网络通信 频道

基于非均匀阵的MIMO通信与定位一体化技术

  一、研究背景

  随着移动互联网技术的不断发展,人们对基于位置的服务需求越来越迫切,智能移动手持设备的普及,也为人们基于位置的服务需求提供良好的平台基础,设备中配置的多种传感器,如GPS、WLAN、Bluetooth、惯性传感器等,均可服务于定位导航功能。在室外,基于卫星的位置导航系统已经逐渐成熟,配合惯性传感器和室外道路交通地图,定位技术精度和速度都已经能够满足基于位置服务的需求。然而当用户终端(User Equipment, UE)进入室内,室外定位中所依赖的卫星信号由于建筑物的遮挡将被严重削弱,从而无法完成可靠的定位。因此必须寻找新的定位技术手段,如超宽带技术,Bluetooth技术,WLAN技术等。不同于室外定位,由于室内的空间相对狭小,这对定位精度的要求也有了很大程度上的提升。同时,不同于室外空旷的环境,室内环境复杂且多变,多径干扰相对于室外更加的严重,因此定位难度也大幅提升。

  针对MIMO通信与定位一体化的问题,本文提出了基于非均匀阵(Non-Uniform Array, NUA)的解决方案。对于MIMO通信和定位,该方案可以采用完全同样的天线阵列和射频前端,在保证MIMO通信保持大容量的同时,利用MIMO通信接收机的信道状态信息(Channel State Information, CSI),也能够实现无模糊且高精度的角度估计,从而实现高精度的三维(Three Dimensional, 3D)定位。在角度估计中,将三线性平行因子分解和NUA进行有机结合,显著降低了角度估计的计算复杂度。通过数值仿真和测试实验,对基于几何学的WLAN室内定位方案进行了详细对比。

  二、基于NUA的MIMO通信与定位一体化方案

  以WLAN系统为例讨论基于NUA的MIMO通信与定位一体化技术方案。由于只与CSI相关,该方案能够非常方便地推广至其他的无线移动通信系统。因为目前WLAN系统中接入点(Access Point, AP)用于通信的MIMO天线阵列会在角度估计过程中产生角度模糊现象,从而导致角度估计的失败,所以现有利用角度信息的定位技术方案均需要在AP上新增额外的半波长阵元间距的天线阵以及对应的射频通道。也就是说,在现有技术方案中,基于角度的定位与MIMO通信无法很好地融合一体化。基于NUA的MIMO通信与定位一体化技术方案能够很好地解决以上这个问题。NUA的阵元分布可通过优化获得,在给定阵列可用面积和天线单元数目的约束条件下,优化目标是MIMO信道容量尽可能大并且使天线阵列导向矢量之间的相关系数尽可能小。

  图1. 2个AP与1个UE在室内环境中的多径信道示意图

  如图1所示,当通过多个AP进行定位时,服务器可以通过综合UE相对于多个AP的角度信息,从而估计出位置。基于NUA的CSI可估计出UE相对于每个AP的角度,如图2所示,然后在3D空间中搜索满足以下条件的位置点。基于NUA的室内定位主要包括如下步骤:

  S1.用户终端设备向无线局域网AP发送定位的请求帧,AP通过天线阵列接收该请求帧;

  S2.AP对步骤S1中接收的请求帧进行解包,获得CSI,并将CSI发送给服务器;

  S3.服务器在收到步骤S2中请求帧的CSI之后,持续从AP中获取该定位请求帧后续通信帧的CSI,对所有的CSI进行保存;

  S4.服务器对步骤S3保存的所有CSI,通过时延角度参数估计方法,估测出用户位置信息;

