信号遮挡环境下融合TOA/AOD的5G/SINS组合导航算法模型与精度分析

邓玥, 余江, 郭文飞, 陈起金, 刘经南

邓玥, 余江, 郭文飞, 陈起金, 刘经南. 信号遮挡环境下融合TOA/AOD的5G/SINS组合导航算法模型与精度分析[J]. 武汉大学学报 ( 信息科学版), 2022, 47(7): 1133-1139. DOI: 10.13203/j.whugis20200585
引用本文: 邓玥, 余江, 郭文飞, 陈起金, 刘经南. 信号遮挡环境下融合TOA/AOD的5G/SINS组合导航算法模型与精度分析[J]. 武汉大学学报 ( 信息科学版), 2022, 47(7): 1133-1139. DOI: 10.13203/j.whugis20200585
DENG Yue, YU Jiang, GUO Wenfei, CHEN Qijin, LIU Jingnan. Modeling and Accuracy Analysis of TOA/AOD Based 5G/SINS Integrated Navigation in Case of Signal Blockage[J]. Geomatics and Information Science of Wuhan University, 2022, 47(7): 1133-1139. DOI: 10.13203/j.whugis20200585
Citation: DENG Yue, YU Jiang, GUO Wenfei, CHEN Qijin, LIU Jingnan. Modeling and Accuracy Analysis of TOA/AOD Based 5G/SINS Integrated Navigation in Case of Signal Blockage[J]. Geomatics and Information Science of Wuhan University, 2022, 47(7): 1133-1139. DOI: 10.13203/j.whugis20200585

信号遮挡环境下融合TOA/AOD的5G/SINS组合导航算法模型与精度分析

基金项目: 

国家“十三五”重点研发计划 2018YFC0809804

国家自然科学基金 41974038

中国第二代卫星导航系统重大专项 GFZX030302030202

中国第二代卫星导航系统重大专项 GFZX030302030204

详细信息
    作者简介:

    邓玥,硕士,主要从事5G定位研究。604694306@qq.com

    通讯作者:

    郭文飞,博士,副教授。wf.guo@whu.edu.cn

  • 中图分类号: P228

Modeling and Accuracy Analysis of TOA/AOD Based 5G/SINS Integrated Navigation in Case of Signal Blockage

Funds: 

The China National Key Research and Development Program of China During the 13th Five-Year Plan Period 2018YFC0809804

the National Natural Science Foundation of China 41974038

the Major Project of China's Second-Generation Navigation Satellite System GFZX030302030202

the Major Project of China's Second-Generation Navigation Satellite System GFZX030302030204

More Information
    Author Bio:

    DENG Yue, master, specializes in 5G positioning. E-mail: 604694306@qq.com

    Corresponding author:

    GUO Wenfei, PhD, associate professor. E-mail: wf.guo@whu.edu.cn

  • 摘要: 为解决可观测基站受遮挡情况下仅采用到达时间(time of arrived, TOA)无法定位或精度较差的问题,将第5代移动通信技术(5th generation,5G)中多天线阵列提供的信号离开角(angle of departure, AOD)应用在定位解算中,通过卡尔曼滤波将5G定位与捷联惯性导航(strapdown inertial navigation system,SINS)融合,构成融合TOA/AOD的5G/SINS组合导航方案。通过模拟可观测5G基站数量充足、遮挡这两类场景下的仿真实验,对基于TOA的5G定位、基于TOA/AOD的5G定位、TOA组合导航、TOA/AOD组合导航这4种解算方法的位置误差进行了比较。仿真实验结果表明,当可观测基站受遮挡时,融合TOA/AOD进行5G/SINS组合导航能确保100%的定位成功率,并有效降低组合导航发散的概率,减小40%~70%的位置误差。
    Abstract:
      Objectives  Like all radio signals, 5G(5th generation) signal will also face the problem of being vulnerable to transmission interference in complex environments, which will lead to few number of observable base stations, and then affect the performance of positioning. Therefore, it is important to solve the problem of poor accuracy or inability to positioning using only TOA(time of arrived) based 5G positioning in case of signal blockage.
      Methods  We applied AOD(angle of departure) capability of multi-antenna to 5G positioning, and integrated it with SINS(strapdown inertial navigation system) through EKF(extended Kalman filter) to form TOA/AOD based 5G/SINS integrated navigation system. After that, simulation experiments were designed for two scenarios: With sufficient number of observable 5G base stations and with signal blockage, and the position errors of four methods are compared, these are TOA based 5G positioning, TOA/AOD based 5G positioning, TOA based integrated navigation, TOA/AOD based integrated navigation.
      Results  Simulation experimental results show that: (1) When the number of observable 5G base stations is sufficient, the addition of AOD reduces the horizontal and vertical position errors, and due to the higher accuracy of the elevation angle, the reduction of the vertical position error is more obvious. (2) When the number of observable 5G base stations is sufficient, compared with 5G positioning, the position error obtained by the integrated navigation is reduced by about 40% in the horizontal direction. However, the TOA based 5G positioning in our experiment has a continuous large error in the vertical direction, which also causes a large vertical error in TOA based integrated navigation. (3) In case of signal blockage, due to the insufficient number of observable 5G base stations, TOA based 5G positioning cannot be performed, but the percentage of successful epochs for TOA/AOD based 5G positioning reaches 98%.And after adding inertial sensors, TOA/AOD based 5G/SINS integrated navigation ensure a 100% positioning success rate, and reduce the position error by 40% to 70%.
      Conclusions  The addition of AOD can effectively improve the positioning success rate in case of signal blockage. And compared to 5G positioning, integrated navigation can suppress the occurrence of some large position errors, and reduce the horizontal and vertical position errors by 40% to 70%. However, continuous large error in 5G positioning will also affect the results of integrated navigation. Therefore, in a complex environment, fusing AOD capability for integrated navigation can give full play to the advantages of both, improve positioning accuracy and positioning ability, and effectively reduce the probability of the divergence of integrated navigation.
  • 近年来,随着中国海洋经济的发展特别是南海海洋开发的不断深入,急需对岛礁、近海大陆架、暗礁等海区进行精确测绘。海底地形地貌测绘是通过覆盖一定海域、以一定测点密度分布的海深测量实现的。它以深度基准面或平均海平面作为基准,以海域具体坐标点的水深值作为量度来反映海底的地貌信息。只有全面、准确地获得目标水域的水深值,才能得到该水域准确的海底地貌信息,因此,发展快速、准确的海洋测深方法具有十分重要的意义[1-4]。与传统的多波束声呐等回声测深技术相比,机载海洋激光测深系统不仅具有多波束测深系统的高精度、高分辨率、全覆盖特点,更具有快速高效的优点,尤其适用于船舶难以到达的浅海海域和岛礁水域作业,是实现海洋测绘经济、快捷、有效的手段[5-8]。国外代表性的机载海洋激光测深系统主要有加拿大Optech公司的CZMIL [9]、瑞士Leica公司的HAWK-EYE Ⅲ [10]和荷兰Fugro公司的LADS HD [11],这些商业化系统不仅通过提升激光发射的频率实现测绘点密度提升,也增加了更多的接收通道以提升对不同水深的探测能力,整体性能技术指标已实现测深深度达到50 m、测深精度达到0.36 m。中国的华中科技大学、中国海洋大学、中国科学院上海光学精密机械研究所等单位分别进行了相关的技术研究和系统研制[12-16],其中有代表性的国产机载海洋激光测深系统有LADM-Ⅰ、LADM-Ⅱ和Mapper-5000,产品性能已达到国际水平[17]。国内外代表性机载海洋激光测深系统性能参数如表 1所示。

    表  1  国内外代表性机载海洋激光测深系统性能参数/m
    Table  1.  Performance Parameters of Abroad and Domestic Representative Airborne Laser Bathymetry System/m
    参数 CZMIL HAWKEYE Ⅲ LADS HD LADM-Ⅰ LADM-Ⅱ Mapper-5000
    测深深度 [0.15, 50] [0.15, 50] [0.15, 50] [0.5, 50] [0.5, 50] [0.25, 51]
    测深精度 0.36 0.36 0.36 0.31 0.3 0.23
    下载: 导出CSV 
    | 显示表格

