面向通信感知一体化系统的三维联合定位.pdf

1“6G通感算融合”专题！1面向通信感知一体化系统的三维联合定位刘若韵，刘蕊，李佳珉*，潘志文（东南大学移动通信国家重点实验室，江苏南京2 10 0 96）【摘要】随着通信感知一体化技术的不断发展，移动通信系统将集成雷达传感功能，从而促进智慧城市、智慧交通等新型智能化应用。由于传统雷达单基站的感知精度和感知范围有限，不能发挥大规模网络化移动通信系统的特有优势。因此，提出了一种适用于移动通信系统的多基站协作感知方法。该方法混合波达方向和到达时间差对目标进行3-D联合定位。理论分析结果和仿真结果均表明，该定位算法在小噪声条件下可以达到克拉美罗下界。【关键词】通信感知一体化；波达方向；到达时间差doi:10.3969/j.issn.1006-1010.20240124-0003中图分类号：TN929.5文献标志码：A文章编号：10 0 6-10 10(2 0 2 4)0 3-0 0 90-0 5引用格式：刘若韵,刘蕊,李佳珉,等。面向通信感知一体化系统的三维联合定位.移动通信，2 0 2 4,48(3):90-94.LIU Ruoyun,LIU Rui,LI Jiaming,et al.Three-Dimensional Joint Localization for Integrated Sensing and Communication SystemsJ.MobileCommunications,2024,48(3):90-94.OSID:扫描二维码与作者交流Three-Dimensional Joint Localization for Integrated Sensing and Communication SystemsLIU Ruoyun,LIU Rui,LI Jiaming,PAN Zhiwen(National Mobile Communications Research Laboratory,Nanjing 210096,China)AbstractKeywordsWith the continuous evolution of integrated sensing and communication technology,mobile communication systems areintegrating radar sensing to facilitate emerging smart applications,such as smart cities and intelligent transportation.Giventhe limited sensing accuracy and range of traditional radar with a single base station,which does not leverage the uniqueadvantages of large-scale networked mobile communication systems,a multi-base station cooperative sensing methodsuitable for mobile communication systems is proposed.This method employs a mix of the direction of arrival and thetime difference of arrival for three-dimensional joint localization of targets.Both theoretical analysis and simulation resultsdemonstrate that this localization algorithm can achieve the Cramer-Rao lower bound under low noise conditions.integrated sensing and communication;direction of arrival;time difference of arrival0引言随着时间的推移和技术的进步，移动通信和雷达传感技术蓬勃发展，通信和雷达所使用的射频架构之间的相似性越来越多，所使用的频段也逐渐接近甚至重叠，人们对 ISAC（In t e g r a t e d Se n s i n g a n d Co m m u n i c a t i o n，通收稿日期：2 0 2 4-0 1-2 4*基金项目：国家重点研发计划项目“6 G超低时延超高可靠大规模无线传输技术”（2 0 2 1YFB2900300），国家自然科学基金“全双工无线回传密集分布式MIMO无线通信理论与技术研究”（6 197 112 7），中央高校基本科研业务费专项资金资助（2 2 42 0 2 2 k60006），PC L重大重点项目(PCL2021A01-2)*通信作者90移动通信2024年3月第3期信感知一体化）领域的研究越来越感兴趣1-3。移动通信系统作为一种广泛部署的信息基础设施，未来将在ISAC技术的支持下不断集成无线传感功能，逐渐演变成集成传感和通信双重功能的统一信息基础设施。针对智慧城市、智能交通等智能化场景，具有ISAC能力的移动通信系统需要具备广覆盖、高精度的感知能力5-6 。然而，单基站感知对于远距离目标的定位精度不足7 。