移動網(wǎng)絡(luò)定位研究進(jìn)展

張 毅，徐昌慶，萬 群

(1.華為技術(shù)有限公司，上海 201206；2.上海交通大學(xué)電子信息與電氣工程學(xué)院，上海 200240；3.電子科技大學(xué)信息與通信工程學(xué)院，成都 611731)

0 引言

移動網(wǎng)絡(luò)定位是對衛(wèi)星定位系統(tǒng)的重要和有益補(bǔ)充，尤其是在衛(wèi)星信號覆蓋不足的區(qū)域或多徑豐富的區(qū)域，如室內(nèi)、密集城區(qū)等。移動網(wǎng)絡(luò)自身的技術(shù)特點(diǎn)如多天線、大帶寬、高覆蓋率等，使得其在定位領(lǐng)域具備獨(dú)特價(jià)值。隨著物聯(lián)網(wǎng)、車聯(lián)網(wǎng)的廣泛應(yīng)用，多種定位技術(shù)將相互補(bǔ)充、相互融合，提供高可用性、高精度、高可靠的綜合定位解決方案。

典型的無線網(wǎng)絡(luò)定位技術(shù)包括：小區(qū)ID識別、基于接收信號強(qiáng)度的射頻指紋匹配或傳播距離推算，以及基于無線信號到達(dá)時間/到達(dá)時間差、到達(dá)角度估計(jì)的算法等。此外，第三代合作伙伴計(jì)劃(3rdGeneration Partnership Project，3GPP)在標(biāo)準(zhǔn)中也制訂了與全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Naviga-tion Satellite System，GNSS)、慣性測量單元(Iner-tial Measurement Unit，IMU)、Wi-Fi以及氣壓計(jì)等多種定位源融合的協(xié)議規(guī)范。

上述定位技術(shù)中，基于小區(qū)ID識別的定位精度取決于基站覆蓋半徑或站間距，一般誤差在數(shù)十到上百米之間；基于接收信號強(qiáng)度的射頻指紋匹配技術(shù)，由于需要大量的指紋采集和維護(hù)工作，在實(shí)際工程應(yīng)用中難度較大；基于接收信號強(qiáng)度的傳播距離推算，同時受無線信道模型、收發(fā)天線位姿及方向圖、饋線損耗等多重因素影響。在4G和5G無線網(wǎng)絡(luò)中，基于到達(dá)時間/到達(dá)時間差、到達(dá)角度等以參數(shù)估計(jì)為基礎(chǔ)的定位技術(shù)，以及多源融合定位技術(shù)，日益成為研究的重點(diǎn)。

參照一般業(yè)界觀點(diǎn)，本文把基于小區(qū)ID識別、接收信號強(qiáng)度的指紋匹配或傳播距離推算的技術(shù)歸為非參數(shù)估計(jì)定位技術(shù)；把基于到達(dá)時間/到達(dá)時間差以及到達(dá)角度的技術(shù)歸為參數(shù)估計(jì)定位技術(shù)；而與GNSS、IMU、Wi-Fi、氣壓計(jì)的融合等歸為融合定位技術(shù)。

1 基于非參數(shù)估計(jì)的移動網(wǎng)絡(luò)定位關(guān)鍵技術(shù)

移動網(wǎng)絡(luò)的基本單元為小區(qū)(cell)，小區(qū)核心設(shè)備是基站，基站的主要功能模塊包括天線/饋線、遠(yuǎn)程射頻單元(Remote Radio Unit，RRU)、基帶單元(Baseband Unit，BBU)，以及主控與傳輸單元等。每個小區(qū)按照網(wǎng)絡(luò)規(guī)劃，覆蓋一定的地理區(qū)域，在城市環(huán)境下，小區(qū)的典型覆蓋半徑為數(shù)百米；在郊區(qū)環(huán)境下，小區(qū)的典型覆蓋半徑為數(shù)千米。終端用戶一般指手機(jī)，通過同步與隨機(jī)接入過程，建立起與小區(qū)的連接，進(jìn)行數(shù)據(jù)和話音傳輸。移動網(wǎng)絡(luò)通過cell ID標(biāo)識每個小區(qū)。因此，網(wǎng)絡(luò)側(cè)可以用終端用戶接入小區(qū)的cell ID及其覆蓋的地理區(qū)域來粗略表征位置，如圖1所示。作為最基本的定位方法，其已經(jīng)在全球部分運(yùn)營商網(wǎng)絡(luò)中獲得商用。

圖1 基于小區(qū)ID的定位Fig.1 Cell ID based positioning

單純基于小區(qū)ID的定位方案，精度受小區(qū)覆蓋半徑的影響，一般誤差較大，需要與其他技術(shù)結(jié)合。

基于接收信號強(qiáng)度的定位方法可大致劃分為傳播路徑長度推算和射頻指紋匹配兩種。前者依賴于無線信號的空間傳播損耗，其中空曠的自由空間傳播損耗公式如下：

Lfs=32.44+20lgd+20lgf

(1)

