留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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

doi: 10.13203/j.whugis20200585
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。
  • 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
  • [1] 方新, 邹滨, 刘宁.  不确定性约束下的AOD空间覆盖STRE建模优化 . 武汉大学学报 ● 信息科学版, 2020, 45(4): 534-541. doi: 10.13203/j.whugis20180271
    [2] 陶贤露, 张小红, 朱锋, 肖佳敏.  一种基于加表零偏稳定性的GNSS/SINS组合导航异常探测方法 . 武汉大学学报 ● 信息科学版, 2018, 43(7): 1078-1084. doi: 10.13203/j.whugis20160405
    [3] 张秋昭, 张书毕, 刘志平, 郑南山.  基于双差伪距/伪距率的GPS/SINS紧组合导航 . 武汉大学学报 ● 信息科学版, 2015, 40(12): 1690-1694,1700. doi: 10.13203/j.whugis20130349
    [4] 孙克文, 徐华敏, 刘伟, 丁志中.  卫星导航信号差分联合信道组合捕获策略 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1413-1419.
    [5] 李廷军, 林雪原.  基于多尺度预处理的GPS/SINS组合导航系统 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 6-9.
    [6] 林雪原, 鞠建波.  利用神经网络预测的GPS/SINS组合导航系统算法研究 . 武汉大学学报 ● 信息科学版, 2011, 36(5): 601-604.
    [7] 朱忠敏, 余娟, 龚威.  Peterson模型的参数选择及优化 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1025-1029.
    [8] 宋敏, 袁运斌.  月球软着陆自主组合导航研究 . 武汉大学学报 ● 信息科学版, 2010, 35(9): 1013-1016.
    [9] 朱忠敏, 龚威, 余娟, 田礼乔.  水平能见度与气溶胶光学厚度转换模型的适用性分析 . 武汉大学学报 ● 信息科学版, 2010, 35(9): 1086-1090.
    [10] 姚静, 聂鹏程, 易东云, 朱炬波.  基于组合卫星导航系统的编队卫星分析 . 武汉大学学报 ● 信息科学版, 2009, 34(1): 92-96.
    [11] 于兴旺, 张小红, 刘经南, 赵莹.  GPS/DR原始观测值组合导航定位研究 . 武汉大学学报 ● 信息科学版, 2009, 34(2): 236-239.
    [12] 杨涛, 王玮, 朱智勤.  GPS/SINS组合系统时间同步误差的分析与验证 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1181-1184.
    [13] 高为广, 杨元喜, 崔先强, 张双成.  IMU/GPS组合导航系统自适应Kalman滤波算法 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 466-469.
    [14] 林雪原, 孟祥伟, 何友.  双星定位/SINS组合系统的滤波方法及一致性研究 . 武汉大学学报 ● 信息科学版, 2006, 31(4): 301-303.
    [15] 林雪原, 刘华章, 史佩.  一种低成本、低精度SINS/GPS组合导航系统及试验研究 . 武汉大学学报 ● 信息科学版, 2006, 31(10): 871-874.
    [16] 康国华, 刘建业, 熊智, 祝燕华.  弹道导弹的GNSS/SST/SINS组合导航系统研究 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 176-179.
    [17] 柴艳菊, 欧吉坤.  GPS/DR组合导航中一种新的数据融合算法 . 武汉大学学报 ● 信息科学版, 2005, 30(12): 1048-1051.
    [18] 林雪原, 刘建业, 汪叔华.  RDSS/SINS组合系统的建模与仿真研究 . 武汉大学学报 ● 信息科学版, 2004, 29(3): 210-213.
    [19] 刘广军, 吴晓平.  利用联邦滤波器设计SINS/RDSS/GPS组合导航系统 . 武汉大学学报 ● 信息科学版, 2001, 26(5): 441-445,458.
    [20] 赵庆志, 杨鹏飞, 李祖锋, 姚顽强, 姚宜斌.  COVID-19期间中国区域AOD与气象因子时空特征分析 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20210209
  • 加载中
图(4) / 表(2)
计量
  • 文章访问数:  107
  • HTML全文浏览量:  46
  • PDF下载量:  47
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-10-25
  • 刊出日期:  2022-07-05