因此，研究多基站协作感知有望克服单基站感知的局限性8。移动通信网络中本来就存在多个基站，这种多站感知模式可以形成大面积、无缝覆盖的分布式感知系统。目前，广泛使用的定位方法的原理是，首先从接收信号中提取信道参数，例如，TDOA（T i m e D i f f e r e n c e o fArrival，到达时间差）、TOA（T i m e o f A r r i v a l，到达时间）、第48 卷总第52 3期刘若韵，刘蕊，李佳珉，等：面向通信感知一体化系统的三维联合定位DOA（D ir e c tio n o fA r r iv a l，波达方向）和RSS（Re c e iv e dORRUSignal Strength，信号到达强度），然后将其分组为位置UE米500selected参数的函数，最后使用不同的估计器来估计目标的位置。400TOA定位方法需要基站与目标之间保持精确的时间同步，但实际定位过程中很难保证两者之间的时间是同步的，所产生的较大误差导致定位精度下降。TDOA定位方法只需要保持基站之间的时间同步而不考虑用户发射信号的初始时刻，相对于TOA定位精度有所提高9-14。常用的估计方法是WLS（W e i g h t e d Le a s t Sq u a r e，加权最小二乘法），但是这种方法无法处理非线性关系且对目标位置的估计精度较差U5-19。为了克服这些缺点，本文提出基于TWLS（T w o-St e p W e i g h t e d Le a s t Sq u a r e，两步加权最小二乘法）的混合DOA-TDOA三维联合定位算法 2 0-2 1。1系统模型本文考虑如图1所示的无蜂窝ISAC系统。在靠近UE（U s e r Eq u i p m e n t，用户设备）的一个区域内密集部署多个分布式低复杂度RRU（Re m o t e Ra d i o U n i t，远程射频单元），并将它们连接到执行基带处理的公共CPU（C e n t r a l Pr o c e s s i n g U n i t，中央处理器），由CPU协调进行联合处理。获得的位置信息可以与网络节点共享。假设ISAC系统中不同RRU的时钟是同步的，为了便于表达，考虑具有单个UE的系统模型。只要不同UE的导频信号在时间上正交，该系统模型就可以很容易地扩展以解决具有多个UE的情况。2DOA-TDOA定位模型2.1位置描述假设一个三维空间 R-x,;x,zE R中某时刻有N个RRU，选取其中距离用户最近的N。个RRU开展联合协同定位，定位场景如图2 所示：300N2001000600400图2RRU和UE位置示意图（N=6）记该时刻第n(n=1,2，.，M)个RRU的三维位置向量为r=xYm，z,IT。记UE在该时刻的三维位置向量为u=x,y,2T。2.2DOA定位记,与分别表示该时刻第n个RRU相对于该时刻UE的方位角和仰角的真实值，表示为：e,=arctan x-Xnd,=arctan(x-x,)cos(e,)+(y-y,)sin(e,)式中，0，(一元,元)，,=(一元/2,元/2)。在实际中，所观测到的方位角和仰角均带有测量噪声，因此对于CPU来说，观测模型如下：0=,.,0%T+80,80,80 T=0+n。=a,%+,0,0=+gng、n 为对应的噪声向量，其均服从零均值高斯分布，协方差矩阵分别为Q。、Q。将上述式(1)交叉相乘可得到：-sin()x+cos()y=-sin(e)x,+cos(e)y,(5)O200y50040030020010000Z-Z(1)(2)(3)(4)CPURRU用户设备散射体（）ISAC信号ISAC散射信号图1ISAC系统示意图移动通信2024年3月第3期91第48 卷“6G通感算融合”专题11总第52 3期将式(5)组合可得到矩阵形式：Giu=hi-sin(0)cos(Q)0-sin(e)cos(0)0G;=-sin(0%)cos(0%)0-sin(0)x+cos(e)y1h-sin(0,)x,+cos(e2)y2L-sin(0%)X+cos(0%)y将上述式(2)交叉相乘可得到：-sin(d)cos(0,)x-sin(g,)sin(0,)y+cos(g)2=-sin(g,)cos(g,)x,-sin(d,)sin(e,)y,+cos(d)zn将式(9)组合可得到矩阵形式：Gju=hi-sin(d)cos()-sin(di)sin(e)cos(d)G,=sin(;)cos(0,)-sin(d;)sin(,)cos()-sin(%)cos(0%)-sin(%)sin(0%)cos(d%)-sin(d)cos(e)x,-sin(d)sin()y;+cos(d)z)-sin(di)cos(0)x2-sin(d)sin(2)y,+cos(d)z2hi=-sin(0%)cos(0%)xN-sin(0)sin(0n)y+cos(d%)z2.3TDOA定位将第1个RRU作为 TDOA定位的参考RRU，将第1个RRU接收到UE发送信号的TOA定义为参考时间ti，则第n个RRH接收到UE发送信号的TOA与参考时间之间的TDOA为t，-t i。则UE发送的信息到达其余RRU和参考RRU之间的TDOA可以表示为：u-r.u-riTn.ti-ti,2nNCC记UE和第n个RRU之间的距离为：d,=lu-r.ll在式（13）中c表示信号传播速度，通常是已知的，因此TDOA可以转换为RDOA（Ra n g e D i f f e r e n c e o fArrival，到达距离差），记d，表示UE与第n个RRU、第1个RRU之间的距离差的真实值。