式中，路徑損耗與傳輸距離d平方成正比，與信號頻率f平方成正比。實(shí)際應(yīng)用場景中，考慮多徑等因素的影響，傳播損耗與傳輸距離立方甚至更高的n次冪成正比，n為路徑損耗因子。此外，多個國際技術(shù)組織如EURO-COST也針對不同場景，通過大量實(shí)測數(shù)據(jù)，擬合了空間傳播損耗模型，典型的如COST231-Hata模型[1]應(yīng)用于郊區(qū)場景的路徑損耗公式如下：

L(dB)= 46.33+(44.9-6.55lght)lgd+

33.9lgf-((1.1lgf-0.7)hr-1.56lgf+0.8)-13.82lght

(2)

其中，ht為發(fā)射天線高度，hr為接收天線高度。

對室內(nèi)傳播而言，由于一般遮擋或反射及折射嚴(yán)重，加之近場效應(yīng)的存在，很難得到一個通用性好的空間傳播損耗模型。

在接收機(jī)側(cè)，信號強(qiáng)度還受基站和終端天線增益、饋線損耗等因素的綜合影響：

RSRP=Pt+Gr+Gt-Lc-L

(3)

其中，Pt為信號發(fā)射功率，Gr、Gt分別為接收機(jī)和發(fā)射機(jī)的天線增益，Lc為饋線損耗(以上參數(shù)均表示為dB值)。其中，天線增益G本身受水平和垂直方向性的影響，與位置有關(guān)，而路徑損耗因子與天線掛高、傳播環(huán)境相關(guān)，很難事先測定或建模，這些都決定了算法的應(yīng)用有效性及精度一般難以達(dá)到預(yù)期。

基于接收信號強(qiáng)度的指紋算法基于如下假設(shè)：每個位置及其周邊一定范圍區(qū)域的接收信號強(qiáng)度相近，可通過將基站覆蓋區(qū)域劃分成若干網(wǎng)格，長期手動或自動采集網(wǎng)格中的接收信號強(qiáng)度，并建立數(shù)據(jù)庫，作為后續(xù)射頻指紋匹配的基礎(chǔ)。根據(jù)待定位終端的接收信號強(qiáng)度，采用K最鄰近(K-Nearest Neighbor, KNN)等準(zhǔn)則[2]，判斷終端所在網(wǎng)格，如圖2所示。

圖2 基于網(wǎng)格的射頻指紋匹配Fig.2 Grid based radio-finger-print matching

此類方法有其實(shí)用價(jià)值，可用于手機(jī)分布的熱力圖研究，并提升無線網(wǎng)絡(luò)規(guī)劃性能，在中國移動(China Mobile Communications Group Co.,Ltd.，CMCC)等網(wǎng)絡(luò)有所應(yīng)用。該方法的主要問題包括：采集及建庫工程量大，在采集過程中，需要已知終端位置(實(shí)際工作中一般通過最小化路測(Minimization of Drive-Test，MDT)實(shí)現(xiàn))；待定位終端的姿態(tài)一般是不確定的，不同的傾斜角度、不同的持握方式，或者同一水平位置不同的垂直高度，都使得接收信號強(qiáng)度會離預(yù)期值有較大的偏差。

此外，接收信號強(qiáng)度也可與小區(qū)ID一起，進(jìn)一步提升定位精度，構(gòu)成增強(qiáng)cell ID技術(shù)，并在運(yùn)營商網(wǎng)絡(luò)中逐步推廣應(yīng)用，目前國內(nèi)某運(yùn)營商正在廣州測試驗(yàn)證。

2 基于參數(shù)估計(jì)的移動網(wǎng)絡(luò)定位關(guān)鍵技術(shù)

移動網(wǎng)絡(luò)定位中的參數(shù)估計(jì)包括：到達(dá)時間(Time Of Arrival，TOA)、上行信號到達(dá)時間差(Uplink Time Difference Of Arrival，U-TDOA)、下行信號到達(dá)觀測時間差(Observed Time Difference Of Arrival，O-TDOA)，以及上行信號到達(dá)角度(Angle Of Arrival，AOA)等?；趨?shù)估計(jì)的定位方案和算法理論上可獲得更高的精度，部分場景下甚至接近實(shí)時動態(tài)(Real-Time Kinematic，RTK)定位的性能，目前主流的移動網(wǎng)絡(luò)運(yùn)營商如CMCC、Vodafone、DT、Verizon及設(shè)備制造商Huawei、Ericsson、Nokia、ZTE和芯片廠商如Qualcomm、HiSilicon等都在此領(lǐng)域投入了大量技術(shù)和標(biāo)準(zhǔn)研究。