  S5.服务器将步骤S4估测出的用户位置信息由AP反馈给用户,在用户终端设备中显示。

  图2. 利用UE在2个AP的到达角进行3D定位

  在参数估计的过程中,可以借助三线性平行因子分解。该算法对于信道参数估计具有重要意义,主要体现在簇响应分离中,另外在对硬件进行空中校准等方面都有重要作用。三线性平行因子分解是一种常见的三维矩阵分解方式,最早应用于生理学研究中,后被引入到通信信号处理领域,有着重要的应用价值。在三个因子矩阵的最小二乘估计过程中,将他们交替迭代即为最常见的交替迭代最小二乘(Trilinear Alternating Least Squares, TALS)方法。在OFDM系统中,由于直流分量及附近的子载波被移除,因此整个频带内的子载波不连续,所以在利用CSI矩阵进行三维矩阵构造时需要将其分为两段连续的子载波。首先进行时延参数的粗估计,这里将空间谱估计算法中的空域平滑技术移植到频域,利用前向后向平滑技术获得时延的估计结果,进而构造两个因子矩阵的初始值进行TALS迭代。然后利用分离的子径响应,估计子径的到达角和时延参数,这里的时延参数包括空中飞行时间和系统响应时延。

  三、仿真与测试结果

  如图3所示,采用2发2收的软件定义无线电设备USRP 2944R搭建了MIMO 通信与室内定位一体化系统。双AP的室内定位方案采用IEEE 802.11ac标准,发送信号带宽为80MHz。用4个USRP组成一个8通道的接收机,在接收端模拟AP侧的接收。数据的发送与采集通过NI公司的LabView 软件控制完成,发射端与接收端由两台主机分别控制。为了验证角度估计算法与定位算法合理性和正确性,AP采用8阵元的单极化阵列,与仿真相同,实验系统的载频选择5.4GHz。图4给出了UA和NUA的阵元位置。为了验证NUA的优越性,进行了仿真和实验测试的对比。

  图3. MIMO通信与定位一体化实验系统以及测试场景

  图4. UA和NUA阵列的阵元位置

  (a) 会议室

  (b) 大厅

  图5. 仿真和实验测试的场景

  图6. 会议室场景中,AAoA和EAoA的仿真结果对比

  图5给出了仿真和实验测试的2个典型场景。图6给出了会议室场景中角度估计的仿真结果。对于AAoA,基于非均匀阵的改进的TALS和COMFAC的估计误差中位数分别为0.25°和0.39°;对于EAoA,基于NUA的改进TALS和COMFAC的估计误差中位数分别为0.24°和0.5°。基于UA的改进TALS和COMFAC的AAoA估计误差中位数分别为0.42°和0.61°;基于UA的改进的TALS和COMFAC的EAoA估计误差中位数分别为0.57°和1.03°。仿真结果表明,采用NUA的估计值明显小于UA;此外,相比于传统的COMFAC,采用改进TALS的角度估计具有更高的精度。

  图7给出了会议室场景中3D定位的仿真结果。基于NUA的改进的TALS和COMFAC的估计误差中位数分别为4厘米和7厘米;基于UA的改进TALS和COMFAC的估计误差中位数分别为7厘米和20厘米。与角度估计结果类似,所设计的NUA比UA定位误差低,改进的TALS相比于传统COMFAC,最终得到的定位精度更高。

  图7. 会议室场景中,采用不同算法的双AP进行3D定位性能仿真结果对比

  图8给出了会议室和大厅场景中3D定位的实验测试结果。在会议室场景中,对于NUA,改进TALS和COMFAC的定位误差中位数都是2分米;对于UA,改进TALS和COMFAC定位误差均为9.2分米。在大厅场景中,基于NUA改进的TALS 和 COMFAC 的定位误差中位数分别为3分米和4分米。仿真结果表明,基于NUA的改进TALS方法可以获得厘米级的3D定位精度;而在实际测试中,该方法可以获得分米级的3D定位精度。

  (a) 会议室

  (b) 大厅

  图8. 采用不同算法的双AP进行3D定位实验测试结果对比

  四、研究结论

  本文在业界首次提出了基于非均匀阵列的MIMO通信和定位一体化技术方案,实现了天线射频的完全共用。利用MIMO通信的CSI,提出改进的TALS算法,以低复杂度的代价实现了高精度的角度估计。仿真和实测结果表明,3D定位误差中位数分别可达厘米级和分米级。所提方案不但能够使MIMO通信保持高容量,而且能够获得高精度室内定位。

  【论文信息】

  B. S. Yang, W. H. Wu, D. X. Yang, H. M. Wang, and X. H. You, “Nonuniform array-based integrated MIMO communication and positioning in wireless local access networks,” IEEE Internet Things J., Early Access, Nov. 2022, DOI: 10.1109/JIOT.2022.3219454.

0
相关文章