[发明专利]一种异构网络环境中面向指纹定位的基站部署优化方法

说明书

本发明公开了一种异构网络环境中面向指纹定位的基站部署优化方法。该方法使用CRLB(Cramer‑Rao lower bound，克拉美罗下界)度量给定基站部署方案的定位误差，然后应用遗传算法快速搜索具有最小平均定位误差并满足预定覆盖要求的最佳基站部署方案，以提高定位精度。此外，本发明提供的技术方案还考虑了异构网络环境中的基站部署优化和利用环境中已存在的基站提高定位精度。

技术领域

本发明涉及通信技术领域，更具体的说是涉及一种异构网络环境中面向指纹定位的基站部署优化方法。

背景技术

随着无线网络技术的迅速发展和智能移动设备的普及，位置感知服务和应用的需求日益增多。在这些服务和应用中，收集或计算位置信息是一个关键问题。GPS(GlobalPosition System,全球定位系统)在室外环境可以提供高精度的定位信息。然而在室内环境中，由于障碍物(如：墙壁、门窗、家具等)的遮挡使得收到的GPS信号较弱，无法计算出位置信息或计算出的位置信息偏差较大。因此需要建立室内定位系统提供可靠的位置信息服务。

目前，已经有许多用于室内位置感知的系统和技术，如ZigBee技术、射频识别技术、蓝牙定位技术、WLAN(Wireless Local Area Networks,无线局域网)定位技术等，其中基于WLAN的室内定位是一项低成本易实现的技术，因为几乎无处不在的WLAN基础设施和客户端设备消除了硬件成本。

在WLAN定位技术中，与三边测量定位方法相比指纹定位方法是优选的，三边定位方法容易受到传播路径损耗，路径衰落和环境阴影的影响。指纹定位分为离线阶段和在线阶段。在离线阶段，一些均匀间隔的参考点被用于从可用基站收集RSS矢量以生成指纹数据库；在在线阶段，当前采样的RSS矢量将与预先建立的指纹数据库进行匹配来估计目标位置。

然而，WLAN的主要目的是数据通信而不是提供定位服务。因此，原有基站布局下的WLAN提供的定位精度可能不足。通过优化基站位置提高定位精度是一种重要且有效的方法。大多数现有的基站部署优化方法通常基于信号覆盖范围、服务连接性、网络吞吐量和传输速率来优化基站位置以保障通信质量而没有考虑定位。一些用于提高定位精度的基站部署优化方法通常涉及以下三个方面：1)建立适当的目标函数来判断基站部署方案的质量；2)确定搜索最佳部署方案的搜索算法；3)确定在给定基站部署的情况下生成任意位置的RSS测量信号的传播模型(对于基于仿真的部署方法)。

关于目标函数，最具代表性的是以下四种：1)使每个参考点的RSS组合唯一；2)利用几何精度稀释度(GDOP)来评估定位性能；3)最小化无线电地图中每对指纹上的类似指纹的总数；4)最大化无线电地图中每对指纹的信号距离。

对于搜索算法，由于找到最优基站部署方案的问题基本上是NP完全问题，因此采用了不同的启发式算法来提高时间效率。例如，模拟退火算法、遗传算法、差分演绎算法。

对于无线信号传播模型，大多数方法采用简单对数路径损耗模型，而更实用的有Motley-Keenan模型和射线追踪传播模型。

但是，现有的提高定位精度的基站部署优化方法存在以下三个问题：

第一，没有考虑如何利用目标环境中预先存在的基站来提高定位精度。这些方法只研究了使用新部署的基站进行定位的场景。然而，用预先存在的基站提供定位数据是基于WALN指纹的室内定位系统的优点之一。忽略预先存在的基站可能会导致定位性能下降和基站部署不当。此外，这些方法仅考虑使用WiFi作为基站进行定位的场景，没有考虑异构网络环境中部署基站进行定位的场景。

第二，许多现有方法旨在通过使用一些启发式方法来搜索最大化指纹差异的基站部署方案。然而，最大化指纹差异的基站部署方案不一定使得在这样的室内环境中具有高定位精度。

第三，大多数基于仿真的部署方法采用简单对数路径损耗模型，该模型不能体现基站和接收器之间障碍物引起的衰减，如墙壁，家具等，导致仿真的RSS数据存在较大误差。