其中，TOA技術(shù)通過測量無線電信號的傳播時間，乘以電磁波傳播速度來計(jì)算節(jié)點(diǎn)之間的距離，進(jìn)而解算用戶終端位置。在某些場景下，TOA和飛行時間(Time Of Flight，TOF)可混用，均指無線信號在收發(fā)天線相位中心之間的傳播時間。直接采用TOA算法面臨的問題是發(fā)射機(jī)和接收機(jī)必須精確同步，在傳輸信號的過程中需要標(biāo)記時間戳。典型的實(shí)現(xiàn)方式如下：

(4)

如圖3所示，Tround和Tprop分別表示由基站和終端時間戳標(biāo)記的環(huán)回和響應(yīng)時間。由公式可知，TOF精度與環(huán)回/響應(yīng)時間有關(guān)，時間越長，誤差越大，此外基站和終端時鐘偏差越大，TOF也越大。在此基礎(chǔ)上，可引入雙邊雙向測距，抑制時鐘偏差影響。

TOA/TOF在部分定位系統(tǒng)如超寬帶(Ultra Wideband，UWB)中有所應(yīng)用，Decawave公司的芯片即支持該方案，但需要多次交互，功耗較大且定位用戶容量較低，更重要的是需要標(biāo)定天線等器件的群時延并予以補(bǔ)償，這在實(shí)際無線通信網(wǎng)絡(luò)中實(shí)現(xiàn)是比較困難的，因此一般較少直接應(yīng)用(LTE 36.214標(biāo)準(zhǔn)中定義了類似的機(jī)制，但幾乎沒有廠家開發(fā)此特性，也沒有在網(wǎng)絡(luò)中得到應(yīng)用)。業(yè)界更傾向于通過多個站點(diǎn)TOA求差，得到TDOA，消除非理想同步的影響，也無需通過復(fù)雜機(jī)制添加時間戳。TDOA算法的核心思想是通過檢測信號到達(dá)多個測量單元的時間差，在此基礎(chǔ)上解算終端相對位置。TDOA算法解算終端二維坐標(biāo)，可以用3個不同的基站測量得到2組TDOA值，終端位于由2組TDOA確定的雙曲線的某一支上，如圖4所示。解算三維坐標(biāo)需要至少4個基站。

TDOA算法是對TOA算法的改進(jìn)，不直接使用信號到達(dá)時間，不需要加入專門的時間戳，可應(yīng)用于現(xiàn)有移動通信系統(tǒng)，對網(wǎng)絡(luò)的要求相對較低。

目前主流的終端芯片都已支持O-TDOA，即手機(jī)接收基站發(fā)射的定位導(dǎo)頻信號(Positioning Reference Signal，PRS)并測量反饋導(dǎo)頻時間差(Reference Signal Time Difference，RSTD)到服務(wù)器，由服務(wù)器解算。由于北美有E911強(qiáng)制要求，Verizon、Rogers等運(yùn)營商均支持該定位方式，北美銷售的LTE終端普遍也開通了此功能。國內(nèi)沒有類似的強(qiáng)制要求，出于隱私保護(hù)的考慮，網(wǎng)絡(luò)和終端沒有開通此類業(yè)務(wù)，這也給用戶報(bào)警等緊急情況下的定位帶來一定的困難。

AOA算法是利用陣列天線測量信號入射方向，進(jìn)而估算出用戶終端位置。該方案需要在不同的地方部署2個及以上帶有天線陣列并校準(zhǔn)的節(jié)點(diǎn)。特別地，在已知基站和終端高度時，可通過俯仰角和方位角估計(jì)信息，利用單節(jié)點(diǎn)實(shí)現(xiàn)定位；此外，在得到AOA和TOF估計(jì)值的情況下，也可以通過求解表征角度的射線與表征傳播距離的圓的焦點(diǎn)，實(shí)現(xiàn)單節(jié)點(diǎn)定位。在現(xiàn)有移動網(wǎng)絡(luò)中，由于陣元數(shù)目、間距等約束，以及施工過程中有時沒有準(zhǔn)確標(biāo)定陣列方位角，AOA算法沒有得到普遍應(yīng)用，但基于上述單節(jié)點(diǎn)定位等特性，預(yù)計(jì)在5G網(wǎng)絡(luò)中的應(yīng)用會逐步廣泛，下文中有所論述。

2.1 移動網(wǎng)絡(luò)定位中的TOA/TDOA參數(shù)估計(jì)算法

對TOA進(jìn)行估計(jì)，在信道單徑條件下可推導(dǎo)其無偏估計(jì)方差的克拉美羅下界[3-4]為：

(5)

同理，多徑下TOA參數(shù)估計(jì)的精度取決于無線信號的帶寬、接收信噪比、多徑分量的組成[5]。為接近或達(dá)到上述理論界，同時兼顧實(shí)現(xiàn)復(fù)雜度等工程約束，需要仔細(xì)選擇并優(yōu)化TOA/TDOA估計(jì)算法。

