Sequentielle Monte Carlo Methoden zur datenbankbasierten Teilnehmerlokalisierung in Mobilfunknetzen

点击翻译按钮获取中文摘要

Im bisherigen Verlauf des Projektes La 484/22-1 konnten mit Hilfe deterministischer Wellenausbreitungsmodelle und datenbankbasierter Verfahren bereits vielversprechende Ergebnisse zur Teilnehmerlokalisierung in Mobilfunknetzen erzielt werden, die durch eine zeitliche Nachfilterung in einem Kalman-Filter weiter verbessert wurden. Für viele Anwendungen ist die erreichbare Genauigkeit und Verfügbarkeit jedoch nicht hoch genug. Wegen des nichtlinearen Zusammenhangs zwischen den Zustandsgrößen und den Messgrößen bieten sich sequentielle Monte Carlo Methoden zur näherungsweisen rekursiven Schätzung der a posteriori Verteilung des Zustandsvektors an. Diese Methoden, die auch als Partikel-Filter bekannt sind, sind schon bei vielen nichtlinearen, nichtgaußschen Schätzproblemen erfolgreich angewendet worden. In dem hier beantragten Vorhaben sollen Partikel-Filterungsverfahren für eine datenbankbasierte Teilnehmerlokalisierung entworfen werden. Es soll untersucht werden, inwieweit damit eine genauere Bestimmung und Nachführung der Teilnehmerposition erreicht werden kann als etwa mit einem linearen oder extended Kalman-Filter. Die Datenbank enthält zunächst Empfangspegelvektoren. Im Verlauf des Projekts wird aber auch eine Datenbank von Kanalimpulsantworten erstellt und die Partikel-Filterung für diese Datenbank entworfen. In der Realität kann die Erstellung der Datenbank während der Planung eines Mobilfunknetzes erfolgen, da für diesen Vorgang ohnehin entsprechende Ausbreitungsberechnungen durchzuführen sind.