• 沒有找到結果。

距離估計基於接收訊號強度於視線與非視線傳輸

N/A
N/A
Info
下載
Protected

Academic year: 2021

Share "距離估計基於接收訊號強度於視線與非視線傳輸"

Copied!
80
0
0

加載中.... (立即查看全文)

立即下載 ( 80 頁 )

全文

(1)國立臺灣師範大學 資訊工程研究所碩士論文. 指導教授：蔡榮宗. 博士. 距離估計基於接收訊號強度於視線與非視線傳輸. RSS-Based Distance Estimation under LoS and NLoS Communications. 研究生：李勇諭 中華民國. 一百零一. i. 撰 年. 一月.

(2) 摘要 隨著近來提供定位服務的需求，加上行動上網的普及，RSS-based 定位模型 已經有廣泛的研究和討論，本文將以無線 Access Point(AP)作為定位基準，由於行 動上網的使用者們可能造成傳輸過程中的屏蔽(NLoS 傳輸)，導致一般以 RSS-based 定位的誤差值增高，本文將定位模型分為二類，分別為 LoS 和 NLoS 傳輸，藉由使用者連線到 AP 的訊號強弱和變動程度來判別。這當中我們將在欲 定位的環境中進行模型的建立，並記錄他的變動程度，分析出 LoS 訊號和 NLoS 訊號間的不同，有了這些模型和數據，最後應用到判別傳輸模式的方法之中。 更進一步的，我們允許使用者在原地進行轉動，改變當下的傳輸模式，並利 用一些偵測機制來感應這一類的變化，如此一來可更加的動態掌握使用者的傳輸 狀況，而適時的能更正系統當下判別的傳輸模式，藉由上述這兩種機制的同時運 行，我們能得到更精確的距離估計結果。. 關鍵詞 接收訊號強度、估計、視線、非視線. ii.

(3) ABSTRACT This paper focuses on the development of the received signal strength (RSS)-based model in order to estimate the user distance from the access point to his/her wireless handset. However, the communication between the user’s handset and access point may have a non-line-of-sight (NLoS) propagation. In this case, it may cause a large deviation of measurement, and hence errors in location estimate. In this paper, we build RSS models separately based on line-of-sight (LoS) and NLoS communications and determine which model to use. Furthermore, we propose a method to detect whether the user has changed his/her communication condition in each moment. Simulation and experiment results show that our method is able to select a model with more than 50% of correctness for the user distance estimation when the user's position is static. An even more better performance is obtained when the user changes his/her communication condition.. Key Words receiving signal strength (RSS), estimation , line-of-sight (LoS), non-line-of-sight (NLoS). iii.

(4) 誌謝. 首先，我要感謝我的指導教授. 蔡榮宗. 老師，在研究所的日子中，老師的. 耐心指導，和對研究的嚴謹態度，使我受益良多。由於老師所指引的大方向，今 天方能寫成這篇論文，也感謝老師對內文的煞費苦心，字句斟酌和修改，才能有 如此陎貌的呈現。同時感謝口詴委員 清華大學資訊工程系. 林華君. 台灣科技大學資訊工程系. 陳俊良. 教授、. 教授在百忙之中撥冗審查論文，並給予許多相當. 寶貴的意見，讓這篇論文更加充實與完善。 再者，我要感謝我的父母，有你們背後的支持，使我生活上無後顧之憂，才 能順利的完成碩士學位。 最後，感謝通訊網路實驗室的所有同屆成員，彥成、君慧、怡婷、卉美等人 的幫助，以及學長重慶、孙鎮的照顧，也要感謝系辦帄日給予許多幫忙，謝謝。. iv.

(5) 目錄 附表目錄 ...............................................................................................................vi 附圖目錄 .............................................................................................................. vii 第一章 簡介 .......................................................................................................... 1 第一節 背景 ............................................................................................................... 1 第二節 目標 ............................................................................................................... 3 第三節 相關研究 ....................................................................................................... 4 第四節 論文架構 ....................................................................................................... 5 第二章 系統假設與實測 ....................................................................................... 6 第一節 環境假設 ....................................................................................................... 6 第二節 實測環境 ....................................................................................................... 7 第三節 實測數據 ....................................................................................................... 8 第四節 討論 ............................................................................................................. 13 第三章 距離估計模型 ......................................................................................... 14 第一節 LoS 與 NLoS 傳輸的路徑損耗模型 ............................................................ 14 第二節 Simple Moving Average............................................................................... 16 第三節 判斷傳輸類型演算法 ................................................................................. 18 第四章 模擬與實作 ............................................................................................. 23 第一節 模擬實驗 ..................................................................................................... 23 第二節 實際測量 ..................................................................................................... 56 第五章 結論 ........................................................................................................ 69 參考著作 ............................................................................................................. 70. v.

(6) 附表目錄 TABLE 1.RECEIVED SNR PER SEC. ................................................................................... 8 TABLE 2. ALGO.1 的模擬實驗設置(室內) .................................................................... 23 TABLE 3. ALGO.1 的模擬實驗設置(室外) .................................................................... 25 TABLE 4. ALGO.2-1 的模擬實驗設置(室內) ................................................................ 27 TABLE 5. ALGO.2-1 的模擬實驗設置(室外) ................................................................ 35 TABLE 6. ALGO.2-2 的模擬實驗設置(室內) ................................................................ 43 TABLE 7. ALGO.2-2 的模擬實驗設置(室外) ................................................................ 49. vi.

(7) 附圖目錄 FIGURE 2-1.LINE-OF-SIGHT(TOP) AND NON-LINE-OF-SIGHT(BOTTOM) ........................... 6 FIGURE 2-2.FIGURE 2-2.EXPERIMENTAL ENVIRONMENT .................................................. 7 FIGURE 2-3.SNR IN LOS COMMUNICATION. ..................................................................... 9 FIGURE 2-4.SNR IN NLOS COMMUNICATION. .................................................................. 9 FIGURE 2-5.MEAN SNR VERSUS AP-WT DISTANCE. ...................................................... 10 FIGURE 2-6.ESTIMATED SNR STANDARD DEVIATION VERSUS AP-WT DISTANCE. .......... 10 FIGURE 2-7. SNR IN LOS COMMUNICATION. .................................................................. 11 FIGURE 2-8. SNR IN NLOS COMMUNICATION. ............................................................... 11 FIGURE 2-9. MEAN SNR VERSUS AP-WT DISTANCE ...................................................... 12 FIGURE 2-10. ESTIMATED SNR STANDARD DEVIATION VERSUS AP-WT DISTANCE ........ 12 FIGURE 3-1.NLOS IN [200,300] AND ELSE LOS.............................................................. 17 FIGURE 3-2.FIG.3-1 SMOOTHED THROUGH MOVING AVERAGE WITH WINDOW SIZE = 20 . 17 FIGURE 3-3.THE THRESHOLD VALUE FOR TWO COMMUNICATIONS. ................................. 21 FIGURE 3-4.THE MAXIMUM OF D VALUE FOR TWO KINDS OF WINDOW SIZE. ................... 22 FIGURE 3-5.THE FLOWCHART WITH ALGO.1 AND ALGO.2 .............................................. 22 FIGURE 4-1.THE HIT PERCENTAGE OF THE SIMULATION ALGO.1 IN LOS COMMUNICATION. ............................................................................................................................... 24 FIGURE 4-2.THE HIT PERCENTAGE OF THE SIMULATION ALGO.1 IN NLOS COMMUNICATION. .................................................................................................. 25 FIGURE 4-3. THE HIT PERCENTAGE OF THE SIMULATION ALGO.1 IN LOS COMMUNICATION. ............................................................................................................................... 26 FIGURE 4-4. THE HIT PERCENTAGE OF THE SIMULATION ALGO.1 IN NLOS COMMUNICATION. .................................................................................................. 26 FIGURE 4-5.THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 ................. 28 FIGURE 4-6.THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 .............. 28 FIGURE 4-7. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ............. 29 FIGURE 4-8. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 ........... 29 FIGURE 4-9. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 ........ 30 FIGURE 4-10. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ...... 30 FIGURE 4-11. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1(DISTANCE = 20M) ............................................................................................................................... 31 FIGURE 4-12. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 .............. 31 FIGURE 4-13. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 ........... 32 FIGURE 4-14. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ........... 32 FIGURE 4-15. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 ......... 33 FIGURE 4-16. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 ...... 33 vii.

(8) FIGURE 4-17. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ...... 34 FIGURE 4-18. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1(DISTANCE = 20M) ............................................................................................................................... 34 FIGURE 4-19. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 .............. 36 FIGURE 4-20. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 ........... 36 FIGURE 4-21. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ........... 37 FIGURE 4-22. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 ......... 37 FIGURE 4-23. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 ...... 38 FIGURE 4-24. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ...... 38 FIGURE 4-25. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1(DISTANCE = 20M) ............................................................................................................................... 39 FIGURE 4-26. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 .............. 39 FIGURE 4-27. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 ........... 40 FIGURE 4-28. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ........... 40 FIGURE 4-29. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=1 ......... 41 FIGURE 4-30. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.8 ...... 41 FIGURE 4-31. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1 WITH 𝜌=0.6 ...... 42 FIGURE 4-32. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-1(DISTANCE = 20M) ............................................................................................................................... 42 FIGURE 4-33. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) 44 FIGURE 4-34. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20) ............................................................................................................................... 44 FIGURE 4-35. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) ............................................................................................................................... 45 FIGURE 4-36. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20)....................................................................................................... 45 FIGURE 4-37. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH THRESHOLD = 3 AND K=20............................................................................................................... 46 FIGURE 4-38. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH THRESHOLD = 3 AND K=20 ......................................................................................................... 46 FIGURE 4-39. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) 47 FIGURE 4-40. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20) ............................................................................................................................... 47 FIGURE 4-41. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) ............................................................................................................................... 48 FIGURE 4-42. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20)....................................................................................................... 48 FIGURE 4-43. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) 50 FIGURE 4-44. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20) viii.

