CN109085564B - 一种定位方法及装置 - Google Patents

一种定位方法及装置 Download PDF

Info

Publication number
CN109085564B
CN109085564B CN201811012644.7A CN201811012644A CN109085564B CN 109085564 B CN109085564 B CN 109085564B CN 201811012644 A CN201811012644 A CN 201811012644A CN 109085564 B CN109085564 B CN 109085564B
Authority
CN
China
Prior art keywords
matrix
mobile terminal
state vector
arrival
estimated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811012644.7A
Other languages
English (en)
Other versions
CN109085564A (zh
Inventor
田辉
范绍帅
贾杨
聂高峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201811012644.7A priority Critical patent/CN109085564B/zh
Publication of CN109085564A publication Critical patent/CN109085564A/zh
Application granted granted Critical
Publication of CN109085564B publication Critical patent/CN109085564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/04—Systems for determining distance or velocity not using reflection or reradiation using radio waves using angle measurements

Abstract

本发明实施例提供了一种定位方法及装置，涉及无线通讯技术领域，其中，上述方法包括：获取移动终端在第一时刻的状态向量，作为第一状态向量；获取第一时刻的分布方差矩阵，作为第一分布方差矩阵；获取移动终端接收到的毫米波通信信号在多通信路径上的到达时间；基于第一状态向量、第一分布方差矩阵和到达时间，采用扩展卡尔曼滤波算法，定位移动终端在当前时刻的三维位置。应用本发明实施例提供的方案对移动终端进行定位时，能够降低对与移动终端通信的基站数量的依赖程度。