d.,=d,-di,2nN在实际中，仅能获得带有测量噪声的观测值，因此对于CPU来说，观测模型如下：d-d.,.ds,.d,+od2,ds,.,d,-d+nna为对应的噪声向量，其均服从零均值高斯分布，协方差矩阵为Qdo将式(15)重写为d，+d,=d，方程两边同时开平方得到：(d.,)+2d.,d=(d,)-(d)(6)将式(14)代人式(17)右侧，计算可得：-r.l-u-=rfr,-rr-2(c,-r)u由式(17)和式(18)可以得到：(7)(d.)-rfr,+rr=-2(r,-r)u-2d.,id将式（19)组合可得到矩阵形式：hi=Gin;(8)(d2.)-rr+rrhi=(d.)2-rfr;+rr(dv,)-rr+rr(9)-2(2-r)T-2dG-20C-1-2d.-2(rv-n)-2dv,(10)13=(11)2.4DOA、T D O A 联合定位经过上述分析计算，no、n、n a 为对应的噪声向量，其均服从零均值高斯分布，协方差矩阵分别为Q。、Q、Qd。可以得到DOA、T D O A 混合观测向量：(12)m=m+n=(0),(0),(d)+ng,n,n,其中，n的协方差矩阵为Q=blkdiag(QQ,Qa)。基于DOA、T D O A 定位模型，可以建立如下混合伪线性方程：hi=Gin4其中，hh(13)3基于TWLS的闭式定位算法该算法分为两步，首先通过引入辅助参数将非线性的(14)DOA和TDOA定位方程转化为伪线性的形式，并利用WLS算法估计出目标位置的粗略解；随后利用辅助参数与目标位置参数之间的约束关系修正目标位置的粗略解，进一步提高了定位精度。由于该算法是闭式解，故不存在收敛问题。(15)3.1 第一阶段当存在测量误差时，将式(2 5)转换为：ef=Gan4-h4(16)其中G4、h 4表示利用带有误差的观测向量计算得到的结果。对G4、h 4进行泰勒展开得到：Jhy=hi+AnG,=Gi+Znd,B,B,=0G,/om,(17)(18)(19)(20)(21)(22)(23)(24)(25)G0G(2N-1)x4JA=ah,/amT,n4=n3(26)(27)(28)92移动通信2024年3月第3期第48 卷总第52 3期刘若韵，刘蕊，李佳珉，等：面向通信感知一体化系统的三维联合定位代人式(2 7)可得：e,=C,n,C,=A-B,n4,B,14,B2nn4由此可以得到权重矩阵为：WT=(C,QC)-I计算权重矩阵时，需要先得到UE位置的一个估计结果。首先基于LS 准则，得到UE初始结果为ns=Gfh，则UE估计结果为us=nis(:3)。将该UE估计结果代人式(30)计算得到权重矩阵，则可以得到第一阶段估计结果：n4=(GTW,G.)G,TW,h4(31)UE的第一阶段位置估计结果表示为u=n4(1:3)。3.2第二阶段第二阶段利用辅助变量与UE的关系建立如下方程：e,=Gs1s-hs(32)其中，h,=(a-d)(al-d.)(j,(4)21007010G001L111ns=(ui-d.)(u-d.)同样，可以得到权重矩阵：W,=(4C,cov(n)C,)-1其中C,=diag(ul-r)T,d)。得到第二阶段估计结果为：n,=(G,W,G,)G,W,h,因此得到最终估计结果为：u=/ns(1:3)+ri正负号的先验信息可以根据第一阶段的结果获取。根据TWLS理论，估计结果n,的协方差矩阵为cov(ns)=(G,W,G,),则估计的目标位置a的协方差矩阵为：cov(a)=1Dcov(i,)D-14其中D=on,/au=diag(u-r)。4理论性能分析CRLB是一个最小方差无偏估计器所能达到的最低估计误差下限，因此经常用于计算理论所能达到的最佳估计精度和评估参数估计方法的性能，此处将其作为所提出算法的评价基准。UE的三维位置向量为u=x，y，z T,DOA、T D O A 混合观测向量为m，C RLB为Fisher矩阵的逆，因此DOA、T D O A 联合定位的CRLB可以表示为：amCRLB(u)=a(u接下来，为了评估所提出算法的有效性，分析算法估计的目标位置理论协方差矩阵cov(u)与CRLB(u)的等价性。将D=n,/au 和cov(n,)=(G,W,G,)代人式(39)可得:(29)cov(u)=(DG,CGTCQCG,C;G,D)-I定义E=On4/OuT=C,G,D、F=O m/O u T=Cr G,ET 可得(30)CRLB(u)=cov(u)由此可得，在DOA、T D O A 测量误差误差较小时，本文所提出算法的协方差矩阵cov(u)与CRLB(u)相等的。也就是说，理论上本文算法的估计误差可以达到CRLB。5算法仿真分析本节通过仿真实验来评估基于TWLS的DOA-TDOA联合定位算法的性能。考虑如下的仿真定位场景：在N个RRU中选取距离UE最近的6 个RRU进行联合定位，它们的位置在表1中给出。UE的位置为u=4000,4000,3000。设DOA和TDOA的测量误差相互独立且服从的(33)零均值高斯分布，标准差分别为doa和idoa。采用均方根误差（RMSE，Ro o t M e a n Sq u a r e Er r o r）衡量算法的定位性能：(34)RMSE=式中，um表示第m次实验的UE位置的估计值，M为蒙(35)特卡洛实验次数，本文中M=5000。