法律状态公告日
法律状态信息
法律状态
2019-03-29
授权
授权
2016-07-27
实质审查的生效 IPC(主分类):H04W64/00 申请日:20160128
实质审查的生效
2016-06-29
公开
公开
技术领域
本发明属于GSM-R(GlobalSystemforMobileCommunications–Railway,铁路 无线通信网)干扰源定位技术领域,涉及一种用于GSM-R的干扰源定位方法。
背景技术
随着我国铁路运输的不断发展,现有的模拟制式的铁路移动通信系统由于技术落 后、设备陈旧、功能单一,已不能满足现代化铁路发展的需求,因此,基于GSM标准的GSM-R (GlobalSystemforMobileCommunications-Railway)得到了快速的发展。GSM-R是一 种专门为铁路通信设计的无线数字通信系统,该系统在GSM标准基础上增加了调度、控制等 通信功能,并具备高速环境下使用的特点。GSM-R技术的不断成熟,加快了我国铁路信息化 建设的步伐,为促进我国铁路的发展和提高竞争力提供了可靠的保证。
GSM-R频率段主要工作在885-889/930-934MHz范围内,共4MHz带宽,该频段曾为铁 路GSM-R和中国移动公众移动通信系统按地域共用,现在由GSM-R系统独享该频段。由于GSM 网络布网较早,GSM-R频段独享后,GSM虽然采取了增补频段的方法,但GSM和GSM-R网络的共 用覆盖问题并没有全部的得到解决,所以中国移动GSM增补频段的信号源仍会对GSM-R网络 产生干扰,不仅如此,对于其余的如联通、电信和无线电台等发射的信号也有可能造成同频 干扰和互调干扰,以及非法未授权的基站或者天线也会造成同频干扰,由于GSM-R网络的地 形复杂,网络内部也存在同频干扰的问题。这些无线干扰信号都会影响GSM-R的正常接收和 发射,给基站覆盖区域的移动通信带来掉话、通话质量差、信道拥塞等问题,从而导致铁路 运营的工作效率下降,甚至给铁路的安全运行、旅客的生命安全和国家的发展带来隐忧。因 此,亟需发展高效的GSM-R干扰源定位算法,从物理上消除干扰源对铁路无线通信系统的影 响,确保铁路通信系统的安全运行。
GSM-R网络干扰源的定位算法主要分为测距定位算法和非测距定位算法两类,非 测距算法主要包括质心算法、Dv-Hop算法和APIT算法。由于非测距算法只能提供粗精度的 定位服务,因此发展了基于测距的定位算法。基于测距的定位算法是通过测量网络中节点 间的距离或方向角度以及信号强度来计算定位节点坐标的。主要测量技术有AOA(arrival ofangle到达角度)、RSS(receivedsignalstrength接收信号强度),TOA(timeof arrival到达时间)、TDOA(timedifferenceofarrival到达时差)等。目前,在这些定位算 法中,还没有出现考虑到移动站可能存在位置误差的情况,因此本发明发展了一种考虑移 动站位置误差的铁路无线通信网干扰源定位方法,进一步提高了对干扰源的定位精度,弥 补了现有的铁路无线通信网干扰源定位方法中未考虑移动站位置误差的这一不足。
发明内容
本发明目的是针对现有的GSM-R网络干扰源定位技术中存在的缺点与不足,用位 置误差加权矩阵,消除移动站位置误差对定位结果的影响,发展了一种考虑移动站位置误 差的铁路无线通信网干扰源定位方法。
本发明的技术方案是:一种考虑基站位置误差的GSM-R的干扰源定位方法,其特征 在于,包括以下步骤:
步骤1:获得n-1个TDOA和n个AOA测量值,构建几何方程组。
假设铁路无线通信网中的n个移动站的位置坐标为(xi,yi),i=1,2,...,n,干扰源 的位置坐标为(x,y),对干扰源和移动站构建如下方程组:
其中ri为干扰源到第i个移动站的距离值,ri,1为干扰源到第i个移动站的距离与 到第1个移动站的距离差,θi为干扰源到第i个移动站的弧度。
对式(1)展开化简可得:
其中,xi,1=xi-x1,yi,1=yi-y1,
将式(2)写成矩阵形式为:
Y=GZ(3)
其中,
步骤2:忽略移动站位置误差,对干扰源位置坐标进行初步估计。
步骤1所建立矩阵方程中,ri和θi为实测的距离值和弧度值,存在一定的测量误差, 如下所示:
其中,和为真实的距离值和弧度值,和分别为测量的距离误差和弧度误差, 服从均值为零的高斯分布,方差分别为和
将式(4)代入式(3)中可得残差为:
e=Y-GZ(5)
对式(5)求最大似然估计值,可得干扰源的位置坐标初步估计值:
Z=(GTcov(e)-1G)-1GTcov(e)-1Y(6)
其中,cov(e)为误差矢量的协方差矩阵:
cov(e)=E(eeT)(7)
将式(5)展开可得:
其中,
由式(3)可知因此对式 (8)进行泰勒展开并忽略高次项,可得:
由式(9)可得eiej,en+i-1en+j-1,和的期望值为:
将式(10),(11),(12),(13)代入式(7)可得误差矢量的协方差矩阵为:
其中,Bθ中含有未知量x和y,可先用TDOA进行初步估计,再将估计值代入Bθ,即:
其中,
步骤3:通过干扰源位置坐标初步估计值,构建位置误差加权矩阵。
通过式(6)得到的干扰源位置坐标初步估计值,没有考虑移动站的位置误差,实际 上移动站的位置坐标是通过GPS进行定位的存在一定的误差,因此为提高干扰源的定位精 度,需根据干扰源位置坐标的初步估计值构建位置误差加权矩阵,消除位置误差对定位结 果的影响。
首先,对带位置误差的移动站进行建模:
其中,和为位置误差,相互独立且服从零均值的高斯分布,标准差分别为σx和 σy。
将式(16)代入到式(5)中展开可得:
其中
由式(3)可知因此对式 (17),(18)泰勒展开并忽略高次项,可得:
由式(19),(20)可得eiej,en+i-1en+j-1,和的期望值为:
由式(21),(22),(23),(24)可知位置误差加权矩阵:
式(25)和(26)中Brx和Bry存在未知量x和y,可用步骤2中式(6)所求的干扰源位置 坐标初步估计值代替。
步骤4:消除移动站位置误差,精确定位干扰源。
通过步骤3获得了消除移动站位置误差的位置误差加权矩阵,因此可重构误差矢 量的协方差矩阵,进一步优化干扰源定位结果。
由式(21),(22),(23),(24),(25),(26),(27),(28)可得重构的误差矢量协方差矩 阵为:
将重构的误差矢量协方差矩阵式(29)代入式(6)中,可得到消除移动站位置误差 的干扰源位置坐标估计值。
由于通过式(6)求得的干扰源位置坐标未考虑x,y,r1之间的相关性,因此可以进 一步优化干扰源定位结果。
首先,假设x,y,r1的估计误差为μ1,μ2,μ3,则由式(6)求得的估计值可表示为:
[z]1=x+μ1,[z]2=y+μ2,[z]3=r1+μ3(30)
由式(30)可构造如下误差矢量:
e'=Y'-G'Z'(31)
其中
将式(30)代入到式(31),并忽略二次项可得:
则e'的协方差矩阵为:
cov(e')=E(e'e'T)=D{cov(Z)}D+Q(33)
其中,D=diag{[2(x-x1)2(y-y1)2r1]}≈diag{[2([z]1-x1)2([z]2-y1)2 [z]3]},,cov(Z)为式(6)求得的估计值的协方差矩阵,可通过扰动分析方法求解,定义Δ为误差扰 动分量,则式(6)可写成:
由于因此由式(34)展开并忽略高次项可得:
对式(35)化简移项得:
由于所以由式(36)可得:
由式(37)可得cov(Z)为:
对式(31)求最大似然估计可得:
由式(39)最终可求得优化后的干扰源的位置坐标估计值为:
本发明的有益效果为,本发明利用TDOA/AOA混合定位算法对干扰源进行粗定位得 到的初步估计值,构建了位置误差代价矩阵,消除了移动站位置误差对干扰源定位结果的 影响,进一步提高了干扰源的定位精度,弥补了现有的铁路无线通信网干扰源定位方法中 未考虑移动站位置误差的这一不足。
附图说明
图1本发明的干扰源定位流程图。
图2本发明的移动站和干扰源坐标随机部署图。
图3本发明的干扰源位置坐标定位效果图。
图4本发明的干扰源位置坐标定位误差图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述
如图1所示,本发明的流程为:首先对从铁路无线通信网中移动站获得的TDOA和 AOA测量值构建几何方程组,之后忽略移动站的位置误差对干扰源位置坐标进行初步估计, 然后通过得到的初步估计值构建位置误差加权矩阵,最后消除移动站位置误差对干扰源进 行精确定位。