    与多波束测深系统的测量精度要求一致,机载海洋激光测深系统的水深测量精度需满足国际海道测量规范IHO-S44的要求,即对浅于30 m水深的测量精度应优于0.3 m;关于最大测深能力,目前国际上已有系统的指标为kDmax=3~5(白天为3~4,晚上为4~5),其中k为海水漫衰减系数,Dmax为最大水深。在海水光束衰减系数为0.2 m-1时,要求系统能够达到50 m的穿透能力[18]。海洋测绘中,机载海洋激光测深系统的最大探测深度指标主要受接收信噪比(signal to noise ratio, SNR)的影响,综合考虑海浪影响、探测器热噪声等因素后,可把海底可探测的最小信噪比定义为3 [18]。本文以最小信噪比大于3为标准进行机载海洋激光测深系统参数设计,以满足最大探测深度指标。机载海洋激光测深的精度指标主要受回波信号的定位精度影响,海洋激光测深系统波形处理方法与陆地激光测绘系统不同,并且更加复杂[18]。这是因为在进行陆地测绘时,空气对激光传播的影响几乎可以忽略,通常认为陆地波形是多高斯回波的叠加,而激光在海洋中传播时,受到海气界面和水体吸收散射等影响,从而出现复杂的脉冲展宽,造成严重的波形失真,同时回波强度也随海水深度呈指数衰减。从波形失真的回波信号中准确定位激光信号的位置是确保机载激光测深精度的关键[19],本文采用实测水质数据对回波信号进行蒙特卡罗仿真,利用蒙特卡罗仿真激光脉冲展宽结果设计自适应匹配滤波器,对不同深度的回波信号进行自适应匹配滤波,提高测深精度。

    本文首先对机载测深系统的激光信号传输特性展开分析,详细分析激光信号经过大气-海气界面-海水-海气界面-大气的信道传输后的脉冲展宽、能量衰减和光斑扩展;其次根据激光传输特性的变化指导系统参数设计,以白天最大测深50 m为标准,设计机载激光测深系统参数以满足国际上已有系统的指标,并类推出系统的夜晚最大深度探测指标;然后根据不同深度回波信号特性设计对应匹配滤波器,并设计自适应匹配滤波算法;最后通过仿真对比分析自适应匹配滤波算法与固定匹配滤波的测深精度指标,为进一步提升机载海洋激光测深系统的性能提供新的技术途径。

    利用实测水质数据,对飞机高度500 m、水下深度10~70 m的回波信号进行蒙特卡罗仿真,分析不同海水深度下的激光传输特性变化。在机载海洋激光测深系统中,激光信号会依次经过大气、海气界面和海水到达海底发生反射,再经过海水、海气界面和大气传输至接收平面(飞机所处平面)。激光传输信道复杂,大气信道会对激光脉冲产生双程的吸收,海气界面由于海水和风的运动,海面通常处于波浪起伏的状态,在海平面不同位置光子包会根据海平面法线抽样发生折射进入海水,海气界面的仿真按照海气界面法线随风速抽样进行[20]。海水信道对激光具有吸收和散射作用,这会造成远场激光空间分布展宽、发散角弥散、能量衰减以及脉冲展宽。针对激光信号在海水中的传输特性变化研究,目前广泛采用蒙特卡罗法进行光子包追迹,通过在接收平面的光子包传输特性统计来描述激光信号经过海水传输后的传输特性变化。国内外已有研究发现,采用蒙特卡罗法追迹得到的激光传输特性变化可以有效模拟实测激光传输特性变化[21-28]。因此,本文将采用实测水质数据对回波信号进行蒙特卡罗仿真,利用激光脉冲展宽仿真结果设计自适应匹配滤波器,对不同深度的回波信号进行自适应匹配滤波,达到提高测深精度的研究目标。海水信道传输蒙特卡罗仿真算法如文献[28-30]所述。

    蒙特卡罗仿真时所需的参数主要分为激光脉冲参数、信道参数和接收条件3类。激光脉冲参数主要包括波长、峰值功率、光斑大小、远场发散角和初始脉冲宽度。为满足海洋测绘中的最大测深指标,波长应选择海水透射窗口的蓝绿波段,光源需要峰值功率高的激光器,结合脉冲激光器的研究现状,参考上海光机所机载测深系统参数,将光源参数设计为激光波长532 nm、激光峰值功率1.5×106W(其中初始脉冲宽度2 ns,单脉冲能量3 m J)、激光发散角0.2 mrad [31]。海底反射率0.1,大气光学厚度0.08,飞机高度500 m,海面风速10 m/s。与海水信道蒙特卡罗仿真有关的信道参数包括衰减系数cw、吸收系数aw以及不对称因子g, g=0.924可以很好地符合绝大多数海水情况[32-33]。水质参数采用实测水质,如图 1所示,由于海水中的叶绿素悬浮层导致水深40~50 m水域衰减系数与吸收系数增加。