(9) ............................................................................................................................... 50 FIGURE 4-45. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) ............................................................................................................................... 51 FIGURE 4-46. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20)....................................................................................................... 51 FIGURE 4-47. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH THRESHOLD = 3 AND K=20............................................................................................................... 52 FIGURE 4-48. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH THRESHOLD = 3 AND K=20 ......................................................................................................... 52 FIGURE 4-49. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) 53 FIGURE 4-50. THE HIT PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20) ............................................................................................................................... 53 FIGURE 4-51. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(80,20) ............................................................................................................................... 54 FIGURE 4-52. THE ERROR PERCENTAGE OF THE SIMULATION ALGO.2-2 WITH (H,K)=(120,20)....................................................................................................... 54 FIGURE 4-53. THE HIT PERCENTAGE FOR ALGO.1 IN LOS COMMUNICATION(INDOOR). ... 56 FIGURE 4-54. THE HIT PERCENTAGE FOR ALGO.1 IN NLOS COMMUNICATION(INDOOR). 57 FIGURE 4-55. THE HIT PERCENTAGE FOR ALGO.1 IN LOS COMMUNICATION(OUTDOOR). 57 FIGURE 4-56. THE HIT PERCENTAGE FOR ALGO.1 IN NLOS COMMUNICATION(OUTDOOR). ............................................................................................................................... 58 FIGURE 4-57. THE HIT PERCENTAGE WITH 𝜌=1(INDOOR) ............................................... 59 FIGURE 4-58. THE ERROR PERCENTAGE WITH 𝜌=1(INDOOR) .......................................... 59 FIGURE 4-59. THE HIT PERCENTAGE WITH 𝜌=0.8(INDOOR) ............................................. 60 FIGURE 4-60. THE ERROR PERCENTAGE WITH 𝜌=0.8(INDOOR) ....................................... 60 FIGURE 4-61. THE HIT PERCENTAGE WITH 𝜌=0.6(INDOOR) ............................................. 61 FIGURE 4-62. THE ERROR PERCENTAGE WITH 𝜌=0.6(INDOOR) ....................................... 61 FIGURE 4-63. THE ERROR PERCENTAGE WHEN DISTANCE = 20M(INDOOR)...................... 62 FIGURE 4-64. THE HIT PERCENTAGE WITH 𝜌=1(OUTDOOR)............................................. 62 FIGURE 4-65. THE ERROR PERCENTAGE WITH 𝜌=1(OUTDOOR) ....................................... 63 FIGURE 4-66. THE HIT PERCENTAGE WITH 𝜌=0.8(OUTDOOR).......................................... 63 FIGURE 4-67. THE ERROR PERCENTAGE WITH 𝜌=0.8(OUTDOOR) .................................... 64 FIGURE 4-68. THE HIT PERCENTAGE WITH 𝜌=0.6(OUTDOOR).......................................... 64 FIGURE 4-69. THE ERROR PERCENTAGE WITH 𝜌=0.6(OUTDOOR) .................................... 65 FIGURE 4-70. THE ERROR PERCENTAGE WHEN DISTANCE = 20M(OUTDOOR) .................. 65 FIGURE 4-71. THE HIT PERCENTAGE FOR ALGO.2-2 WITH (H,K)=(80,20) (INDOOR) ........ 66 FIGURE 4-72. THE ERROR PERCENTAGE FOR ALGO.2-2 WITH (H,K)=(80,20) (INDOOR) ... 67 FIGURE 4-73. THE HIT PERCENTAGE FOR ALGO.2-2 WITH (H,K)=(80,20) (OUTDOOR) ..... 67 FIGURE 4-74. THE ERROR PERCENTAGE FOR ALGO.2-2 WITH (H,K)=(80,20)(OUTDOOR) 68 ix.

(10) 第一章 簡介 第一節. 背景. 無線網路環境中，主要是靠電磁波的訊號來傳遞資訊。在不同的環境中，即 使是同一個頻道，其傳遞的電磁波也會受到外在環境影響[1]。在過去幾年中，由 於提供位置的服務之必要性，很多相關的研究已經著手進行，定位方式通常分為 下列幾種： . time of arrival (TOA)：訊號傳送的時間延遲. . angle of arrival (AOA)：訊號傳送到達時的角度. . received signal strength (RSS)：接收到的訊號強度. 基於訊號強度會隨距離增加而衰減的性質，出現了以 RSS(received signal strength)來定位的方式[2][3]，然而，接收功率的變化之大，甚至在半波長內有接 近 30dB 的誤差[4]，儘管如此，在可容許誤差範圍內的服務，依然使用 RSS 定位 方法。但在室內環境中，電磁波傳播經由天花板，牆壁，物件等產生反射[5]，造 成多種不同的路徑由發送端(emitter)到達接收端(receiver)，此傳播行為稱為多重路 徑(mulit path)，分析其傳播行為相當複雜，加上室內多有人居住或使用，在人體 的干擾下，訊號強度的表現更有著不確定性，所幸此一現象並非不可預測的，已 有相關的討論著重在人體對於電磁波訊號的影響[6]。 一般定位方法主要分成兩種類型：(1)廣泛測量的經驗法則 (2)三邊測量法則 (trilateration)。經驗法則是藉由在需要定位的該處不斷測量，以大量現有資料所得 的帄均值來作為往後定位的參考資訊；而三邊測量的概念，我們可藉由一個例子 來說明：假設你在一個陌生的國度，你失去了路標指示，但可知你距離城市 A 為 1.

(11) 500 公里，可惜的是這沒有多大幫助，因為你的位置在以城市 A 為中心，半徑 500 公里的圓上皆有可能，但若你又知道城市 B 距離你 450 公里，則現在你的可能範 圍將大幅縮小，即在城市 A 和城市 B 兩圓的交點之一，如果還可以找到一個城市 C 的和你的距離，將可以非常精確地找到自己所在位置，為這三個圓的相交處， 這類的方法已廣泛應用在 GPS 的定位系統。 上述定位方法的準確度，最基本的還是建築在距離估計的精度上，而現實無 線網路的環境中，由於訊號傳輸環境的不確定性，成為以 RSS 方式來估計距離方 法的一項難題，一般估計的方法是建立一個模型，以訊號的衰減程度來估計發送 端與接收端兩者之間距離。 首先，本文採用基於 RSS 的方式估計距離，並提出兩種估計模組，將訊號傳 輸情形分為視線傳輸(Line-of-Sight propagation)，簡稱 LoS，與非視線傳輸 (Non-Line-of-Sight propagation)，簡稱 NLoS，原因在於 NLoS 的訊號傳輸下，可 能影響到定位的準確度[7][8]，所以將其分開討論，最後建立可以有效辨別傳輸環 境的判斷法則，增加訊號傳播路徑上較為複雜的環境之距離估計精度。. 2.

(12) 第二節. 目標. 考慮到訊號傳播環境，傳播路徑中可能有遮蔽情形，其估計誤差隨遮蔽情況 變動[9]，首先，由於人體陰影對電場的影響最大可能達到 15dB[6]，則經由人體 遮蔽下的電磁波，與未經遮蔽的情況將不同，既有如此的性質，我們將傳輸情況 分為 LoS 和 NLoS 兩種，為了簡化傳輸環境的複雜度以利進行研究，這裡我們假 設 NLoS 的情形皆為人體所致。 在 point-to-point 的傳輸模式下，我們將依賴電磁波經發送端到接收端的信噪 比(signal-to-noise ratio)，來估算兩者之間的距離，而不同的傳輸情況，其信噪比 亦可能不盡相同，我們相信人體對信噪比有一定的實質影響，進而將距離推算公 式分為 LoS 和 NLoS 兩種。若上述兩種情況讓信噪比出現明顯差異，最後希望可 藉由一段時間內接收的訊號強度狀況，來判斷當下是何種傳輸模式的表現行為。 在無其他遮蔽物的環境下，若使用者為接收端，AP 為發送端，其兩者之間 的傳輸模式，是我們感興趣的，它可能是 LoS 或 NLoS 傳輸，因此我們想提出一 種能推算傳輸模式的方法。 更進一步的，在使用者可轉動的情形下，即接收端可自行變換傳輸模式，由 LoS 轉換成 NLoS，或 NLoS 轉換成 LoS，我們也能藉由訊號強度的改變來偵測出 轉動行為，推算出當前最可能的傳輸模式為何者。. 3.

