CN110519772A - 基站网络、基站网络的自主位置获取方法 - Google Patents
基站网络、基站网络的自主位置获取方法 Download PDFInfo
- Publication number
- CN110519772A CN110519772A CN201910857684.XA CN201910857684A CN110519772A CN 110519772 A CN110519772 A CN 110519772A CN 201910857684 A CN201910857684 A CN 201910857684A CN 110519772 A CN110519772 A CN 110519772A
- Authority
- CN
- China
- Prior art keywords
- base station
- network
- position estimation
- value
- estimated value
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种基站网络、以及基站网络的自主位置获取方法。基站网络的自主位置获取方法包括:获得基站网络的各基站间的距离测量值;利用所获得的各基站间的距离测量值对基站网络的各基站位置关系进行优化;以及基于均方误差最小的准则得到基站网络全局优化的基站位置估计值。根据本申请,能够实现定位系统基础设施的快速搭建和部署,节省系统部署人力和时间成本。
Description
技术领域
本申请涉及一种基站网络、以及基站网络的自主位置获取方法。
背景技术
基于距离/伪距测量值的定位系统通常由基础设施和定位终端组成,基础设施有相对准确的自身空间和时间基准信息,需要通过基础设施与终端间的通信、测距完成对终端的位置、时间信息的确定。
为了实现较大范围的高精度定位,往往需要部署多个可以称为定位基站的基础设施,以组成基站网络,并且还需要获得每个基站在某一个参考坐标系下的位置信息。如何快速部署基站网络并获取每个网络节点的位置信息是实际应用中的一个重要问题,涉及系统复杂度和实现成本。在小规模的应用中,一般使用通过人工测距标定的或者通过全球导航卫星系统定位的每个基站的位置作为系统的输入数据,在基站数目增多的情况下,对每个基站的精确位置都进行测量耗时耗力,成本较高,这不利于系统的快速搭建和部署,而且系统的维护也将耗费较多的人力和时间成本。
发明内容
根据本申请,提供了一种基站网络、以及基站网络的自主位置获取方法,以便于定位系统基础设施的快速部署。
根据本申请的一个方面,提供了一种基站网络的自主位置获取方法,包括:获得基站网络的各基站间的距离测量值;利用所获得的各基站间的距离测量值对基站网络的各基站位置关系进行优化;以及基于均方误差最小的准则得到基站网络全局优化的基站位置估计值。
根据本申请的另一个方面,提供了一种能够获取基站自主位置的基站网络,包括:多个基站,所述多个基站中的每一个基站包括测距单元,其中,通过所述测距单元获得各基站间的距离测量值;以及位置估计模块,利用基站间的距离测量值对基站网络的各基站位置关系进行优化,基于均方误差最小的准则得到基站网络全局优化的基站位置估计值。
根据本申请,能够实现定位系统基础设施的快速搭建和部署,节省系统部署人力和时间成本。
附图说明
图1示出了根据本申请的一个实施方式的基站网络的自主位置获取方法的流程图;
图2示出了根据本申请的一个实施方式的能够获取基站自主位置的基站网络;以及
图3示出了根据本申请的一个实施方式的位置估计模块的示意图。
具体实施方式
下面参照附图对本申请公开的基站网络、基站网络的自主位置获取方法进行详细说明。为简明起见,本申请各实施方式的说明中,相同或类似的装置使用相同或相似的附图标记。
图1示出了根据本申请的一个实施方式的基站网络的自主位置获取方法的流程图。如图所示,在S10中,获得基站网络的各基站间的距离测量值。在S20中,利用所获得的各基站间的距离测量值对基站网络的各基站位置关系进行优化。在S30中,基于均方误差最小的准则得到基站网络全局优化的基站位置估计值。
基站间的距离测量值可以通过基站中的测距单元获得。
假设所有基站间全联通,即两两之间都有测距结果,以邻接矩阵的形式表示基站间的距离测量值结果如下:
其中,n表示基站的总数量,dij表示基站i到基站j的测距结果。
待求解的基站位置估计值可以表示为:
其中,Xi为第i个基站的位置坐标向量。
假设基站间距离测量值是无偏的,即测量值是真实距离值叠加独立同分布高斯白噪声,则可以构建距离测量值与各基站位置之间的损失函数如下:
根据上述损失函数,可以获得所述距离测量值与各基站位置之间的优化函数:
g=▽L(X),
其中,g的各个元素矢量表示为:
其中,Xi为第i个基站的位置(位置坐标矢量)估计值,Xj为第j个基站的位置(位置坐标矢量)估计值dij为第i个基站与第j个基站的距离测量值,n为基站的总数量。
注意到损失函数可能存在局部极小值点,在求解优化函数的过程中需要尽量避免陷入局部极值导致输出错误结果的情况,为此需要在求解过程中的每次迭代尽量保持之前更新的一些能量,使得算法在局部极小值处仍能保持一定的更新步长以便跳出该局部最优解。