Description

一种定位方法及装置
技术领域
本发明涉及无线通讯技术领域，特别是涉及一种定位方法及装置。
背景技术
随着经济的增长与科技的发展，位置信息的地位日益凸显。定位功能已提升为移动通信系统的一个重要的新发展方向，这将催生大量基于位置信息的服务和应用，从而给移动通信用户的生活和工作带来便利。
现有技术中，对移动通信系统中的移动终端进行定位时，一般通过获取该移动终端与三个或三个以上基站的距离，实现对移动终端的定位。
虽然应用上述方式可以实现对移动终端的定位，但是如果与移动终端通信的基站数量小于三个，那么将无法通过上述方式实现对该移动终端的定位。
可见，现有技术中对移动终端进行定位时，对与移动终端通信的基站的数量依赖程度较高。
发明内容
本发明实施例的目的在于提供一种定位方法及装置，以在对移动终端进行定位时，降低对与移动终端通信的基站数量的依赖程度。具体技术方案如下：
本发明实施例提供一种定位方法，包括：
获取移动终端在第一时刻的状态向量，作为第一状态向量，其中，所述第一时刻为：当前时刻之前、与当前时刻间隔预设时长的时刻，所述第一状态向量包括：所述移动终端在所述第一时刻的三维位置信息、三维速度信息；
获取所述第一时刻的分布方差矩阵，作为第一分布方差矩阵，其中，所述第一分布方差矩阵用于表征所述第一状态向量预估值的概率分布；
获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达时间；
基于所述第一状态向量、所述第一分布方差矩阵和所述到达时间，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置。
本发明实施例还提供一种定位装置，包括：
向量获取模块，用于获取移动终端在第一时刻的状态向量，作为第一状态向量，其中，所述第一时刻为：当前时刻之前、与当前时刻间隔预设时长的时刻，所述第一状态向量包括：所述移动终端在所述第一时刻的三维位置信息、三维速度信息；
矩阵获取模块，用于获取所述第一时刻的分布方差矩阵，作为第一分布方差矩阵，其中，所述第一分布方差矩阵用于表征所述第一状态向量预估值的概率分布；
时间获取模块，用于获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达时间；
位置定位模块，用于基于所述第一状态向量、所述第一分布方差矩阵和所述到达时间，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置。
本发明实施例还提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一所述的定位方法的步骤。
在本发明实施的又一方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一所述的定位方法的步骤。
在本发明实施的又一方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的定位方法。
本发明实施例提供的定位方法及装置，可以基于移动终端接收到的毫米波通信信号在多通信路径上的到达时间和预设时长前的时刻的定位数据，采用扩展卡尔曼滤波算法，实现移动终端的定位。因为毫米波通信技术具有波长短、多径稀疏、易于分辨等优势，所以本发明实施例提供的定位方法及装置可以充分的利用多通信路径的信号，而且和只使用了当前接收到的信号来定位的现有技术相比，借助了之前的定位数据来定位，相当于利用了基站在多个时刻发出的通信信号，所以可以降低对与移动终端通信的基站数量的依赖程度，甚至可以在只有一个基站能与移动终端通信的条件下实现定位。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的定位方法的一种流程示意图；
图2为本发明实施例提供的定位方法的一种场景示意图；
图3为本发明实施例提供的到达角测量方法的示意图；
图4为本发明实施例提供的定位方法的另一种流程示意图；
图5为本发明实施例提供的三维定位误差累计分布曲线与其他算法的三维定位误差累计分布曲线的仿真对比图；
图6为本发明实施例提供的三维定位根方均误差与其他算法的三维定位根方均误差的仿真对比图；
图7为本发明实施例提供的一种到达角获取方法的流程示意图；
图8为本发明实施例提供的方位角与多重信号分类算法得到的方位角的仿真对比图；
图9为本发明实施例提供的仰角与多重信号分类算法得到的仰角的仿真对比图；
图10为本发明实施例提供的定位装置的一种结构示意图；
图11为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种定位方法及装置，下面先对本发明实施例中涉及的概念进行说明。
分布方差矩阵为表征向量预估值的概率分布的矩阵。
毫米波为频率位于30-300GHz的电磁波，相比目前主要使用的微波，使用毫米波进行通信时，其优势包括：带宽更宽、波长短、支持更高的数据传输速率、多径稀疏、多径易于分辨等，其劣势包括：大气中传播时衰减严重、通信设备成本较高。
卡尔曼滤波算法为一种利用线性系统状态方程，基于系统输入和输出的观测数据，对系统状态进行最优估计的算法，常被应用于动态系统中以去除噪声。
扩展卡尔曼滤波算法是对卡尔曼滤波算法的改进，将卡尔曼滤波算法的应用范围扩展至非线性动态系统。扩展卡尔曼滤波算法的基本方案是将非线性系统线性化，然后进行卡尔曼滤波。
多重信号分类算法是一种空间谱估计算法，可以被用于对信号到达角的估值。
ESPRIT(Estimation of Signal Parameters via Rotational InvarianceTechniques，借助旋转不变技术估计信号参数)算法是一种基于子空间的到达角的估值方法。
下面通过具体实施例，对本发明实施例提供的定位方法进行详细说明。
参见图1，图1为本发明实施例提供的定位方法的一种流程图，包括如下步骤：
步骤S101、获取移动终端在第一时刻的状态向量，作为第一状态向量。
第一时刻为：当前时刻之前、与当前时刻间隔预设时长的时刻。
第一状态向量包括：移动终端在第一时刻的三维位置信息、三维速度信息。
一种实现方式中，当前时刻的状态向量可以为6维向量并且满足以下表达式：
s(k)＝[x(k),y(k),z(k),vx(k),vy(k),vz(k)]T
其中，k表示当前时刻，s(k)为当前时刻的状态向量，x(k)为当前时刻上述移动终端的横坐标，y(k)为当前时刻上述移动终端的纵坐标，z(k)为当前时刻上述移动终端的竖坐标，vx(k)为当前时刻上述移动终端在横轴方向的分速度，vy(k)为当前时刻上述移动终端在纵轴方向的分速度，vz(k)为当前时刻上述移动终端在竖轴方向的分速度。角标中的T表示转置。
上述坐标系为右手系坐标系，其原点和轴向可以由本发明实施例的执行主体在定位之前任意设定。
第一状态向量的表达式为：
s(k-1)＝[x(k-1)，y(k-1)，z(k-1)，vx(k-1)，vy(k-1)，vz(k-1)]T
其中，k-1表示第一时刻，s(k-1)为第一时刻的状态向量，x(k-1)为第一时刻上述移动终端的横坐标，y(k-1)为第一时刻上述移动终端的纵坐标，z(k-1)为第一时刻上述移动终端的竖坐标，vx(k-1)为第一时刻上述移动终端在横轴方向的分速度，vy(k-1)为第一时刻上述移动终端在纵轴方向的分速度，vz(k-1)为第一时刻上述移动终端在竖轴方向的分速度。
当本发明的执行主体为上述移动终端本身时，第一状态向量中的坐标部分，可以从第一时刻移动终端应用本发明实施例提供的定位方法得到的定位结果中获取，特别的，如果第一时刻移动终端没有应用本发明实施例提供的定位方法，那么第一状态向量中的坐标部分可以从其他定位方法的定位结果中获取。第一状态向量中的速度部分，可以通过移动终端内置的传感器获取，也可以从第一时刻移动终端应用本发明实施例提供的定位方法得到的定位结果中获取。
当本发明的执行主体为基站、云端服务器或其他互联网连接设备时，可以先由上述移动终端获取第一向量，再将第一向量发送至本发明的执行主体。
步骤S102、获取第一时刻的分布方差矩阵，作为第一分布方差矩阵。
第一分布方差矩阵用于表征第一状态向量预估值的概率分布。
一种实现方式中，第一分布方差矩阵为n阶方阵，其中，n为第一状态向量的维度，因为第一状态向量包括了三维位置信息和三维速度信息，所以n的取值范围为：大于等于6的正整数。特别的，当n＝6时，第一分布方差矩阵为6×6的矩阵。
第一分布方差矩阵可以基于在第一时刻计算第一状态向量时使用的过程数据，计算得到。特别的，如果第一时刻没有应用本发明实施例提供的定位方法，并且步骤S101从其他定位方法的定位结果中获取第一状态向量，那么第一分布方差矩阵可以为表征第一状态向量预估准确概率100％的分布方差矩阵。
步骤S103、获取移动终端接收到的毫米波通信信号在多通信路径上的到达时间。
图2为本发明实施例提供的定位方法的一种场景示意图，如图2所示，该场景中共有5条通信路径，分别是：LOS、NLOS1、NLOS2、NLOS3和NLOS4，其中LOS表示毫米波直射路径，NLOS表示毫米波反射路径。图中的NLOS1、NLOS2、NLOS3和NLOS4均为一次反射路径，毫米波经过一次反射被移动终端接收。一条通信路径上的到达时间为：按照该通信路径进行通信的毫米波，从基站出发到被移动终端接收所消耗的时间。本步骤在每一条通信路径上获取一个到达时间。
当本发明的执行主体为基站、云端服务器或其他互联网连接设备时，可以先由上述移动终端获取上述到达时间，再将上述到达时间发送至本发明的执行主体。