实施例
如图2所示,铁路无线通信网络二维平面上,部署了8个移动站用于测量干扰源的 TDOA和AOA值,坐标分别为(0,0)、(0,5000)、(1250,2500)、(2500,5000)、(2500,0)、(3750, 2500)、(5000,5000)、(5000,0),以(xi,yi),i=1,2,...,8表示,其中1号移动站为服务站。干 扰源随机分布其中,本次实施例中干扰源位置坐标为(3650.3839,3833.9651),以(x,y)表 示。
步骤1:获得7个TDOA和8个AOA测量值,构建几何方程组。
首先对移动站和干扰源进行建模,通过获得的7个TDOA和8个AOA测量值构建如下 几何方程组:
其中ri为干扰源到第i个移动站的距离值,ri,1为干扰源到第i个移动站的距离与 到第1个移动站的距离差,θi为干扰源到第i个移动站的弧度。
对式(41)展开化简可得:
其中,xi,1=xi-x1,yi,1=yi-y1,
将式(42)写成矩阵形式为:
Y=GZ(43)
其中,
步骤2:忽略移动站位置误差,对干扰源位置坐标进行初步估计。
步骤1所建立矩阵方程中,ri和θi为实测的距离值和弧度值,存在一定的测量误差, 如下所示:
其中,和为真实的距离值和弧度值,和分别为测量的距离误差和弧度误差, 服从均值为零的高斯分布,标准差分别为σr=10和σθ=0.02。
将式(44)代入式(43)中可得残差为:
e=Y-GZ(45)
式(45)的协方差矩阵为:
其中,Bθ中含有未知量x和y,可先用TDOA进行初步估计,再将估计值代入Bθ,即:
其中,
由式(45)和式(46)可得忽略移动站位置误差的干扰源位置坐标初步估计值为:
步骤3:通过干扰源位置坐标初步估计值,构建位置误差加权矩阵。
对带位置误差的移动站进行建模:
其中和为位置误差,相互独立且服从均值为零的高斯分布,标准差分别为σx= 3和σy=3,带有位置误差的移动站位置坐标图如图3所示。
将式(49)带代入式(45)中,可求得位置误差加权矩阵为:
其中x和y分别为移动站和干扰源的真实坐标值,为求出位置误差的加权 矩阵,和可用带位置误差的移动站位置坐标xi和yi代替,x和y由式(48)得到的干扰源位 置坐标定位估计值代替。
步骤4:消除移动站位置误差,精确定位干扰源
为消除移动站位置误差对干扰源定位结果的影响,需重构误差矢量协方差矩阵, 则由式(50)、(51)、(52)、(53)可得重构的误差矢量协方差矩阵为:
将重构的误差矢量协方差矩阵式(54)代入式(48)中,可得到消除移动站位置误差 的干扰源位置坐标估计值为:
式(55)的协方差矩阵为:
通过式(55)求得的干扰源位置坐标未考虑x,y,r1之间的相关性,因此可以进一步 优化干扰源定位结果。
假设x,y,r1的估计误差为μ1,μ2,μ3,则由式(55)求得的估计值可表示为:
[z]1=x+μ1,[z]2=y+μ2,[z]3=r1+μ3(57)
由式(57)可构造如下误差矢量:
e'=Y'-G'Z'(58)
其中
则式(58)的协方差矩阵为:
cov(e')=E(e'e'T)=D{cov(Z)}D+Q(59)
其中,D=diag{[2(x-x1)2(y-y1)2r1]}≈diag{[2([z]1-x1)2([z]2-y1)2 [z]3]},。
由最大似然估计可得式(58)的估计值为:
由式(60)可求得优化后的干扰源的位置坐标为:
式(61)即为最终的干扰源定位结果,定位效果图如图3所示,从图3可以看出本发 明的干扰源定位结果非常接近干扰源的真实坐标值。
为了进一步说明本发明方法的定位效果,在图4给出了在不同距离测量噪声环境 下的定位误差效果,图4中距离测量噪声误差服从零均值的高斯分布,标准差范围为10~ 20m,从图4中可以看出本发明方法存在较小的定位误差。
从上述验证结果可以看出,采用本发明方法估计的干扰源位置坐标有很小的定位 误差量,定位较好。
机译: 一种基于专有卫星导航的自动拉伸计算系统,同时考虑到位置误差和为此目的的方法,
机译: 一种考虑基站与移动站之间的传播延迟以及用于CDMA通信网络的基站与移动站的CDMA通信方法
机译: 基站,无人飞行器和计算机可读存储介质的干扰源定位方法