论文部分内容阅读
5G通信技术在人们的日常生活将扮演着极其重要的角色。5G中一项重要指标是其传输速率,相比于4G通信技术而言,该指标提高近10倍。然而,当前无线通信技术大多工作在较低的频段,传输速率较低很难满足高传输速率的要求。此外,由于低频段的频谱资源有限紧张,研究者已经开始着手寻找更加丰富的带宽资源。使得拥有近7GHz带宽的60GHz频段的毫米波信道受到了极大的关注。由于城市化进程加快使得综合性服务大楼日渐增多,人们的室内活动更加频繁,室内逐渐成为人们日常生活的主要场景。因此,众多日常工作和生活服务迫切需要室内目标位置信息的准确估计。基于上述背景,本论文就如何利用60GHz毫米波频段估计室内目标位置的问题进行研究。首先,根据波束赋形技术能够提供天线阵列增益,利用其弥补传输损耗,增大传输距离。考虑到IEEE 802.15.3c标准中关于基于码本的波束赋形方案中码字的相位受到限制,根据IEEE 802.11.ad的标准提案中提出的细节化分级扫描进行波束赋形技术来缩短波束训练时间的方案,本文提出了基于码本的波束赋形和目标位置信息估计的自适应算法。该算法首先利用最优波束的码字相位得到目标的方位角,利用多个基站得到目标方位角计算得到目标位置的估计值。当目标位置估计值与基站的角度和最优的码字对应的角度差值较大,则利用目标位置估计值和基站的角度去更新码字的相位。最后,当两个角度之间的差值小于设定的门限值,停止迭代。仿真结果显示,通过基于码本的波束赋形和目标位置信息的自适应算法具有更高的误差累积分布函数。其次,针对单一定位算法受到限制较多的情况,本文进一步研究了利用两种或两种以上定位算法的融合来提高定位的精度。传统的Kleine-Ostmann的定位数据融合模型中利用是TOA/TDOA的测量值进行融合,考虑到60GHz毫米波中利用波束赋形得到的角度信息,在原本的Kleine-Ostmann数据模型基础上进行改进,将利用波束赋形的得到角度信息、TOA+AOA和TDOA+AOA混合定位算法得到的目标位置估计值进行融合。仿真结果表明,改进的融合模型得到的目标位置估计值能够更加接近实际目标位置。最后,由于数据融合模型中决策层的融合算法直接决定了融合之后的目标位置估计值,其较大程度上影响了目标位置估计值的准确性,而直接利用均值和方差来选择目标位置的估计值的方法存在着较大误差。本文通过改进基于密度的聚类算法来进行数据融合。选取目标位置估计值密度最大的区域作为目标实际位置所在的区域,将此区域中位置估计值的均值作为目标实际位置的估计值。仿真表明,改进的基于密度的聚类算法能够一定程度降低定位的误差值,提高定位的精度。