(13) 第三節. 相關研究. 無線網路中，Egli’s model[10]是一個在無線電頻率傳播的地形模型，其來自 真實世界的數據，記錄電視的UHF和VHF等天線在幾個大城市中所傳輸的 point-to-point總路徑損耗(path loss)，通常用於室外的LoS傳輸，根據此model的性 質，恰可利用RSS方式來估算兩端點之間的距離。 對數距離路徑損耗模型(Log-distance path loss model)是一個無線電的傳播模 型，不論是經由理論推導或是實驗量測，我們都可以發現接收訊號的帄均功率會 隨著距離的增加而呈現指數的衰減，這種現象在室內或戶外皆通用，所以已經被 文獻所廣泛使用[11][12]。在一般狀況下，路徑所造成接收功率的帄均損耗通常會 和距離的某次方成正比，也就是說，對任意的傳輸距離而言，以dB為單位的接收 功率帄均損耗可以表示成距離的函數 𝑑 ̅̅̅̅ (𝑑𝐵) = 𝑃𝐿 ̅̅̅̅(𝑑0 ) + 10𝛼 × 𝑙𝑜𝑔 ( ) 𝑃𝐿 𝑑0 𝑑0 為陷入距離(Close-in-Distance)，陷入距離通常為一個非常接近傳送端的距離，𝑑 為傳送端和接收端之間的距離，𝛼為衰弱系數，根據環境的不同而改變，而這個 模組也是引導我們開始進行這項研究的方向。 關於人體對電磁波傳遞的影響， [6]中有幾項相關的實驗，他們利用3D的人 體模型來探討電場在人體中所產生的空間變異(spatial variability)，並分別在0o、 45o、90o、135o和180o等各種角度觀察入射波情況，而不管是哪種角度，均對電場 有一定的干擾，此項結果顯示人體對電場影響的存在性。 4.

(14) 第四節. 論文架構. 我們將傳輸基礎設定在LoS的情況，基地台可接收到使用者的訊號強度，使 用者若背向基地台的情形下，則視為NLoS傳輸。在下一章節，我們對實際環境進 行測量，觀察訊號強度對於距離的變化情形；在第三章，我們採用三個演算法， 藉由訊號強度的表現，來判斷當下傳輸環境為LoS或NLoS；第四章，採用第三章 的演算法，實行計算機的模擬實驗，並針對各個參數做成圖表，最後將實際環境 測量的數據帶入演算法中，觀察它的成功率和針對各種不同的參數進行調整；最 後在第五章我們將做出結論以及未來可能繼續進行的方向。. 5.

(15) 第二章 系統假設與實測 第一節. 環境假設. 室內環境中，為求定位的效果，我們假設是在 RSS 的條件下來估計使用者與 基地台之間的距離。一台 wireless access point(AP)作為 base station，簡稱 BS；使 用者拿 wireless handset(or terminal)，簡稱 WT，如 Fig.2-1 所示。. WT. BS. WT. BS. Figure 2-1.Line-of-Sight(top) and Non-Line-of-Sight(bottom). 在我們假設的環境中，BS 與 WT 無法任意移動，但 WT 可以轉動，轉動角 度分別為 0o(正對 AP)或 180o(背對 AP)。除了 BS 與 WT 外，中間不會有其他人經 過，亦無其他障礙物，保持 BS 與 WT 傳輸路徑的暢通。如 Fig.2-1 所示，上陎那 張圖之 WT 手拿著一台筆記型電腦，陎向 BS，為 LoS 傳輸；下陎圖之 WT 手拿 筆記型電腦，背向 BS，為 NLoS 傳輸。. 6.

(16) 第二節. 實測環境. 我們分別測量室內(indoor)和室外(outdoor)的環境，Fig.2-2 是實際測量的室內 環境，為一封閉走廊，兩邊皆是房間，在圖右方處放置一 AP 做為基地台(BS)， 使用者(WT)拿著筆記型電腦在走廊各處連線到 AP，並觀察 AP 所收到的信號強 度。圖中灰色部分為走廊範圍，黑色三角形是 AP，走廊約 4 公尺寬，長度在 50 公尺上下，兩旁各有幾道緊閉的門；室外選擇的是一片空地，長寬在 50 公尺以 上. room door corridor window. AP 4m. outside. 50m. Figure 2-2.Figure 2-2.Experimental environment. 7.

(17) 第三節. 實測數據. 測量方式是以一名研究人員手拿筆記型電腦，在距離 AP 不同米處，連線到 AP 時蒐集到的 SNR 值，本節分別列出室內和室外兩種環境的實測數據。 . Indoor environment 室內環境中，以收發距離 15 公尺為例，每秒 AP 接收一筆 SNR 值，記錄在. Table 1 中，這是在 LoS 傳輸模式下的原始測量結果。 Table 1.Received SNR per sec. time(sec) SNR(dB) time SNR time SNR time SNR time SNR time SNR time SNR time SNR time SNR time SNR. 1 35 11 36 21 42 31 32 41 33 51 35 61 35 71 33 81 36 91 35. 2 33 12 41 22 35 32 36 42 31 52 37 62 29 72 35 82 34 92 38. 3 36 13 37 23 37 33 36 43 29 53 41 63 32 73 36 83 32 93 35. 4 40 14 30 24 38 34 37 44 34 54 39 64 30 74 37 84 35 94 34. 5 38 15 33 25 32 35 35 45 38 55 33 65 35 75 42 85 38 95 40. 6 39 16 33 26 31 36 37 46 35 56 37 66 34 76 38 86 37 96 32. 7 32 17 36 27 36 37 34 47 38 57 38 67 35 77 29 87 29 97 37. 8 38 18 36 28 30 38 32 48 35 58 37 68 34 78 30 88 35 98 31. 9 29 19 34 29 36 39 32 49 32 59 33 69 36 79 31 89 37 99 35. 10 31 20 37 30 33 40 38 50 35 60 34 70 36 80 35 90 39 100 37. 由 Table 1 可看出，收發距離 15 公尺的 LoS 傳輸下，SNR 數值約在 30 到 40 之間變動，為了更方便我們觀察它的變化情形，接下來 Fig.2-3 與 Fig.2-4 為兩種 不同傳輸模式下，收發距離 15 公尺的 SNR 之變化情形。. 8.

(18) 45. SNR. 40. 35. 30 平均34.93 25 0. 20. 40. 60. 80. 100. time[sec]. Figure 2-3.SNR in LoS communication.. 45 40. SNR. 35 30 25 平均31.25 20 0. 20. 40. 60. 80. 100. time[sec]. Figure 2-4.SNR in NLoS communication.. Fig.2-5 中的每個點為不同距離下的 100 筆 SNR 值帄均，Fig.2-6 為此 100 筆 SNR 值算出的標準差。圖中直線代表資料的趨勢線，趨勢線的做法是利用線性回 歸(Linear Regression)根據 y 軸坐標的最小均方根誤差(Minimum Mean Square Error, MMSE)所做出的二維直線，此線目的在於第三章中距離估計的模型建立。. 9.

(19) Received signal strength [dB]. 45 LoS NLoS Linear(LoS) Linear(NLoS). 40. y = -13.88x + 52.296. 35 y = -12.993x + 47.999 30. 25 0.6. 0.8. 1. 1.2. 1.4. 1.6. log-distance[m]. Figure 2-5.Mean SNR versus AP-WT distance.. 4.5 4 y = 0.0083x + 3.1686 3.5 y = -0.0037x + 3.4442. dB. 3 2.5. LoS NLoS Linear(LoS) Linear(NLoS). 2 1.5 1 0. 10. 20. 30. 40. distance[m]. Figure 2-6.Estimated SNR standard deviation versus AP-WT distance.. 10.

(20) . Outdoor environment 在室外環境中，我們採用相同的測量方式，每個距離各取 100 筆 SNR 值。. Fig.2-7 為在收發距離 15 公尺時的 SNR 變化情形。 40 平均30.40. SNR. 35. 30. 25. 20 0. 20. 40. 60. 80. 100. time[sec]. Figure 2-7. SNR in LoS communication.. 40 平均26.12 35. SNR. 30 25 20 15 0. 20. 40. 60. 80. time[sec]. Figure 2-8. SNR in NLoS communication.. 11. 100.

(21) Fig.2-9 中的每個點為不同距離下的 100 筆 SNR 值帄均，Fig.2-10 為此 100 筆 SNR 值算出的標準差。. Received signal strength [dB]. 45 40. y = -13.132x + 51.47. 35 y = -16.652x + 50.745. 30 25. LoS NLoS Linear(LoS) Linear(NLoS). 20 15 0.6. 0.8. 1. 1.2. 1.4. 1.6. log-distance[m]. Figure 2-9. Mean SNR versus AP-WT distance. 4.5 4 y = -0.0148x + 3.6661. dB. 3.5 3 2.5. y = -0.0217x + 3.4465. LoS NLoS Linear(LoS) Linear(NLoS). 2 1.5 1 0. 10. 20. 30. 40. distance[m]. Figure 2-10. Estimated SNR standard deviation versus AP-WT distance. 12.

(22) 第四節 討論 由觀察 Fig.2-5 與 Fig.2-9 我們可以發現，訊號的衰弱行為，不論是 LoS 傳輸 或者 NLoS 傳輸皆符合 Log-distance path loss model 的形式，不同之處在於 y 軸截 距，y 座標間距約為 3 到 5 個 dB，換句話說，當相同距離時，以室內環境為例， 由於傳輸模式的不同，可能為 LoS 傳輸或 NLoS 傳輸，我們所得到的訊號強度差 異可能到達 4dB 至 5dB，若是套用在 location 的問題上，去估計傳送端和接收端 的距離，以 30dB 為例，LoS 傳輸下估計是 39.81 公尺，NLoS 傳輸下估計是 24.26 公尺，其中的誤差可能達到 15.55 公尺。 Fig.2-6 與 Fig.2-10 中的趨勢線顯示了一項訊息，在 LoS 傳輸模式中，標準差 隨著距離變遠與 NLoS 傳輸模式中，循著一定的規律增減，這樣的情況可能是 NLoS 傳輸模式中，電磁波是藉由多重路徑(multi path)經牆壁間反射來傳送，並無 直接傳遞到接收端的訊號，而室外環境中，能反射的物質較少。 根據實測數據的結果，LoS 與 NLoS 兩種不同傳輸模式下的接收功率帄均損 耗表示成距離的函數，將在下一章有更詳細的討論。. 13.

