蜂窝网络位置指纹定位技术研究

论文摘要

目前被广泛研究和应用的GPS.AOA.TOA.RSSI等定位技术由于其自身的技术特点,有其独特的优点,也均有其局限性。例如,在城市环境、室内、隧道、山区等环境中,通常难以获得满意的定位性能。为此,本文研究了一种目前研究还比较有限的位置指纹定位技术。位置指纹定位技术的实现分为两个阶段：离线阶段和在线阶段。离线阶段是采集移动终端测试到的多个基站的信号强度信息,经过适当运算形成位置指纹,并存储起来,形成指纹数据库；在线阶段则是对输入指纹与数据库指纹进行计算对比或通过神经网络的神经元进行处理,得出对于输入指纹信息对应的位置估计针对现有位置指纹定位技术存在的不足,本文深入研究了传统的数据库相关（DCM）算法,基于反向传播训练（BP）及径向基（RBF）神经网络的位置指纹定位技术,以及一种将位置指纹定位技术与传统的铁路区间定位技术相结合的移动列车定位方法,并对各种方法和技术在普通GSM网络以及铁路GSM-R网络环境下的下性能分别进行了详细的仿真和性能分析,取得了有一定意义和参考价值的相关结论。本文第一章介绍了本文的研究背景、目的意义,分析了国内外研究现状；第二章分析了无线环境下的各种定位技术,以及传统的铁路定位技术,给出了分析比较定位性能的几种指标；第三章分析讨论了传统的DCM定位技术,给出了具体的算法流程,提出了一种将传统轨道电路定位方法与位置指纹定位技术相结合的定位方法,建立了适当的仿真环境并进行了相关的仿真及分析；。第四章深入研究了基于BP神经网络和RBF神经网络的位置指纹定位技术,并在GSM以及GSM-R环境下进行了详细的仿真和性能分析。最后,本文对全文工作进行了总结,对未来工作进行了展望。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状分析
• 1.3 本文主要工作及内容安排
• 第2章 移动定位与铁路定位技术概述
• 2.1 移动定位技术简介
• 2.1.1 蜂窝网络定位
• 2.1.2 卫星定位
• 2.1.3 室内定位技术
• 2.2 铁路定位技术概述
• 2.2.1 地面设备定位技术
• 2.2.2 无线通信定位技术
• 2.2.3 卫星定位技术
• 2.2.4 铁路定位技术精度分析
• 2.3 定位精度评价指标
• 2.3.1 定位误差
• 2.3.2 圆概率误差
• 2.3.3 累计分布函数
• 2.3.4 均方误差估计与均方根误差估计
• 2.4 本章小结
• 第3章 基于数据相关方法的位置指纹定位技术
• 3.1 DCM定位的基本思想
• 3.2 基于DCM的位置指纹定位算法介绍
• 3.2.1 最近邻法
• 3.2.2 k近邻法
• 3.2.3 加权K近邻法
• 3.2.4 基于GSM-R的DCM算法于轨道电路结合的算法
• 3.2.5 卡尔曼滤波器
• 3.3 仿真环境与仿真平台搭建
• 3.3.1 基站布局模式
• 3.3.2 传播模型介绍及模拟
• 3.3.3 指纹选取
• 3.3.4 移动终端生成
• 3.4 仿真及性能分析
• 3.4.1 GSM网络环境下DCM算法仿真分析
• 3.4.2 GSM-R网络环境下DCM算法仿真分析
• 3.5 本章小结
• 第4章 基于神经网络的位置指纹定位技术研究
• 4.1 概述
• 4.2 神经网络的分类与基本模型
• 4.3 反向传播训练前馈神经网络
• 4.4 径向基函数神经网络
• 4.5 基于神经网络的位置指纹定位系统
• 4.6 仿真性能分析
• 4.6.1 神经网络matlab工具箱介绍
• 4.6.2 GSM环境下的仿真
• 4.6.3 GSM-R场景下的仿真
• 4.7 本章小结
• 总结与展望
• 本文工作总结
• 未来工作展望
• 致谢
• 参考文献
• 攻读硕士学位期间完成与发表的论文、著作及科研成果
• 附录 （源程序）