(36)表1RRU的三维位置坐标12X1 000(37)yZ(38)图3给出了当DOA测量误差doa固定为1时，TDOA测量误差Qidoa从0.5m增加到5m时，CRLB（D O A）、CRLB（T D O A）、C RLB（D O A T D O A）以及本文算法定位的RMSE曲线。从图中可以看出，TWLS算法可以达到(39)CRLB基准。图4给出了当TDOA测量误差Qidoa固定为2 m时，DOA测量误差doa从0.2 增加到2 时，CRLB（D O A）、CRLB（T D O A）、C RLB（D O A T D O A）以及本文算法定位的RMSE曲线。从图中可以看出，当DOA测量误差Qdoa小于1时，TWLS算法可以达到CRLB基准，但当DOA测量误差doa大于1时，TWLS算法逐渐偏离CRLB基准。算法偏离CRLB的原因在于其算法推导过程中因平方以及开方等非线性运算，致使计算过程中均忽略了二阶DOA和TDOA误差项，当测量误差较大时定位精度有所下降。om(40)(41)(42)um-ull(43)Mm34600180019002.00014017006结束语本文讨论了ISAC系统中单目标的三维定位问题，首先建立了混合DOA-TDOA的联合位置估计模型，然后推9351200170050014016002000移动通信2024年3月第3期618016001.4002001800第48 卷“6G通感算融合”专题11总第52 3期作者简介5004504003503002502001501005000.53002502001501005000.2导了一种高效的封闭形式TWLS解决方案。理论分析结果和仿真结果均表明，基于TWLS的DOA-TDOA联合定位算法在小噪声情况下可以达到CRLB。参考文献：Liu E,Cui Y,Masouros C,et al.Integrated sensing and communications:Toward dual-functional wireless networks for 6G and beyond.IEEEjournal on selected areas in communications,2022,40(6):1728-1767.2 Cui Y,Liu F,Jing X,et al.Integrating sensing and communications forubiquitous IoT:Applications,trends,and challenges.IEEE Network,2021,35(5):158-167.3Wei Z,Liu F,Masouros C,et al.Toward multi-functional 6G wirelessnetworks:Integrating sensing,communication,and securityJ.IEEECommunications Magazine,2022,60(4):65-71.4Wang Z,Han K,Jiang J,et al.Symbiotic sensing and communicationstowards 6G:vision,applications,and technology trendsCJ/2021 IEEE94th Vehicular Technology Conference(VTC2021-Fall).IEEE,2021:1-5.5Tan D K P,He J,Li Y,et al.Integrated sensing and communicationin 6G:Motivations,use cases,requirements,challenges and futuredirectionsCJ/2021 1st IEEE Intermational Online Symposium on JointCommunications&Sensing(JC&S).IEEE,2021:1-6.6Liu A,Huang Z,Li M,et al.A survey on fundamental limits of integrated sensing and communicationJ.IEEE Communications Surveys&94移动通信2024年3月第3期Tutorials,2022,24(2):994-1034.CRLB(DOA&TDOA)CRLB(DOA)CRLB(TDOA)TWLS算法11.5图3RMSE随otdoa变化曲线（odoa=1）0.40.6图4RMSE随0 aa变化曲线（odoa=2m）7Zhang J A,Rahman M L,Wu K,et al.Enabling joint communication andradar sensing in mobile networksA survey.IEEE CommunicationsSurveys l&Tutorials,2021,24(1):306-345.8 Wei Z,Qu H,Wang Y,et al.Integrated sensing and communicationsignals towards 5G-A and 6G:A survey.IEEE Internet of ThingsJournal,2023.9Guvenc I,Chong C C.A survey on TOA based wireless localizationand NLOS mitigation techniquesJJ.IEEE