步骤S104、基于第一状态向量、第一分布方差矩阵和到达时间，采用扩展卡尔曼滤波算法，定位移动终端在当前时刻的三维位置。
以本发明实施例的执行主体在定位之前设定好的坐标系为基准，定位移动终端在当前时刻的三维位置，可以通过求解得到当前移动终端的坐标来实现。
另外，如何采用扩展卡尔曼滤波算法实现对移动终端定位，在后续实施例中详述，这里暂不赘述。
本发明实施例提供的定位方法，可以基于移动终端接收到的毫米波通信信号在多通信路径上的到达时间和预设时长前的时刻的定位数据，采用扩展卡尔曼滤波算法，实现移动终端的定位。因为毫米波通信技术具有波长短、多径稀疏、易于分辨等优势，所以本发明实施例提供的定位方法及装置可以充分的利用多通信路径的信号，而且和只使用了当前接收到的信号来定位的现有技术相比，借助了之前的定位数据来定位，相当于利用了基站在多个时刻发出的通信信号，所以可以降低对与移动终端通信的基站数量的依赖程度，甚至可以在只有一个基站能与移动终端通信的条件下实现定位。
本发明实施例提供的定位方法，需要使用预设时长前的时刻的定位数据，在需要持续定位时，可以以预设时长为时间间隔，连续应用本发明实施例提供的定位方法，上一个时刻的定位数据，可以作为这一时刻的输入数据。如果上一时刻没有应用本发明实施例提供的定位方法，可以从其他定位方法，例如现有技术中的基站定位或GPS卫星定位，获取定位数据。
本发明的一种实现方式中，在上述步骤S104之前，获取移动终端接收到的毫米波通信信号在多通信路径上的到达角，上述步骤S104中基于第一状态向量、第一分布方差矩阵和到达时间，采用扩展卡尔曼滤波算法，定位移动终端在当前时刻的三维位置，可以包括：基于第一状态向量、第一分布方差矩阵、到达时间和到达角，采用扩展卡尔曼滤波算法，定位移动终端在当前时刻的三维位置。
如图2所示，该场景中共有5条通信路径，分别是：LOS、NLOS1、NLOS2、NLOS3和NLOS4，本步骤在每一条通信路径上获取一个到达角。
一条通信路径上的到达角为：按照该通信路径进行通信的毫米波，被移动终端的天线阵列接收时，毫米波的前进方向与移动终端的天线阵列的法线的夹角。图3为本发明实施例提供的到达角测量方法的示意图，如图3所示，同一定位参考信号PRS的平面波入射到天线阵列，由于入射角度γ的存在，首尾子波束存在到达时间差，由图可知天线阵子之间的距离为d，则左侧第一第二子波束间的波程差为dsinγ，到达时间差为(dsinγ)/c，基于此关系计算入射角度γ，其中，c表示毫米波的传播速度，也就是光速。
当本发明的执行主体为基站、云端服务器或其他互联网连接设备时，可以先由上述移动终端获取上述到达角，再将上述到达角发送至本发明的执行主体。
本实现方式中，获取移动终端接收到的毫米波通信信号在多通信路径上的到达角，并把到达角也作为定位所需的测量值，增加了用于定位的定位数据，可以提升移动终端定位的精度。
图4所示为本发明实施例提供的定位方法的另一种流程示意图，具体可以包括如下步骤：
步骤S401、获取第一状态向量、第一分布方差矩阵、到达时间和到达角。
第一状态向量为待定位移动终端在第一时刻的状态向量；第一分布方差矩阵为第一时刻的分布方差矩阵；上述到达时间为当前获取的到达时间；上述到达角为当前获取的到达角。
步骤S402、基于到达角和移动终端的方向姿态，确定毫米波传播方向。
移动终端的方向姿态可以通过该移动终端的方向传感器得到。
移动终端内各个组件的相对位置和姿态是固定的，所以移动终端的天线阵列与该移动终端的方向传感器的相对位置和姿态也是固定的。根据移动终端的方向传感器测量到的数据，可以确定移动终端接收毫米波的天线阵列的法线在三维空间中的方向指向。按照图3所示的方法，可以通过上述法线的方向指向，确定毫米波的传播方向。
在应用到达角实现定位的过程中，可以基于到达角和移动终端的方向传感器测量到的数据，计算得到方位角和仰角，其中，方位角为毫米波传播方向在水平面内的投影的角度，仰角为毫米波传播方向与水平面的夹角。
步骤S403、基于到达时间、毫米波传播方向，建立多路径测量值矩阵。
上述多路径测量值矩阵满足以下表达式：
Figure BDA0001785384810000081
其中，k表示当前时刻，Y(k)为多路径测量值矩阵，g为建立多路径测量值矩阵所选取的通信路径的数量，θLOS(k)为毫米波通信信号在直射路径上的方位角，
Figure BDA0001785384810000091
为毫米波通信信号在直射路径上的仰角，TLOs(k)为毫米波通信信号在直射路径上的到达时间，θNLOS1(k)为毫米波通信信号在第一一次反射路径上的方位角，
Figure BDA0001785384810000092
为毫米波通信信号在第一一次反射路径上的仰角，TNLOS1(k)为毫米波通信信号在第一一次反射路径上的到达时间，θNLOS2(k)为毫米波通信信号在第二一次反射路径上的方位角，
Figure BDA0001785384810000093
为毫米波通信信号在第二一次反射路径上的仰角，TNLOS2(k)为毫米波通信信号在第二一次反射路径上的到达时间，θNLOS(g-1)(k)为毫米波通信信号在第(g-1)一次反射路径上的方位角，
Figure BDA0001785384810000094
为毫米波通信信号在第(g-1)一次反射路径上的仰角，TNLOS(g-1)(k)为毫米波通信信号在第(g-1)一次反射路径上的到达时间，其中，方位角为毫米波传播方向在水平面内的投影的角度，仰角为毫米波传播方向与水平面的夹角。
步骤S404、获得当前时刻的状态向量的预估状态向量。
采用以下公式，计算得到预估状态向量：
Figure BDA0001785384810000095
其中，k-1表示第一时刻，
Figure BDA00017853848100000910
为预估状态向量，s(k-1)为第一状态向量，F为状态转移矩阵，I为单位矩阵，Δt为预设时长。
也就是说，
Figure BDA0001785384810000096
为矩阵F与矩阵s(k-1)相乘的结果。
步骤S405、获得当前时刻的分布方差矩阵的预估分布方差矩阵。
采用以下公式，计算得到预估分布方差矩阵：
Figure BDA0001785384810000097
其中，
Figure BDA0001785384810000098
为预估分布方差矩阵，P(k-1)为第一分布方差矩阵，FT表示状态转移矩阵的转置矩阵。
也就是说，
Figure BDA0001785384810000099
P(k-1)、FT三矩阵相乘的结果。
步骤S406、在预估状态向量所在的向量空间，基于预估状态向量和预估分布方差矩阵，生成2n+1个抽样点。
n为预估状态向量的维度，上述n的取值范围为：大于等于6的正整数。
一种实现方式中，可以生成一个和预估状态向量坐标相同的抽样点，并且让剩下2n个点，在n维空间中，围绕着第一个点对称排布。
步骤S407、通过预设的表征状态向量与多路径测量值矩阵之间关系的函数，将2n+1个抽样点转化为2n+1个抽样矩阵。
多路径测量值矩阵由能够间接反应移动终端运动状态的测量值组成，而移动终端的状态向量是由移动终端的运动状态数据构成的，所以在开始定位之前，根据多路径测量值矩阵和状态向量的设定和组成方式，就能够确定表征状态向量与多路径测量值矩阵之间关系的函数。
用h表示上述函数，则有：Y(k)＝h[s(k)]
所以将2n+1个抽样点转化为2n+1个抽样矩阵，可以采用以下公式：
Figure BDA0001785384810000101
其中，
Figure BDA0001785384810000102
为第j个抽样点转化得到的抽样矩阵，
Figure BDA0001785384810000103
表示第j+1个抽样点，j的取值范围为0到2n的整数。
步骤S408、基于抽样矩阵和抽样点的统计量，获得预估状态向量的修正值。
基于抽样矩阵和抽样点的统计量，如何获得预估状态向量的修正值，在后续实施例中详述，这里暂不赘述。
步骤S409、将预估状态向量与预估状态向量的修正值相加，得到当前时刻的状态向量。
计算当前时刻的状态向量的公式为：
Figure BDA0001785384810000104
其中，Corrs(k)为预估状态向量的修正值。
步骤S410、根据当前时刻的状态向量，定位移动终端在当前时刻的三维位置。
当前时刻的状态向量，包括了当前时刻移动终端的坐标，从当前时刻的状态向量中提取出当前时刻移动终端的坐标，即可确定移动终端在当前时刻的三维位置，实现移动终端的定位。
本发明实施例提供的方案中，在预估状态向量所在的向量空间中抽取抽样点，使用表征状态向量与多路径测量值矩阵之间关系的函数，将抽样点转化成形式与多路径测量值矩阵相同的抽样矩阵，上述步骤对应了扩展卡尔曼滤波算法的基本方案中将非线性系统线性化的步骤。基于抽样矩阵和抽样点的统计量，获得预估状态向量的修正值，则对应了扩展卡尔曼滤波算法中的去除噪声的步骤。
本发明的一种实现方式中，上述步骤S406中在预估状态向量所在的向量空间，基于预估状态向量和预估分布方差矩阵，生成2n+1个抽样点时，具体可以在预估状态向量所在的向量空间，生成抽样点
Figure BDA0001785384810000111
所生成抽样点的坐标满足以下关系式：
Figure BDA0001785384810000112
Figure BDA0001785384810000113
其中，
Figure BDA0001785384810000114
表示第1个抽样点，
Figure BDA0001785384810000115