    图  1  不同深度海水衰减系数与吸收系数
    Figure  1.  Attenuation Coefficients and Absorption Coefficients of Seawater at Different Depths

    激光脉冲经过500 m大气传输,再经过海水的吸收和散射,最后经过500 m大气传输到达接收平面,光斑空域扩展仿真结果如图 2所示。从图 2可以看出,由于受海水强吸收的影响,光斑总能量随海水深度的增加而呈指数衰减。光斑在10 m水深时半径为9.3 m,传输至70 m水深后扩展成半径为327.6 m的大光斑,光斑空域随海水深度的增加而快速扩展。光斑扩展的本质原因在于激光信号经过海水信道后的强散射使其发散角弥散,因此接收孔径和接收视场角都会对接收信噪比产生影响。图 2所获得的接收平面光斑仿真结果将作为机载海洋激光测深系统接收参数设计的输入条件。

    图  2  接收平面光斑扩展
    Figure  2.  Spot Expansion on Receiving Plane

    受海水信道强吸收与强散射的影响,回波信号除了强度随海水深度的增加呈指数衰减、光斑随深度的增加而扩展外,激光信号的回波波形也会出现展宽和失真。利用蒙特卡罗法进行激光传输仿真,不同深度下的回波信号波形如图 3所示。从图 3可以看出,脉冲展宽、失真随海水深度的增加而加剧,原始脉宽为2 ns,进入海水10 m水深时脉宽为25.4 ns,传输至70 m水深时脉宽展宽到101.6 ns。根据脉冲展宽仿真结果,波形由原始的高斯波形逐渐变成上升沿陡、下降沿缓的波形,此时采用原始波形作为固定匹配滤波波形会产生较大的脉冲定位误差,影响测深精度。图 3所获得的不同深度回波信号脉冲展宽将作为自适应匹配算法设计的输入条件。

    图  3  不同深度下回波信号脉冲展宽
    Figure  3.  Pulse Stretching of Echo Signal at Different Depths

    机载海洋激光测深系统的最大测量深度由回波信号信噪比决定,根据§1的仿真分析,由于回波信号的光斑扩展及发散角弥散,接收信噪比受接收孔径及接收视场角的影响,同时也受噪声的影响。噪声主要由散粒噪声、暗电流、热噪声和背景光噪声构成。信噪比的计算式为[18]:

    $$ \mathrm{SNR}=\frac{P_{s} S(\lambda)}{\sqrt{2 e B\left[S(\lambda)\left(P_{s}+P_{b}\right)+i_{d}\right]+\frac{4 k T B}{R}}} $$ (1)

    式中,Ps为信号光功率,本文中回波信号功率通过蒙特卡罗仿真获得;e为基元电荷;B为探测器电子学频宽,其大小取50 MHz; id=2 nA为探测器暗电流;S (λ)=0.4 A/W为探测器的响应度;k为波尔兹曼常量;T为探测器工作温度;R为负载电阻;Pb为背景光噪声功率,背景光噪声由大气辐射分析软件Modtran仿真得到。

    背景光噪声功率计算式为:

    $$ P_{b}=I_{B} \times \pi r^{2} \times \pi \theta_{\mathrm{fov}}^{2} \times \Delta \lambda $$ (2)

    式中,IB为背景噪声辐射量;rθfov分别为接收半径与接收视场角;Δλ为滤光片带宽,滤光片用于滤除带外背景光,Δλ越小越好,综合考虑目前窄带滤光片的工艺难度,选取带宽为0.5 nm的滤光片。

