JVATSP：面向非视距环境的VBS-AOA-TDOA联合单站定位方法

《Physical Communication》：JVATSP: Joint VBS-AOA-TDOA Single-station Positioning Method for NLOS Environments

　　

**基于VBS融合AOA/TDOA的单站NLOS定位：2个反射体，无需同步**

**两阶段VBS粗略估计+ABA精细估计降低复杂度并提升精度**

**通过ROS/DOS评估散射体对3D NLOS定位的影响**

**引言**

随着互联网和物联网（IoT）的发展，消费电子设备越来越依赖基于位置的服务（LBS）[1], [2]。新兴的6G使能技术——如太赫兹通信、高级波束成形和智能反射面（IRS）——能够提供高精度LBS所需的带宽、方向性和多径分辨能力。

这些服务涵盖广泛，从智能手机上的实时导航，到智能家居的自动控制，再到可穿戴设备的健康监测。虽然全球定位系统（GPS）能够在室外可靠地提供精确的位置数据，但在多径效应丰富的环境中（如城市峡谷、隧道和室内环境），其性能严重下降，因为周围建筑的信号遮挡阻碍了稳定的视距（LOS）路径[3]。因此，Wi-Fi、UWB、RFID、VLC和蓝牙等替代技术已被广泛用于室内定位[4], [5]。然而，困扰这些技术的一个根本性挑战是多径效应，这是高精度定位的主要障碍。在NLOS条件下，基站与移动台之间缺少直射路径，迫使信号通过反射、衍射或穿透传播，从而增大了测距误差，严重降低了室外和室内定位系统的精度。

大多数现有的NLOS定位方法依赖于移动台（MS）的定位参数，如NLOS信号的到达角（AOA）、离开发角（AOD）、到达时间（TOA）、到达时间差（TDOA）和接收信号强度指示（RSSI）[6]–[20]。这些参数估计的精度直接决定了整体定位性能。现有的NLOS定位方法可大致分为四类：

1. **传统AOA技术** [6]–[8]：基于角度的方法（如传统AOA）依赖于精确测量信号的到达角。然而，在NLOS环境中，来自不同方向的多径信号会严重降低定位精度。此外，仅使用AOA的单基站只能提供方向线而无距离信息，在没有多基站或反射体几何先验知识的情况下无法实现3D定位。

2. **TOA或TDOA** [12]–[17], [21]–[24]：基于时间的定位方法（包括TOA和TDOA）依赖于精确的时间同步来测量信号传播距离。然而，在NLOS环境中，其精度受到严重影响。例如，GPS中的伪距误差可达数十米，即使采用差分技术（如DGPS）也无法完全校正。类似地，基于信号衰减估计距离的RSSI方法在NLOS条件下表现不佳，因为实际信号强度偏差与标准路径损耗模型相矛盾。更根本的是，TOA要求基站与移动台之间的严格同步，而TDOA将此要求放宽为基站间的同步——但两者都受到NLOS引起的正偏置影响，难以建模或消除。

3. **指纹匹配** [25]–[27]：如Wi-Fi或蓝牙指纹定位方法，通过将实时测量值与预构建的无线电地图进行匹配来工作。然而，在NLOS环境中，障碍物变化导致测量信号与存储指纹之间的不匹配，使这些方法的精度下降。此外，指纹法需要大量离线现场勘测，且对环境变化（如家具重新布置、季节性植被变化）高度敏感，导致泛化能力差且维护成本高。

4. **虚拟基站（VS）法** [28]–[31]：现有的虚拟基站方法大多依赖于到达时间（TOA）参数，一些基于单站模型的虚拟基站方法仅适用于特定的反射几何结构。大多数方法需要至少三个反射面或假设已知反射体方程。在稀疏反射环境（如城市街道或室内角落）中，无法建立足够的虚拟基站。此外，许多VS方法仍然依赖于绝对TOA，从而继承了基于时间方法的同步和NLOS偏置问题。

单站NLOS定位面临三个关键瓶颈。仅AOA方法提供方向但无距离信息，单个基站无法确定移动台在该方向上的距离。基于TOA的方法需要基站与移动台之间的精确时间同步，这对低成本设备来说具有挑战性。TDOA放宽了基站-移动台同步要求，但仍需要精确提取路径时延。两者都受到NLOS偏置的影响，导致测距估计被放大。传统VS方法通常需要三个或更多反射面或绝对TOA，使其在稀疏反射环境（如城市街道或室内角落）中不切实际。

为应对上述挑战，我们提出了一种基于单基站定位模型的新型NLOS定位算法。该算法旨在提高受NLOS传播影响环境中的定位精度。本文的主要贡献如下：

1. **我们提出了一种适用于双散射体场景的单基站虚拟基站融合定位方法。** 极端NLOS环境（如城市峡谷）由于有效散射体稀少和几何约束不足，面临重大挑战。我们利用AOA和TDOA测量之间的几何互补性来克服这一限制。通过整合已知的反射面方程，我们构建了等效视距路径，将3D定位所需的最少散射体数量从3个降低到2个。该方法消除了传统多基站系统中固有的对绝对时间同步的依赖。它有效减少了部署开销，缓解了同步引起的误差，同时增强了复杂城市环境中的定位适应性。