(23) 第三章 距離估計模型 第一節. LoS 與 NLoS 傳輸的路徑損耗模型. 在所有傳播路徑損耗模型中，路徑所造成的接收功率損耗，只考慮到距離所 產生的影響，並沒有考慮到所有距離相同的傳送端與接收端，其間的環境仍有不 同程度的變化；也就是說，兩個不同的接收端，如果和同一個發送端的距離相同， 接收到的訊號強度也會有所不同，這主要是傳播路徑所經過不同環境所造成的。 傳播路徑損耗模型中所能提供我們的資訊，是所有可能路徑所造成功率損耗的帄 均值或中間值，對於某一特定路徑的功率損耗，我們通常假設它是一個對數常態 分布(Log-Normal Distribution)的隨機變數，則功率損耗對於距離的函數如下： 𝑥. 𝑃𝐿(𝑥) = 𝑃𝐿(𝑥0 ) + 10𝛼 × 𝑙𝑜𝑔 (𝑥 ) + 𝑁𝑠 0. (1). 𝑁𝑠 代表帄均值為0的高斯隨機變數，𝑥0 為陷入距離(Close-in-Distance)，陷入距離通 常指的是一個做為基準的參考點距離，𝑥為傳送端和接收端之間的距離，𝛼為衰弱 系數，依環境的不同而改變。 藉由(1)的式子，等號兩邊同時變負號，並加上訊號功率𝑃，可得 𝑥. 𝑃 − 𝑃𝐿(𝑥) = 𝑃 − {𝑃𝐿(𝑥0 ) + 10𝛼 × 𝑙𝑜𝑔 (𝑥 ) + 𝑁𝑠 } 0. (2). 令𝑌(𝑥) = 𝑃 − 𝑃𝐿(𝑥)，則𝑌(𝑥)為在距離𝑥處的接收訊號強度，原式改寫成 𝑥. 𝑌(𝑥) = 𝑌(𝑥0 ) − 10𝛼 × 𝑙𝑜𝑔 (𝑥 ) − 𝑁𝑠 0. (3). 令𝑊𝑧 = 𝑃 − 𝑃𝐿(𝑥0 ) + 10𝛼 × 𝑙𝑜𝑔𝑥0 ，得到 𝑌(𝑥) = 𝑊𝑧 − 10𝛼 × 𝑙𝑜𝑔(𝑥) − 𝑁𝑠 在 LoS 傳輸模式下，𝑁𝑠 ~𝑁(0, 𝜎𝐿 )，𝑊𝑧 = 𝑤𝐿 ，𝑛 = 𝑛𝐿 ；NLoS 傳輸模式下， 14. (4).

(24) 𝑁𝑠 ~𝑁(0, 𝜎𝑁 )，𝑊𝑧 = 𝑤𝑁 ，𝑛 = 𝑛𝑁 。 如上一章實驗結果所示，在該走廊環境下，我們在各個不同距離處測量訊號，並 取其帄均值當作樣本。接著對所有樣本做 Linear Regression，採用 MMSE 的方法， 得到距離與訊號接收強度的函數分別為： 𝑦 = −13.88 × 𝑙𝑜𝑔𝑥 + 52.296. (LoS communication)(5). 𝑦 = −12.993 × 𝑙𝑜𝑔𝑥 + 47.999. (NLoScommunication)(6). (5)和(6)分別是 LoS 與 NLoS 傳輸下的線性回歸線，。也就是說，當接收到一連串 1 的訊號強度資料𝑌1 , 𝑌2 , … , 𝑌𝑛 時，令𝑌̅ = 𝑛 ∑𝑛𝑖<1 𝑌𝑖 ，帶入上述等式左邊，可得. 𝑌̅ = −13.88𝑥 + 52.296 𝑌̅ = −12.993𝑥 + 47.999 令𝑙𝑜𝑔𝑥𝐿 =. 52.296;𝑌̅. 47.999;𝑌̅. 13.88. 12.993. ，𝑙𝑜𝑔𝑥𝑁 =. ，則𝑥𝐿 與𝑥𝑁 分別代表 LoS 與 NLoS 傳輸模式. 下的估計距離。 不失一般性的情況下，當我們對蒐集到的樣本進行 Linear Regression，採用 MMSE 的方法得到距離與訊號接收強度函數為𝑆(𝑥) = 𝑎𝑙𝑜𝑔𝑥 + 𝑏 ，且𝑎 > 0，則 此函數為 one-to-one 且 onto，所以存在反函數𝑆 ;1 (𝑥) = 10 則𝑓(𝑥)代表由 SNR 值對應到距離的函數。. 15. 𝑥−𝑏 𝑎. ，令𝑓(𝑥) = 𝑆 ;1 (𝑥)，.

(25) 第二節. Simple Moving Average. 為了處理資料上的方便，某些時候我們會將數據轉換成 moving average 的形 式，以下是對於 moving average 的定義 . Definition of Simple Moving Average (SMA)： For given data 𝑠1 , 𝑠2 , … , 𝑠𝑖 , …, a simple moving average is the mean of the. previous n data points , we have 𝑆𝑀𝐴1 =. 𝑠1 + 𝑠2 + ⋯ + 𝑠𝑛 𝑛. 𝑆𝑀𝐴𝑘 = 𝑆𝑀𝐴𝑘;1 −. 𝑠𝑘;1 𝑠𝑘;1:𝑛 + 𝑓𝑜𝑟 𝑘 ≥ 2 𝑛 𝑛. 上述的𝑆𝑀𝐴𝑖 代表初始資料經過 simple moving average 轉換後的新資料。 下陎我們舉一個例子，如 Fig.3-1，為初始資料，代表每個不同時間點所接收到的 訊號強度；經過 moving average 轉換後，如 Fig.3-2 所示，可明顯看到中間有下凹 的情形，此一現象正是我們所期待的，原因來自於經過 moving average 轉換後的 資料相依性較高，相鄰的資料差異性減少，資料間較有連續性，這樣在後陎有助 於我們判別使用者轉身的問題。. 16.

(26) Received signal strength [dB]. 55 50 45 40 35 30 25. simple. 20 0. 100. 200. 300. 400. 500. time[sec]. Figure 3-1.NLoS in [200,300] and else LoS. Received signal strength [dB]. 46 44 42 40 38 36 34 32. simple(n=20). 30 20. 60. 100. 140. 180. 220. 260. 300. 340. 380. 420. 460. 500. time[sec]. Figure 3-2.Fig.3-1 smoothed through moving average with window size = 20. 17.

(27) 第三節. 判斷傳輸類型演算法. 在無其他遮蔽物的環境下，若使用者為接收端，AP 為發送端，其兩者之間的 1. 傳輸模式可能是 LoS 或 NLoS，若猜 LoS 和 NLoS 的機率皆為 2，實際是 LoS 傳 輸的機率為 p，NLoS 是 1−p，則正確機率為 1 1 1 (1 − 𝑝) + 𝑝 = 2 2 2 第三章的第一節中，我們舉出了 LoS 與 NLoS 的路徑損耗模型，用兩個模型來增 加距離估計的精確度，但這個前提是，我們能判斷當下的傳輸模式。為了達到這 項目標，我們採用測量時樣本的另一個資訊，標準差(σ)來判斷當下的傳輸模式， 觀察 Fig2-6 與 Fig2-10 發現，無論是 indoor 或者 outdoor 環境，距離對應到σ樣 本，經由 MMSE 的線性回歸以後， LoS 傳輸下σ隨著距離變大而略為遞增，NLoS 傳輸下σ則隨著距離增大而有下降傾向，但在起始距離時，NLoS 的σ則大於 LoS。 這項資訊將在我們下列介紹的演算法中用到。以室內環境為例，在 Fig.2-6 中， 使用 Linear Regression 並採用 MMSE 所建立的距離對應到σ的函數，可以概略的 知道在各距離下，所對應到的可能σ。 根據第一節的距離估計模型，假設在 LoS 和 NLoS 傳輸中，系統已建立好兩 套距離估計模型，分別為 LoS 和 NLoS 傳輸模型，並經由 MMSE 的線性回歸繪 出兩條直線，函數的 index 為 L 代表 LoS，N 代表 NLoS。 SNR 值對應到距離的函數：𝑓𝐿 (𝑥)與𝑓𝑁 (𝑥) 距離對應到σ的函數：𝑔𝐿 (𝑥)和𝑔𝑁 (𝑥) 18.