    对于机载海洋激光测深系统选用的532 nm波段,其白天背景噪声辐射量为IB=0.034 29 W∙cm-2∙sr-1∙μm-1,夜间背景噪声辐射量为IB=0.034 29 μW∙cm-2∙sr-1∙μm-1。白天时背景噪声辐射量光谱如图 4所示。从图 4可以看出,对于Jerlov IB、Ⅱ类水质透射窗口的绿光波段[34],当波长λ=518.5 nm时,白天的背景噪声辐射量为IB=0.014 58 W∙cm-2∙sr-1∙μm-1,相较于λ=532 nm波段,信噪比可以提升3.71 d B。对于优于Jerlov IB水质透射窗口的蓝光波段[34],当波长λ=486.2 nm时,白天的背景噪声辐射量为IB=0.018 69 W∙cm-2∙sr-1∙μm-1,相较λ=532 nm波段,信噪比可以提升2.64 d B。上述两种波段都处于弗朗禾费暗线,可以通过波长的选择大幅改善信噪比,但目前在518.5 nm和486.2 nm波段,针对海洋测绘的高峰值功率脉冲激光器研发尚不成熟,可将其作为未来海洋激光测绘的激光器关键技术开展技术攻关,因此本文系统中仍选用λ=532 nm波段激光器。

    图  4  白天背景光噪声辐射光谱
    Figure  4.  Solar Irradiance at Daytime

    不同接收孔径和接收视场在不同测距深度下的信噪比如图 5所示。从图 5可以看出,随着深度的增加,接收信号功率呈指数衰减。从图 5(a)5(c)中可以看出,由于光斑扩展,增加接收口径会增加信噪比,口径越大效果越好,但考虑机载、星载平台条件,接收口径不宜过大;从图 5(b)5(d)可以看出,白天视场角扩大,背景光接收也随之增多,信噪比几乎没有改善,夜晚增大视场角有明显改善。结合SNR > 3的最大深度探测标准,当r=30 cm,θfov=50 mrad时,白天50 m深度信噪比为4.459,夜晚70 m深度信噪比为3.81,机载海洋激光测深系统可以实现白天50 m、夜晚70 m的最大探测深度。

    图  5  不同接收参数、不同接收时间、不同深度下的接收信噪比
    Figure  5.  SNR of Different Receiving Parameters, Different Receiving Time and Different Depths

    根据图 3所示脉冲展宽仿真结果,波形由原始的高斯波形逐渐变成上升沿陡、下降沿缓的波形,匹配波形y (t)可由二项指数函数叠加表示,计算式为:

    $$ y(t)=a \exp (b t)+c \exp (d t) $$ (3)

    式中,t为回波信号时间;abcd均为二项指数函数拟合参数。t与深度h的换算关系为h=c0t/2n,其中,n为海水折射率,c0为真空中光速。

    对海水深度10~70 m的回波波形进行最小绝对值残差法拟合,各参数拟合结果如表 2所示,7种深度拟合的均方根误差(root mean squared error, RMSE)均小于1×10-5,对应的脉冲展宽波形如图 6所示。根据不同深度回波波形设计的不同匹配波形,可以用于自适应匹配滤波算法,提高机载海洋激光测深系统测深精度。

    表  2  不同深度对应匹配波形参数
    Table  2.  Parameters of Matching Filters at Different Depths
    深度h/m 脉宽t/ns 参数a/W 参数b/10-2s-1 参数c/W 参数d/10-2s-1 RMSE
    (0, 15] (0, 134] 5.3 × 10-4 -3.8 1.1 × 10-3 2.7 4.2 × 10-8
    (15, 25] (134, 223] 9.0 × 10-4 3.0 -3.2 × 10-4 14.17 1.1 × 10-7
    (25, 35] (223, 313] 2.1 × 10-4 2.6 -1.5 × 10-4 14.97 1.4 × 10-7
    (35, 45] (313, 402] 5.6 × 10-5 2.7 -5.3 × 10-5 11.20 3.8 × 10-7
    (45, 55] (402, 491] 1.4 × 10-5 2.4 -1.4 × 10-5 7.8 4.2 × 10-7
    (55, 65] (491, 581] 2.7 × 10-6 2.2 -3.1 × 10-6 7.9 1.7 × 10-6
    (65, 75] (581, 670] 9.3 × 10-7 2.2 -9.8 × 10-7 4.5 3.2 × 10-6
    下载: 导出CSV 
    | 显示表格
    图  6  不同深度匹配波形
    Figure  6.  Matching Filters at Different Depths