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

doi: 10.13203/j.whugis20200585
    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

    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

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。

English Abstract

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
  • 作为信息交互枢纽,第5代移动通信技术(5th generation,5G)在实现通信功能的同时,也具备许多有利于定位的优良特性[1],如高频高带宽、超密集基站分布,以及大规模天线阵列等。作为通信标准的制定者,第3代合作伙伴计划(the third generation partnership project,3GPP)也一直致力于将定位能力加入通信标准[2-3],5G定位的可行性得到了广泛的认可[4-6],文献[7-8]采用两层卡尔曼滤波方案,在sub-6 GHz频率上实现了亚米级定位精度以及纳秒级的时钟同步精度[7-8]。文献[9-10]则更多地利用毫米波信道的稀疏性,采用压缩感知来估计信道参数,进而分析克拉美罗定位下界,仿真分析表明,5G毫米波定位在存在散射点的条件下可实现厘米级的定位精度。目前,关于5G定位能力的研究大多集中在理论算法层面,缺少对观测环境的考虑。

    事实上,与其他无线信号一样,5G信号在传输过程中也会受复杂环境的干扰[11]。尤其是在城市峡谷和隧道等情况下,信号遮挡使得可观测5G基站数量较少,基于到达时间(time of arrived,TOA)的5G定位能力被制约,甚至出现无法定位的情况。这使得5G多源融合定位成为新的发展趋势[12-13]

    5G中多天线阵列的加入在扩大通信容量的同时使得5G具备一定的测角能力,与仅采用TOA进行5G定位相比,测角信息的加入可以在一定程度上解决观测值数量不足的问题,减少定位所需基站数[14-16],提高定位成功率。另一方面,捷联惯性导航系统(strapdown inertial navigation system,SINS)仅需利用自身惯性元件的量测信息即可进行用户位置、速度以及姿态等参数的推算[17-18],可以与5G定位进行融合,降低恶劣观测环境对5G定位的影响。然而,目前还未看到将5G测角信息、惯性传感器与5G定位进行融合的相关研究。

    本文的核心工作围绕融合TOA/信号离开角(angle of departure,AOD)的5G/SINS组合导航算法建模与精度分析展开,首先介绍了基于TOA的5G定位模型;接着,针对信号遮挡场景,提出了融合TOA/AOD的组合导航模型;然后,开展了可观测基站数量充足、遮挡这两类场景下的仿真实验,对采用TOA或TOA/AOD的5G定位和组合导航的位置误差进行了比较。

    • 本文中,将基站i的位置坐标矢量记作ri=xiyiziT,用户在r=xyzT处接收到基站i发出的5G信号,提取出信号传播时延ti。若用户在当前位置可观测到n个基站(i=1, 2n),各基站的测距观测值可以表示为:

      ct1ct2ctictn=r1-rr2-rri-rrn-r+ε ]]>

      式中,c为光速;ε为观测误差;表示向量模长。记f(r)为以向量r为自变量的函数:

      f(r)=r1-rr2-rri-rrn-r ]]>

      用户当前位置坐标r为未知量,自由度为3。因此需要至少3个基站才能够进行位置解算,即n3。在初值r0处进行泰勒一阶展开,忽略线性化造成的精度损失,构建最小二乘观测方程为:

      z=Hx+ε ]]>

      式中,x为状态量且x=r-r0z为观测量且z=f(r)-f(r0);转移矩阵H=f'(r0)f'(r0)为函数f(r)r=r0处的一阶导数)。将观测值权阵P设为单位阵,进行迭代最小二乘估计:

      x=(HTPH)-1HTPz ]]>

      多次迭代后状态量x收敛即表示定位成功。状态量反馈后即得到待估用户坐标r

    • 本文提出的5G/SINS组合导航模型建立在导航系下。如图 1所示,在已知初始位置r0、速度v0、姿态q0的条件下,惯性传感器感知用户运动,按一定频率输出角增量Δθ和速度增量Δv,通过惯性导航解算得到位置rINS、速度vINS、姿态qINS。同时,用户与5G基站进行通信,获取5G信号到附近多个基站的传播时延t和方位角α、高度角β,通过5G定位模型得到当前时刻载体的5G定位解r5G。将两种方式得到的位置结果rINSr5G转换到同一个参考中心点后作差,投影到导航系中作为观测量进行卡尔曼滤波,并输出当前时刻组合导航位置、速度、姿态的最优估计rvq。组合后的位置速度姿态结果又可作为初值代入到下一时刻的惯导推算中。

      图  1  5G/SINS组合导航模型

      Figure 1.  Model of 5G/SINS Integrated Navigation

    • 基站i的位置坐标ri=xiyiziT,用户在r=xyzT处接收到基站i发出的5G信号,提取出信号离开方位角αi-π,π、离开高度角βi-π/2,π/2、信号传播时延ti。用户当前位置坐标r为未知量,自由度为3,由于加入了离开高度角和离开方位角,此时至少有1个基站就能够进行位置解算。用户到基站的测角和测距观测值可以表示为:

      [αi βi cti ]T=arctan2(y-yi,x-xi)arctanz-zix-xi2+y-yi2x-xi2+y-yi2+z-zi2+ε ]]>

      线性化后得到形如式(3)的观测方程,之后即可通过式(4)进行迭代最小二乘解算,得到待估用户坐标r。不同的是,由于此时观测值中存在角度和距离这两类不同类型观测值,观测值权重不再为单位矩阵。假设各观测值之间互相独立,权重矩阵P可设置为:

      P=1mα20001mβ21c2mt2000 ]]>

      式中,mt2mα2mβ2分别为时延、方位角、高度角观测值的中误差。

    • 卡尔曼滤波中的状态方程由惯性导航误差传播模型建立。采用松组合模式对5G和惯导数据进行融合,这种组合方式建立在两种导航系统的结果层面上,即只需要5G定位和SINS各自解算得到的位置以及协方差矩阵。

      在导航系中,建立SINS误差微分方程。状态参数为15维,包含位置误差δr、速度误差δv、姿态误差ϕ、加速度零偏ba和陀螺零偏bg。本文将陀螺零偏误差wbg和加速度计零偏误差wba建模为一阶高斯马尔可夫过程,相关时间τ=100 s,陀螺零偏标准差σbg=36 °/h,加速度计零偏标准差σba=1 mg。将角速度误差wg和加速度误差wa建模为白噪声,表示为陀螺的角度随机游走(angle random walk,ARW)σARW=3 °/h和加速度计的速度随机游走(velocity random walk,VRW)σVRW=0.12 m/(sh)。连续时间系统状态方程可以表示为:

      δr˙δv˙ϕ˙b˙gb˙a=Fδrδvϕbgba+00000Cbn00-Cbn00000I0000Iwgwawbgwba ]]>

      式中,δr˙δv˙ϕ˙b˙gb˙a分别为δrδvϕbgba的一阶导数;Cbn为姿态旋转矩阵;状态转移矩阵F的具体计算公式可参考文献[19]。

      在构建观测方程时,由于5G天线相位中心与惯性测量单元(inertial measurement unit,IMU)相位中心不一致,首先需要进行杆臂改正,将位置向量归算到5G天线相位中心上。之后将惯导递推并经过杆臂改正后的位置结果与5G定位解算得到的位置结果的差值在导航系下的投影作为观测量,通过构建观测量与状态量之间的关系得到转移矩阵H,计算公式为:

      H=I0Cbnl×00 ]]>

      式中,l为杆臂向量,即IMU测量中心指向5G天线相位中心的矢量在IMU坐标系下的投影。

    • 本文设计了可观测基站数量充足、信号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种解算方法获得的位置结果进行了统计分析。

