Nausner, J. M. (2022). Positioning with 5G reference signals for vehicular applications [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2022.101587
Moderne sicherheitskritische Fahrzeuganwendungen wie autonomes Fahren oder Advanced Driver Assistance Systems (ADAS) benötigen genaue Information über die Position des Fahrzeuges. Sensorbasierte Positionierungsmethoden wie Global Satellite Navigation Systems (GNSS), Radio/Light Detection and Ranging (RADAR/LiDAR) oder Kamerasysteme sind gut erforscht und können eine hohe Positionsgenauigkeit erreichen, haben aber ihre spezfische Schwächen. Die Positionsgenauigkeit von GNSS verringert sich stark in urbanen Gegenden und RADAR/LiDAR bzw. Kamerasysteme benötigen zur globalen Positionierung dreidimensionale Karten der Umgebung auf Basis von Punktwolken und rechenintensive Algorithmen, nur um einige Nachteile zu nennen. Kooperative, Vehicle-to-Infrastructure (V2I) Positionierung im gerade aufkommenden Mobilfunknetz der 5. Generation (5G-NR) ist ein Technologiekandidat für genaue und verlässliche Fahrzeugpositionierung aufgrund von erhöhter Bandbreite, der Unterstützung des Millimeterwellenbandes (mmWave) und der Verdichtung des Mobilfunknetzes, hat aber bisher nur moderate Aufmerksamkeit der Forschungsgemeinschaft für diese konkrete Anwedung bekommen. In dieser Arbeit untersuchen wir die Positionierung mittels Time Difference of Arrival (TDOA) mit 5G-NR standardkonformen Referenzsignalen. Ein besonderer Fokus liegt hier auf Situationen ohne Sichtverbindung und mit Mehrwegeausbreitung, da diese in (sub-)urbanen Fahrzeugszenarien vorherrschend sind. Zu diesem Zweck präsentieren wir verschiedenen Techniken zur Schätzung von Verzögerungsprofilen und Methoden zur Detektion der Verzögerung des direkten Pfades um eine genaue Schätzung der Signalverzögerung und somit der Entfernung zur ermöglichen. Weiters vergleichen wir die Genauigkeit der Techniken mittels MATLAB-Simulationen. Darauf aufbauend zeigen wir Methoden zur Lösungsapproximation des hyperbolischen Positionierungsproblems, welches als Resultat der TDOA-Messung entsteht. Die Genauigkeit der Methoden wird in Situationen ohne Sichtverbindung und mit Mehrwegeausbreitung mittels Simulationen verglichen. Zum Abschluss fügen wir ein Ende-zu-Ende Positionierungssystem auf Basis der bestgeeigneten Methoden zusammen. Um das System zu evaluieren, konstruieren wir ein Fahrzeugszenario basierend auf der Geometrie in der realen Welt und simulieren die Positionierungsgenauigkeit entlang einer Fahrzeugtrajektorie. Die Resultate bestätigen, dass unser vorgeschlagenes System in der herausfordernden Umgebung des Szenarios genaue Positionisinformation bereitstellen kann.
de
State-of-the-art safety-critical vehicular applications like autonomous driving or advanced driver assistance systems (ADAS) require accurate knowledge of the vehicle position. Sensor-based positioning methods such as global satellite navigation systems (GNSS), radio/light detection and ranging (RADAR/LiDAR) or camera systems are well-studied and can provide high positioning accuracy, but have their specific weaknesses. The performance of GNSS positioning severly degrades in urban environments, while RADAR/LiDAR or camera systems require three-dimensional point cloud maps and computationally expensive algorithms in order to perform global positioning, only to name a few drawbacks. Cooperative, vehicle-to-infrastructure (V2I) positioning in the upcoming 5th generation cellular network (5G-NR) is a candidate technology for accurate and reliable vehicular positioning due to increased bandwidth, support for the millimeter wave band (mmWave) and network densification, but has up until now received less attention from the research community for this particular application. In this work, we investigate time difference of arrival (TDOA) positioning with 5G-NR standard-compliant reference signals, with a strong focus on non line of sight (NLOS) and multipath propagation prevalent in (sub-)urban vehicular scenarios. For this purpose, we introduce various delay profile estimation techniques and direct path delay peak detection methods in order to perform accurate time delay and range estimation and compare their performance with MATLAB simulations. Based on that, we show methods for approximately solving the hyperbolic positioning problem arising from the TDOA measurements and compare their performance based on simulations in NLOS and multipath-heavy situations. Finally, we construct an end-to-end positioning framework comprised of the best-suited methods. In order to evaluate this framework, we build an urban vehicular scenario based on real-world geometry data and simulate the positioning accuracy along a vehicular trajectory. The results confirm that our proposed positioning framework is capable of providing accurate position information in the harsh propagation environment encountered in the simulation scenario.