    对任意时刻的回波信号,计算回波波形与匹配波形在匹配窗口宽度内所有采样点的RMSE [35],计算式为:

    $$ D(t)=\sqrt{\frac{1}{N} \sum\limits_{m=1}^{N}\left(r\left(\frac{m}{N} \tau+t\right)-y\left(\frac{m}{N} \tau\right)\right)^{2}} $$ (4)

    其中,m为当前采样点,τ为匹配窗口宽度,根据脉冲展宽仿真结果,取τ=200 ns可满足测距深度要求,$\frac{\tau }{N}$为采样间隔,模数转换器每秒千兆采样数为10,则N=2 000;y(t)为匹配波形。测距精度计算式为[36]:

    $$ \Delta R=\sqrt{\Delta R_{s}^{2}+\Delta R_{c}^{2}} $$ (5)

    式中,ΔRc为测时电路中的时间测量电路变化引起的测距误差,激光测深系统采用飞行时间测量方法测量目标的距离,采用高精度时间测量芯片测量激光脉冲的飞行时间,测试精度可达27 ps,对应的海洋测距精度为3 mm;ΔRs为探测器输出脉冲匹配的测距误差,计算式为[37]:

    $$ \begin{gathered} \Delta R_{s}=\frac{c_{0} \Delta t}{2 n} \end{gathered} $$ (6)
    $$ \begin{gathered} \Delta t=\left|\arg _{t} \min D(t)-t_{0}\right| \end{gathered} $$ (7)

    式中,Δt为回波信号的测时误差;argtmin D(t)为选取D (t)为最小值时的时刻;t0为回波信号的真值时间。

    对10~70 m深度的回波信号进行仿真,分别采用自适应匹配滤波算法与固定匹配滤波算法进行波形位置提取,白天与夜晚的测深精度仿真如图 7所示。从图 7可以得出以下结论:

    图  7  自适应匹配滤波算法与固定匹配滤波算法在白天与夜晚的测深精度对比
    Figure  7.  Measurement Accuracy Comparison of Adaptive Matching Filter and Fixed Matching Filter at Day and Night

    1)对于深度小于20 m的浅海测绘,由于信噪比较高,且激光脉冲展宽不明显,自适应算法与固定匹配滤波性能接近,此时匹配算法对探测精度影响较小,探测精度主要受限于测时电路中的时间测量电路变化引起的测深、测距误差和大气信道引起的测距误差。

    2)对于深海测绘,激光衰减强烈导致接收信噪比降低,且激光脉冲出现明显的波形展宽与失真,测距精度开始明显下降。由于自适应匹配滤波器根据深度自适应选择波形进行匹配,相较于固定匹配滤波有显著的测距精度提高,且深度越大,波形失真越大,自适应匹配滤波器对测距精度的提升越明显。

    3)对于最大深度探测,在白天50 m水深情况下,自适应匹配滤波相较于固定匹配滤波算法可将测距精度从206 mm提高到166 mm,精度提高了40 mm;在夜晚70 m水深情况下,自适应匹配滤波相较于固定匹配滤波算法可将测距精度从239 mm提高到172 mm,精度提高了67 mm。

    本文通过采用实测水质结合蒙特卡罗仿真分析了不同深度下回波信号空间扩展、能量衰减以及脉冲展宽,并结合信噪比优于3的标准进行机载海洋测深系统参数设计。根据仿真结果,所设计系统参数能实现白天最大测深深度50 m,夜间最大测深深度70 m的测深性能,满足国际上现有机载海洋激光测深系统的指标。根据不同深度的回波波形设计了自适应匹配滤波算法,在白天50 m水深情况下,自适应匹配滤波相较于固定匹配滤波算法可将测距精度从206 mm提高到166 mm,精度提高了40 mm;在夜晚70 m水深情况下,自适应匹配滤波相较于固定匹配滤波算法可将测距精度从239 mm提高到172 mm,精度提高了67 mm。基于自适应匹配滤波算法的高精度激光测深技术可以满足中国南海近海大陆架的测绘要求。

    从背景光噪声辐射光谱的分析中可以看出,选用弗朗禾费暗线的λ=518.5 nm和λ=486.2 nm作光源可以大幅改善信噪比,开展λ=518.5 nm和λ=486.2 nm的高功率脉冲激光器关键技术攻关有望为未来海洋激光测绘提供更高的测绘深度和精度,进一步完善和提升机载海洋激光测深系统的性能。