Communications Surveys&Tutorials,2009,11(3):107-124.10Shen J,Molisch A F,Salmi J.Accurate passive location estimation usingTOA measurementsJ.IEEE Transactions on Wireless Communications,2012,11(6):2182-2192.11Kaune R.Accuracy studies for TDOA and TOA localizationCy/2012 15thInternational Conference on Information Fusion.IEEE,2012:408-415.12 Pan M,Liu P,Liu S,et al.Efficient joint DOA and TOA estimation for22.5TDOA噪声(m)O-CRLB(DOA&TDOA)CRLB(DOA)CRLB(TDOA)TWLS算法0.811.2DOA噪声()33.51.444.51.61.852indoor positioning with 5G picocell base stationsJ.IEEE Transactions onInstrumentation and Measurement,2022,71:1-19.13 Wang P,Morton Y J.Multipath estimating delay lock loop for LTE signalTOA estimation in indoor and urban environmentsJ.IEEE Transactionson Wireless Communications,2020,19(8):5518-5530.14 Yang C,Arizabaleta-Diez M,Weitkemper P,et al.An experimentalanalysis of cyclic and reference signals of 4G LTE for TOA estimationand positioning in mobile fading environmentsJ.IEEE Aerospace andElectronic Systems Magazine,2022,37(9):16-41.15Einemo M,So H C.Weighted least squares algorithm for target localization indistributed MIMO radarJ.Signal Processing,2015,115:144-150.16Amiri R,Behnia F,Zamani H.Asymptotically efficient target localizationfrom bistatic range measurements in distributed MIMO radars.IEEESignal Processing Letters,2017,24(3):299-303.17Wang Y,Ho K C.An asymptotically efficient estimator in closed-form for3-D AOA localization using a sensor networkJJ.IEEE Transactions onWireless Communications,2015,14(12):6524-6535.18 Ho K C,Xu W.An accurate algebraic solution for moving source locationusing TDOA and FDOA measurementsJ.IEEE Transactions on SignalProcessing,2004,52(9):2453-2463.19 Nguyen N H,Dogancay K.Multistatic pseudolinear target motion analysisusing hybrid measurements.Signal Processing,2017,130:22-36.20 Yang J,Jin S,Wen C K,et al.Model-based learning network for 3-Dlocalization in mmWave communicationsJ.IEEE Transactions onWireless Communications,2021,20(8):5449-5466.21Amiri R,Behnia F,Zamani H.Efficient 3-D positioning using time-delay and AOA measurements in MIMO radar systemsJ.IEEECommunications Letters,2017,21(12):2614-2617.刘若韵：东南大学移动通信国家重点实验室直博生，主要研究方向为通感一体化。刘蕊：东南大学移动通信国家重点实验室在读硕士研究生，主要研究方向为无线定位。李佳珉：副教授，IEEE会员，博士毕业于东南大学信息与通信工程专业，现任职于东南大学移动通信国家重点实验室，主要研究方向包括大规模MIMO、分布式天线系统和多目标优化。