基于数据库相关算法的位置指纹定位技术
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
如图 1 所示，直线为公路，小圆点是实际测试 的位置。在每个小圆点测量其对于能接收到信号的 各个基站的信号强度。图 1 总共在公路上测试了
图 1 指纹采集过程
15 个位置，然后用一个滑动窗口取指纹，取法为 每 10 个小圆点对于每个基站的接收信号强度分别 取平均，得到需要的指纹如图中大圆点，其位置为 所取 10 个小圆点的平均位置，然后窗口向后滑动 至第 6 个小圆点继续取指纹 2。
of Electronic ＆ Telecommunicatio University of Moratuwa
Sri Lanka.
［3］ Paul Kemppi " Database Correlation Method for Multi －
System Location" Department of Electrical and Communi-
1． 在相 同 环 境 下 NN，KNN，WKNN 三 种 定 位算法的误差 WKNN 效果更好。
2． 指纹间距的大小会影响误差的大小，指纹 间距越小，误差越小，但是离线工作量越大。
可以看出，将传统的轨道电路定位与位置指纹 定位结合，可以显著提高定位精度，并且可以随时 将指纹定位算法应用于现有的轨道电路定位中。因 为指纹定位算法依据已经搭建好的无线网络，只需 要建立指纹数据库即可运行，并不需要额外的大量 固定资产投入。
位置指纹定位技术在非视距传播环境下的表现 非常好，其他无线定位算法 ( 到达时间差、到达 角等) 受多径环境影响严重，而位置指纹定位恰 恰利用了多径效应，可以在非视距环境下准确 定位，适合于环境复杂地区的定位。而且定位 算法本身不需要额外的硬件支持，依靠已经建 好的无线网络，只需要接收机能够反馈接受信 号强度等信息，所以位置指纹定位的技术成本 较低，可以较快投入应用。目前百度文库于指纹定位 算法的 研 究 大 多 在 室 内 环 境 和 GSM 环 境 下， 缺少 GSM-R 网络下位置指纹定位性能相关方 面的研究。
仿真参数 fc ( 频段大小) ht ( 发射天线高度) hr ( 移动终端高度) d( 移动终端与发射天线之间距离) n1 ( 信道损耗因子)
δ1 ( 速度修正因子)
设定值
900MHz
35m
4. 5m 0. 05 ～ 5km
3. 5
0( V ＜ 200km /h) ; 1 ( 200km/h ＜ V km/h) ; 2( V ＞ 300km /h)
Database Correlation Method for GSM Location" VTT In-
formation Technology P． O． Box 1202.
［2］ B． D． S． Lakmali " Design，Implementation ＆ Testing of
PositioningTechniques in Mobile Networks " Department
图 6 WKNN 不同指纹间距下的 CDF
4 结论
3 仿真性能结果
3. 1 NN，KNN，WKNN 三种算法比较 从图 5 中可以看出，当 K 取 2 时，WKNN 算
法定位误差明显优于 NN 与 KNN 算法。WKNN 算 法定位误差 67% 概率下小于 25 m，95% 概率下小 于 150 m。由于 WKNN 算法性能优于其他二种算 法，故后续仿真中均采用 WKNN 算法。
＜ 300
δ2 ( 地形修正因子) δ3 ( 随机噪声生成)
－ 5( 郊区) ; － 20( 平原) ; 15( 山岭) ; 0( 隧道)
服从均值为 0 方差为 2 的 正态分布
列车车厢损耗 小区半径 基站发射功率
15dB 2km( 山岭) 2. 5km ( 郊区) 3km( 平原)
40W
增大而增大，在指纹间距为 50 m 和 150 m 时定位 误差在 95% 概率下分别小于 100 m 和 140 m。同时 可以看出，定位误差并不是和指纹间距同比例增 大，所以在要求不高的前提下可以适当增大指纹间 距，以减少离线准备工作。
1 基于 DCM 的位置指纹定位技术
1. 1 位置指纹算法 基于 DCM 的位置指纹算法主要分为离线和在
* 铁道第三勘察设计院集团有限公司 助理工程师，300251 天津 收稿日期: 2011-10-21
线 2 个阶段。 1． 离线阶段。首先在一定范围内选择足够多
的位置，对每个位置测量其能接收到的各个基站的 信号强度，和该位置的二维地理坐标。把采集到的 数据存放到一个数据库里供后期定位使用，这些选 定的位置被称作指纹。在实际选取指纹的过程中， 指纹不是直接选取的位置，而是以一种滑动窗口的 模式选定。
— 49 —
铁道通信信号 2012 年第 48 卷第 3 期
— 50 —
RAILWAY SIGNALLING ＆ COMMUNICATION Vol. 48 No. 3 2012
按照图 3 在 Matlab 中搭建铁路 沿 线 的 仿 真 环 境。 按照图 1 的滑动窗口模式建立指纹数据库。
表 1 GSM-R 仿真参数设定
cations Engineering 1st August，2005.
