对信道信息进行估计。另一方面,尽管基于压缩感知理论应的信道估计算法可以在少量参考信号存在的情况下以较高精度重构信道信息,但此类信道估计方法的性能受到信道稀疏度的影响,同时,天线数量的增加会引起算法的运算时间也大幅增加,需要研究如何降低信道估计算法的运算时间。针对上述问题,本文提出了优化的基于正交匹配追踪的信道估计算法,减少算法的迭代次数并应用更严格的迭代终止条件。仿真实验结果表明,本文提出的优化算法可以有效地降低算法的运算时间并消除信道稀疏度对于算法性能的影响。5G系统的超密集小区部署保证了室内存在一定数量的位置已知的基站,为室内定位提供了便利条件,然而毫米波穿墙能力弱的特点,会导致用户在室内同一时间能连接到的基站数量有限,无法保证满足传统定位过程中对于锚节点数量的要求,另一方面,传统的室内定位技术易受非视距传播的影响导致定位精度降低。针对上述问题,本文给出了基于信道分类和虚拟锚节点的定位系统设计框架,包括利用机器学习将信道分为更加精确的四种类型的信道分类算法,和根据信道分类结果结合虚拟锚节点和反射路径的定位算法。仿真实验结果表明,本文提出的信道分类算法可以有效地提高信道分类的准确性;本文提出的定位算法不仅可以提高定位精度,同时在锚节点数量较少时同样可以进行高精度定位。