根据本申请的一种实施方式,可以基于均方误差最小的准则并通过求解优化函数获得各基站的位置估计值,具体方法如下:
预设基站位置估计值X的初始值,预设迭代步长α,衰减系数β1,β2,其中,可以使用粗略的位置估计值对位置估计值X的初始值进行设置,可以根据经验值对迭代步长和衰减系数进行设置。例如,可以将迭代步长α设置为0-1之间的任意数,可以将衰减系数β1,β2设置为0.9-1之间的任意数。
预设优化函数的一阶矩m的初始值和二阶矩v的初始值,以及设置迭代次数k=0。其中,一阶矩m可以表示迭代计算向极值(即,优化估计值)的收敛速度、二阶矩v可以表示向极值的收敛加速度。
迭代计算优化函数g=▽L(X),并将迭代次数更新为k=k+1。
根据更新计算所获得的优化函数,滑动更新一阶矩估计值m=β2m+(1-β1)g。根据更新计算所获得的优化函数,滑动更新二阶矩估计值v=β2v+(1-β1)g2。这里,通过滑动更新的方式,一方面能够利用迭代计算所获得的优化函数的值,另一方面能够保持之前一次更新的部分一阶矩信息,以确保迭代求解跳出局部极值点。
修正一阶矩估计值修正二阶矩估计值这里,使用迭代次数k修正一阶矩和二阶矩可以使得在刚开始迭代时一阶矩和二阶矩较大,从而加快收敛速度。而在迭代次数较大时一阶矩和二阶矩已经有了足够积累,迭代次数的修正作用也可以逐渐迅速减弱。
更新位置估计值这里,使用二阶矩的开方来归一化一阶矩,可以使得一阶矩绝对值较大的位置估计值不会更新很快,而绝对值较小的位置估计值也不会更新很慢,使得更新进行得比较平稳。当接近最优结果时,梯度可能会在0附近抖动,此时平均下来一阶矩很接近0,而二阶矩描述了抖动的程度,此时用二阶矩的开方来调整一阶矩,可以使抖动剧烈的位置估计更新值迅速变小,从而使其迅速收敛。
判断迭代更新是否收敛,若收敛,则输出当前更新位置估计值为基站网络全局优化的基站位置估计值。例如,可以根据所需要达到的定位精度预设门限,判断两次位置估计值之差的二范数是否小于预设门限,如果小于,则输出当前更新位置估计值作为结果,否则继续迭代计算。
可以理解,这里的基站位置估计值可以是基站网络中各基站的相对位置估计值。可选地,也可以通过获得基站网络中任意基站的绝对位置的方式,进一步映射获得基站网络中各基站的绝对位置估计值。
根据本申请的另一个方面,还提供了一种能够获取基站自主位置的基站网络,如图2所示。基站网络100包括多个基站110和位置估计模块120。每一个基站110包括测距单元111。通过测距单元111能够获得各基站间的距离测量值。位置估计模块120能够利用基站间的距离测量值对基站网络的各基站位置关系进行优化,基于均方误差最小的准则得到基站网络全局优化的基站位置估计值。
根据本申请的一种实施方式,位置估计模块120可以设置在多个基站110外,或者位置估计模块120可以设置在所述多个基站110中的任一基站中。
根据本申请的一种实施方式,位置估计模块120构建距离测量值与各基站位置之间的损失函数,根据损失函数获得距离测量值与各基站位置之间的优化函数,根据优化函数基于均方误差最小的准则迭代获得各基站的位置估计值。
位置估计模块120所构建的损失函数和优化函数分别表示如下:
g=▽L(X),
其中,g的各个元素矢量表示为:
其中,Xi为第i个基站的位置坐标矢量估计值,Xj为第j个基站的位置估计值,dij为第i个基站与第j个基站的距离测量值,n为基站的总数量。
根据本申请的一种实施方式,如图3所示,位置估计模块120可以进一步包括:初始值预设单元121、计算单元122、以及输出单元123。
初始值预设单元121可以预设基站位置估计值X的初始值,迭代步长α,衰减系数β1,β2,并预设优化函数的一阶矩m的初始值和二阶矩v的初始值,以及设置迭代次数k=0。
计算单元122可以迭代计算优化函数g=▽L(X),迭代次数k=k+1;滑动更新一阶矩估计值m=β2m+(1-β1)g,以及滑动更新二阶矩估计值v=β2v+(1-β1)g2;修正一阶矩估计值以及修正二阶矩估计值以及更新位置估计值
输出单元123可以判断迭代更新是否收敛,若收敛,则输出当前更新位置估计值为基站网络全局优化的基站位置估计值。
根据本申请,能够实现定位系统基础设施的快速搭建和部署,节省系统部署人力和时间成本。
以上参照附图对本申请的示例性的实施方案进行了描述。本领域技术人员应该理解,上述实施方案仅仅是为了说明的目的而所举的示例,而不是用来进行限制,凡在本申请的教导和权利要求保护范围下所作的任何修改、等同替换等,均应包含在本申请要求保护的范围内。
Claims (9)
1.基站网络的自主位置获取方法,包括:
获得基站网络的各基站间的距离测量值;
利用所获得的各基站间的距离测量值对基站网络的各基站位置关系进行优化;以及
基于均方误差最小的准则得到基站网络全局优化的基站位置估计值。
2.如权利要求1所述的基站网络的自主位置获取方法,包括:构建所述距离测量值与各基站位置之间的损失函数,根据所述损失函数获得所述距离测量值与各基站位置之间的优化函数,根据所述优化函数并基于均方误差最小的准则迭代获得各基站的位置估计值。
3.如权利要求2所述的基站网络的自主位置获取方法,其中,
所述损失函数表示如下:
以及
所述优化函数表示如下:
g=▽L(X),
其中,g的各个元素矢量表示为:
其中,Xi为第i个基站的位置估计值,Xj为第j个基站的位置估计值,dij为第i个基站与第j个基站的距离测量值,n为基站网络的基站的总数量。
4.如权利要求3所述的基站网络的自主位置获取方法,其中,通过以下方式迭代获得各基站的位置估计值:
预设基站位置估计值X的初始值、迭代步长α、衰减系数β1,β2;
预设所述优化函数的一阶矩m的初始值和二阶矩v的初始值,以及设置迭代次数k=0;
迭代计算优化函数g=▽L(X),迭代次数k=k+1;
滑动更新一阶矩估计值m=β2m+(1-β1)g,以及滑动更新二阶矩估计值v=β2v+(1-β1)g2;
修正一阶矩估计值以及修正二阶矩估计值
更新位置估计值以及
判断迭代更新是否收敛,若收敛,则输出当前更新位置估计值为基站网络全局优化的基站位置估计值。
5.一种能够获取基站自主位置的基站网络,包括:
多个基站,所述多个基站中的每一个基站包括测距单元,其中,通过所述测距单元获得各基站间的距离测量值;以及
位置估计模块,利用基站间的距离测量值对基站网络的各基站位置关系进行优化,基于均方误差最小的准则得到基站网络全局优化的基站位置估计值。
6.如权利要求5所述的基站网络,其中,所述位置估计模块设置在所述多个基站外或者设置在所述多个基站中的任一基站中。
7.如权利要求5所述的基站网络,其中,所述位置估计模块构建所述距离测量值与各基站位置之间的损失函数,根据所述损失函数获得所述距离测量值与各基站位置之间的优化函数,根据所述优化函数并基于均方误差最小的准则迭代获得各基站的位置估计值。
8.如权利要求7所述的基站网络,其中,所述位置估计模块所构建的损失函数表示如下:
以及
所述优化函数表示如下:
g=▽L(X),
其中,g的各个元素矢量表示为:
其中,Xi为第i个基站的位置坐标矢量估计值,Xj为第j个基站的位置估计值,dij为第i个基站与第j个基站的距离测量值,n为基站的总数量。
9.如权利要求8所述的基站网络,其中,所述位置估计模块包括:
初始值预设单元,预设基站位置估计值X的初始值,迭代步长α,衰减系数β1,β2,并预设优化函数的一阶矩m的初始值和二阶矩v的初始值,以及设置迭代次数k=0;
计算单元,迭代计算优化函数g=▽L(X),迭代次数k=k+1;滑动更新一阶矩估计值m=β2m+(1-β1)g,以及滑动更新二阶矩估计值v=β2v+(1-β1)g2;修正一阶矩估计值以及修正二阶矩估计值以及更新位置估计值以及
输出单元,判断迭代更新是否收敛,若收敛,则输出当前更新位置估计值为基站网络全局优化的基站位置估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910857684.XA CN110519772A (zh) | 2019-09-09 | 2019-09-09 | 基站网络、基站网络的自主位置获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910857684.XA CN110519772A (zh) | 2019-09-09 | 2019-09-09 | 基站网络、基站网络的自主位置获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110519772A true CN110519772A (zh) | 2019-11-29 |
Family
ID=68631919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910857684.XA Pending CN110519772A (zh) | 2019-09-09 | 2019-09-09 | 基站网络、基站网络的自主位置获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110519772A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107071732A (zh) * | 2017-04-12 | 2017-08-18 | 北京理工大学 | 一种基于rssi的mle‑pso室内定位方法 |
CN109618288A (zh) * | 2019-01-28 | 2019-04-12 | 上海海事大学 | 基于深度卷积神经网络的无线传感网距离测量系统及方法 |
CN109782227A (zh) * | 2019-02-20 | 2019-05-21 | 核芯互联科技(青岛)有限公司 | 一种基于蓝牙信号rssi的室内定位方法 |
CN109889971A (zh) * | 2019-01-30 | 2019-06-14 | 浙江大学 | 应用于大型室内环境的基站三维协作定位方法 |
CN110161455A (zh) * | 2018-02-11 | 2019-08-23 | 清华大学 | 定位系统及定位系统构型的自主建立方法 |
-
2019
- 2019-09-09 CN CN201910857684.XA patent/CN110519772A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107071732A (zh) * | 2017-04-12 | 2017-08-18 | 北京理工大学 | 一种基于rssi的mle‑pso室内定位方法 |