表示第f+1个抽样点，
Figure BDA0001785384810000116
表示第n+f+1个抽样点，α为第一预设参数，κ为第三预设参数，
Figure BDA0001785384810000117
为
Figure BDA0001785384810000118
的开方，
Figure BDA0001785384810000119
为
Figure BDA00017853848100001110
的第f列组成的向量。
Figure BDA00017853848100001111
为
Figure BDA00017853848100001112
的开方，
Figure BDA00017853848100001113
满足
Figure BDA00017853848100001114
第一预设参数和第二预设参数可以表征抽样点偏离均值的程度。
本实现方式中，生成的2n+1个抽样点中，有一个和预估状态向量坐标相同的抽样点，其他2n个抽样点，围绕在和预估状态向量坐标相同的抽样点周围，对称的排布。
本发明的一种实现方式中，上述步骤S408中基于抽样矩阵和抽样点的统计量，获得预估状态向量的修正值，可以包括：
先采用以下公式计算得到抽样矩阵和抽样点的统计量：
Figure BDA0001785384810000121
Figure BDA0001785384810000122
Figure BDA0001785384810000123
Figure BDA0001785384810000124
λ＝α2(n+κ)-n，ε＝1，2，…，2n，
再基于抽样矩阵和抽样点的统计量，采用以下公式，计算得到预估状态向量的修正值：
Figure BDA0001785384810000125
其中，mk为抽样矩阵的均值，Vark为抽样矩阵的方差，
Figure BDA0001785384810000126
为抽样点和抽样矩阵的协方差，
Figure BDA0001785384810000127
为第一抽样权重，
Figure BDA0001785384810000128
为第二抽样权重，α为第一预设参数，κ为第二预设参数，β为第三预设参数，
Figure BDA0001785384810000129
为第j个抽样点转化得到的抽样矩阵，
Figure BDA00017853848100001210
为
Figure BDA00017853848100001211
的第i行组成的向量，Corrs(k)为预估状态向量的修正值，(Vark)-1为Vark的逆矩阵。
预估状态向量为2n+1个抽样点的均值。第三预设参数是根据先验分布确定的算法参数，在常见的高斯分布下，第三预设参数的取值为2。
Figure BDA00017853848100001212
为第一抽样权重，j＝0时第一抽样权重的数值与j＝ε，ε＝1,2,…,2n时第一抽样权重的数值不同，
Figure BDA00017853848100001213
为第二抽样权重，j＝0时第二抽样权重的数值与j＝ε，ε＝1,2,…,2n时第二抽样权重的数值不同。
本发明的一种实现方式中，在上述步骤S407之后，先基于抽样矩阵和抽样点的统计量，获得预估分布方差矩阵的修正值，再将预估分布方差矩阵与预估分布方差矩阵的修正值相加，得到当前时刻的分布方差矩阵。
计算当前时刻的分布方差矩阵的公式为：
Figure BDA00017853848100001214
其中，CorrP(k)为预估分布方差矩阵的修正值。
如果预设时长后的时刻应用本发明实施例提供的方案，本实现方式中所得到的分布方差矩阵可以被本发明的执行主体所获取，并用于移动终端的定位。
本实现方式中，先基于抽样矩阵和抽样点的统计量，获得预估分布方差矩阵的修正值，再将预估分布方差矩阵与预估分布方差矩阵的修正值相加，得到当前时刻的分布方差矩阵。本实现方式为预设时长之后的移动终端定位提供所需的数据，从而可以实现上述移动终端以固定时间间隔的连续进行定位。
基于上述实现方式，本发明的另一种实现方式中，基于抽样矩阵和抽样点的统计量，获得预估分布方差矩阵的修正值，可以包括：
采用以下公式计算得到抽样矩阵和抽样点的统计量：
Figure BDA0001785384810000131
Figure BDA0001785384810000132
Figure BDA0001785384810000133
Figure BDA0001785384810000134
λ＝α2(n+κ)-n，ε＝1，2，…，2n；
其中，mk为抽样矩阵的均值，Vark为抽样矩阵的方差，
Figure BDA0001785384810000135
为抽样点和抽样矩阵的协方差，
Figure BDA0001785384810000136
为第一抽样权重，
Figure BDA0001785384810000137
为第二抽样权重，α为第一预设参数，κ为第二预设参数，β为第三预设参数，
Figure BDA0001785384810000138
为第j个抽样点转化得到的抽样矩阵，
Figure BDA0001785384810000139
为
Figure BDA00017853848100001310
的第i行组成的向量；
基于抽样矩阵和抽样点的统计量，采用以下公式，计算得到预估分布方差矩阵的修正值：
Figure BDA00017853848100001311
本实现方式中所使用的抽样矩阵和抽样点的统计量，与计算得到预估状态向量的修正值所使用的抽样矩阵和抽样点的统计量相同，在既计算预估状态向量的修正值也计算预估分布方差矩阵的修正值的方案中，只需要计算一次抽样矩阵和抽样点的统计量。
图5为本发明实施例提供的三维定位误差累计分布曲线与其他算法的三维定位误差累计分布曲线的仿真对比图。简单几何算法和最小二乘算法被设置为对比方案，从仿真结果可以看出，简单几何算法定位性能最差，定位误差以90％概率落在10米以内，最小二乘算法的定位误差以90％概率落在2米以内，本发明实施例提供的方案取得最好的定位性能，定位误差以90％概率落在0.2米。
图6为本发明实施例提供的三维定位根方均误差与其他算法的三维定位根方均误差的仿真对比图。从仿真结果可以看出，简单几何算法定位性能最差，定位根方均误差为2.882米；最小二乘算法相比于简单几何算法定位性能有所提升，定位根方均误差为0.601米；本发明实施例提供的方案，取得最好的定位性能，定位根方均误差为0.045米。
本发明的一种实现方式中，上述获取移动终端接收到的毫米波通信信号在多通信路径上的到达角的步骤，可以包括：先采用多重信号分类算法或ESPRIT算法，获取移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第一估值；再采用自适应滤波算法，获取移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第二估值；最后计算第一估值和第二估值的平均数，得到移动终端接收到的毫米波通信信号在多通信路径上的到达角。
本实现方式中，采用自适应滤波算法获取的到达角的估值，与通过运动模型或几何关系获取的到达角的估值，取平均数后，可以得到更为准确的到达角的估值。
图7所示为本发明实施例提供的一种到达角获取方法的流程示意图，具体可以包括如下步骤：
步骤S701、采用多重信号分类算法或ESPRIT算法，获取移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第一估值。
步骤S702、在移动终端接收到的毫米波通信信号的多通信路径中，针对每一通信路径，获取该通信路径上的到达角的历史估值向量。
历史估值向量满足以下表达式：
Figure BDA0001785384810000151
其中，A(k)为该通信路径上的到达角的历史估值向量，q为第四预设参数且q为正整数，k-q表示在当前时刻之前、与当前时刻间隔q倍预设时长的时刻，k-q+1表示在当前时刻之前、与当前时刻间隔q-1倍预设时长的时刻，
Figure BDA0001785384810000152
为第一时刻该通信路径上的到达角的估值，
Figure BDA0001785384810000153
为在当前时刻之前、与当前时刻间隔q倍预设时长的时刻该通信路径上的到达角的估值，
Figure BDA0001785384810000154
为在当前时刻之前、与当前时刻间隔q-1倍预设时长的时刻该通信路径上的到达角的估值。
第四预设参数为历史估值向量的历史数据个数。
步骤S703、针对每一通信路径，计算得到对应该通信路径的自适应权重向量。
采用以下公式，计算得到对应该通信路径的自适应权重向量：
Figure BDA0001785384810000155
其中，自适应权重向量的维度为q，W(k)为当前时刻的自适应权重向量，W(k-1)为第一时刻的自适应权重向量，u为第五预设参数，a(k-1)为第一时刻的第一估值，A(k-1)为第一时刻的该通信路径上的到达角的历史估值向量。
第五预设参数为自适应滤波算法的学习步长，可以表征自适应权重随时间变化的速率。
步骤S704、计算当前时刻每一通信路径上的到达角的估值，作为第二估值。
计算当前每一通信路径的自适应权重向量和到达角向量的点积，得到第二估值：
Figure BDA0001785384810000161
其中，
Figure BDA0001785384810000162
为当前时刻通信路径上的到达角的估值。
步骤S705、计算第一估值和第二估值的平均数，得到移动终端接收到的毫米波通信信号在多通信路径上的到达角。
