一种基于NB-IoT的终端指纹定位方法技术

本发明专利技术公开了一种基于NB‑IoT的终端指纹定位方法，采用指纹匹配的定位方式，能够在不增加NB‑IoT终端复杂度的前提下，尽可能的提升终端定位精度，相比于传统指纹定位方式，本发明专利技术基于细粒度的信道状态信息和窄带信号参考信息进行指纹匹配，并利用K邻近点与待定位终端的NRSRP值构建距离估计差，并利用极大似然估计算法计算待定位终端的实际位置估计值，定位精度更高，在构建指纹特征库的过程中，利用kalman滤波去除掉异常值和噪声数据，使构建的指纹库数据更加精确。

A Fingerprint Location Method Based on NB-IoT

The invention discloses a fingerprint positioning method based on NB_IoT. The fingerprint matching positioning method can improve the terminal positioning accuracy as far as possible without increasing the complexity of NB_IoT terminal. Compared with the traditional fingerprint positioning method, the fingerprint matching method is based on fine-grained channel state information and narrowband signal reference information, and uses K neighboring points. In the process of constructing fingerprint feature library, Kalman filter is used to remove outliers and noise data, which makes the data of fingerprint database more accurate.

【技术实现步骤摘要】
一种基于NB-IoT的终端指纹定位方法
本专利技术涉及物理网设备定位
，更具体地说，涉及一种基于NB-IoT的终端指纹定位方法。
技术介绍
近年来，随着物联网和智慧城市的快速发展，“万物互联”的时代即将到来。物联网与传统行业密切结合，并借助云计算、大数据等技术构建起了万物互联的生态体系。据统计，到2020年，LPWA链接数量将达到20亿，超过传统蜂窝用户的数量。由于具有成本低，功耗低，连接量大，覆盖范围广等优点，窄带物联网(NB-IoT)将会广泛应用于工业与生活中。同时人们对于生活中基于位置的服务(LBS)需求越来越多，如何在传统蜂窝网络的基础之上，结合NB-IoT的应用场景和网络特性，让NB-IoT终端能够达到日常定位需求，引起了学者们的讨论和研究。通过使用窄至180kHz的带宽，NB-IoT终端与普通LTE-AUE相比仅具有15％的复杂度。NB-IoT支持超级覆盖扩展，大量连接和超长工作时长，低功耗/低成本和低设备复杂性。作为具有超高覆盖范围和大量连接的超低复杂度和低功耗技术，NB-IoT可应用于各种物联网场景，包括基于位置的服务(LBS)，如智能停车和物流跟踪，智能家居等本文档来自技高网...

【技术保护点】
1.一种基于窄带物联网NB‑IoT的终端指纹定位方法，其特征在于，包括：S1：获取待定位终端与多个基站之间的子载波的信道状态信息CSI，以及所述待定位终端与多个基站之间的窄带参考信号接收功率NRSRP值；S2：根据所述CSI提取出所述待定位终端与每一所述基站之间的子载波的幅度值，并将所述待定位终端与多个基站之间的子载波的幅度值和NRSRP值作为所述待定位终端的指纹特征信息；S3：利用K近邻算法根据所述指纹特征信息在指纹特征库中进行搜索，筛选出与所述指纹特征信息形成最优匹配的前K个参考终端的指纹特征信息，所述指纹特征库中存储有多个参考终端的指纹特征信息，以及每一参考终端所处位置的位置信息，每一参...

【技术特征摘要】
1.一种基于窄带物联网NB-IoT的终端指纹定位方法，其特征在于，包括：S1：获取待定位终端与多个基站之间的子载波的信道状态信息CSI，以及所述待定位终端与多个基站之间的窄带参考信号接收功率NRSRP值；S2：根据所述CSI提取出所述待定位终端与每一所述基站之间的子载波的幅度值，并将所述待定位终端与多个基站之间的子载波的幅度值和NRSRP值作为所述待定位终端的指纹特征信息；S3：利用K近邻算法根据所述指纹特征信息在指纹特征库中进行搜索，筛选出与所述指纹特征信息形成最优匹配的前K个参考终端的指纹特征信息，所述指纹特征库中存储有多个参考终端的指纹特征信息，以及每一参考终端所处位置的位置信息，每一参考终端的指纹特征信息包括该参考终端与多个基站之间的子载波的幅度值，以及该参考终端与多个基站之间子载波的NRSRP值；S4：利用所述待定位终端与其服务基站之间的NRSRP值、所述K个参考终端中的每一参考终端与其服务基站之间的NRSRP值、以及无线信号传输模型计算所述待定位终端与筛选出的每一所述参考终端之间的距离估计值；S5：根据所述距离估计差值以及K个参考终端的位置信息，利用极大似然估计算法得到所述待定位终端的实际位置估计值。2.如权利要求1所述的基于NB-IoT的终端指纹定位方法，其特征在于，所述指纹特征库的建立包括：S21：获取各参考终端的位置信息；S22：针对每一所述参考终端，获取其与各基站之间的子载波的CSI和NRSRP值；S23：针对每一所述参考终端，将该参考终端与各基站之间的子载波的幅度值与NRSRP值同该参考终端对应的位置信息进行融合，从而得到所述指纹特征库。3.如权利要求2所述的基于NB-IoT的终端指纹定位方法，其特征在于，在步骤S22之后，且在步骤S23之前，还包括：S221：利用卡尔曼滤波去除所述CSI和所述NRSRP值中的异常值。4.如权利要求2所述的基于NB-IoT的终端指纹定位方法，其特征在于，所述指纹特征库表示为NB-IoTfingerprint＝[LNB-IoT,Hamp,χNRSRP]，其中，LNB-IoT＝[(lat1,lng1),(lat2,...

【专利技术属性】
技术研发人员：彭大芹，李靖，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50