［4］ 钟章队 . 铁路 GSM-R 数字移动通信系统［M］. 北京: 中国铁道出版社，2007.
［5］ 李铁华． GSM-R 无线信道模型分析［D］. 西南交通大
学，2007.
( 责任编辑: 诸 红)
— 51 —
图 5 NN，KNN，WKNN 三种算法 CDF 比较
3. 2 WKNN 算法中不同指纹间距的仿真比较 图 6 给出了指纹间距在 50 m 和 150 m 时的定
位误差 CDF 曲线。可以看出定位误差随指纹间距
参考文献
［1］ Heikki Laitinen，Jaakko Lahteenmaki，Tero Nordstrom "
2012 年 3 月 第 48 卷 第 3 期
铁道通信信号 RAILWAY SIGNALLING ＆ COMMUNICATION
March 2012 Vol. 48 No. 3
通信·信息技术
基于数据库相关算法的位置指纹定位技术
任 睿*
摘 要: 基于 Matlab 搭建了仿真平台，仿真实现了指纹数据采集、数据库建立、匹配定位等定 位系统功能模块。运用最近邻、K 近邻以及 K 加权近邻算法在 GSM-R 环境中进行了对比测试， 比较分析几种方法的定位效果; 通过修改 GSM-R 网络参数、指纹大小等因素，比较各算法在不 同环境中的定位性能。 关键词: 数据库相关算法; 最近邻法; K 近邻法; 加权 K 近邻法 Abstract: The Matlab-based simulation platform are set up to realize fingerprint data collection，database creation，matching positioning and so on． Comparison tests are also made among the nearest neighbor algorithm，K nearest neighbor algorithm，and weighted K nearest neighbor algorithm to analyze their positioning effects in GSM-R networks． Through revising GSM-R network parameters，the size of fingerprint，and so on factors，the positioning performance of each algorithm are compared． Key words: Database correlation method; NN ( Nearest Neighborhood) ; KNN; WKNN
在轨道交通列车行车安全中，列车定位是一项 关键的技术。实时精确确定列车在线路的位置是保 证安全、发挥效率、提高服务质量的前提。最佳定 位技术应该能在任何时间、任何位置按要求确定列 车的当前位置。目前应用于列车的定位技术有地面 设备定位、无线通信定位和卫星定位，而基于数据 库相关 ( DCM) 算法的位置指纹定位技术属于无 线通信定位。
图 1 指纹采集过程
15 个位置，然后用一个滑动窗口取指纹，取法为 每 10 个小圆点对于每个基站的接收信号强度分别 取平均，得到需要的指纹如图中大圆点，其位置为 所取 10 个小圆点的平均位置，然后窗口向后滑动 至第 6 个小圆点继续取指纹 2。
of Electronic ＆ Telecommunicatio University of Moratuwa
Sri Lanka.
［3］ Paul Kemppi " Database Correlation Method for Multi －
System Location" Department of Electrical and Communi-
1． 在相 同 环 境 下 NN，KNN，WKNN 三 种 定 位算法的误差 WKNN 效果更好。
2． 指纹间距的大小会影响误差的大小，指纹 间距越小，误差越小，但是离线工作量越大。
可以看出，将传统的轨道电路定位与位置指纹 定位结合，可以显著提高定位精度，并且可以随时 将指纹定位算法应用于现有的轨道电路定位中。因 为指纹定位算法依据已经搭建好的无线网络，只需 要建立指纹数据库即可运行，并不需要额外的大量 固定资产投入。
位置指纹定位技术在非视距传播环境下的表现 非常好，其他无线定位算法 ( 到达时间差、到达 角等) 受多径环境影响严重，而位置指纹定位恰 恰利用了多径效应，可以在非视距环境下准确 定位，适合于环境复杂地区的定位。而且定位 算法本身不需要额外的硬件支持，依靠已经建 好的无线网络，只需要接收机能够反馈接受信 号强度等信息，所以位置指纹定位的技术成本 较低，可以较快投入应用。目前百度文库于指纹定位 算法的 研 究 大 多 在 室 内 环 境 和 GSM 环 境 下， 缺少 GSM-R 网络下位置指纹定位性能相关方 面的研究。
仿真参数 fc ( 频段大小) ht ( 发射天线高度) hr ( 移动终端高度) d( 移动终端与发射天线之间距离) n1 ( 信道损耗因子)
δ1 ( 速度修正因子)
设定值
900MHz
35m
4. 5m 0. 05 ～ 5km
3. 5
0( V ＜ 200km /h) ; 1 ( 200km/h ＜ V km/h) ; 2( V ＞ 300km /h)
Database Correlation Method for GSM Location" VTT In-
formation Technology P． O． Box 1202.