2. **我们设计了一种从粗到精的ABA优化框架。** 传统BA存在多重缺点：有6个需手动调节的参数导致调节工作量繁重、初始种群分布不均匀、全局搜索能力弱以及严重的早熟收敛问题。我们改进的ABA仅需4个可调参数。AP聚类在粗略估计中缩小搜索空间，帐篷映射优化初始种群分布，残差驱动的自适应权重防止陷入局部最优。AOA-TDOA联合代价函数充分利用互补测量信息以提升定位精度。

3. **我们构建了一个完整的3D评估系统。** 与忽略ROS（散射环）和DOS（散射盘）散射对比的先前单站研究不同，我们通过蒙特卡洛测试定量分析了散射体分布如何影响定位误差。此外，通过基于真实城市场景的高保真Wireless Insite仿真，验证了我们方法的稳定性能和良好泛化能力。

本文其余部分组织如下：第2节介绍单站NLOS定位模型以及基站的AOA和TDOA参数估计。第3节详细说明VS生成过程并建立联合AOA/TDOA定位方程。第4节描述用于求解该方程的ABA。第5节和第6节分别展示仿真结果和高保真测试。最后，第7节总结全文并归纳主要发现。

---

**系统模型**

当障碍物遮挡了基站（BS）与移动台（MS）之间的直射路径时，信号必须通过反射、散射或衍射传播，从而导致NLOS传播条件。在此条件下，多径引起的传播延迟使得无法直接使用为视距（LOS）场景设计的定位技术。在NLOS环境中，经历多次反射、散射或衍射的信号遭受严重衰减，使其越来越难以区分，与……（注：原文在此处截断）

**联合定位方程的建立**

所提出的联合AOA-TDOA公式的关键优势在于单站NLOS场景中测量量的互补性。AOA直接得出每条反射路径的方向。虽然AOA估计对中等噪声具有鲁棒性，并且受益于6G系统中大规模MIMO阵列的高角分辨率，但它无法解析该方向上的距离。相反，TDOA提供两条NLOS路径之间传播距离的差值，消除了对……的需要（注：原文在此处截断）。

**移动台位置估计**

方程（16）的求解涉及一个优化挑战，元启发式算法提供了一种可行的方法[39]。其中，蝙蝠算法（BA）因其快速的收敛速度而脱颖而出，是优化该问题的理想选择[38]。然而，它容易陷入局部最优，影响其性能。为此，我们提出了ABA以提高搜索速度并降低陷入局部最优的可能性。

**仿真条件**

为评估所提出的基于单站的NLOS定位算法的性能，我们在MATLAB中设置了一系列仿真实验。仿真区域大小设定为300 m × 300 m × 80 m，仿真中默认建筑垂直于x-y平面，导致z轴系数为0。仿真区域包含四个反射面。用于构建NLOS传播环境的这些反射面参数为……（注：原文在此处截断）

**高保真仿真条件**

为评估所提算法在真实环境中的定位性能，我们使用Wireless Insite [53]——一种在定位研究中广泛采用的专业射频传播建模软件（例如[54], [55]）——在典型城市场景中进行了实验。图14中的城市街道模型由以下部分组成：灰色区域表示建筑物，黄色区域表示地面，带有高度的绿色区域表示城市灌木丛集。

为了模拟复杂的……（注：原文在此处截断）

**结论**

本文提出了一种基于虚拟基站理论的单基站NLOS定位框架。该框架首先利用从NLOS传播路径收集的AOA测量值来缩小移动台的近似空间范围。然后通过纳入TDOA观测值构建联合定位约束。采用ABA在该有界搜索区域内高效地求解所建立的代价函数。数值仿真和……（注：原文在此处截断）

---

**未引用的参考文献**
缺失引用[36]

**未引用的图表**
缺失图15

**CRediT作者贡献声明**

Liangbo Xie：软件。Shundong Feng：方法论。Yukun Zhang：调查研究。Mu Zhou：监督。Xiaolong Yang：形式分析。Yong Wang：监督。

**利益冲突声明**

作者声明以下可能被视为潜在利益冲突的经济利益/个人关系：Mu Zhou报告获得了国家自然科学基金的经费支持。Mu Zhou报告获得了重庆市自然科学基金项目的经费支持。Mu Zhou报告获得了重庆市教育委员会科技研究项目的经费支持。Mu Zhou报告了一种关系……（注：原文在此处截断）

**作者简介**

Liangbo Xie（IEEE会员）1986年出生于中国四川。他分别于2007年和2010年在重庆大学获得学士学位和硕士学位，并于2016年在中国电子科技大学（UESTC）获得博士学位。他目前是重庆邮电大学通信与信息工程学院副教授。他的研究兴趣包括无线感知、室内定位……（注：原文在此处截断）

Liangbo Xie | Shundong Feng | Yukun Zhang | Mu Zhou | Xiaolong Yang | Yong Wang