本发明实施例提供的方案，采用了自适应滤波算法中的LMS(Least Mean Square，最小均方)算法，与只通过运动模型或几何关系估算到达角相比，可以获取更准确的到达角的估值。
图8为本发明实施例提供的方位角与多重信号分类算法得到的方位角的仿真对比图。从仿真图可以看出，相比于多重信号分类算法，通过本发明实施例提供的方案所获取的方位角的精度更高，以LOS效果最为显著，加入自适应滤波算法后角度估计精度将近提升了一倍，一次反射路径由于本身遭受的损耗较大精度提升性能有限。
图9为本发明实施例提供的仰角与多重信号分类算法得到的仰角的仿真对比图。从仿真图可以看出，相比于多重信号分类算法，通过本发明实施例提供的方案所获取的仰角的精度更高，以LOS效果最为显著，加入自适应滤波算法后角度估计精度将近提升了一倍，一次反射路径由于本身遭受的损耗较大精度提升性能有限。
基于同一发明构思，根据本发明上述实施例提供的定位方法，相应地，本发明实施例还提供了一种定位装置，其结构示意图如图10所示，具体包括：
向量获取模块1001，用于获取移动终端在第一时刻的状态向量，作为第一状态向量，其中，所述第一时刻为：当前时刻之前、与当前时刻间隔预设时长的时刻，所述第一状态向量包括：所述移动终端在所述第一时刻的三维位置信息、三维速度信息；
矩阵获取模块1002，用于获取所述第一时刻的分布方差矩阵，作为第一分布方差矩阵，其中，所述第一分布方差矩阵用于表征所述第一状态向量预估值的概率分布；
时间获取模块1003，用于获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达时间；
位置定位模块1004，用于基于所述第一状态向量、所述第一分布方差矩阵和所述到达时间，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置。
本发明实施例提供的定位装置，可以基于移动终端接收到的毫米波通信信号在多通信路径上的到达时间和预设时长前的时刻的定位数据，采用扩展卡尔曼滤波算法，实现移动终端的定位。因为毫米波通信技术具有波长短、多径稀疏、易于分辨等优势，所以本发明实施例提供的定位方法及装置可以充分的利用多通信路径的信号，而且和只使用了当前接收到的信号来定位的现有技术相比，借助了之前的定位数据来定位，相当于利用了基站在多个时刻发出的通信信号，所以可以降低对与移动终端通信的基站数量的依赖程度，甚至可以在只有一个基站能与移动终端通信的条件下实现定位。
本发明的一种实现方式中，所述装置还包括：
角获取模块，用于在所述位置定位模块定位所述移动终端在当前时刻的三维位置之前，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角；
所述位置定位模块，包括：
位置定位模块子模块，用于基于所述第一状态向量、所述第一分布方差矩阵、所述到达时间和所述到达角，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置。
本发明的一种实现方式中，所述位置定位模块子模块，包括：
方向确定单元，用于基于所述到达角和所述移动终端的方向姿态，确定毫米波传播方向；
矩阵建立单元，用于基于所述到达时间、所述毫米波传播方向，建立满足以下表达式的多路径测量值矩阵：
Figure BDA0001785384810000181
其中，k表示当前时刻，Y(k)为所述多路径测量值矩阵，g为建立所述多路径测量值矩阵所选取的通信路径的数量，θLOS(k)为毫米波通信信号在直射路径上的方位角，
Figure BDA0001785384810000182
为毫米波通信信号在直射路径上的仰角，TLOS(k)为毫米波通信信号在直射路径上的到达时间，θNLOS1(k)为毫米波通信信号在第一一次反射路径上的方位角，
Figure BDA0001785384810000183
为毫米波通信信号在第一一次反射路径上的仰角，TNLOS1(k)为毫米波通信信号在第一一次反射路径上的到达时间，θNLOS2(k)为毫米波通信信号在第二一次反射路径上的方位角，
Figure BDA0001785384810000184
为毫米波通信信号在第二一次反射路径上的仰角，TNLOS2(k)为毫米波通信信号在第二一次反射路径上的到达时间，θNLOS(g-1)(k)为毫米波通信信号在第(g-1)一次反射路径上的方位角，
Figure BDA0001785384810000185
为毫米波通信信号在第(g-1)一次反射路径上的仰角，TNLOS(g-1)(k)为毫米波通信信号在第(g-1)一次反射路径上的到达时间，其中，方位角为毫米波传播方向在水平面内的投影的角度，仰角为毫米波传播方向与水平面的夹角；
向量获得单元，用于采用以下公式，获得当前时刻的状态向量的预估状态向量：
Figure BDA0001785384810000186
其中，k-1表示所述第一时刻，
Figure BDA0001785384810000187
为所述预估状态向量，s(k-1)为所述第一状态向量，F为所述状态转移矩阵，I为单位矩阵，Δt为所述预设时长；
矩阵获得单元，用于采用以下公式，获得当前时刻的分布方差矩阵的预估分布方差矩阵：
Figure BDA0001785384810000188
其中，
Figure BDA0001785384810000189
为所述预估分布方差矩阵，P(k-1)为所述第一分布方差矩阵；
点生成单元，用于在所述预估状态向量所在的向量空间，基于所述预估状态向量和所述预估分布方差矩阵，生成2n+1个抽样点，其中，n为所述预估状态向量的维度；
矩阵转化单元，用于通过预设的表征状态向量与多路径测量值矩阵之间关系的函数，将2n+1个所述抽样点转化为2n+1个抽样矩阵；
第一修正值获得单元，用于基于所述抽样矩阵和所述抽样点的统计量，获得所述预估状态向量的修正值；
向量相加单元，用于将所述预估状态向量与所述预估状态向量的修正值相加，得到当前时刻的状态向量；
位置定位单元，用于根据所述当前时刻的状态向量，定位所述移动终端在当前时刻的三维位置。
本发明的一种实现方式中，所述位置定位模块子模块还包括：
第二修正值获得单元，用于在所述矩阵转化单元将2n+1个所述抽样点转化为2n+1个抽样矩阵之后，基于所述抽样矩阵和所述抽样点的统计量，获得所述预估分布方差矩阵的修正值；
矩阵相加单元，用于将所述预估分布方差矩阵与所述预估分布方差矩阵的修正值相加，得到当前时刻的分布方差矩阵。
本发明的一种实现方式中，所述点生成单元，具体用于在所述预估状态向量所在的向量空间，生成抽样点
Figure BDA0001785384810000191
所生成抽样点的坐标满足以下关系式：
Figure BDA0001785384810000192
Figure BDA0001785384810000193
其中，
Figure BDA0001785384810000194
表示第1个抽样点，
Figure BDA0001785384810000195
表示第f+1个抽样点，
Figure BDA0001785384810000196
表示第n+f+1个抽样点，α为第一预设参数，κ为第二预设参数，
Figure BDA0001785384810000197
为
Figure BDA0001785384810000198
的第f列组成的向量。
本发明的一种实现方式中，所述第一修正值获得单元，包括：
第一统计量计算子单元，用于采用以下公式计算得到所述抽样矩阵和所述抽样点的统计量：
Figure BDA0001785384810000201
Figure BDA0001785384810000202
Figure BDA0001785384810000203
Figure BDA0001785384810000204
λ＝α2(n+κ)-n，ε＝1，2，…，2n；
其中，mk为所述抽样矩阵的均值，Vark为所述抽样矩阵的方差，
Figure BDA0001785384810000205
为所述抽样点和所述抽样矩阵的协方差，
Figure BDA0001785384810000206
为第一抽样权重，
Figure BDA0001785384810000207
为第二抽样权重，α为第一预设参数，κ为第二预设参数，β为第三预设参数，
Figure BDA0001785384810000208
为第j个抽样点转化得到的抽样矩阵，
Figure BDA0001785384810000209
为
Figure BDA00017853848100002010
的第i行组成的向量；
第一修正值计算子单元，用于基于所述抽样矩阵和所述抽样点的统计量，采用以下公式，计算得到所述预估状态向量的修正值：
Figure BDA00017853848100002011
其中，Corrs(k)为所述预估状态向量的修正值，(Vark)-1为Vark的逆矩阵。
本发明的一种实现方式中，所述第二修正值获得单元，包括：
第二统计量计算子单元，用于采用以下公式计算得到所述抽样矩阵和所述抽样点的统计量：
Figure BDA00017853848100002012
Figure BDA00017853848100002013
Figure BDA0001785384810000211
Figure BDA0001785384810000212
λ＝α2(n+κ)-n，ε＝1，2，…，2n；
其中，mk为所述抽样矩阵的均值，Vark为所述抽样矩阵的方差，