［2］ B． D． S． Lakmali " Design，Implementation ＆ Testing of
PositioningTechniques in Mobile Networks " Department
图 6 WKNN 不同指纹间距下的 CDF
4 结论
3 仿真性能结果
3. 1 NN，KNN，WKNN 三种算法比较 从图 5 中可以看出，当 K 取 2 时，WKNN 算
法定位误差明显优于 NN 与 KNN 算法。WKNN 算 法定位误差 67% 概率下小于 25 m，95% 概率下小 于 150 m。由于 WKNN 算法性能优于其他二种算 法，故后续仿真中均采用 WKNN 算法。
＜ 300
δ2 ( 地形修正因子) δ3 ( 随机噪声生成)
－ 5( 郊区) ; － 20( 平原) ; 15( 山岭) ; 0( 隧道)
服从均值为 0 方差为 2 的 正态分布
列车车厢损耗 小区半径 基站发射功率
15dB 2km( 山岭) 2. 5km ( 郊区) 3km( 平原)
40W
增大而增大，在指纹间距为 50 m 和 150 m 时定位 误差在 95% 概率下分别小于 100 m 和 140 m。同时 可以看出，定位误差并不是和指纹间距同比例增 大，所以在要求不高的前提下可以适当增大指纹间 距，以减少离线准备工作。
1 基于 DCM 的位置指纹定位技术
1. 1 位置指纹算法 基于 DCM 的位置指纹算法主要分为离线和在
* 铁道第三勘察设计院集团有限公司 助理工程师，300251 天津 收稿日期: 2011-10-21
线 2 个阶段。 1． 离线阶段。首先在一定范围内选择足够多
的位置，对每个位置测量其能接收到的各个基站的 信号强度，和该位置的二维地理坐标。把采集到的 数据存放到一个数据库里供后期定位使用，这些选 定的位置被称作指纹。在实际选取指纹的过程中， 指纹不是直接选取的位置，而是以一种滑动窗口的 模式选定。
— 49 —
铁道通信信号 2012 年第 48 卷第 3 期
— 50 —
RAILWAY SIGNALLING ＆ COMMUNICATION Vol. 48 No. 3 2012
按照图 3 在 Matlab 中搭建铁路 沿 线 的 仿 真 环 境。 按照图 1 的滑动窗口模式建立指纹数据库。
表 1 GSM-R 仿真参数设定
cations Engineering 1st August，2005.
［4］ 钟章队 . 铁路 GSM-R 数字移动通信系统［M］. 北京: 中国铁道出版社，2007.
［5］ 李铁华． GSM-R 无线信道模型分析［D］. 西南交通大
学，2007.
( 责任编辑: 诸 红)
— 51 —
图 5 NN，KNN，WKNN 三种算法 CDF 比较
3. 2 WKNN 算法中不同指纹间距的仿真比较 图 6 给出了指纹间距在 50 m 和 150 m 时的定
位误差 CDF 曲线。可以看出定位误差随指纹间距
参考文献
［1］ Heikki Laitinen，Jaakko Lahteenmaki，Tero Nordstrom "
2012 年 3 月 第 48 卷 第 3 期
铁道通信信号 RAILWAY SIGNALLING ＆ COMMUNICATION
March 2012 Vol. 48 No. 3
通信·信息技术
基于数据库相关算法的位置指纹定位技术
任 睿*
摘 要: 基于 Matlab 搭建了仿真平台，仿真实现了指纹数据采集、数据库建立、匹配定位等定 位系统功能模块。运用最近邻、K 近邻以及 K 加权近邻算法在 GSM-R 环境中进行了对比测试， 比较分析几种方法的定位效果; 通过修改 GSM-R 网络参数、指纹大小等因素，比较各算法在不 同环境中的定位性能。 关键词: 数据库相关算法; 最近邻法; K 近邻法; 加权 K 近邻法 Abstract: The Matlab-based simulation platform are set up to realize fingerprint data collection，database creation，matching positioning and so on． Comparison tests are also made among the nearest neighbor algorithm，K nearest neighbor algorithm，and weighted K nearest neighbor algorithm to analyze their positioning effects in GSM-R networks． Through revising GSM-R network parameters，the size of fingerprint，and so on factors，the positioning performance of each algorithm are compared． Key words: Database correlation method; NN ( Nearest Neighborhood) ; KNN; WKNN
在轨道交通列车行车安全中，列车定位是一项 关键的技术。实时精确确定列车在线路的位置是保 证安全、发挥效率、提高服务质量的前提。最佳定 位技术应该能在任何时间、任何位置按要求确定列 车的当前位置。目前应用于列车的定位技术有地面 设备定位、无线通信定位和卫星定位，而基于数据 库相关 ( DCM) 算法的位置指纹定位技术属于无 线通信定位。