  • 图  1   5G/SINS组合导航模型

    Figure  1.   Model of 5G/SINS Integrated Navigation

    图  2   用户速度、姿态真值

    Figure  2.   True Values of Velocity and Attitude of User

    图  3   基站数量充足时4种算法得到的位置误差

    Figure  3.   Position Errors Obtained by 4 Methods with Sufficient Number of Base Stations

    图  4   信号遮挡时采用TOA/AOD观测值的两种算法得到的位置误差

    Figure  4.   Position Errors Obtained by 2 Methods Based on TOA/AOD Observations in Case of Signal Blockage

    表  1   基站数量充足时4种算法得到的位置误差统计

    Table  1   Statistics of Position Errors Obtained by 4 Methods with Sufficient Number of Base Stations

    定位算法类型 定位成功率/% 位置误差/m
    北向 东向 垂向
    5G定位(TOA) 91.3 0.62 0.79 6.42
    5G定位(TOA/AOD) 100 0.64 0.67 1.15
    组合导航(TOA) 100 0.39 0.48 6.43
    组合导航(TOA/AOD) 100 0.38 0.36 0.44
    下载: 导出CSV

    表  2   信号遮挡时两种算法得到的位置误差统计

    Table  2   Statistics of Position Errors Obtained by 2 Methods in Case of Signal Blockage

    定位算法类型 定位成功率/% 位置误差/m
    北向 东向 垂向
    5G定位
    (TOA/AOD)
    98.1 3.30 3.44 1.68
    组合导航
    (TOA/AOD)
    100 0.88 0.97 0.46
    下载: 导出CSV
  • [1]

    Tahat A, Kaddoum G, Yousefi S, et al. A Look at the Recent Wireless Positioning Techniques with a Focus on Algorithms for Moving Receivers[J]. IEEE Access, 2016, 4(1): 6652-6680

    [2]

    3GPP. NR Positioning Protocol A(V16. 2. 0): 3GPP TS 38 455[S]. Nice: ETSI, 2020

    [3]

    3GPP. Stage 2 Functional Specification of User Equipment Positioning in NG -RAN (V15. 5. 0): 3GPP TS 38. 305[S]. Nice: ETSI, 2020

    [4]

    del Peral-Rosado J A, Seco-Granados G, Raulefs R, et al. Whitepaper on New Localization Methods for 5G Wireless Systems and the Internet-of-Things [R]. Brussels: European Cooperation in Science and Technology, 2018

    [5]

    Wen F, Wymeersch H, Peng B, et al. A Survey on 5G Massive MIMO Localization[J]. Digital Signal Processing, 2019, 94(1): 21-28

    [6]

    Wymeersch H, Seco-Granados G, Destino G, et al. 5G Millimeter Wave Positioning for Vehicular Networks[J]. IEEE Wireless Communications, 2017, 24 (6): 80-86 doi: 10.1109/MWC.2017.1600374

    [7]

    Koivisto M, Costa M, Werner J, et al. Joint Device Positioning and Clock Synchronization in 5G Ultra Dense Networks[J]. IEEE Transactions on Wireless Communication, 2017, 16(5): 2866-2881 doi: 10.1109/TWC.2017.2669963

    [8]

    Koivisto M, Talvitie J, Costa M, et al. Joint Centimeter Wave -Based Multiuser Positioning and Network Synchronization in Dense 5G Networks[C]//IEEE Wireless Communications and Networking Conference, Barcelona, Spain, 2018

    [9]

    Shahmansoori A, Garcia G E, Destino G, et al. Position and Orientation Estimation Through Millimeter Wave MIMO in 5G Systems[J]. IEEE Transactions on Wireless Communications, 2018, 17(3): 1822-1835 doi: 10.1109/TWC.2017.2785788

    [10]

    Talvitie J, Valkama M, Destino G, et al. Novel Algorithms for High-Accuracy Joint Position and Orientation Estimation in 5G Millimeter Wave Systems [C]//IEEE Globecom Workshops, Singapore, 2017

    [11]

    Abu-Shaban Z, Seco-Granados G, Benson C R, et al. Performance Analysis for Autonomous Vehicle 5G-Assisted Positioning in GNSS-Challenged Environments[C]//IEEE/ION Position, Location and Navigation Symposium, Portland, OR, USA, 2020