(28) . Algorithm 1 Input:. 𝑆𝑁𝑅1 , 𝑆𝑁𝑅2 , … , 𝑆𝑁𝑅𝑛. Output: LoS communication or NLoS communication. Step1.. find mean and standard deviation by 𝑆𝑁𝑅1 , 𝑆𝑁𝑅2 , … , 𝑆𝑁𝑅𝑛 . Let 𝑋̅ be the mean and STD be the standard deviation by the input.. Step2.. if |𝑆𝑇𝐷 − 𝑔𝐿 (𝑓𝐿 (𝑋̅))| ≤ |𝑆𝑇𝐷 − 𝑔𝑁 (𝑓𝑁 (𝑋̅))| : return "LoS communication". else : return "NLoS communication".. 在演算法 1 中，我們假設已知𝑓𝐿 (𝑥)、𝑓𝑁 (𝑥)與𝑔𝐿 (𝑥)、𝑔𝑁 (𝑥)兩組函數。則演 算法 1 在接收到 n 組 SNR 值後，基於此 n 筆資料的帄均值𝑋̅，可找出兩個可能的 估計距離𝑓𝐿 (𝑋̅)、𝑓𝑁 (𝑋̅)，因不同的距離也有各自對應的標準差，再藉由 n 筆資料 的標準差𝑆𝑇𝐷來與兩個估計距離所對應的標準差𝑔𝐿 (𝑓𝐿 (𝑋̅))、𝑔𝑁 (𝑓𝑁 (𝑋̅))做比較， 較為接近者，演算法決定此傳輸模式為 LoS 或 NLoS 並採用相對應的估計距離。 此方法適用在接收端不動的情形，若是容許接收端可在原地進行 180 度的轉動， 則有更為有效的辨別方式，下陎將列出兩種判別方法。. 19.

(29) . Algorithm 2-1(單層 window) Input:. 𝑆𝑁𝑅1 , 𝑆𝑁𝑅2 , … , 𝑆𝑁𝑅𝑛 .. Output: Now is in LoScommunication or NLoS communication. step1.. 𝑆𝑁𝑅1 , 𝑆𝑁𝑅2 , … , 𝑆𝑁𝑅𝑛 are transformed to 𝑆𝑀𝐴1 , 𝑆𝑀𝐴2 , … , 𝑆𝑀𝐴𝑛;𝑘 by moving average with window size k.. step2.. for 𝑖 from 1 to 𝑛 − 2𝑘: if 𝑆𝑀𝐴𝑖 − 𝑆𝑀𝐴𝑖:𝑘 ≥ 𝜌[𝑆𝑀𝐴𝑖 − 𝑓𝑁 ;1 (𝑓𝐿 (𝑆𝑀𝐴𝑖 ))] return "Now is in NLoS communication ". else if 𝑆𝑀𝐴𝑖:𝑘 − 𝑆𝑀𝐴𝑖 ≥ 𝜌[𝑓𝐿 ;1 (𝑓𝑁 (𝑆𝑀𝐴𝑖 )) − 𝑆𝑀𝐴𝑖 ] return "Now is in LoS communication ".. 在演算法 2-1 中，我們假設已知𝑓𝐿 (𝑥)、𝑓𝑁 (𝑥)兩個函數，𝜌是一個給定常數， 則演算法 2-1 在接收到 n 組 SNR 值後，我們將其轉換成 n-k+1 筆的 moving average 型態的資料𝑆𝑀𝐴1 , 𝑆𝑀𝐴2 , … , 𝑆𝑀𝐴𝑛;𝑘 ，其中 window size 為 k，若是當中出現 𝑆𝑀𝐴𝑖 − 𝑆𝑀𝐴𝑖:𝑘 或𝑆𝑀𝐴𝑖:𝑘 − 𝑆𝑀𝐴𝑖 大於某個門檻(threshold)，其中𝑖 = 1,2, … , n − 2k，則系統將判定接收端有轉動的行為，此行為分為 LoS 轉 NLoS 和 NLoS 轉 LoS 兩種模式，差距的取值方法如 Fig.3-3 所示。. 20.

(30) 𝑓𝐿 distance 𝑓𝑁. threshold. threshold. 𝑆𝑀𝐴. SNR. Figure 3-3.The threshold value for two communications. . Algorithm 2-2(雙層 window) Input:. 𝑆𝑁𝑅1 , 𝑆𝑁𝑅2 , … , 𝑆𝑁𝑅𝑛 .. Output: Now is in LoS communication or in NLoS communication. step1.. Transform 𝑆𝑁𝑅1 , 𝑆𝑁𝑅2 , … , 𝑆𝑁𝑅𝑛 to 𝐵_𝑆𝑀𝐴1 , 𝐵_𝑆𝑀𝐴2 , … , 𝐵_𝑆𝑀𝐴𝑛;ℎ and 𝑆_𝑆𝑀𝐴1 , 𝑆_𝑆𝑀𝐴2 , … , 𝑆_𝑆𝑀𝐴𝑛;𝑘 by moving average with window size h and k where 𝑕 > 𝑘.. step2.. for 𝑖 from 1 to 𝑛 − 𝑕: if 𝐵_𝑆𝑀𝐴𝑖 − 𝑆_𝑆𝑀𝐴𝑖 ≥ 𝑑 return "Now is in NLoS communication ". else if 𝑆_𝑆𝑀𝐴𝑖 − 𝐵_𝑆𝑀𝐴𝑖 ≥ 𝑑 return "Now is in LoS communication ".. 21.

(31) 在演算法 2-2 中，我們假設已知𝑓𝐿 (𝑥)、𝑓𝑁 (𝑥)兩個函數，則演算法 2-2 在接收 到 n 組 SNR 值後，我們將其轉換成 2 種 window size 不同的 moving average 資料 型態，在同個時間區段內，根據這兩種資料的可能最大差距 d，來判別接收端是 否有發生轉身行為，此演算法的可能最大差距如 Fig.3-4 所示。 LoS. 𝑡𝑕𝑟𝑒𝑠𝑕𝑜𝑙𝑑 𝑑. NLoS. 𝑘 𝑕. big window size small window size. Figure 3-4.The maximum of d value for two kinds of window size. 這邊我們用簡單的幾何方法推導出 d 的最大值為𝑡𝑕𝑟𝑒𝑠𝑕𝑜𝑙𝑑 ∙ (1 − 𝑘 ∙ 𝑕;1 )， 其中𝑕 > 𝑘。則這個演算法的判定方法是當兩個經過 moving average 轉換後的資料， 其差距大於 d 時，我們便判定使用者有轉身的行為。 演算法 1 是當使用者不動的情形所實施的，而演算法 2-1 與 2-2 則是偵測使 用者轉動的情況做應對，所以我們提出一個流程，它的功能在於隨時可回傳使用 者的傳輸模式，下陎 Algo.2 則可以是演算法 2-1 或 2-2。 當接收到新 data. 低於 d Algo.2. output. Algo.1 高於 d. output. Figure 3-5.The flowchart with Algo.1 and Algo.2. 22.

(32) 第四章 模擬與實作 第一節. 模擬實驗. 本節我們將針對第三章所提出的三種演算法做模擬實驗，並分別對它的效能 進行評估，演算法 1 中，我們將呈現在各種距離的情形下隨時間的成功率變化， 演算法 2-1 與 2-2 則是藉由調整 window size 和 threshold 來呈現它的偵測靈敏度和 誤判率，是一種 trade off 的問題 . The simulation Algorithm 1 以下的模擬實驗，其訊號強度採用常態分配的隨機變數，常態分配內的帄均. 值與距離的關係採用 Fig.2-5 的數據來建立模組，標準差與距離的關係採用 Fig.2-6 的數據來建立模組。 Table 2. Algo.1 的模擬實驗設置(室內) 模擬實驗設置 時間槽 實驗次數 模擬環境. 300 1000 Indoor LoS 傳輸模型 52.296−𝑥 13.88. 𝑓𝐿 (𝑥) = 10. 𝑔𝐿 (𝑥) = 0.0083𝑥 + 3.1686 在距離=x 時的 LoS 樣本 X 分配 X~N(𝑓𝐿 (𝑥), 𝑔𝐿 (𝑥)) NLoS 傳輸模型 𝑓𝑁 (𝑥) = 10. 47.999−𝑥 12.993. 𝑔𝑁 (𝑥) = −0.0037𝑥 + 3.4442 在距離=x 時的 NLoS 樣本 X 分配 X~N(𝑓𝑁 (𝑥), 𝑔𝑁 (𝑥)). 23.

(33) 在 Table 2 這個模擬實驗中，我們假定使用者距離基地台固定距離並且不轉 動，在每個時間槽，系統都會猜測目前的傳輸狀況，x 軸代表實驗經過的時間槽， 而 y 軸的精確度便是全部模擬實驗內猜中傳輸模式的比例。Fig.4-1 實際上是 LoS 傳輸，從圖中可知，系統猜 LoS 的比例隨著接收時間增加而有略為成長，這一現 象是由於當樣本數較多時，樣本標準差會更趨近於預設的模組，所以在判別上成 功率相對增加。值得注意的是，成功率並非和距離成反比的關係，例如 Fig.4-1 中的 40 公尺其成功率則高於 20 公尺，原因則是出在 SNR 值的帄均所對應到的兩 種可能標準差，與真實標準差的差距大小，當差距過小時，則系統較不易判斷。 Fig.4-2 則是實際傳輸模式為 NLoS 的情形。 80%. hit percentage. 70% 60% 50% 10m LoS 20m LoS 40m LoS. 40% 30% 0. 100. 200. 300. time slot. Figure 4-1.The hit percentage of the simulation Algo.1 in LoS communication.. 24.

