基于频率强度的定位算法容易实施，成本低，不需要对移动终端和基站硬件进行修改，因此，本文就现有的LTE网络定位问题进行研究，在标准的蜂窝网结构下，利用信道衰减模型参数并辅以神经网络获得更高的定位精度，对非视距传播小区环境下基于频率差的定位精度进行了仿真分析。
当移动台与基站之间的直射路径被障碍物挡住后，无线电波只能在经过反射和衍射之后到达接收端，此时测量到的数据不能正确地反应发送端与接收端的真实距离。通常采用的定位方法有:到达时间差(TOA)定位[1]、时间差(TDOA) 定位[2]、到达角度(AOA)定位[3]及混合定位[4]。但TOA测量要求MS的发射与所有基站的接收精准同步，并且在发射信号中需包含发射时间标记，这需要与BS时钟严格同步，很容易导致误差的增大；而测量AOA的天线排列价格昂贵，距离偏大时微小的角度测量偏差会导致较大的定位距离误差，AOA是受多径传播影响最大的，并且有的基站不支持AOA的上报。
因此,本文就现有的LTE网络定位问题进行研究，在标准的蜂窝网结构下，提出根据测量移动台发射功率以及基站接受功率，在传输信道衰减模型下估算距离，根据多个距离差来确定移动台的位置，并对非视距传播小区环境下基于频率差的定位精度进行仿真分析。




1.1.3 功率测量参数分析
在LTE路测[8]中, RSRP表示接收信号强度的绝对值，是衡量无线网的重要指标，根据参考信号的发送功率可以计算出传播损耗,从而判断与基站的距离。3GPP协议中规定终端上边测量RSRP的范围是[-140 dBm,-44 dBm]，路测时,一般要求RSRP值必须大于-100 dBm，否则容易出现弱覆盖等问题。
载波中心频率fc由信号传输模式决定，在信号传输过程中，将信号负载到一个固定频率的波上，这个固定频率即是载波频率。TDD和FDD是两种载波模式，TDD适用于高密度用户地区的局部覆盖，FDD适用于大区制的国际间和国家范围内的覆盖，两种方式具有相互无法替代的优点，具体的fc值可根据第三代移动通信系统的频谱标准来确定, 本仿真中采用2 000 MHz中心频率。
1.2 基于神经网络的频率定位
1.2.1基于BP神经网络[9]的频率测量值的修正

如图1所示，根据移动台到基站的功率值计算距离差，测量值由于存在NLOS误差值，所以本文采用BP 网络修正测量值。BP神经网络是一种前向型反馈神经网络，具有学习速率快、结构简单等优点来修正NLOS误差，由输入层、隐含层和输出层三级结构组成，其中各节点数目分别为r、s1、s2。隐含层采用激活函数为Sigmoid，即f1(x)=tanh(x)；输出层激活函数为Purelin,线性传递函数，即f2(x)=kx；设输入向量为P，输出向量为T；BP网络修正模型[10]如下：
输入向量为：P=[PDOA21,PDOA31,PDOA41,PDOA51,PDOA61,PDOA71]
输出向量为:T=[d21,d31,d41,d51,d61]
1.2.2基于BP神经网络的频率定位算法
所有基站与移动台之间均为NLOS误差，利用BP神经网路对测量值存在的误差进行修正，从而减小功率测量中的NLOS误差，然后再应用Chan算法和最小二乘(LS)算法进行位置估计，使其具有更高的定位精度。定位的具体步骤如下：
(1)以移动台及基站的样本矢量计算在LOS环境下的
PDOA值，作为目标样本；
(2)假定模拟误差函数，得到在NLOS误差环境下的PDOA值，经由BP神经网络修正数据；
(3)利用修正后的PDOA值,采用Chan和LS算法进行位置估计。
2 仿真及分析
为了检验本算法的可操作性，对基于BP的频率定位算法进行了跟踪仿真。本仿真基于几何结构的单次反射(GBSB)系统信道模型，NLOS误差是采用COST231模型，对市区/郊区小区进行仿真，采用标准的七基站蜂窝网，其中设原点为服务基站BS1,蜂窝网半径为3 000 m。
表1为本文算法PDOA和TDOA算法在相同环境下多次仿真定位误差平均值，由下表数据可以看出，采用频率测量定位比参考文献[11]中同样采用LS算法误差更小，说明本文在结合BP神经网络修正误差并根据信道功率定位上具有良好的性能。

图3为在本文算法下随着信道环境的不同LS与Chan算法的对比图。由图可以看出,随着信道参数的增大，NLOS引起的误差也随之增大。由于Chan算法的推导过程都是基于理想的零均值高斯随机变量，而LS算法不考虑误差的统计特性，精度要好于Chan算法，所以定位更为稳定精确。

为了精确无线通信系统无线电波传播的可靠度，本文提出了一种采用测量移动台与基站之间的频率进行定位的算法，该算法减小了传统测量时间和角度上受多径干扰及设备的影响，并根据不同的传播环境提出相应条件的传播算法，然后结合BP神经网络修正误差，最后利用LS算法进行位置估计。从仿真结果可以看出，本文算法在定位精度上有显著提高且较为稳定。

参考文献
[1] 范小峰， 徐兰芳. 无线网络中物理定位技术研究[D].武汉:华中科技大学,2008.
[2] 朱朝晖.时差定位原理及其应用[J].无线电工程, 2006,36(8):52-64.
[3] 王洪雁，兰云飞，裴炳南,等. 非视距环境下基于到达时间差的一种定位算法[J].计算机仿真，2007,24(9):116-119.
[4] Shen Guowei,RUDOLF Z, REINER S T. Performance comparison of TOA and TDOA based location estimation algrithms in LOS environment[C].Proceedings of the 5th Workshop on Positioning, Navigation and Communication, 2008(WPNC’08):71-78.
[5] 唐兴伟. TD-LTE系统动态仿真链路预算的研究与实现[D].北京:北京邮电大学,2011.
[6] 董晶. LTE系统中下行信号质量RSRP测量研究[J].科技信息,2012(9):78-80.
[7] 付昆鹏.无线通信中电波传播模型的研究[D]. 广州: 华南师范大学,2009.
[8] 李俭兵，周元元,李小文.TDD-LTE系统下行资源分配的研究及DSP实现[J].电子技术应用，2013,39(4):34-37.
[9] 鲍连承，赵海军.基于BP神经网络的蓄电池充放电温度模型的建立[J].微型机与应用,2013,32(10):66-68.
[10] Mao Yongyi, Li Mingyuan, Zhang Baojun. Cellular localization algorithm based on BP neural network[J].Computer Engineering and Applications.2008,44(3):60-63
[11] 毛永毅，张颖.非视距传播环境下的AOA定位跟踪算法[J].计算机应用，2011,2(31):317-319.