Figure BDA0001785384810000213
为所述抽样点和所述抽样矩阵的协方差，
Figure BDA0001785384810000214
为第一抽样权重，
Figure BDA0001785384810000215
为第二抽样权重，α为第一预设参数，κ为第二预设参数，β为第三预设参数，
Figure BDA0001785384810000216
为第j个抽样点转化得到的抽样矩阵，
Figure BDA0001785384810000217
为
Figure BDA0001785384810000218
的第i行组成的向量；
第二修正值计算子单元，用于基于所述抽样矩阵和所述抽样点的统计量，采用以下公式，计算得到所述预估分布方差矩阵的修正值：
Figure BDA0001785384810000219
其中，CorrP(k)为所述预估分布方差矩阵的修正值，(Vark)-1为Vark的逆矩阵。
本发明的一种实现方式中，所述角获取模块，包括：
第一估值获取子模块，用于采用多重信号分类算法或ESPRIT算法，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第一估值；
第二估值获取子模块，用于采用自适应滤波算法，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第二估值；
平均数计算子模块，用于计算所述第一估值和所述第二估值的平均数，得到所述移动终端接收到的毫米波通信信号在多通信路径上的到达角。
本发明的一种实现方式中，所述第二估值获取子模块，包括：
向量获取单元，用于在所述移动终端接收到的毫米波通信信号的多通信路径中，针对每一通信路径，获取该通信路径上的到达角的历史估值向量，该历史估值向量满足以下表达式：
Figure BDA0001785384810000221
其中，A(k)为该通信路径上的到达角的历史估值向量，q为第四预设参数且q为正整数，k表示当前时刻，k-1表示所述第一时刻，k-q表示在当前时刻之前、与当前时刻间隔q倍所述预设时长的时刻，k-q+1表示在当前时刻之前、与当前时刻间隔q-1倍所述预设时长的时刻，
Figure BDA0001785384810000222
为所述第一时刻该通信路径上的到达角的估值，
Figure BDA0001785384810000223
为在当前时刻之前、与当前时刻间隔q倍所述预设时长的时刻该通信路径上的到达角的估值，
Figure BDA0001785384810000224
为在当前时刻之前、与当前时刻间隔q-1倍所述预设时长的时刻该通信路径上的到达角的估值；
向量计算单元，用于针对每一通信路径，采用以下公式，计算得到对应该通信路径的自适应权重向量：
Figure BDA0001785384810000225
其中，自适应权重向量的维度为q，W(k)为当前时刻的自适应权重向量，W(k-1)为所述第一时刻的自适应权重向量，u为第五预设参数，a(k-1)为所述第一时刻的第一估值，A(k-1)为所述第一时刻的该通信路径上的到达角的历史估值向量；
估值计算单元，用于采用以下公式，计算当前时刻每一通信路径上的到达角的估值，作为第二估值：
Figure BDA0001785384810000226
其中，
Figure BDA0001785384810000227
为当前时刻通信路径上的到达角的估值。
基于同一发明构思，根据本发明上述实施例提供的定位方法，相应地，本发明实施例还提供了一种电子设备，如图11所示，包括处理器1101、通信接口1102、存储器1103和通信总线1104，其中，处理器1101，通信接口1102，存储器1103通过通信总线1104完成相互间的通信，
存储器1103，用于存放计算机程序；
处理器1101，用于执行存储器1103上所存放的程序时，实现上述实施例中任一定位方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供的定位电子设备，可以基于移动终端接收到的毫米波通信信号在多通信路径上的到达时间和预设时长前的时刻的定位数据，采用扩展卡尔曼滤波算法，实现移动终端的定位。因为毫米波通信技术具有波长短、多径稀疏、易于分辨等优势，所以本发明实施例提供的定位方法及装置可以充分的利用多通信路径的信号，而且和只使用了当前接收到的信号来定位的现有技术相比，借助了之前的定位数据来定位，相当于利用了基站在多个时刻发出的通信信号，所以可以降低对与移动终端通信的基站数量的依赖程度，甚至可以在只有一个基站能与移动终端通信的条件下实现定位。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一定位方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一定位方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质和计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种定位方法，其特征在于，包括：
获取移动终端在第一时刻的状态向量，作为第一状态向量，其中，所述第一时刻为：当前时刻之前、与当前时刻间隔预设时长的时刻，所述第一状态向量包括：所述移动终端在所述第一时刻的三维位置信息、三维速度信息；
获取所述第一时刻的分布方差矩阵，作为第一分布方差矩阵，其中，所述第一分布方差矩阵用于表征所述第一状态向量预估值的概率分布；
获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达时间；
获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角；
基于所述第一状态向量、所述第一分布方差矩阵和所述到达时间，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置；
所述基于所述第一状态向量、所述第一分布方差矩阵和所述到达时间，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置，包括：
基于所述第一状态向量、所述第一分布方差矩阵、所述到达时间和所述到达角，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置；
所述获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角，包括：
采用多重信号分类算法或ESPRIT算法，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第一估值；
采用自适应滤波算法，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第二估值；
计算所述第一估值和所述第二估值的平均数，得到所述移动终端接收到的毫米波通信信号在多通信路径上的到达角。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一状态向量、所述第一分布方差矩阵、所述到达时间和所述到达角，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置，包括：
基于所述到达角和所述移动终端的方向姿态，确定毫米波传播方向；
基于所述到达时间、所述毫米波传播方向，建立满足以下表达式的多路径测量值矩阵：
Figure FDA0002557353480000021
其中，k表示当前时刻，Y(k)为所述多路径测量值矩阵，g为建立所述多路径测量值矩阵所选取的通信路径的数量，θLOS(k)为毫米波通信信号在直射路径上的方位角，
Figure FDA0002557353480000022
为毫米波通信信号在直射路径上的仰角，TLOS(k)为毫米波通信信号在直射路径上的到达时间，θNLOS1(k)为毫米波通信信号在第一一次反射路径上的方位角，
Figure FDA0002557353480000023
为毫米波通信信号在第一一次反射路径上的仰角，TNLOS1(k)为毫米波通信信号在第一一次反射路径上的到达时间，θNLOS2(k)为毫米波通信信号在第二一次反射路径上的方位角，
Figure FDA0002557353480000024
为毫米波通信信号在第二一次反射路径上的仰角，TNLOS2(k)为毫米波通信信号在第二一次反射路径上的到达时间，θNLOS(g-1)(k)为毫米波通信信号在第(g-1)一次反射路径上的方位角，
Figure FDA0002557353480000025
为毫米波通信信号在第(g-1)一次反射路径上的仰角，TNLOS(g-1)(k)为毫米波通信信号在第(g-1)一次反射路径上的到达时间，其中，方位角为毫米波传播方向在水平面内的投影的角度，仰角为毫米波传播方向与水平面的夹角；
采用以下公式，获得当前时刻的状态向量的预估状态向量：
Figure FDA0002557353480000026
其中，k-1表示所述第一时刻，
Figure FDA0002557353480000027
为所述预估状态向量，s(k-1)为所述第一状态向量，F为状态转移矩阵，I为单位矩阵，Δt为所述预设时长；
采用以下公式，获得当前时刻的分布方差矩阵的预估分布方差矩阵：
Figure FDA0002557353480000028
其中，
Figure FDA0002557353480000029