CN110161455A (zh) * | 2018-02-11 | 2019-08-23 | 清华大学 | 定位系统及定位系统构型的自主建立方法 |
CN109618288A (zh) * | 2019-01-28 | 2019-04-12 | 上海海事大学 | 基于深度卷积神经网络的无线传感网距离测量系统及方法 |
CN109889971A (zh) * | 2019-01-30 | 2019-06-14 | 浙江大学 | 应用于大型室内环境的基站三维协作定位方法 |
CN109782227A (zh) * | 2019-02-20 | 2019-05-21 | 核芯互联科技(青岛)有限公司 | 一种基于蓝牙信号rssi的室内定位方法 |
Non-Patent Citations (1)
Title |
---|
ZHEN WU等: "Spatial Coordinate Autonomous Establishment Technique for High-Precision Local Positioning System", 《CHINA SATELLITE NAVIGATION CONFERENCE(CSNC) 2018 PROCEEDINGS》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108896047B (zh) | 分布式传感器网络协同融合与传感器位置修正方法 | |
CA2840250C (en) | An improved system and method for wireless positioning in wireless network-enabled environments | |
CN105704652B (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
CN109141427B (zh) | 在非视距环境下基于距离和角度概率模型的ekf定位方法 | |
EP1514130A1 (en) | Probabilistic model for a positioning technique | |
CN110633138B (zh) | 一种基于边缘计算的自动驾驶服务卸载方法 | |
JP2016161570A (ja) | デバイスのロケーションを求める方法およびデバイス | |
Mukhopadhyay et al. | Performance evaluation of localization techniques in wireless sensor networks using RSSI and LQI | |
Angjelichinoski et al. | SPEAR: Source position estimation for anchor position uncertainty reduction | |
CN111009179B (zh) | 剥蚀厚度的确定方法及装置 | |
US8797899B2 (en) | System and method for probabilistic WLAN positioning | |
CN109470251A (zh) | 一种用于组合导航系统中的部分反馈滤波方法 | |
CN110519772A (zh) | 基站网络、基站网络的自主位置获取方法 | |
CN113010837A (zh) | 基于tdoa定位的无线传感网络在非视线条件下传感器的选择方法及装置 | |
CN113395762B (zh) | 超宽带定位网络中位置校正方法及装置 | |
CN113810854B (zh) | 终端运动轨迹的确定方法和服务器 | |
Buehrer et al. | Cooperative indoor position location using the parallel projection method | |
CN112437397B (zh) | 基于交替修正牛顿法的分布式传感器节点定位方法 | |
CN110687502B (zh) | 一种基于最小二乘定位的短波测向数据集标注方法 | |
CN107688164A (zh) | 一种空中飞行器的定位方法、定位装置及存储介质 | |
TWI518351B (zh) | 室內定位方法和設備 | |
Dong et al. | Application of Adam-BP neural network in leveling fitting | |
CN107250831A (zh) | 提供移动装置的前进方向的指示 | |
CN116105731B (zh) | 稀疏测距条件下的导航方法、装置、计算机设备及介质 | |
US20230266503A1 (en) | Generating and managing calibration data for sensors used to obtain weather information |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |