基于gps-gsm技术的LBS移动定位估计

P.Sravanthi
奥斯马尼亚大学工程学院(A) ECE系研究生，海德拉巴，美联社，印度

摘要

使用全球移动通信系统(GSM)的位置估计是一种新兴的应用，它从多个信号测量中推断移动接收机的位置。该方法基于GSM蜂窝系统的固有特性，并利用该信息来估计phoneâ的位置。移动定位是提供基于位置的服务的关键方面。为了提供可靠的基于位置的3G通信服务(LBS)，移动站(MS)的准确位置估计是必不可少的。在现有的定位技术中，有各种基于时间估计、角度估计和经济估计的定位技术。这项工作提出了一种新的简单方法，利用接收信号强度(RSS)测量来确定MS位置，该方法基于RSS概率法的pdf，从而提高了精度并减少了最小均方误差(MMSE)。事实证明，这是非常有益的，可以提高估计精度，从而以实用和经济有效的方式实现高性能移动定位。实验观测结果与全球定位系统(GPS)接收机的测量值进行了验证，结果吻合较好。

关键字

定位服务，接收信号强度，全球定位系统，全球移动通信系统

介绍

为了验证本文方法的可靠性，在实际移动网络环境中进行了实验。实验还研究了不同速度对移动信号的影响以及速度对MS定位精度的影响。在本文中，我们还讨论了提高结果准确性的可能方法。Ali, O.， Ali, S.和Koray, C.，[1]演示了用于交互式定位和速度跟踪的GPS和GSM应用程序。然而，R. Ananth的[2]启用了定位手机，从而产生了新的和多样化的移动劳动力管理应用程序。美国联邦通信委员会(FCC)规定，无线紧急(E-911)呼唤者的定位精度必须达到300m (CC Docket 1994)[3]。移动位置可以支持许多应用程序，例如紧急服务、路边援助、计费、导航、跟踪等等。第一类GPS已经在GSM(全球移动通信系统)网络中标准化为辅助GPS方法[5]，这需要在移动终端和网络两个方面进行硬件开发。第二类通过来自移动设备的信号在几个BSs[6]处的到达角(AOA)定位移动设备。该技术不需要台站之间的时间同步，并且可以使用两个BSs。 The third category estimates the mobile location based on the Received Signal Strength Indication (RSSI) measurements [7]. This approach uses the relationship between the received signal strength and the distance from the base stations (BS) to the mobile station. They transformed the nonlinear equations relating the RSS to the mobile position to a set of linear equations, which are solved by constrained, weighted least squares. The accuracy achieved by using RSS measurements may not meet all emergency and strategic requirements but it is an attractive solution for less demanding LBS [8]. In another work for mobile location estimation, Yamamoto et al., (2001) [9] considered the fluctuations of RSS due to shadowing and obtained the probability density function of the propagation distance. It is reported that the algorithm is more accurate than the conventional cell-based algorithm. Salcic (1997) [10] presented an automatic GSMbased positioning and communication system for positioning of the mobile station in general way without offering any technical details. Kyriazkos, Drakoulis &Theologou, (2001) [11] Presented a technique based on GPS and networkbased technique but with very limited technical details. Several other recent papers also dealt about location based services without offering many technical details [12-13].

数据采集

基于网络的GSM数据的使用具有很大的潜力，因为几乎每个人都有一部手机，与GPS相比，这些数据在市中心地区也可用。与GPS定位相比，移动定位精度的降低被大量的数据所弥补。

A.基于RSS概率法的小区定位算法

步骤1:首先我们选择一个合适的单元格大小

步骤2:现在，我们可以用上面的单元格大小构建七个六边形单元格

步骤3:我们假设移动单元位于其中一个六边形单元中

第4步:现在做必要的假设，我们从第i个BS在位置(x, y)处计算RSS p(ri / x, y)的pdf，给出如下

B.估计结果

仿真结果验证了RSS概率算法在典型GSM小区结构下的性能。得到了不同单元尺寸下的位置定位估计结果。在服务单元中估计车辆穿越路径(模拟)。所提供的所有模拟结果都是几次独立运行的平均值。

C.不同电池尺寸模拟结果的比较

对于相同的GSM小区结构，通过每次增加0.5km的小区大小，研究了位置估计结果。给出了估计的定位结果、相应的均方根误差和乘法因子(C′)。仿真结果表明，估计的位置与ms的实际位置吻合较好，计算每一次运行的RMS误差并绘制在图1中，可以得出误差随着单元侧尺寸的增加而增加。最大误差发生在单元侧六边形为5km处(这是模拟运行中考虑的最大单元尺寸)。在所有的情况下，MS被认为是在主单元。如果不确定，也可以通过坐标变换技术将MS位置虚拟地移到主单元中。在估计位置后，可以用同样的技术将其向后移动。结果表明，所开发的算法对于细胞大小(a)小于500m的皮细胞表现良好，因为最小估计误差仅为4.44m。这种方法不建议在电池尺寸大于5公里的农村地区使用。

对于不同的单元边长，估计倍增因子(C')，并随着边长的增加而减小。根据观测结果，乘法因子被建模为单元边长(a)的九次多项式(等式8)。估计和建模的倍增因子绘制在图2中。从图2中可以清楚地看出，估计因子(C′)与模型因子(C′)吻合良好。根据建立的细胞大小与倍增因子之间的关系(等式8)，对于任何给定的细胞大小，倍增因子(C’)都可以很容易地计算出来。

图1平均误差与单元格侧尺寸关系

图2乘数随六边形边长的变化

实际路径和估计路径如图3所示。该图显示了估计路径与真实路径的接近程度。最初(接近BS)估计路径与实际路径非常吻合。当偏离实际路径时。这可以归因于随着MS远离BS，来自主单元的RSS概率的支配性变弱。因此，实际路径与估计路径之间存在偏差。

D.模拟路径与估计路径的比较

在3km、4km和5km单元中假设(模拟)一条路径，沿着约0.2km规则间隔的路径取实际MS位置。对于沿着路径的假设位置，使用概率算法获得估计。这些误差可以归结为移动信道中未建模的多路径环境。这种方法只能处理阴影效果。因此，该模型需要进一步修改，以消除多路径，而不是最小化。实际路径和估计路径如图4、图5所示。该图显示了估计路径与真实路径的接近程度。最初(接近BS)估计路径与实际路径非常吻合。当偏离BS时，估计路径会略微偏离实际路径。这可以归因于随着MS远离BS，来自主单元的RSS概率的支配性变弱。 Therefore, there exists a deviation between actual and estimated paths. Similar results are observed for other assumed paths in the main cell also. Vehicle path in other cells also can be estimated by coordinate transform technique. The cell containing the mobile vehicle automatically becomes main cell and surrounding cells become neighboring cells. Even if vehicle path passes through many cells, the same procedure can be adopted.

E. 3 km、4 km、5 km单元尺寸位置估计误差分析

为了有效地分析一种特定方法的性能，误差分析对于文具和漫游情况都是必要的。当MS远离主BS并向单元边界移动时，确定在各个位置的位置误差。主BS与MS之间误差随距离的变化如图6、图7所示。从表1可以观察到，当MS远离BS时，误差增大。可以很容易地将误差的增加归结为主要接收信号强度的降低。这是因为多路径等移动环境噪声占主导地位。误差的最小值、最大值、平均值和标准差见表2。

E.位置估计的误差分析

误差性能参数仅存在于多个估计(平稳情况)。为了评估估计的准确性，确定了诸如最小值、最大值、均方误差(MSE)和标准偏差等性能度量，并在表2中列出。

结论

本文的主要目的是提出一种能以最小实现成本定位任何GSM手机的方法。本文论述了RSS测量在定位中的重要性。采用概率RSS方法得到的MS位置估计结果比常规方法精度更高。仿真结果令人鼓舞，平均位置误差为10.30 m。当MS接近细胞边界时，估计路径几乎接近原始路径，最大误差为138 m。当MS远离BS向单元边界移动时，估计误差增大。从模拟结果可以看出，随着单元尺寸的增大，误差也会增大，而且可以很容易地发现MS和BS之间的距离。实验观测结果与GPS测量结果吻合较好。从模拟结果可以看出，随着单元尺寸的增大，误差也会增大，而且可以很容易地发现MS和BS之间的距离。该模型需要进一步修改，以消除多路径，而不是最小化，以获得更好的定位精度。 It is advisable to use this method in Pico-cells (used in metropolitan areas) where more number of hearable BSs are assured.

参考文献

Ali, O.， Ali, S.和Koray, C.，“交互式位置和速度跟踪的GPS和GSM应用”，IJCI信号处理国际会议论文集，ISSN，第1304-2386页，第1卷，第2号，2003年9月。
Ananth, R，“从拨号音到位置音:具有位置功能的手机正在产生新的和多样化的移动劳动力管理应用程序”，2006年位置会议论文集，第二届定位、导航和计时国际会议，班加罗尔，2006年6月7-9日。
CC Docket No. 94-102，“修改CommissionÃ¢Â ' Â ' s规则以确保与增强的911紧急呼叫系统兼容”，1999年10月6日。
Drane, C.， Macnaughtan, M.和Scott, C.，“GSM电话定位”，IEEE通信杂志，第36卷，第4期，第46 - 59页，1998年4月
Rappaport t.s.， Reed J.H.和Woerner b.d.，“未来高速公路上使用无线通信的位置定位”，IEEE通信杂志，第34卷，第10期，第33-41页，1996年10月。
Liberti, j.c.， Jr.和Rappaport, t.s.，“无线通信的智能天线:IS-95和第三代CDMA应用”，Prentice Hall通信工程和新兴技术系列，新泽西，1999。
马文奎，陈玉婷，刘国强，“基于受限加权最小二乘的移动定位算法”，声学与语音信号处理国际会议论文集，第5卷，第137-140页，2003。
Weiss, J. A.，“基于RSS测量的蜂窝定位系统的精度”，IEEE车辆技术汇刊，第52卷，第6期，1508-1518页，2003年11月。
山本，R.， Matsutani, H.， Matsuki, H.， Oono, T.和Ohtsuka, H.，“蜂窝系统中使用信号强度的位置定位技术”，IEEE 2001，第2570-2574页，2001。
Salcic, Z.，“agpcs -基于gsm的自动定位和通信系统”，第二届年度地理计算会议论文集“97，& SIRC”97，奥塔哥大学，新西兰，1997年8月。
Kyriazakos, S.， Drakoulis, D.和Theologou, M.，“基于混合卫星辅助和网络技术的移动终端本地化”，IEEE, 2000。
Krishnamurthy, N，“使用SMS提供基于位置的服务”，IEEE, ICPWC, 2002
朱，J，杜金，G.D，“基于接收信号强度的移动电话室内/室外定位”，电子通讯，Vol.41, No. 1, 2005年1月6日。