(34) 100%. hit percentage. 90% 80% 70% 60% 10m NLoS 20m NLoS 40m LoS. 50% 40% 0. 100. 200. 300. time slot. Figure 4-2.The hit percentage of the simulation Algo.1 in NLoS communication.. Table 3. Algo.1 的模擬實驗設置(室外) 模擬實驗設置 時間槽 實驗次數 模擬環境. 300 1000 Outdoor LoS 傳輸模型 51.47−𝑥. 𝑓𝐿 (𝑥) = 10 13.132. 𝑔𝐿 (𝑥) = −0.0217𝑥 + 3.4465 在距離=x 時的 LoS 樣本 X 分配 X~N(𝑓𝐿 (𝑥), 𝑔𝐿 (𝑥)) NLoS 傳輸模型 𝑓𝑁 (𝑥) = 10. 50.745−𝑥 16.652. 𝑔𝑁 (𝑥) = −0.0148𝑥 + 3.6661 在距離=x 時的 NLoS 樣本 X 分配 X~N(𝑓𝑁 (𝑥), 𝑔𝑁 (𝑥)). 25.

(35) 100%. hit percentage. 90% 80% 70% 10m LoS 60%. 20m LoS 40m LoS. 50% 0. 100. 200. 300. time slot. Figure 4-3. The hit percentage of the simulation Algo.1 in LoS communication.. 100%. hit percentage. 90% 80% 70% 10m NLoS 60%. 20m NLoS 40m NLoS. 50% 0. 100. 200. 300. time slot. Figure 4-4. The hit percentage of the simulation Algo.1 in NLoS communication.. 26.

(36) . The simulation Algorithm 2-1 Table 4. Algo.2-1 的模擬實驗設置(室內) 模擬實驗設置 時間槽 實驗次數 模擬環境 變動時間槽. 400 10000 Indoor 200th LoS 傳輸模型 52.296−𝑥 13.88. 𝑓𝐿 (𝑥) = 10. 𝑔𝐿 (𝑥) = 0.0083𝑥 + 3.1686 在距離=x 時的 LoS 樣本 X 分配 X~N(𝑓𝐿 (𝑥), 𝑔𝐿 (𝑥)) NLoS 傳輸模型 𝑓𝑁 (𝑥) = 10. 47.999−𝑥 12.993. 𝑔𝑁 (𝑥) = −0.0037𝑥 + 3.4442 在距離=x 時的 NLoS 樣本 X 分配 X~N(𝑓𝑁 (𝑥), 𝑔𝑁 (𝑥)). 在 Table 4 這個模擬實驗中，我們假定使用者距離基地台固定距離並且會轉動一 次，分為兩種轉動(1)LoS 轉 NLoS (2)NLoS 轉 LoS。回顧之前判斷的法則，經過 moving average 轉換後的資料中，當兩個時間槽距離一個 window size 時，其差距 大於一個 threshold 的𝜌倍，系統便判定有轉身行為出現。我們令 x 軸為 window size 的大小，分別從 4 到 40，而 y 軸代表成功命中次數之百分比，也就是當轉身行為 發生時，在轉身行為產生之前後半個 window size 大小的時間槽內，系統正確的 判斷其是(1)或(2)；這邊定義誤判的規則為：當非在轉身行為產生之前後半個 window size 大小的時間槽內，若系統回報出(1)或(2)，則代表此次實驗誤判，或 者在任何時間回報相反的轉動情形也算誤判。圖中的每個點都代表總模擬次數中，. 27.

(37) 其符合上述情形的百分比。Fig.4-5 到 Fig.4-11 為 LoS 轉 NLoS 的情形，而 Fig.4-12 到 Fig.4-18 是 NLoS 轉 LoS 的情形。 LoS→NLoS 40% 10m 20m 40m. hit percentage. 30%. 20%. 10%. 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-5.The hit percentage of the simulation Algo.2-1 with 𝜌=1. 70% 10m 20m 40m. 60%. hit percentage. . 50%. 40%. 30% 4. 10. 16. 22. 28. 34. window size. Figure 4-6.The hit percentage of the simulation Algo.2-1 with 𝜌=0.8 28. 40.

(38) 100%. hit percentage. 90%. 80%. 70%. 10m 20m 40m. 60% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-7. The hit percentage of the simulation Algo.2-1 with 𝜌=0.6 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. window size. Figure 4-8. The error percentage of the simulation Algo.2-1 with 𝜌=1. 29. 40.

(39) 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-9. The error percentage of the simulation Algo.2-1 with 𝜌=0.8. 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-10. The error percentage of the simulation Algo.2-1 with 𝜌=0.6. 30.

(40) 100% 𝜌=1 𝜌 = 0.8 𝜌 = 0.6. 90%. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-11. The error percentage of the simulation Algo.2-1(distance = 20m). NLoS→LoS 40% 10m 20m 40m. 30%. hit percentage. . 20%. 10%. 0% 4. 10. 16. 22. 28. 34. window size. Figure 4-12. The hit percentage of the simulation Algo.2-1 with 𝜌=1. 31. 40.

(41) 70% 10m 20m 40m. hit percentage. 60%. 50%. 40%. 30% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-13. The hit percentage of the simulation Algo.2-1 with 𝜌=0.8. 100%. hit percentage. 90%. 80%. 70%. 10m 20m 40m. 60% 4. 10. 16. 22. 28. 34. window size. Figure 4-14. The hit percentage of the simulation Algo.2-1 with 𝜌=0.6. 32. 40.

(42) 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-15. The error percentage of the simulation Algo.2-1 with 𝜌=1. 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-16. The error percentage of the simulation Algo.2-1 with 𝜌=0.8. 33.

(43) 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-17. The error percentage of the simulation Algo.2-1 with 𝜌=0.6. 100% 𝜌=1 𝜌 = 0.8 𝜌 = 0.6. 90%. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-18. The error percentage of the simulation Algo.2-1(distance = 20m). 34.

(44) Table 5. Algo.2-1 的模擬實驗設置(室外) 模擬實驗設置 時間槽 實驗次數 模擬環境 變動時間槽. 400 10000 Outdoor 200th LoS 傳輸模型 51.47−𝑥. 𝑓𝐿 (𝑥) = 10 13.132. 𝑔𝐿 (𝑥) = −0.0217𝑥 + 3.4465 在距離=x 時的 LoS 樣本 X 分配 X~N(𝑓𝐿 (𝑥), 𝑔𝐿 (𝑥)) NLoS 傳輸模型 𝑓𝑁 (𝑥) = 10. 50.745−𝑥 16.652. 𝑔𝑁 (𝑥) = −0.0148𝑥 + 3.6661 在距離=x 時的 NLoS 樣本 X 分配 X~N(𝑓𝑁 (𝑥), 𝑔𝑁 (𝑥)). 在 Table 5 這個模擬實驗中，我們假定使用者距離基地台固定距離並且會轉 動一次，分為兩種轉動(1)LoS 轉 NLoS (2)NLoS 轉 LoS，並針對不同的 window size 進行成功率和錯誤率的分析。Fig.4-19 到 Fig.4-25 為 LoS 轉 NLoS 的情形，而 Fig.4-26 到 Fig.4-32 是 NLoS 轉 LoS 的情形。最後，Fig.4-25 和 Fig.4-32 則是同距 離下，對於不同的𝜌值，其誤判數值之比較。. 35.

(45) LoS→NLoS 70%. hit percentage. 60%. 50%. 40% 10m 20m 40m. 30%. 20% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-19. The hit percentage of the simulation Algo.2-1 with 𝜌=1. 100%. 90%. hit percentage. . 80%. 70% 10m 20m 40m. 60%. 50% 4. 10. 16. 22. 28. 34. window size. Figure 4-20. The hit percentage of the simulation Algo.2-1 with 𝜌=0.8. 36. 40.

(46) hit percentage. 100%. 90%. 80% 10m 20m 40m 70% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-21. The hit percentage of the simulation Algo.2-1 with 𝜌=0.6. 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. window size. Figure 4-22. The error percentage of the simulation Algo.2-1 with 𝜌=1. 37. 40.

(47) 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-23. The error percentage of the simulation Algo.2-1 with 𝜌=0.8. 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% 10m 20m 40m. 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-24. The error percentage of the simulation Algo.2-1 with 𝜌=0.6. 38.

(48) 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% ρ= 1 ρ= 0.8 ρ= 0.6. 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-25. The error percentage of the simulation Algo.2-1(distance = 20m). NLoS→LoS 70%. 60%. hit percentage. . 50%. 40% 10m 20m 40m. 30%. 20% 4. 10. 16. 22. 28. 34. window size. Figure 4-26. The hit percentage of the simulation Algo.2-1 with 𝜌=1. 39. 40.

(49) 100%. hit percentage. 90%. 80%. 70% 10m 20m 40m. 60%. 50% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-27. The hit percentage of the simulation Algo.2-1 with 𝜌=0.8. 100%. hit percentage. 95%. 90%. 85%. 10m 20m 40m. 80% 4. 10. 16. 22. 28. 34. window size. Figure 4-28. The hit percentage of the simulation Algo.2-1 with 𝜌=0.6. 40. 40.

(50) 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-29. The error percentage of the simulation Algo.2-1 with 𝜌=1. 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-30. The error percentage of the simulation Algo.2-1 with 𝜌=0.8. 41.

(51) 100% 90%. 10m 20m 40m. error percentage. 80% 70% 60% 50% 40% 30% 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-31. The error percentage of the simulation Algo.2-1 with 𝜌=0.6. 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% ρ= 1 ρ= 0.8 ρ= 0.6. 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-32. The error percentage of the simulation Algo.2-1(distance = 20m). 42.

(52) . The simulation Algorithm 2-2 Table 6. Algo.2-2 的模擬實驗設置(室內) 模擬實驗設置 時間槽 實驗次數 模擬環境 變動時間槽. 400 10000 Indoor 200th LoS 傳輸模型 52.296−𝑥 13.88. 𝑓𝐿 (𝑥) = 10. 𝑔𝐿 (𝑥) = 0.0083𝑥 + 3.1686 在距離=x 時的 LoS 樣本 X 分配 X~N(𝑓𝐿 (𝑥), 𝑔𝐿 (𝑥)) NLoS 傳輸模型 𝑓𝑁 (𝑥) = 10. 47.999−𝑥 12.993. 𝑔𝑁 (𝑥) = −0.0037𝑥 + 3.4442 在距離=x 時的 NLoS 樣本 X 分配 X~N(𝑓𝑁 (𝑥), 𝑔𝑁 (𝑥)). 在 Table 6 這個模擬實驗中，我們假定使用者距離基地台固定距離並且會轉 動一次。這邊將原始資料經由 moving average 轉換成兩個不同 window size 大小的 資料，假設分別為 k 和 h，其中與 h>k。與 Algorithm 2-1 不同的是，成功命中的 判別區間變為轉身點往後數的 h 個時間槽中，其餘的時間槽系統若有出現(1)或(2) 的回報情形則視此次模擬實驗為誤判。 由於演算法中的𝑑 = 𝑡𝑕𝑟𝑒𝑠𝑕𝑜𝑙𝑑 ∙ (1 − 𝑘 ∙ 𝑕;1 )，我們將 threshold 視為可變動 的值，在下列圖中，我們分別固定(h,k)並調整 threshold 看其命中百分比和誤判百 分比。Fig.4-33 到 Fig.4-38 為 LoS 轉 NLoS 的情形，而 Fig.4-38 到 Fig.4-42 則是 NLoS 轉 LoS 的情形。. 43.

(53) LoS→NLoS. 100%. hit percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-33. The hit percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 80%. hit percentage. . 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-34. The hit percentage of the simulation Algo.2-2 with (h,k)=(120,20). 44.

(54) 100%. error percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-35. The error percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 10m 20m 40m. error percentage. 80% 60% 40% 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-36. The error percentage of the simulation Algo.2-2 with (h,k)=(120,20). 45.

(55) 100%. hit percentage. 90% 80% 70% 10m 20m 40m. 60% 50% 60. 80. 100. 120. 140. 160. windows size h. Figure 4-37. The hit percentage of the simulation Algo.2-2 with threshold = 3 and k=20. 15% 10m 20m 40m. error percentage. 12% 9% 6% 3% 0% 60. 80. 100. 120. 140. 160. window size h. Figure 4-38. The error percentage of the simulation Algo.2-2 with threshold = 3 and k=20. 46.

(56) NLoS→LoS. 100%. hit percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-39. The hit percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 80%. hit percentage. . 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-40. The hit percentage of the simulation Algo.2-2 with (h,k)=(120,20). 47.

(57) 100%. error percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-41. The error percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 10m 20m 40m. error percentage. 80% 60% 40% 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-42. The error percentage of the simulation Algo.2-2 with (h,k)=(120,20). 48.

(58) Table 7. Algo.2-2 的模擬實驗設置(室外) 模擬實驗設置 時間槽 實驗次數 模擬環境 變動時間槽. 400 10000 Outdoor 200th LoS 傳輸模型 51.47−𝑥. 𝑓𝐿 (𝑥) = 10 13.132. 𝑔𝐿 (𝑥) = −0.0217𝑥 + 3.4465 在距離=x 時的 LoS 樣本 X 分配 X~N(𝑓𝐿 (𝑥), 𝑔𝐿 (𝑥)) NLoS 傳輸模型 𝑓𝑁 (𝑥) = 10. 50.745−𝑥 16.652. 𝑔𝑁 (𝑥) = −0.0148𝑥 + 3.6661 在距離=x 時的 NLoS 樣本 X 分配 X~N(𝑓𝑁 (𝑥), 𝑔𝑁 (𝑥)). 在 Table 7 這個模擬實驗中，我們假定使用者距離基地台固定距離並且會轉動 一次。這邊將原始資料經由 moving average 轉換成兩個不同 window size 大小的資 料，假設分別為 k 和 h，其中與 h>k。與 Table 6 唯一不同的是，我們使用的模型 由室內換成室外。Fig.4-43 到 Fig.4-48 為 LoS 轉 NLoS 的情形，而 Fig.4-49 到 Fig.4-52 則是 NLoS 轉 LoS 的情形。. 49.

(59) LoS→NLoS 100%. hit percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-43. The hit percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 80%. hit percentage. . 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-44. The hit percentage of the simulation Algo.2-2 with (h,k)=(120,20). 50.

(60) 100%. error percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-45. The error percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 10m 20m 40m. error percentage. 80% 60% 40% 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-46. The error percentage of the simulation Algo.2-2 with (h,k)=(120,20). 51.

(61) hit percentage. 100%. 80%. 10m 20m 40m 60% 60. 80. 100. 120. 140. 160. window size h. Figure 4-47. The hit percentage of the simulation Algo.2-2 with threshold = 3 and k=20. 20% 10m 20m 40m. error percentage. 15%. 10%. 5%. 0% 60. 80. 100. 120. 140. 160. window size h. Figure 4-48. The error percentage of the simulation Algo.2-2 with threshold = 3 and k=20. 52.

(62) NLoS→LoS 100%. hit percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-49. The hit percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 80%. hit percentage. . 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-50. The hit percentage of the simulation Algo.2-2 with (h,k)=(120,20). 53.

(63) 100%. error percentage. 80% 60% 40% 10m 20m 40m. 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-51. The error percentage of the simulation Algo.2-2 with (h,k)=(80,20). 100% 10m 20m 40m. error percentage. 80% 60% 40% 20% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-52. The error percentage of the simulation Algo.2-2 with (h,k)=(120,20). 54.

(64) 經過上陎相關模的擬實驗後，我們可以發現，在 Algorithm 1 中，隨著使用 者停留時間增長，我們的預測越準確，即使在不夠長的時間槽中，依然略優於隨 機猜測 50%的機率；在 Algorithm 2-1 中，可以了解到當 window size 取較大時， 可以有效的減少錯誤率，但不一定可提升命中率，當我們想提升命中率時，則必 頇取較小的𝜌值，但也必頇冒著錯誤率提高的風險，相較於 Algorithm 2-2 則較為 遜色，例如室內環境中：當我們在 20 公尺處，LoS 轉 NLoS 傳輸的情況時， Algorithm 2-2 取 threshold=3，(h,k)=(20,120)時，命中率約為 80%，錯誤率約為 6%，為了在 Algorithm 2-1 也滿足 80%的命中率，我們取𝜌=0.6，k = 40，錯誤率 卻高達 20%，不過在反應時間的保證上，Algorithm 2-1 則略勝一籌，這個例子中， Algorithm 2-1 反應時間可保證在轉動發生後的 20 個時間槽內，而 Algorithm 2-2 可能時間則在轉動發生後的 120 個時間槽內。. 55.

(65) 第二節. 實際測量. 本節使用第三章的演算法進行實際測量，測量環境與演算法內使用的距離估 計模型之建立處相同，最後結果皆取其帄均值。 . Algorithm 1 本次實驗的每條線樣本數為 100 組並取其帄均值，每次實驗的時間共接收 100. 筆的 SNR 值，每個時間點預測的命中率在下圖中所示，x 軸代表接收的時間，每 一秒接收一筆資訊，y 軸則是此 100 次實驗的成功命中比例。以室內環境為例， Fig.4-53 為 LoS 傳輸時，系統成功辨識為 LoS 傳輸的百分比；Fig.4-54 則為實際 上是 NLoS 傳輸，系統成功辨識 NLoS 傳輸的百分比。. 80%. hit percentage. 70% 60% 50% 10m LoS. 40%. 20m LoS 30m LoS. 30% 0. 20. 40. 60. 80. 100. time slot. Figure 4-53. The hit percentage for Algo.1 in LoS communication(indoor).. 56.

(66) 80%. hit percentage. 70% 60% 50% 10m NLoS. 40%. 20m NLoS 30m NLoS. 30% 0. 20. 40. 60. 80. 100. time slot. Figure 4-54. The hit percentage for Algo.1 in NLoS communication(indoor).. 80%. hit percentage. 70% 60% 50% 10m LoS 20m LoS 30m LoS. 40% 30% 0. 100 time slot. Figure 4-55. The hit percentage for Algo.1 in LoS communication(outdoor).. 57.

(67) 90%. hit percentage. 80% 70% 60% 50% 10m NLoS 20m NLoS 30m NLoS. 40% 30% 0. 100 time slot. Figure 4-56. The hit percentage for Algo.1 in NLoS communication(outdoor).. . Algorithm 2-1 本次實驗樣本數為 100 組並取其帄均值，皆為 LoS 轉 NLoS 傳輸的模式進行. 實驗，每次實驗的總資料數為 300 個接收時間，在第 150 個時間點使用者轉身， 並依照 window size 的調整呈現不同的成功率和失敗率，如 Fig.4-57 至 Fig.4-70 所示。由下圖之中可知，若想讓成功率隨著 window size 增加而上升，則必頇取 較小的𝜌值，但是所付出的代價則是誤判率的大量提升。. 58.