为所述预估分布方差矩阵，P(k-1)为所述第一分布方差矩阵；
在所述预估状态向量所在的向量空间，基于所述预估状态向量和所述预估分布方差矩阵，生成2n+1个抽样点，其中，n为所述预估状态向量的维度；
通过预设的表征状态向量与多路径测量值矩阵之间关系的函数，将2n+1个所述抽样点转化为2n+1个抽样矩阵；
基于所述抽样矩阵和所述抽样点的统计量，获得所述预估状态向量的修正值；
将所述预估状态向量与所述预估状态向量的修正值相加，得到当前时刻的状态向量；
根据所述当前时刻的状态向量，定位所述移动终端在当前时刻的三维位置。
3.根据权利要求1所述的方法，其特征在于，所述采用自适应滤波算法，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第二估值，包括：
在所述移动终端接收到的毫米波通信信号的多通信路径中，针对每一通信路径，获取该通信路径上的到达角的历史估值向量，该历史估值向量满足以下表达式：
Figure FDA0002557353480000031
其中，A(k)为当前时刻的该通信路径上的到达角的历史估值向量，q为第四预设参数且q为正整数，k表示当前时刻，k-1表示所述第一时刻，k-q表示在当前时刻之前、与当前时刻间隔q倍所述预设时长的时刻，k-q+1表示在当前时刻之前、与当前时刻间隔q-1倍所述预设时长的时刻，
Figure FDA0002557353480000032
为所述第一时刻该通信路径上的到达角的估值，
Figure FDA0002557353480000033
为在当前时刻之前、与当前时刻间隔q倍所述预设时长的时刻该通信路径上的到达角的估值，
Figure FDA0002557353480000034
为在当前时刻之前、与当前时刻间隔q一1倍所述预设时长的时刻该通信路径上的到达角的估值；
针对每一通信路径，采用以下公式，计算得到对应该通信路径的自适应权重向量：
Figure FDA0002557353480000035
其中，自适应权重向量的维度为q，W(k)为当前时刻的自适应权重向量，W(k-1)为所述第一时刻的自适应权重向量，u为第五预设参数，a(k-1)为所述第一时刻的第一估值，A(k-1)为所述第一时刻的该通信路径上的到达角的历史估值向量；
采用以下公式，计算当前时刻每一通信路径上的到达角的估值，作为第二估值：
Figure FDA0002557353480000041
其中，
Figure FDA0002557353480000042
为当前时刻通信路径上的到达角的估值。
4.根据权利要求2所述的方法，其特征在于，在所述通过预设的表征状态向量与多路径测量值矩阵之间关系的函数，将2n+1个所述抽样点转化为2n+1个抽样矩阵之后，还包括：
基于所述抽样矩阵和所述抽样点的统计量，获得所述预估分布方差矩阵的修正值；
将所述预估分布方差矩阵与所述预估分布方差矩阵的修正值相加，得到当前时刻的分布方差矩阵。
5.根据权利要求2所述的方法，其特征在于，所述在所述预估状态向量所在的向量空间，基于所述预估状态向量和所述预估分布方差矩阵，生成2n+1个抽样点，包括：
在所述预估状态向量所在的向量空间，生成抽样点
Figure FDA0002557353480000043
所生成抽样点的坐标满足以下关系式：
Figure FDA0002557353480000044
Figure FDA0002557353480000045
其中，
Figure FDA0002557353480000046
表示第1个抽样点，
Figure FDA0002557353480000047
表示第f+1个抽样点，
Figure FDA0002557353480000048
表示第n+f+1个抽样点，α为第一预设参数，κ为第二预设参数，
Figure FDA0002557353480000049
为
Figure FDA00025573534800000410
的第f列组成的向量。
6.根据权利要求2所述的方法，其特征在于，所述基于所述抽样矩阵和所述抽样点的统计量，获得所述预估状态向量的修正值，包括：
采用以下公式计算得到所述抽样矩阵和所述抽样点的统计量：
Figure FDA0002557353480000051
Figure FDA0002557353480000052
Figure FDA0002557353480000053
Figure FDA0002557353480000054
λ＝α2(n+κ)-n，ε＝1，2，…，2n；
其中，mk为所述抽样矩阵的均值，Vark为所述抽样矩阵的方差，
Figure FDA0002557353480000055
为所述抽样点和所述抽样矩阵的协方差，
Figure FDA0002557353480000056
为第一抽样权重，
Figure FDA0002557353480000057
为第二抽样权重，α为第一预设参数，κ为第二预设参数，β为第三预设参数，
Figure FDA0002557353480000058
为第j个抽样点转化得到的抽样矩阵，
Figure FDA0002557353480000059
为
Figure FDA00025573534800000510
的第i行组成的向量；
基于所述抽样矩阵和所述抽样点的统计量，采用以下公式，计算得到所述预估状态向量的修正值：
Figure FDA00025573534800000511
其中，Corrs(k)为所述预估状态向量的修正值，(Vark)-1为Vark的逆矩阵。
7.根据权利要求4所述的方法，其特征在于，所述基于所述抽样矩阵和所述抽样点的统计量，获得所述预估分布方差矩阵的修正值，包括：
采用以下公式计算得到所述抽样矩阵和所述抽样点的统计量：
Figure FDA00025573534800000512
Figure FDA00025573534800000513
Figure FDA00025573534800000514
Figure FDA0002557353480000061
λ＝α2(n+κ)-n，ε＝1，2，…，2n；
其中，mk为所述抽样矩阵的均值，Vark为所述抽样矩阵的方差，
Figure FDA0002557353480000062
为所述抽样点和所述抽样矩阵的协方差，
Figure FDA0002557353480000063
为第一抽样权重，
Figure FDA0002557353480000064
为第二抽样权重，α为第一预设参数，κ为第二预设参数，β为第三预设参数，
Figure FDA0002557353480000065
为第j个抽样点转化得到的抽样矩阵，
Figure FDA0002557353480000066
为
Figure FDA0002557353480000067
的第i行组成的向量；
基于所述抽样矩阵和所述抽样点的统计量，采用以下公式，计算得到所述预估分布方差矩阵的修正值：
Figure FDA0002557353480000068
其中，CorrP(k)为所述预估分布方差矩阵的修正值，(Vark)-1为Vark的逆矩阵。
8.一种定位装置，其特征在于，包括：
向量获取模块，用于获取移动终端在第一时刻的状态向量，作为第一状态向量，其中，所述第一时刻为：当前时刻之前、与当前时刻间隔预设时长的时刻，所述第一状态向量包括：所述移动终端在所述第一时刻的三维位置信息、三维速度信息；
矩阵获取模块，用于获取所述第一时刻的分布方差矩阵，作为第一分布方差矩阵，其中，所述第一分布方差矩阵用于表征所述第一状态向量预估值的概率分布；
时间获取模块，用于获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达时间；
角获取模块，用于获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角；
位置定位模块，用于基于所述第一状态向量、所述第一分布方差矩阵和所述到达时间，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置；
所述位置定位模块，包括：
位置定位模块子模块，用于基于所述第一状态向量、所述第一分布方差矩阵、所述到达时间和所述到达角，采用扩展卡尔曼滤波算法，定位所述移动终端在当前时刻的三维位置；
所述角获取模块，包括：
第一估值获取子模块，用于采用多重信号分类算法或ESPRIT算法，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第一估值；
第二估值获取子模块，用于采用自适应滤波算法，获取所述移动终端接收到的毫米波通信信号在多通信路径上的到达角的估值，记为第二估值；
平均数计算子模块，用于计算所述第一估值和所述第二估值的平均数，得到所述移动终端接收到的毫米波通信信号在多通信路径上的到达角。
CN201811012644.7A 2018-08-31 2018-08-31 一种定位方法及装置 Active CN109085564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811012644.7A CN109085564B (zh) 2018-08-31 2018-08-31 一种定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811012644.7A CN109085564B (zh) 2018-08-31 2018-08-31 一种定位方法及装置