TOA/TDOA估計(jì)算法一般包括如下幾類：

1)基于互相關(guān)、廣義互相關(guān)、匹配濾波等相關(guān)類算法，接收機(jī)采用本地參考信號在時域循環(huán)移位與接收信號做相關(guān)運(yùn)算，尋找峰值最大的點(diǎn)，將其坐標(biāo)作為對應(yīng)的時延量。

具體實(shí)現(xiàn)中，如果接收機(jī)具備快速傅立葉變換(Fast Fourier Transformation，F(xiàn)FT)加速器，時域循環(huán)相關(guān)運(yùn)算也可以轉(zhuǎn)換為頻域乘法，降低復(fù)雜度。此類方法受多徑等因素影響較大，性能相對有限，一般用在GNSS或移動通信網(wǎng)絡(luò)的信號捕獲階段。

廣義互相關(guān)法(General CrossCorrelation，GCC)[6]作為這類方法的代表，通過對接收信號進(jìn)行預(yù)處理，使參考信號與接收信號的相關(guān)峰更尖銳，從而提升估計(jì)性能。常用的GCC加權(quán)函數(shù)包括：ROTH、SCOT、PATH等，此類加權(quán)函數(shù)的構(gòu)造需要信號和噪聲的統(tǒng)計(jì)信息，在實(shí)際系統(tǒng)中一般難以獲取。

2)基于特征結(jié)構(gòu)的估計(jì)方法。

此類方法以對接收信號協(xié)方差矩陣特征分解為基礎(chǔ)，根據(jù)特征值分布，分離信號子空間和噪聲子空間，進(jìn)而通過空間譜估計(jì)得到接收信號的TOA值。此類方法包括MUSIC[7-8]、Root-MUSIC、MUSIC-Tde[9]、ESPRIT[10]、最大熵譜等，能在樣本數(shù)較少的情況下，實(shí)現(xiàn)小于采樣時間的超分辨率估計(jì)，相對于Capon[11]等波束成形算法在分辨率上有優(yōu)勢。這些算法的一般問題是運(yùn)算量較大，尤其是大規(guī)模協(xié)方差矩陣的特征值分解非常復(fù)雜，為提升綜合效率一般采用定點(diǎn)化運(yùn)算，往往導(dǎo)致噪聲子空間估計(jì)誤差累積。此外，此類算法在衰落信道下性能有所惡化。

將空間譜估計(jì)領(lǐng)域算法用于TOA/TDOA估計(jì)可得到小于采樣間隔的估計(jì)值。典型的MUSIC算法得到協(xié)方差矩陣并分離噪聲子空間后，計(jì)算偽譜：

(6)

其中，A表示導(dǎo)向矢量或信號陣列，UN表示由特征分解得到的噪聲子空間，通過在PMUSIC表征的偽譜上搜索峰值來求解參數(shù)估計(jì)值。算法要求噪聲為加性高斯分布(Additive White Gaussian Noise，AWGN)、噪聲與信號之間相互正交、多個信號源之間相互獨(dú)立或通過空間平滑[12-13]等算法去相關(guān)。此外，信源數(shù)目的估計(jì)精確性也會對性能造成一定的影響，常用算法包括基于信息論的MDL[15-16]、AIC[17]等，普遍存在要求樣本或快拍數(shù)較多、信噪比較高等問題，其中AIC在信源數(shù)較少時還存在過估計(jì)的問題。

3)基于代價(jià)函數(shù)的估計(jì)方法

通過建立代價(jià)函數(shù)并以平均代價(jià)最小為準(zhǔn)則，求解最優(yōu)時延估計(jì)值。常見算法包括最小均方誤差(Minimum Mean Squared Error，MMSE)、最大似然(Maximum Likelihood，ML)、非線性最小二乘(Non-linear Least Squares，NLS)等。此類算法一般對信號統(tǒng)計(jì)特征無要求，理論上可實(shí)現(xiàn)分辨率小于采樣時間的超分辨率時延估計(jì)。多徑信號的時延估計(jì)問題屬于多維優(yōu)化，直接使用最大似然法的計(jì)算復(fù)雜度很高?；贛L準(zhǔn)則的最大期望(Expectation Maximum，EM)[18]、基于MMSE準(zhǔn)則的WRELAX[19]等算法通過一維優(yōu)化代替多維優(yōu)化，嘗試簡化復(fù)雜度。在 EM 算法中，多維優(yōu)化的多參數(shù)估計(jì)問題被轉(zhuǎn)換成多個一維優(yōu)化問題，通過參數(shù)迭代的方法求取多個一維問題的最優(yōu)解，該方法在控制算法復(fù)雜性的同時不降低算法的估計(jì)精度。

4)SAGE/CAF等多徑迭代求解算法

在上述算法的基礎(chǔ)上，新的算法如利用信道稀疏性的稀疏表示[20-22]，以及SAGE[23]、CAF[24]等算法不斷涌現(xiàn)，為實(shí)現(xiàn)超分辨率時延估計(jì)進(jìn)一步提供了可能。