    • 为了更贴合实际的室外城市微基站场景,本文以100 m为间距建立正方形基站网格,基站高度服从[5,15] m内均匀分布[20-21]。实验过程中,用户仅能与距离最近的几个基站进行通信,获取对应的观测值。用户可观测到的基站数量可以在一定程度上表示观测条件的优劣。用户轨迹的长度约为4.8 km,时长约10 min。

      图 2中可以看出,用户运动过程中横滚角和俯仰角均维持在0°附近,只有航向角发生了改变。同时,用户垂向运动动态性较弱,垂向速度小于0.04 m/s,轨迹的高程变化在2 m以内。

      图  2  用户速度、姿态真值

      Figure 2.  True Values of Velocity and Attitude of User

      5G信号传播过程的模拟及测角、测距观测值的获取是通过对开源5G信道模拟器NYUSIM进行了一定的改进来完成的[22-23]。对获取到的测角、测距误差进行统计,得到测距精度约为1 m,高度角精度约为2.5°,方位角精度约为8.5°。

    • 为了模拟可观测基站数量充足的场景,实验中基站数量设置为4~8之间的均匀分布,计算得到平面的精度因子(dilution of precision,DOP)均值约为1,垂向DOP均值约为3。

      图 3中可以看出,当可观测5G基站数量充足时,5G定位和组合导航均得到了较为连续且稳定的位置结果。表 1的统计结果显示,5G定位成功率高于90%,其中少数失败历元主要是由较差的观测值导致。同时,在5G定位和组合导航中,垂向位置误差比平面位置误差大,主要原因是基站分布均位于用户轨迹上方,垂向基站分布相对较差。对比4种解算方法的定位误差可以看出,加入测角观测值后,水平位置误差变小的幅度较小,而垂向位置精度有显著改善。这是因为测角信息中高度角精度优于方位角精度。另外,与5G定位相比,组合导航解算得到的位置误差均方根在水平方向上减少了40%左右;而在垂向上,基于TOA的5G定位中出现了较大的连续偏置误差,这也使得TOA组合导航的垂向误差也出现了较大的误差。

      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

      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
    • 为了模拟信号遮挡的场景,实验中可观测基站数量设置为1或2的均匀分布。由于可观测5G基站数量较少,无法进行基于TOA的5G定位。如图 4所示,AOD观测值的加入降低了对定位解算中可观测5G基站数量的需求,使得基于TOA/AOD的5G定位能够解算得到定位结果,且成功历元比例达到了98%(见表 2)。

      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 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

      对比表 1表 2的结果可以发现,在基站信号遮挡时,加入AOD观测虽然实现了高成功率的定位,但定位精度相比于基站数量充足的情形仍有所下降。进一步加入惯性传感器后,位置误差减少了70%左右,即采用TOA/AOD组合导航在实现100%定位成功率的同时,消除了误差较大的飞点,且总体定位精度优于1 m。

    • 为改善5G定位在城市峡谷和隧道等复杂环境下的定位能力,本文提出了融合TOA/AOD的5G/SINS组合导航方案,并在复杂场景下进行了仿真验证。实验结果表明,测角信息的加入在可观测基站数量充足时,对定位精度和定位成功率的影响较小;而在可观测5G基站受到遮挡时,则具有十分明显的优势,能够有效地提高定位成功率。SINS的加入不仅能确保100%的定位成功率,还能抑制较大位置误差的出现,使水平和垂向位置误差减少40%~70%,提高了定位精度和连续性。但当5G定位中出现连续的较大误差历元时,也会影响组合导航的位置解算结果。因此,在复杂环境下,融合测角信息进行组合导航才能够充分发挥两者的优势,在有效降低组合导航发散概率的同时提高定位连续性和定位精度。

      本文通过仿真验证了所提方法的可行性,但尚未进行5G定位的实测验证。另外,本文采用的定位算法仅利用了视距条件下的直达路径信号,忽略了非视距及多径信号中包含的信息。这有待后续进一步的研究。

参考文献 (23)

目录

    /

    返回文章
    返回