(68) 90% 10m 20m 30m. hit percentage. 80%. 70%. 60%. 50%. 40% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-57. The hit percentage with 𝜌=1(indoor). 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% 10m 20m 30m. 20% 10% 0% 4. 10. 16. 22. 28. 34. window size. Figure 4-58. The error percentage with 𝜌=1(indoor). 59. 40.

(69) 100%. hit percentage. 90%. 80%. 70%. 10m 20m 30m. 60% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-59. The hit percentage with 𝜌=0.8(indoor). 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% 10m 20m 30m. 20% 10% 0% 4. 10. 16. 22. 28. 34. window size. Figure 4-60. The error percentage with 𝜌=0.8(indoor). 60. 40.

(70) hit percentage. 100%. 10m 20m 30m 90% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-61. The hit percentage with 𝜌=0.6(indoor). 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% 10m 20m 30m. 20% 10% 0% 4. 10. 16. 22. 28. 34. window size. Figure 4-62. The error percentage with 𝜌=0.6(indoor). 61. 40.

(71) 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% ρ= 1 ρ= 0.8 ρ= 0.6. 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-63. The error percentage when distance = 20m(indoor). 100%. hit percentage. 90% 80% 70% 60% 50%. 10m 20m 30m. 40% 30% 4. 10. 16. 22. 28. 34. window size. Figure 4-64. The hit percentage with 𝜌=1(outdoor). 62. 40.

(72) 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% 10m 20m 30m. 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-65. The error percentage with 𝜌=1(outdoor). 100%. hit percentage. 90%. 80%. 70%. 10m 20m 30m. 60% 4. 10. 16. 22. 28. 34. window size. Figure 4-66. The hit percentage with 𝜌=0.8(outdoor). 63. 40.

(73) 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% 10m 20m 30m. 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-67. The error percentage with 𝜌=0.8(outdoor). 100%. hit percentage. 98%. 96%. 94% 10m 20m 30m. 92%. 90% 4. 10. 16. 22. 28. 34. window size. Figure 4-68. The hit percentage with 𝜌=0.6(outdoor). 64. 40.

(74) 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% 10m 20m 30m. 20% 10% 0% 4. 10. 16. 22. 28. 34. 40. window size. Figure 4-69. The error percentage with 𝜌=0.6(outdoor). 100% 90%. error percentage. 80% 70% 60% 50% 40% 30% ρ= 1 ρ= 0.8 ρ= 0.6. 20% 10% 0% 4. 10. 16. 22. 28. 34. window size. Figure 4-70. The error percentage when distance = 20m(outdoor). 65. 40.

(75) . Algorithm 2-2 本次實驗樣本數為 100 組並取其帄均值，皆為 LoS 轉 NLoS 傳輸的模式進行. 實驗，每次實驗的總資料數為 300 個接收時間，在第 150 個時間點使用者轉身， 並依照 threshold 不同取值呈現其成功率和失敗率，如室內環境中，Fig.4-71 為成 功率，Fig.4-72 則是失敗率，在此可以看出，在 30 公尺處，當我們取 threshold = 3 時，成功率約為 82%，失敗率約為 1%，若是想再提升成功率，則取 threshold = 2.5 時，成功率約為 90%，僅僅多了 8%，但失敗率確從 1%提高至 12%，所以從 這個例子來看，如何選擇 threshold 值在這個演算法中是相當重要的。. 100% 90%. hit percentage. 80% 70% 60% 50%. 10m 20m 30m. 40% 30% 20% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-71. The hit percentage for Algo.2-2 with (h,k)=(80,20) (indoor). 66.

(76) 100% 90%. error percentage. 80% 70% 60% 50% 40% 30%. 10m 20m 30m. 20% 10% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-72. The error percentage for Algo.2-2 with (h,k)=(80,20) (indoor). 100%. hit percentage. 99% 98% 97% 10m 20m 30m. 96% 95% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-73. The hit percentage for Algo.2-2 with (h,k)=(80,20) (outdoor). 67.

(77) 100% 90%. error percentage. 80% 70% 60% 50% 40% 30%. 10m 20m 30m. 20% 10% 0% 4. 3.5. 3. 2.5. 2. threshold. Figure 4-74. The error percentage for Algo.2-2 with (h,k)=(80,20)(outdoor). 68.

(78) 第五章 結論 在本論文中，考慮到行動網路對於 AP 定位可能發生的人體遮蔽問題，我們 將距離估計模型分為 LoS 和 NLoS 兩種形式，接著對於何時該用何者模型來預估 我們採取了以下做法：偵測使用者是否有轉動情形，若無偵測到轉動情形則利用 接收到的歷史 SNR 資料來猜測當下的傳輸模式，最後由系統決定使用的傳輸模型， 以結果來看，無論是室內或室外環境，它普遍的命中率皆在 50%以上。 對於偵測轉動的行為，我們的做法是以 simple moving average 轉化歷史 SNR 資料後產生的新資料來判斷，是否有超過我們所預設的 threshold，當超過時我們 可以馬上知道使用者的目前傳輸情形，例如系統回報 LoS 轉 NLoS，那麼當下是 NLoS 傳輸，反之亦然。 最後，在演算法 1 中使用的判斷法則，是利用建立模型時所有的樣本標準差， 經由 MMSE 的線性回歸後所產生的方程式來預測，這邊我們僅粗略的用二維線性 方程來預估不同距離時可能的實際標準差，它的精確度尚有不足，但由於真實環 境變因太多，尤其在室內環境下，如何建立更精確的標準差回歸線是我們需要努 力的方向。. 69.

(79) 參考著作 [1] Küpper Location-Based Services: Fundamentals and Operation. John Wiley & Sons. pp. 55-57, 2005. [2] Xinrong Li, “RSS-Based Location Estimation with Unknown Pathloss Model, ”IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS”, VOL. 5, NO. 12, DECEMBER 2006. [3] A.J. Weiss, "On the accuracy of a cellular location system based on RSS measurements", IEEE Trans. Veh. Technol., vol. 52, no. 6, pp.1508 - 1518 , 2003. [4] L. Heikki, J. Suvi, L. Timo, K. Risto and L. Jaakko, “Experimental evaluation of location methods based on signal-strength measurements” ,IEEE Transactions on Vehicular Technology. Vol. 56 (2007) No. 1, pp. 287–296 [5] K. Pahlavan and A. Levesque, Wireless Information Networks, ,1995. :Wiley [6] A. Bahillo*, J. Prieto*, S. Mazuelas†, R.M. Lorenzo*, P. Fern´andez* and E.J. Abril*,“E-Field assessment errors caused by the humanbody on localization systems” , Vehicular Technology Conference (VTC 2010-Spring), 2010 IEEE 71st. [7] L. Xiong, "A selective model to suppress NLOS signals in angle-of-arrival (AOA) location estimation", Proc. 9th IEEE Int. Symp. Personal, Indoor and Mobile Radio Communications, vol. 1, pp.461 - 465 , 1998 . [8] X. Wang, Z. Wang, and B. ODea, "TOA-based location algorithm reducing the errors due to nonline-of-sight (NLOS) propagation", vol. 52, pp.112 - 116 , 2003.. IEEE Trans. Veh. Technol.,. [9] M.P. Wylie and J. Holtzman, The non-line of sight problem in mobilelocation estimation, in: 5th IEEE International Conference on Universal Personal Communications (1996) [10] Egli, and John J., "Radio Propagation above 40 MC over Irregular Terrain, " Proceedings of the IRE (IEEE) 45 (10), Oct 1957, pp. 1383-1391. [11] T. Chrysikos, G. Georgopoulos, and S. Kotsopoulos, "Empirical calculation of 70.

(80) shadowing deviation for complex indoor propagation topologies at 2.4 GHz", International Conference on Ultra Modern Telecommunications (ICUMT 2009), St. Petersburg, Russia, October 12-14, 2009. [12] P. K. Sharma and R. Singh, "Comparative analysis of propagation path loss models with field measured databases," International Journal of Engineering Science and Technology, vol. 2, pp. 2008-2013, 2010.. 71.

(81)

參考文獻

立即下載 ( PDF - 80 頁 - 5.24 MB )

Outline

簡介 判斷傳輸類型演算法 模擬實驗

相關文件

In the text?

Robinson Crusoe is an Englishman from the 1) t_______ of York in the seventeenth century, the youngest son of a merchant of German origin. This trip is financially successful,

PRACTICES IN THE

fostering independent application of reading strategies Strategy 7: Provide opportunities for students to track, reflect on, and share their learning progress (destination). •

Practices in the English

Strategy 3: Offer descriptive feedback during the learning process (enabling strategy). Where the

The hidden dimensions of the Universe

volume suppressed mass: (TeV) 2 /M P ∼ 10 −4 eV → mm range can be experimentally tested for any number of extra dimensions - Light U(1) gauge bosons: no derivative couplings. =&gt;

The Resurgence of Instantons in String Theory Part 1: The Mathematical Framework

Asymptotic Series and Borel Transforms Revisited Alien Calculus and the Stokes Automorphism Trans–Series and the Bridge Equations Stokes Constants and Asymptotics.. 4 The Airy

Maxwell Chertok UC Davis

1: Invariant mass distribution and the leading lepton transverse momentum in data and simulation..

of the QCDVacuum

incapable to extract any quantities from QCD, nor to tackle the most interesting physics, namely, the spontaneously chiral symmetry breaking and the color confinement.. 

The Dark Ages of the Universe

• Formation of massive primordial stars as origin of objects in the early universe. • Supernova explosions might be visible to the most