其中基于交叉模糊度函數(shù)(Cross Ambiguity Function，CAF) 的信道參數(shù)估計(jì)方法在無線信道建模與參數(shù)估計(jì)方面都有一定的效果。與SAGE 類似，CAF也是一種迭代技術(shù)，每一次迭代估計(jì)一條徑的參數(shù)，再根據(jù)估計(jì)所得的參數(shù)重構(gòu)這條徑的接收信號，然后從總的接收信號中減去該信號，如此循環(huán)迭代，直到估計(jì)出所有多徑信號的參數(shù)為止。將第m個天線的接收信號xm(t)和訓(xùn)練信號s(t)的交叉模糊函數(shù)定義如下：

(7)

只要xm(t)和s(t)的時延和Dopper頻移不重疊，就可以在CAF域?qū)⑦@2個信號分開。如果入射到接收天線陣列上的信號相位未知，那么可以利用所有天線單元輸出端的CAF幅度的平均值粗略估計(jì)信號的時延和Doppler頻移，即定義非相干CAF如下：

(8)

一旦交叉模糊函數(shù)的峰值位置確定，可以定義如下形式的向量Pi：

(9)

而波達(dá)角則可以通過下面的優(yōu)化問題估計(jì)：

有了第i條徑的角度信息就可以把各個天線單元接收到的該條徑相干疊加， 并且可以基于此計(jì)算相干交叉模糊函數(shù)：

(10)

接下來借助第i條徑的波達(dá)角、時延、Doppler頻移和接收陣列的結(jié)構(gòu)特征,重構(gòu)該條徑在各個接收天線單元的接收信號：

(11)

其中,βm,i是第i條徑到達(dá)第m個天線的衰減因子，βm,i可以通過下式估計(jì)：

(12)

(13)

一旦得到衰減因子βi，就可以完全重構(gòu)出第i條徑對應(yīng)的接收信號，因此，可以從總的接收信號中把這條徑對應(yīng)的信號減去。然后重復(fù)上述過程，繼續(xù)估計(jì)剩余的多徑參數(shù)。

5)基于人工智能的參數(shù)估計(jì)

隨著人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)[25]等技術(shù)的興起，陸續(xù)有學(xué)術(shù)界和工業(yè)界的專家學(xué)者探索將其用于參數(shù)估計(jì)。

圖5中，輸入層可設(shè)置為頻域或時域信道CSI數(shù)據(jù)，隱含層可設(shè)置為2～3層或更多，輸出為TOA或AOA參數(shù)估計(jì)值。華為公司無線定位能力中心采用10萬個信道數(shù)據(jù)作為樣本，其中7萬個用作訓(xùn)練，3萬個用于測試，從仿真結(jié)果來看性能較好，但用實(shí)際數(shù)據(jù)測試發(fā)現(xiàn)泛化能力還待加強(qiáng)，而且目前深度學(xué)習(xí)技術(shù)尚處于黑盒階段，難以跟蹤并定位其中的問題，在實(shí)際應(yīng)用還需要進(jìn)一步加深研究。

圖5 基于機(jī)器學(xué)習(xí)的參數(shù)估計(jì)Fig.5 Machine learning based parameter estimation

6)TOA估計(jì)的其他研究領(lǐng)域

業(yè)界研究的熱點(diǎn)還包括多徑、多信號源、有色噪聲、非平穩(wěn)信號等環(huán)境下的時延估計(jì)，提出了高階理論、分定分布、循環(huán)平穩(wěn)等理論，解決上述模型下算法的有效性和魯棒性問題。

傳統(tǒng)TOA參數(shù)估計(jì)的克拉美羅界推導(dǎo)一般基于單天線系統(tǒng)。無線網(wǎng)絡(luò)從4G開始，引入多天線技術(shù)以支持更大的系統(tǒng)容量。在此基礎(chǔ)上，參數(shù)估計(jì)的克拉美羅界預(yù)計(jì)會進(jìn)一步下降，仿真均方根誤差(Root Mean Squared Error，RMSE)結(jié)果也基本證明了這一點(diǎn)，目前業(yè)界還沒有完成并公開詳細(xì)理論推導(dǎo)。

對TDOA定位而言，需要在定位節(jié)點(diǎn)之間保證精準(zhǔn)同步，常見的同步方式包括GNSS、1588V2等。通過光纖分布式網(wǎng)絡(luò)傳送時鐘信息，可以實(shí)現(xiàn)ns甚至更高精度級同步。在以太網(wǎng)上，也成功實(shí)現(xiàn)了ns級同步。此外，合理的空口同步方式，也可接近類似的性能。

7)TOA/TDOA定位進(jìn)展

華為公司無線定位能力中心與上海交大導(dǎo)航所、電子科大、東南大學(xué)、西電、光電院測地所等單位合作，在交大閔行校區(qū)利用LTE網(wǎng)絡(luò)，實(shí)現(xiàn)了10m以內(nèi)精度的定位，并采用NR 100MHz帶寬信號，在某機(jī)場實(shí)現(xiàn)了亞米級定位。

2.2 移動網(wǎng)絡(luò)定位中的角度參數(shù)估計(jì)算法

與基于TOA/TDOA的定位方法相比，基于AOA的方法優(yōu)勢在于：不同基站之間(或用戶終端與基站之間)不需要高精度同步，理論上定位需要的基站數(shù)也少于TDOA。

用于AOA測量的常見天線陣列包括：

1)均勻線陣

如圖6所示，均勻線陣(Uniform Linear Array, ULA)是常見的陣列形式，各陣元均勻分布在一條直線上。ULA是一般算法研究的基礎(chǔ)，在移動網(wǎng)絡(luò)中可用于估計(jì)終端上行信號的入射角。常用算法包括CAPON、Bartlett、MUSIC以及壓縮感知和稀疏表示等。在偏離ULA陣列法線的區(qū)域參數(shù)估計(jì)方差較大。此外在傳統(tǒng)算法的基礎(chǔ)上，可以通過快速傅里葉變換等多種方案降低運(yùn)算復(fù)雜度。

圖6 均勻線陣Fig.6 Uniform linear array

2)矩形陣列

矩形陣列是5G的備選陣列之一，如圖7所示，天線陣元呈矩形分布。在此基礎(chǔ)上，可以實(shí)現(xiàn)方位角和俯仰角的聯(lián)合估計(jì)，進(jìn)而實(shí)現(xiàn)一定場景下的單站定位。常見算法包括CAPON、Bartlett或二維MUSIC在大陣列下都比較有效，但需要重點(diǎn)解決運(yùn)算復(fù)雜度的問題。

圖7 矩形陣列Fig.7 Rectangular array

3)均勻圓形陣列

如圖8所示，天線陣元均勻分布在圓周上。均勻圓陣可實(shí)現(xiàn)360°無模糊的方位角估計(jì)，同時實(shí)現(xiàn)俯仰角估計(jì)(在靠近法線的方向估計(jì)方差較大)，但由于其導(dǎo)向矢量不具備范德蒙形式，需要采用模式激勵[26]等算法進(jìn)行變換。Quuppa公司將其應(yīng)用到局域定位中，取得了一定的效果；在廣域移動網(wǎng)絡(luò)中，需要綜合考慮多天線下的系統(tǒng)性能，包括容量和覆蓋，圓陣用得很少。

圖8 均勻圓陣Fig.8 Uniform circular array

4)實(shí)際天線陣列

實(shí)際應(yīng)用中，移動網(wǎng)絡(luò)基站天線設(shè)計(jì)出于兼容多個頻點(diǎn)多種制式的考慮，一般陣列形式與上述經(jīng)典形式不同，如普遍天線陣元間隔大于半波長，造成空間欠采樣從而影響估計(jì)精度，甚至出現(xiàn)虛假譜峰現(xiàn)象；此外高增益定向天線垂直方向由多個陣列合成，在此情況下，傳統(tǒng)的AOA參數(shù)估計(jì)算法也需要做相應(yīng)優(yōu)化，例如波束空間MUSIC[27]。

一般在角度估計(jì)算法研究中，默認(rèn)已知信源數(shù)目或多徑數(shù)目，這在實(shí)際系統(tǒng)中，往往是難以實(shí)現(xiàn)的，導(dǎo)致部分算法失效。

近年來出現(xiàn)的壓縮感知(Compressed Sensing，CS)用于參數(shù)估計(jì)[28]，用低于奈奎斯特采樣率的信號壓縮方法，可以在相同的陣列規(guī)模獲取更多的目標(biāo)信息和更高的分辨率。此外，還可以利用多個陣列共同進(jìn)行定位計(jì)算。協(xié)陣列是一種應(yīng)用比較廣泛的聯(lián)合角度估計(jì)方法，上海交大、電子科大等在研究使用多個陣元數(shù)量有限的陣列來提高估計(jì)性能。

在天線陣元數(shù)目有限的情況下，斯坦福大學(xué)提出的Spotfi算法[29]可以通過大帶寬擴(kuò)展二維空間-頻域譜，并通過巧妙的方式實(shí)現(xiàn)了多徑下的空間平滑，是一個不錯的方案，相對于傳統(tǒng)的角度-時延聯(lián)合估計(jì)算法[30]具有一定優(yōu)勢。該算法在Wi-Fi上得到了驗(yàn)證，也可以推廣到LTE或5G中，當(dāng)然，其中采用MUSIC算法需要解決的徑數(shù)估計(jì)問題，在有限快拍或樣本下尚無高可信度的解決方案。

