论文部分内容阅读
随着5G时代的来临以及智能终端和物联网的发展,商业、交通和安全等领域都对LBS产生了更加广泛的应用需求,这给在现代城市街道及楼宇等复杂环境下对移动终端的精确定位带了挑战。指纹定位技术能有效利用多径效应来实现较高的终端定位精度,因此,面向5G网络的高精度指纹定位算法成为LBS研究的热点方向,但要达到5G白皮书要求的定位精度还面临着许多问题。针对实际应用中对移动终端实时精确定位的要求,本文就城市复杂环境中基于大规模MIMO单站系统场景下终端快速精确指纹定位的方法及算法开展了具体研究,论文主要工作包括:(1)为提高在线定位的速度,根据ADCPM指纹矩阵在角度域功率分布的特点提出基于信道功率分布中心角的CAOA聚类算法,通过将该算法应用到不同匹配算法中有效提高在线阶段的定位时效性。针对随着指纹库存储规模大幅增长时,CAOA聚类算法对定位速度性能提升不明显问题,给出了基于CAOA聚类的LSH-WKNN快速定位改进算法,其利用LSH算法将每个CAOA聚类子集中的元素映射到不同桶内实现指纹库二次聚类。通过对比不同规模指纹库的定位时间,验证了该算法在大规模数据库情形下提高定位时效性的性能显著。(2)针对实际应用场景下数据库存储突出的负荷问题,研究采用TT压缩法将指纹矩阵转换成不含零值的三元表,以及采用ACPV压缩指纹将指纹矩阵压缩成角度域上的一维向量的方法,从而实现既显著降低存储负载,又有效保证在线定位精度和速度的目标。通过实验还验证出ACPV压缩指纹能进一步降低平均定位时间,且定位精度与ADCPM指纹矩阵相同。(3)针对指纹库在实际动态环境中的时变性,提出了ScCU指纹库更新算法,其设置了变化散射体的截止区并重构截止区内参考点的指纹,指纹库的更新时间随截止区半径增大而增加。为了消除截止区半径的影响,进一步提出WNIU算法,基于回馈点指纹库利用加权近邻插值法估计非回馈点指纹,更新时间与回馈点指纹库构建时间有关。鉴于WNIU算法忽略了参考点指纹之间的相关性,因此提出一种基于Kriging插值的KrIU算法。通过对三种指纹库更新算法的仿真分析,结果表明KrIU算法不仅使指纹库更新时间显著下降,且更新指纹库的定位精度接近于传统更新算法,能够支持动态环境下的精确定位。