蜂窝网络学习型定位算法研究

论文摘要

蜂窝无线定位服务是一种具有广阔市场前景的移动增值业务,其基本原理是利用现有蜂窝网络,通过对各种位置特征参数,包括到达时间（TOA）、到达时间差（TDOA）、到达角度（AOA）的测量和估计等,从而实现移动用户的定位。在蜂窝网络环境中,由于受多径、非直达波传播、噪声、干扰和信道频率特性等多种不利因素的综合影响,各种定位算法的性能显著下降,造成移动台位置估计出现较大偏差。其中非直达波传播效应是导致定位误差的主要因素,非直达波误差由环境决定,随着环境的改变而改变,测量精度的改善并不能抑制NLOS误差。因此非直达波环境下定位算法的研究成为近年来研究的热点。本文以蜂窝无线定位系统中非直达波定位为研究和应用背景,主要工作包括以下几个方面:（1）介绍现有典型的非直达波抑制算法、学习型定位算法和定位算法性能评价标准。（2）针对存在样本点先验信息的情况,给出了一种基于SVM概率密度估计的学习型定位算法,仿真表明该算法有较好的定位精度。（3）学习型定位算法依赖于先验信息,为了进一步提高定位精度。给出了采用克利金（Kriging）插值的学习型定位算法。该方法在已有样本点信息的基础上,利用Kriging插值来扩展先验信息。仿真结果表明,该方法能在较小工作量下较为准确地获得用户位置估计,提高样本信息利用率。（4）针对样本点存在野值,SVM对噪声敏感的情况,给出了一种基于模糊最小二乘支持向量机的定位算法,根据样本偏离数据域的程度赋予不同的模糊隶属度。仿真结果表明该方法有较好的稳健性,增强LS-SVM的抗噪声能力,提高定位精度。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 蜂窝网络无线定位系统
• 1.3 蜂窝网络无线定位技术的分类
• 1.4 影响蜂窝网络无线定位精度的因素
• 1.5 国内外研究现状
• 1.6 本课题的主要任务
• 第二章 蜂窝网络定位技术
• 2.1 引言
• 2.2 定位问题的最小二乘表示
• 2.3 典型非直达波定位算法介绍
• 2.3.1 非直达波鉴别算法
• 2.3.2 基于统计特性和加权约束定位算法
• 2.3.3 基于散射体信息定位算法
• 2.4 学习型定位算法介绍
• 2.4.1 基于神经网络的定位算法
• 2.4.2 基于kernel 函数的非参数估计定位算法
• 2.4.3 基于最小二乘支持向量机（LS-SVM）定位算法
• 2.5 定位算法性能评价标准
• 2.6 本章小节
• 第三章 两种基于样本点信息的学习型定位算法
• 3.1 引言
• 3.2 基于SVM 概率密度估计的定位算法
• 3.2.1 概率密度估计问题的描述
• 3.2.2 SVM 方法估计概率密度
• 3.2.3 定位方法
• 3.2.4 性能与仿真分析
• 3.3 基于 Kriging 插值的定位算法
• 3.3.1 利用Kriging 插值扩展先验信息
• 3.3.2 性能与仿真分析
• 3.4 本章小结
• 第四章 基于模糊SVM 的非直达波定位算法
• 4.1 最小二乘SVM 函数估计
• 4.2 模糊最小二乘支持向量机FLS-SVM
• 4.2.1 基于模糊最小二乘SVM 的定位算法
• 4.3 模糊隶属度的确定
• 4.3.1 现有模型及其特点
• 4.3.2 基于SVDD 的模糊隶属度模型
• 4.4 性能与仿真分析
• 4.5 小结
• 第五章 总结与展望
• 5.1 本文工作的总结
• 5.2 进一步的工作
• 致谢
• 参考文献
• 攻硕期间取得的研究成果