2.3 移動網(wǎng)絡(luò)定位中的解算及濾波算法

移動網(wǎng)絡(luò)定位解算算法相對成熟，常見的如LS及Fang[31]、Talyor[32]、Chan[33]等都有較好的性能，在實(shí)際測試中差異較小，但Taylor級數(shù)展開算法需要獲取初值。在參數(shù)估計(jì)準(zhǔn)確的條件下，可以結(jié)合GDOP、SNR等進(jìn)行合理的定位站點(diǎn)選取，進(jìn)一步優(yōu)化解算性能。

特別地，對存在固定定時偏差的若干個基站，可采用Gauss-Newton法，實(shí)現(xiàn)多個終端的同時解算。但一般需要有相對精確的初始值，才能保證迭代過程收斂。

對移動終端的位置跟蹤，可以采用卡爾曼濾波[34]、擴(kuò)展卡爾曼濾波[35-36]或粒子群濾波，修正誤差。

3 移動網(wǎng)絡(luò)定位面臨的技術(shù)挑戰(zhàn)

移動網(wǎng)絡(luò)定位面臨的技術(shù)挑戰(zhàn)包括：

1)定位節(jié)點(diǎn)數(shù)目受限。傳統(tǒng)的衛(wèi)星導(dǎo)航系統(tǒng)通過利用多顆在軌衛(wèi)星實(shí)現(xiàn)目標(biāo)定位，而移動通信網(wǎng)絡(luò)一般基于容量和覆蓋進(jìn)行網(wǎng)絡(luò)規(guī)劃，客觀上限制了能參與定位的基站數(shù)目，終端用戶視距可見基站數(shù)目一般為1～4個。

2)無線傳播環(huán)境復(fù)雜，用于測量和測距的無線信號受室內(nèi)外傳播環(huán)境如墻壁、物體、人等的遮擋和散射，導(dǎo)致不同程度的多徑效應(yīng)，從而影響TOA、TDOA、AOA的估計(jì)準(zhǔn)確度；此外，多徑導(dǎo)致的各信源相干，不能滿足部分傳統(tǒng)算法默認(rèn)的條件，必須采用空間平滑等算法加以優(yōu)化。

3)由于傳播路徑上障礙物的存在， 非視距(Non-Line of Sight，NLOS)導(dǎo)致信號首徑丟失或者弱化，嚴(yán)重影響定位性能。目前業(yè)界已經(jīng)有很多算法和方案嘗試解決此問題，包括利用殘差法[37]大概率識別NLOS站點(diǎn)、終端附加IMU進(jìn)行航位推算，以及下文提到的標(biāo)準(zhǔn)中定義的定位Only站點(diǎn)。

采用TDOA指紋匹配的算法，解決NLOS下的定位誤差問題，是一種可能的方案，但在下述場景中，此類方案及算法仍然存在失效的可能，如圖9所示。

圖9 NLOS下的TDOA匹配Fig.9 Ambiguity of TDOA matching in NLOS

圖9中，點(diǎn)A由于NLOS導(dǎo)致TDOA引入誤差，解算到點(diǎn)A′，即A和A′有相似的TDOA值(歸一化之后)，單獨(dú)的匹配無法正確區(qū)分這2個點(diǎn)。

4 移動網(wǎng)絡(luò)定位相關(guān)標(biāo)準(zhǔn)

3GPP在LTE標(biāo)準(zhǔn)中支持基于UTDOA和AOA的定位，以及基于OTDOA的定位，包括定位參考信號和過程[38]。其中R9規(guī)范里，對下行定位導(dǎo)頻信號PRS做了專門的規(guī)定。定位信號能夠通過特定的天線端口發(fā)送到接收端，這可以減小定位信號與有用數(shù)據(jù)之間的相互干擾，加快LTE定位的商用化速度。

PRS信號需滿足資源開銷可控以降低對系統(tǒng)容量的影響，峰均比較低以提升功放效率，此外需具備較強(qiáng)的自相關(guān)和正交特性，使接收機(jī)信號捕獲時比較容易獲取相關(guān)峰，并消除鄰小區(qū)信號的干擾，保證TOA/TDOA參數(shù)估計(jì)的精確度。

Normal CP下，PRS pattern定義如圖10所示。

圖10 定位導(dǎo)頻時頻域映射(NCP)Fig.10 Resource mapping of PRS(NCP)

LTE R14版本中，定義了PRS ID與小區(qū)ID解耦，有利于實(shí)現(xiàn)定位Only站點(diǎn)[39]，即定位站可在物理上獨(dú)立存在，只按配置在對應(yīng)時頻資源發(fā)射PRS，終端根據(jù)接入基站的指示，測量定位Only站的PRS，并以正常方式反饋RSTD，由服務(wù)器實(shí)現(xiàn)解算，這對解決NLOS問題是一個很大的突破，理論上可以實(shí)現(xiàn)低成本的按需部署，保證定位的精度和可用性，這也是移動網(wǎng)絡(luò)定位相對衛(wèi)星定位的一個獨(dú)特優(yōu)勢。