    [12] 施闯, 章红平, 辜声峰, 等. 云定位技术及云定位服务平台[J]. 武汉大学学报·信息科学版, 2015, 40(8): 995-999 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201508001.htm

    Shi Chuang, Zhang Hongping, Gu Shengfeng, et al. Technology of Cloud Positioning and Its Platform for Positioning Service[J]. Geomatics and Information Science of Wuhan University, 2015, 40 (8): 995-999 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201508001.htm

    [13] 涂伟, 曹劲舟, 高琦丽, 等. 融合多源时空大数据感知城市动态[J]. 武汉大学学报·信息科学版, 2020, 45(12): 1875-1883 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH202012006.htm

    Tu Wei, Cao Jinzhou, Gao Qili, et al. Sensing Urban Dynamics by Fusing Multi-sourced Spatiotemporal Big Data[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1875 -1883 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH202012006.htm

    [14]

    Jia Y, Tian H, Fan S, et al. Motion Feature and Millimeter Wave Multi -path AOA -TOA Based 3D Indoor Positioning[C]//The 29th Annual International Symposium on Personal, Indoor and Mobile Radio Communications, Bologna, Italy, 2018

    [15]

    Li Y, Qi G, Sheng A. Performance Metric on the Best Achievable Accuracy for Hybrid TOA/AOA Target Localization[J]. IEEE Communications Letters, 2018, 22(7): 1474-1477 doi: 10.1109/LCOMM.2018.2833544

    [16]

    Mendrzik R, Wymeersch H, Bauch G. Joint Localization and Mapping Through Millimeter Wave MIMO in 5G Systems[C]//IEEE Global Communications Conference, Abu Dhabi, United Arab Emirates, 2018

    [17] 刘帅. GPS/INS组合导航算法研究与实现[D]. 郑州: 信息工程大学, 2012

    Liu Shuai. Research and Implementation of GPS/ INS Integrated Navigation Algorithms[D]. Zhengzhou: Information Engineering University, 2012

    [18] 朱锋. GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术[D]. 武汉: 武汉大学, 2019

    Zhu Feng. GNSS/SINS/Vision Multi-sensors Intergrateion for Precise Positioning Orientation Determination[D]. Wuhan: Wuhan University, 2019

    [19]

    Shin E H. Estimation Techniques for Low-cost Inertial Navigation[D]. Alberta, Canada: University of Calgary, 2005

    [20]

    Raschkowski L, Kysti P, Kusume K, et al. METIS Channel Models (D1. 4)[EB/OL]. (2015-05-24)[2015-05-28]. https://www.metis2020.com/wpcontent/uploads/deliverables/METIS_D1.4_v1.0.pdf

    [21]

    METIS. Deliverable D6. 1 Simulation Guidelines [EB/OL]. (2013-10-30)[2013-10-31]. https://www.metis2020.com/wpcontent/uploads/deliverables/METIS_D6.1_v1.pdf

    [22]

    Ju S, Kanhere O, Xing Y, et al. A Millimeter Wave Channel Simulator NYUSIM with Spatial Consistency and Human Blockage[C]//IEEE Global Communications Conference, Waikoloa, HI, USA, 2019

    [23]

    Sun S, Maccartney G R, Rappaport T S. A Novel Millimeter Wave Channel Simulator and Applications for 5G Wireless Communications[C]//IEEE International Conference on Communications, Paris, France, 2017

  • 期刊类型引用(3)

    1. 刘超. 基于卷积神经网络的机载激光海洋测深波形分类. 自动化技术与应用. 2024(03): 48-51+56 . 百度学术
    2. 蒋雯雯. 光纤监测系统入侵信号的检测和识别. 云南师范大学学报(自然科学版). 2023(04): 41-45 . 百度学术
    3. 储栋,王磊,李靖宇,李忠,黄金中,李世保. 基于WPA-CSF的地面点云滤波方法研究. 地球物理学进展. 2023(05): 1919-1930 . 百度学术

    其他类型引用(2)

图(4)  /  表(2)
计量
  • 文章访问数:  737
  • HTML全文浏览量:  125
  • PDF下载量:  115
  • 被引次数: 5
出版历程
  • 收稿日期:  2020-10-24
  • 发布日期:  2022-07-04

目录

/

返回文章
返回