基于TDOA和AOA的5G室分场景三维定位方法_臧玉华.pdf

第51 卷 第2 期 电力系统保护与控制 Vol.51 No.2 2023年1月16日 Power System Protection and Control Jan.16,2023 DOI:10.19783/ki.pspc.220321 基于 TDOA 和 AOA 的 5G 室分场景三维定位方法 臧玉华1，陈静怡1，尚 立2，李保罡3(1.国网河北省电力有限公司电力科学研究院，河北 石家庄 050000；2.国网河北省电力有限公司信息通信分公司，河北 石家庄 050000；3.华北电力大学电子与通信工程系，河北 保定 071000)摘要：在智慧楼宇以及电力检修运维中，需要及时获取设备或人员位置信息。针对室内因非视距传输和多径效应引起的定位精度不高问题，提出了一种基于奇偶交错布局的室分与 5G 结合的室内三维定位方案。首先，采用到达时间差(time difference of arrival,TDOA)和到达角度(angle of arrival,AOA)融合定位。其次，把具体定位算法融入到定位架构里，基于边缘计算快速获取室内对应移动目标的位置信息。在进行 TDOA 定位过程中，MEC 端的定位服务器结合压缩感知进行信道估计，并在分段正交匹配追踪(stagewise orthogonal matching pursuit,StOMP)算法的基础上加入奇异值进行降噪处理。在进行 AOA 定位过程中，先利用改进的波束空间变换技术构造矩阵进行降维，为保证降维过程中信息不损失，提出对附加角度误差进行分析处理，然后，采用多重信号分类(multiple signal classification,MUSIC)算法进行定位。最后，5GC 核心网服务器利用 Chan-Taylor 算法进行 TDOA/AOA 融合定位。仿真结果证明了所提出的定位方法能够实现对移动目标的精准定位。关键词：室内定位；TDOA；压缩感知；信道估计；AOA；波束变换 Three-dimensional positioning method of a 5G indoor distribution system based on TDOA and AOA ZANG Yuhua1,CHEN Jingyi1,SHANG Li2,LI Baogang3(1.Electric Power Research Institute,State Grid Hebei Electric Power Co.,Ltd.,Shijiazhuang 050000,China;2.Information and Communication Branch,State Grid Hebei Electric Power Co.,Ltd.,Shijiazhuang 050000,China;3.School of Electronics and Communication Engineering,North China Electric Power University,Baoding 071000,China)Abstract:In smart buildings and electric power maintenance and operation,it is necessary to obtain equipment or personnel location information in a timely fashion.There is a problem of low indoor positioning accuracy caused by non-line-of-sight transmission and the multipath effect.Thus a three-dimensional indoor localization scheme based on the combination of room division and 5G is proposed.First,the time difference of arrival(TDOA)and the arrival Angle(AOA)are used to integrate the positioning.Second,the specific positioning algorithm is integrated into the positioning architecture,and the location information of the corresponding moving target is quickly obtained based on an edge calculation.During TDOA positioning,an MEC positioning server performs channel estimation,and adds singular value for noise reduction on the basis of a segment orthogonal matching tracking(StOMP)algorithm.During AOA positioning,improved beam space transformation technology is used to construct dimension reduction.To ensure no loss of information in dimension reduction,the additional angle error is analyzed and processed and then the multiple signal classification(MUSIC)algorithm is applied for positioning.Finally,the 5GC core network server uses the Chan-Taylor algorithm for TDOA/AOA fusion localization.Simulation results demonstrate that the proposed positioning method can achieve accurate positioning of the moving target.This work is supported by the National Natural Science Foundation of China(No.61971190).Key words:indoor positioning;TDOA;compressed sensing;channel estimation;AOA;beam transform 0 引言 在智慧楼宇以及电力系统检修运维中，经常需 基金项目：国家自然科学基金项目资助(61971190)；国网河北省电力有限公司科技项目资助(SGHEXT00GCJS210034，kj2021-022)要及时将设备或者人员位置准确地反馈到控制中心，供管理人员进行调度指挥等1-4。目前，室外已广泛利用北斗等系统实现高精度定位5-6，而在室内卫星信号会受到严重遮挡，从而引起非视距(non line of sight,NLOS)传输和多径效应现象，定位精度急剧降低，而位置的不断变化对定位速度也提出更高要求，因此急需对现有定位技术进行改进，实现臧玉华，等 基于 TDOA 和 AOA 的 5G 室分场景三维定位方法 -181-在室内复杂环境下对移动目标的快速精准定位。在当前室内定位中，到达时间差(time difference of arrival,TDOA)和到达角度(angle of arrival,AOA)是基础的两种技术7。对于 TDOA 定位，在室内复杂场景下区分直射径是其定位性能的关键点。文献8利用 Stomp 算法重构信号，但因忽略噪声影响无法得到精确的重构信号及参数。文献9通过利用到达时间(time of arrival,TOA)测量数据的方差判断NLOS 径，把有 NLOS 传输的基站剔除掉。文献10研究了非视距情况下的三维定位问题。对于 AOA定位，需依据基站处的天线阵列确定用户到达基站的入射角度，该研究多与波束赋形等技术有关。文献11中所提的当前所用 AOA 定位是依据基站处的天线阵列确定用户到达基站的入射角度，再利用旋转不变算法和斜投影技术估计 AOA，未能充分利用毫米波的高频、高带宽等先天优势，角度分辨率较低。文献12利用旋转不变算法和斜投影技术估计 AOA。文献13利用 JADE 算法先训练波束，再联合定位估计 AOA 值。对于 AOA 和 TDOA 参数融合获取精准位置，文献14分析对比了传统的Taylor、Chan、标准卡尔曼算法定位的精度，都可以在室内获取融合定位参数，但性能未能得到充分改善。上述文献所提方法各有优点，但未充分利用第五代移动通信(5th-generation mobile communication,5G)的优势15。因毫米波具有高频、高带宽和稀疏特性，可以引入到波束赋形中，结合信道估计和波束空间变换实现高精度定位。此外毫米波路径需要足够高的信噪比，可提高角度分辨率16。综上所述，本文提出基于奇偶交错布局的室分与 5G“云”、“边”、“端”一体结合的室内三维定位方案。把具体定位算法融入到定位架构里，将三维定位问题简化为二维定位问题。在 TDOA 定位部分，利用毫米波的稀疏特性，引入压缩感知进行信道估计，在分段正交匹配追踪(stagewise orthogonal matching pursuit,StOMP)算法的基础上，加入奇异值进行降噪处理，从而提高信号参数的测量精度；在 AOA 定位部分，先降维，将元素空间转换到波束空间。为保证降维过程中信息不损失，考虑附加角度误差，然后利用多重信号分类(multiple signal classification,MUSIC)算法定位。最终利用估计好的TDOA 和 AOA 参数进行融合定位。仿真结果表明，优化的定位技术能够显著提高定位精度，满足楼宇及电力巡检工程的需求。1 系统模型 传统的室分布设方式已经不能满足 5G 室内定位发展的需求17，本文提出基于室分与 5G“云”、“边”、“端”一体结合的室内三维定位方案，系统架构如图 1 所示。远端汇聚单元 pBridge 可以实现区域远端射频单元(pico remote radio unit,PRRU)的汇聚和管理，并采用改进的错层奇偶交错方式部署PRRU，在 BBU 输出口引两个支路，一路分配到奇数层，另一路分配到偶数层。图 1 系统总体架构 Fig.1 Overall system architecture 首先 PRRU 获取终端信号强度，及时上报给BBU，BBU 根据各个 PRRU 收到的信号强度大小判断距离终端最近的几个 PRRU。因为 PRRU id 号已知，可以确定用户所在楼层数，从而将三维定位问题简化成二维定位问题。由 5G 定位终端向基站发送上行参考信号 PRS，基站接收信号后在 MEC 端进行信号处理，同时因为 5G 毫米波具有高频、高带宽和稀疏特性，可以引入到波束赋形中，结合信道估计和波束空间变换在 MEC 端解算后实现高精度定位，本文利用 TDOA 和 AOA 进行二维融合定位。在进行 TDOA 估计之前，终端发送导频信号给它附近的 PRRU，PRRU 再将信息传给 5G 的 MEC端，MEC 端的定位服务器利用压缩感知和改进的算法重构出信号后找到直射径，计算信号传输的时间并发送到 5GC 核心网；在进行 AOA 估计时，MEC端利用 Fisher 矩阵处理终端信息，利用改进的MUSIC 算法得到角度信息并发送给 5GC。5GC 得到时延、角度等信息后，利用定位服务器的 Chan