基于微粒群算法的CDMA移动台定位技术研究

论文摘要

近年来,随着无线通信技术的迅猛发展,用户对与位置相关的信息需求日益增强,使得移动网络中的移动台定位问题成为研究的热点之一。因为定位业务已经成为3GPP必须支持的业务,所以基于CDMA的移动台定位就成为研究的重点。 在3GPP中提出的标准定位方法中,基于到达时间差(TDOA)测量值的定位方法应用最为广泛,国内外学者在这方面提出了许多切实可行的方法,但是定位精度受多径效应和非视距传播(NLOS)的影响比较大。而且由于蜂窝网络环境复杂性,系统的状态方程和信号的统计特性很难得到,目前还没有比较好的模型进行精度较高的定位。 本论文采用另外一种思路,把整个蜂窝系统看作是一个复杂自适应系统,通过演化计算求解,定位。本论文引入模拟鸟类聚集飞向栖息地的微粒群算法,采用基于向量求值的微粒群算法,同时对其作了改进,针对不同的情况选取不同的步长。研究结果表明,本论文采用的算法性能稳定,定位误差小,精度高。

论文目录

• 摘要
• Abstract
• 引言
• 第一章 绪论
• 1.1 蜂窝网络移动台定位技术概述
• 1.1.1 基于场强测量的定位方法
• 1.1.2 基于传播时间测量的定位方法
• 1.1.3 基于信号到达角度测量的定位方法
• 1.2 国内外研究现状
• 1.2.1 抗多径干扰时延算法的研究
• 1.2.2 非视距误差消除算法的研究
• 1.3 本文的研究路线及论文的内容结构
• 第二章 CDMA蜂窝网络无线定位技术
• 2.1 CDMA定位系统的网络结构
• 2.1.1 CDMA网络定位模块功能介绍
• 2.1.2 CDMA定位逻辑功能模型
• 2.2 CDMA定位过程
• 2.2.1 定位准备过程
• 2.2.2 定位测量建立过程
• 2.2.3 定位计算和释放过程
• 2.3 CDMA标准定位方法
• 2.3.1 基于蜂窝小区ID的定位方法
• 2.3.2 OTDOA-IPDL定位方法
• 2.3.3 网络辅助GPS定位方法
• 2.3.4 三种定位方法的比较
• 2.4 本章小结
• 第三章 微粒群算法
• 3.1 微粒群算法起源
• 3.2 基本微粒群算法
• 3.2.1 微粒群算法的基本原理
• 3.2.2 基本微粒群算法的流程
• 3.3 对基本微粒群算法的改进
• 3.3.1 带有惯性权重的微粒群算法
• 3.3.2 基于模糊系统的惯性因子的动态调整
• 3.3.3 经典PSO参数集
• 3.4 本章小结
• 第四章 仿真设计与结果分析
• 4.1 本论文的定位模型
• 4.2 本论文采用的算法流程
• 4.2.1 基于向量求值的PSO算法
• 4.2.2 算法流程
• 4.3 本论文的仿真环境
• 4.3.1 蜂窝网络布局
• 4.3.2 定位信道模型
• 4.3.3 仿真参数
• 4.4 模拟结果及讨论
• 4.4.1 本论文模拟结果分析
• 4.5 本章小结
• 第五章 结论与展望
• 致谢
• 参考文献
• 缩略语清单