Publications (2)

Publication Number Publication Date
CN109085564A CN109085564A (zh) 2018-12-25
CN109085564B true CN109085564B (zh) 2020-09-18

Family

ID=64840303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811012644.7A Active CN109085564B (zh) 2018-08-31 2018-08-31 一种定位方法及装置

Country Status (1)

Country Link
CN (1) CN109085564B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220179036A1 (en) * 2019-03-12 2022-06-09 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for positioning
CN113747344B (zh) * 2020-05-29 2023-06-16 大唐移动通信设备有限公司 一种终端定位方法及设备
CN112505622B (zh) * 2020-11-17 2024-02-02 东南大学 一种高精度单基站室内定位方法
CN113034922A (zh) * 2021-02-26 2021-06-25 浙江方大通信有限公司 一种基于云计算的交通违停巡检系统、计算机设备、终端
CN113269658B (zh) * 2021-07-16 2022-01-21 北京达佳互联信息技术有限公司 核心数据的生产时长的预估方法、装置、设备及存储介质
CN113329491B (zh) * 2021-08-03 2021-10-12 网络通信与安全紫金山实验室 定位参数确定方法、装置、设备和存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2399065C2 (ru) * 2008-04-11 2010-09-10 Корпорация Самсунг Электроникс Ко., Лтд. Способ определения местоположения подвижного объекта посредством гибридной навигационной системы (варианты)
EP2555017B1 (en) * 2011-08-03 2017-10-04 Harman Becker Automotive Systems GmbH Vehicle navigation on the basis of satellite positioning data and vehicle sensor data
CN103134489B (zh) * 2013-01-29 2015-12-23 北京凯华信业科贸有限责任公司 基于移动终端进行目标定位的方法
CN104808174B (zh) * 2014-11-27 2017-05-03 卫民 基于卡尔曼滤波器和航位推测法的核电站无线定位系统
CN106931965B (zh) * 2015-12-31 2021-04-13 中国移动通信集团吉林有限公司 一种确定终端姿态的方法及装置
CN106370181A (zh) * 2016-08-30 2017-02-01 北斗时空信息技术（北京）有限公司 一种高精度的组合导航定位方法
CN108413957A (zh) * 2017-12-06 2018-08-17 上海交通大学 使用移动终端在多种携带方式下进行行人航向估计的方法

Also Published As

Publication number Publication date
CN109085564A (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
CN109085564B (zh) 一种定位方法及装置
CN110231638B (zh) 一种无线网络下的载波相位定位方法及装置
CN108776330B (zh) 一种fmcw雷达多接收通道的高精度校准方法和装置
EP3315991A1 (en) Time of arrival (toa) measurements
KR101914550B1 (ko) 레이더의 표적 위치 추적 방법
TWI544822B (zh) 訊號強度分佈建立方法及無線定位系統
CN111578928B (zh) 一种基于多源融合定位系统的定位方法及装置
CN109597072A (zh) 一种双基合成孔径雷达sar系统的成像处理方法及装置
CN108802669B (zh) 二维波达方向估计方法、二维波达方向估计装置及终端
KR100977246B1 (ko) 순방향 링크 ａｏａ를 이용한 위치 추정 장치 및 방법
CN112887901A (zh) 一种基于量化toa量测的凸优化目标定位方法
CN111505570A (zh) 基于线性搜索的超宽带二维定位方法
CN109856656B (zh) 一种导航定位方法、装置、电子设备及存储介质
CN110658517B (zh) 一种基于不确定先验知识的降维稀疏stap方法及装置
CN113532428A (zh) 数据处理方法、装置、动中通终端和计算机可读存储介质
RU2610831C1 (ru) Способ оценки параметров траектории объекта
CN111259511A (zh) 一种海表流场的处理方法及装置
CN111343573B (zh) 根据环境差异标校在线rssi值的指纹定位方法及装置
WO2016098162A1 (ja) 合成開口レーダ信号処理装置及び合成開口レーダ信号処理プログラム
CN112566242B (zh) 一种基于贝叶斯估计的定位方法、装置及电子设备
CN111123323B (zh) 一种提高便携设备定位精度的方法
CN114035203A (zh) 伪距信号的发送方法、装置、存储介质及电子装置
CN113835107A (zh) 阵列卫星导航接收机的信号处理方法、装置及智能终端
CN108490389B (zh) 基于多径反射的定位方法、装置、电子设备及存储介质
RU2679598C1 (ru) Способ адаптивного сопровождения радиолокационных целей и устройство для его реализации

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant