[發明專利]一種室外聚類匹配定位方法和裝置

有效

• 申請號: 201410204479.0
• 申請日: 2014-05-14
• 公開（公告）號: CN103997783B
• 公開（公告）日: 2017-03-29
• 發明（設計）人: 羅新龍;孫啟明;王耀輝;李虎;卞玉軍
• 申請（專利權）人: 無錫北郵感知技術產業研究院有限公司;北京郵電大學
• 主分類號: H04W64/00
• 分類號: H04W64/00
• 代理公司: 北京中恒高博知識產權代理有限公司11249
• 代理人: 姜萬林

技術領域

本發明涉及通信技術領域，具體地，涉及一種室外聚類匹配定位方法和裝置。

背景技術

終端定位技術是利用無線通信網絡資源確定網絡中的終端用戶在地表位置的方法，它伴隨無線通信技術的應用而出現，跟隨無線通信網絡的演進而發展。20世紀80年代以來，由于蜂窩移動通信系統的出現，以及人們對智能交通運輸系統和呼叫追蹤方面的需要，對終端定位技術提出了新要求。美國聯邦通信委員會(FCC)于1996年公布了E-911條例，要求在2001年10月1日前，美國各電信運營商的無線蜂窩系統必須提供終端定位誤差在125米內時，定位概率達到67％的定位服務。1998年又提出了定位誤差在400米內時，定位概率不低于90％的服務要求。1999年FCC對定位精度提出新的要求：對基于網絡的定位服務，定位誤差在100米內時，定位概率達到67％；定位誤差300米內時，定位概率達到95％；對基于終端的定位服務，定位誤差50米內時，定位概率達到67％，定位誤差150米時，定位概率達到95％。

美國FCC的規定大大推動了蜂窩無線定位技術的發展，明確基于位置的服務將是今后各種無線蜂窩網絡，特別是3G網絡必備的基本功能，催生和推動了一個產業和市場的產生與發展。其它國家和地區如歐洲、日本、韓國等相關組織也作了相類似的規定，而且在很多方面達成了一致。

隨著社會的發展，人們的活動范圍越來越大，而且也越來越不穩定。這種移動性和不確定性給移動通信的定位服務帶來了無限商機。另一方面對移動通信網本身來說，移動性管理一直是網絡的難點問題，如果本身知道移動終端的精確位置，再進行移動性管理就變得相對簡單。另一方面的重要應用是，利用移動終端的精確位置能更有效地管理網絡的無線資源，如頻譜資源的動態分配，系統資源的干擾協調和調度。所以，無論是用戶的需求，還是運營商或網絡供應商的本身需求，都為定位服務的發展注入了活力，使得定位服務市場呈現出一片生機。

當前應用最廣泛的GPS定位技術雖然具有定位精度高的優點，在水平方向和垂直方向的定位誤差分別為13米和22米時，定位概率能達到95％，但是，在峽谷、高建筑物附近或者有較強陰影遮擋區域，終端不易接收衛星信號，導致定位失敗；另一個問題是基于衛星定位的接收機首次定位時間較長，短則幾秒，長則需要60秒，這就不適合定位實時性要求較高的場合；更現實的問題是，基于GPS等衛星定位的終端由于耗電大，導致現在的手機用戶不愿使用GPS終端定位服務。

近年來，基于Wi-Fi(WirelessFidelity)、蜂窩網絡等的無線網絡定位技術迅速發展。雖然基于Wi-Fi的定位技術具有定位精度高、技術成熟等優點，但是，由于Wi-Fi覆蓋距離較短，且室外部署AP較少，因此無法實現室外的全方位無縫定位。由于蜂窩網絡覆蓋范圍廣，基礎設施完善，因此基于蜂窩網絡的室外無縫定位逐漸成為了各大公司和標準組織的研究熱點。

現有基于蜂窩網絡的定位技術主要分為基于參數和基于指紋匹配兩大類，前者通過將信號強度或時延轉換為距離或角度等信息，進而估計位置。由于電波傳播的多徑效應和非視距傳播等因素的影響，定位精度很難達到滿意的效果，只是部署和計算上比較簡單。后者采用基于指紋匹配的方法，通過在定位區域中的所有位置進行射頻信號采集，從而構建信號強度矢量與定位位置的映射關系(訓練指紋)，定位階段根據實時采集的射頻信號計算出定位位置。這種方法定位精度高，且不需要額外的基礎設施。因此，我們需要研究基于蜂窩網絡的指紋匹配定位技術，實現室外高精度無縫定位。

基于指紋匹配的定位技術的基本原理是，通過在定位區域中的所有位置進行射頻信號采集，從而構建信號矢量與定位位置的映射關系(訓練指紋)，定位階段根據實時采集的射頻信號計算出定位位置。這種方法定位精度高，且不需要額外的基礎設施。

基于指紋匹配的蜂窩網絡定位技術一般分為兩個階段：離線訓練(offline)階段和在線(online)定位階段。在離線訓練階段，對蜂窩網中定位區域內的所有位置進行射頻信號采集，通過實測測量量數據來構建以各個小區域為索引的數據庫，從而構建信號矢量與定位位置的映射關系庫；當需要確定移動終端的位置時，即在線定位階段，移動終端實時采集射頻信號，并將測量量與后臺的數據庫進行匹配，以一定的算法標準來選擇最合適的小區域，并將其作為移動終端的估算位置(見圖1)。

基于指紋匹配的蜂窩網絡定位技術以美國Polaris公司的最大似然估計(MaximumLikelihood，ML)匹配定位技術為代表。其定位方法的實現步驟如下：

特征庫制作：