對上行定位技術(shù)，可以采用探測參考信號(Sounding Reference Signal，SRS)或其他信號，進(jìn)行時域、頻域參數(shù)估計(jì)或其他增強(qiáng)算法，完成高精度定位。

在LTE R15規(guī)范里，還制訂了通過SIB信息傳輸DGNSS差分改正數(shù)的標(biāo)準(zhǔn)[40]，包括RTD、RTK。該方案得到了一些主要移動網(wǎng)絡(luò)運(yùn)營商如德電的支持，并進(jìn)行了實(shí)際測試，效果良好。

作為下一代移動通信系統(tǒng)，5G對業(yè)務(wù)速率、頻譜效率、能量效率、連接延遲、移動速率和可靠性等關(guān)鍵指標(biāo)的描述如圖11所示。

圖11 5G關(guān)鍵指標(biāo)Fig.11 5G key performance

5G定位的目標(biāo)是實(shí)現(xiàn)亞米級高精度高可用性定位。一般認(rèn)為基于射頻指紋等傳統(tǒng)非參數(shù)估計(jì)的定位方案難以達(dá)到上述要求。5G移動通信系統(tǒng)的以下特征有利于大幅提升定位的精度和可用性，并保證定位的實(shí)時性:

1)大信號帶寬，典型值如100MHz、800MHz，有助于提升TOA/TDOA的參數(shù)估計(jì)精度，尤其是多徑抑制能力得到大大增強(qiáng)；

2)Massive MIMO多天線子系統(tǒng)，典型陣元數(shù)目達(dá)到128、256，有助于提升多徑下的角度估計(jì)能力；

3)密集組網(wǎng)，城區(qū)典型站間距一般為一兩百米，有助于空口校準(zhǔn)及選擇GDOP較小的多個站點(diǎn)進(jìn)行解算；

4)短幀長有利于保證定位的實(shí)時性。

在5G定位信號設(shè)計(jì)中，正參照現(xiàn)有定位信號設(shè)計(jì)的準(zhǔn)則，結(jié)合利用5G其他導(dǎo)頻方案設(shè)計(jì)，在支持更大帶寬、更好的序列特性、更多用戶復(fù)用、系統(tǒng)開銷更小、更低峰均比等方面，進(jìn)一步予以優(yōu)化，尤其是綜合考慮本文所述的TOA/AOA參數(shù)估計(jì)和非參數(shù)估計(jì)方式，結(jié)合陣列流型、射線追蹤等技術(shù)，保證多場景、不同環(huán)境下的定位性能。

此外，各網(wǎng)元之間關(guān)于定位的接口和協(xié)議設(shè)計(jì)也是需要考慮的重點(diǎn)，針對定位的特殊要求，可以設(shè)計(jì)NR定位切片。

目前，3GPP 5G定位標(biāo)準(zhǔn)已進(jìn)入study item階段，業(yè)界正在積極推進(jìn)，預(yù)計(jì)將于2019年終完成第一版協(xié)議凍結(jié)。業(yè)界正在相關(guān)領(lǐng)域開展研究，包括定位架構(gòu)與協(xié)議流程設(shè)計(jì)、定位信號設(shè)計(jì)與算法優(yōu)化，并通過樣機(jī)進(jìn)行關(guān)鍵技術(shù)驗(yàn)證，以期達(dá)到預(yù)定目標(biāo)。研究成果后續(xù)將規(guī)劃到相應(yīng)產(chǎn)品版本中，推動移動網(wǎng)絡(luò)定位技術(shù)的成熟和商用。

5 結(jié)論

基于移動網(wǎng)絡(luò)的定位是目前主流衛(wèi)星定位技術(shù)的重要和有益補(bǔ)充，可以提升高精度定位的可用性和可靠性；移動網(wǎng)絡(luò)定位傳統(tǒng)算法原理相對成熟，但需要結(jié)合實(shí)際工程約束進(jìn)行優(yōu)化，例如在有限樣本或快拍下多徑數(shù)目的準(zhǔn)確估計(jì)、基站間非理想同步下的精確校正，以及針對基站實(shí)際天線陣列的算法優(yōu)化；一些新方向如壓縮感知、稀疏表示以及深度學(xué)習(xí)等值得進(jìn)一步探索，以提升算法魯棒性并降低復(fù)雜度；此外，移動網(wǎng)絡(luò)的一些獨(dú)特優(yōu)勢，如便于與GNSS、Wi-Fi融合，可靈活按需部署定位節(jié)點(diǎn)等，可進(jìn)一步提升移動網(wǎng)絡(luò)定位的價(jià)值；隨著5G的逐步商用，其大帶寬、多天線、密集組網(wǎng)等特性，使得普遍高精度定位進(jìn)一步成為可能。