CN110824419A - 一种物流车辆的定位方法及系统 - Google Patents

一种物流车辆的定位方法及系统 Download PDF

Info

Publication number
CN110824419A
CN110824419A CN201911025711.3A CN201911025711A CN110824419A CN 110824419 A CN110824419 A CN 110824419A CN 201911025711 A CN201911025711 A CN 201911025711A CN 110824419 A CN110824419 A CN 110824419A
Authority
CN
China
Prior art keywords
vehicle
base stations
position coordinates
covariance matrix
broadcast signal
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.)
Granted
Application number
CN201911025711.3A
Other languages
English (en)
Other versions
CN110824419B (zh
Inventor
刘婷婷
文方青
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.)
Yangtze University
Original Assignee
Yangtze University
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 Yangtze University filed Critical Yangtze University
Priority to CN201911025711.3A priority Critical patent/CN110824419B/zh
Publication of CN110824419A publication Critical patent/CN110824419A/zh
Application granted granted Critical
Publication of CN110824419B publication Critical patent/CN110824419B/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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种物流车辆的定位方法及系统，属于车辆定位技术领域。解决了现有物流车辆定位精度低、延时较高和稳定性差的问题。一种物流车辆的定位方法，包括以下步骤：以车辆为原点建立三维坐标；实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标。实现了物流车辆的高精度、低延时、强稳定性的定位。

Description

一种物流车辆的定位方法及系统
技术领域
本发明涉及车辆定位技术领域，尤其是涉及一种物流车辆的定位方法及系统。
背景技术
随着我国经济社会的高速发展，物流行业也得到迅速发展，完善的公路基础设施和庞大的汽车市场规模，使得方便快捷的车辆运输成为一种重要的物流配送方式，物流车辆在配送过程中的路线准确性、车辆运输效率和货物安全性，在一定程度上影响着物流行业的发展，因此，通过定位技术对物流车辆进行实时监测，能够及时、准确、全面的掌握运输车辆的信息，提升物流行业在服务、效率、安全方面的竞争力。
5G通信的技术特点之一是其收发端均采用大规模的阵列天线，相比于4G通信系统，5G网络具有更低的时延、更高的传输带宽和更优的通信质量。目前，车辆定位的常见技术有GPS、相机、激光、超声波、传感器阵列等技术。GPS是利用卫星定位网络，在世界范围内进行实时定位与导航的系统，GPS技术缺点是存在定位盲区，车辆被障碍物干扰，比如隧道、城市高大建筑，会出现信号阻塞导致定位可靠性差；相机定位方法优点是精确度高、算法要求低，缺点是容易受到光照条件和拍摄角度等影响；激光传感器使用多个激光束，通过测量信号返回到接收器时间和障碍物红外线强度，来确定车辆与目标的距离。激光技术可以通过障碍物、其他车辆等来测量出大量的测距和红外数据，激光技术和其他技术相比，成本高昂，并且精确度容易受到雨雪等天气影响；超声波技术通过空气或其他媒介利用振荡压力机械波来扫描环境，通过信号返回到接收器的时间来测量车辆与目标的距离，超声波技术功耗、成本低。然而，由于声波速度慢，因而其定位的实时性难以保证。
传感器阵列定位是近年来研究较为火热的车辆定位技术，它依靠安装在5G基站上的阵列传感器来进行车辆定位，阵列定位方法稳定性强，不受天气、光照等环境因素影响；现有使用阵列传感器对车辆定位的技术主要是依靠安装在5G基站的阵列天线主动发射电磁波，电磁波被车辆反射后到达接收阵列天线，通过回波信息处理，提取车辆的波达时间(Time-of-arrival，TOA)、波达时差(Time-difference-of-arrival，TDOA)或者波达角(Direction-of-arrival，DOA)，再结合5G基站的固定位置计算车辆位置。然而现有的车辆定位方案存在一系列不足，首先，阵列传感器(天线)与车辆之间无合作，传感器的工作原理类似于雷达系统，为保证测量的距离和精度，需要大功率的发射天线、因而成本高昂；其次，电磁波很容易受其它车辆阻挡，定位的稳定性及精度难以保证；最后，车辆位置信息由5G基站计算获得，还需要额外的通信链路传递到车辆终端，定位的实时性无法保证。
发明内容
本发明的目的在于至少克服上述一种技术不足，提出一种物流车辆的定位方法及系统。
一方面，本发明提供了一种物流车辆的定位方法，包括以下步骤：
以车辆为原点建立三维坐标；
实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；
根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标。
进一步地，所述广播信号的表达式为
Figure BDA0002248569730000021
其中，
Figure BDA0002248569730000022
为阵列天线对第k个广播信号的响应向量，λ为载波波长，sk(t)为第k广播信号，n(t)为阵列噪声，rk＝[cos(φk)sin(θk),cos(φk)sin(θk),cos(θk)]T，pm＝[xm,ym,zm]T，[xm,ym,zm]T为第m个阵元的坐标，Θk＝[θk,φk]T为第k个信号源的波达角，k取1或2，1≤m≤M，M为车载阵列天线的阵元总数,K＝2。
进一步地，所述根据所述广播信号，得到广播信号对应的协方差矩阵，具体包括，根据所述广播信号，得到广播信号x(t)对应的协方差矩阵，
R＝ARsAH+σ2IM
其中，Rs＝diag{δ1,δ2}为信号源s(t)的协方差矩阵，δ1、δ2分别为第1、2个信号源的功率，σ为噪声方差，IM为维数为M×M的单位矩阵，n(t)为高斯白噪声，并且与信号源s(t)不相关。
进一步地，根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标，具体包括，
根据公式
Figure BDA0002248569730000031
Figure BDA0002248569730000032
Figure BDA0002248569730000033
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个5G基站的位置坐标。
本发明还提供了一种物流车辆的定位系统，包括坐标轴构建模块、波达角获取模块及车辆位置坐标获取模块，
所述坐标轴构建模块，用于以车辆为原点建立三维坐标；
所述波达角获取模块，用于实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；
所述车辆位置坐标获取模块，用于根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标。
进一步地，所述波达角获取模块，根据所述广播信号，得到广播信号对应的协方差矩阵，具体包括，
根据所述广播信号，得到广播信号x(t)对应的协方差矩阵，
R＝ARsAH+σ2IM
其中，Rs＝diag{δ1,δ2}为信号源s(t)的协方差矩阵，δ1、δ2分别为第1、2个信号源的功率，σ为噪声方差，IM为维数为M×M的单位矩阵，广播信号的阵列噪声为白噪声，并且与信号源s(t)不相关。
进一步地，所述车辆位置坐标获取模块，根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标，具体包括，
根据公式
Figure BDA0002248569730000042
Figure BDA0002248569730000043
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个5G基站的位置坐标。
与现有技术相比，本发明的有益效果包括：通过车辆为原点建立三维坐标；实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标；实现了物流车辆的高精度、低延时、强稳定性的定位。
附图说明
图1是本发明实施例1所述的物流车辆的定位方法流程示意图；
图2是本发明实施例1所述的5G车联网框架；
图3本发明实施例1所述的定位测算原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
本发明实施例提供了一种物流车辆的定位方法，包括以下步骤：
以车辆为原点(参考点)建立三维坐标；
实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；
根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标。
需要说明的是，上述技术方案是基于5G车联网框架，所述5G车联网框架，如图2所示；定位测算原理图，如图3所示，以车辆的车载通信天线终端(车载终端)为原点或者说是参考点，以5G基站的经度、纬度及高度做为5G基站的位置坐标，为已知且固定不变的，车辆的位置坐标(X0,Y0,Z0)，随着车辆的运动变化。
所述5G车联网框架主要由三个部分组成：车载终端、5G基站和云平台，其中，云平台提供整个车联网平台的数据分析服务，5G基站密集的分布在道路两侧，通过低延迟光纤与云平台连接，5G基站可向车辆提供无线接入服务；车载终端配置有5G阵列接收天线，可用于与5G基站进行通信，最后，车载终端通过5G基站将相关数据上传到云平台，以便大数据分析；
在本发明实施例中5G基站的位置是已知的，同时，5G基站其不间断向车辆提供广播服务，广播的内容中包含5G基站位置(坐标)信息。
具体实施时，考虑远场k(本发明实施例中K为2)个不相关5G基站广播信号入射到车载阵列接收天线上，其中阵列天线由M个阵元组成，阵元分布在3D空间中，
优选的，所述广播信号的表达式为
Figure BDA0002248569730000051
其中，
Figure BDA0002248569730000052
为阵列天线对第k个广播信号的响应向量，CM×1为M×1的复数域矩阵，λ为载波波长，sk(t)为第k广播信号，n(t)为阵列噪声，rk＝[cos(φk)sin(θk),cos(φk)sin(θk),cos(θk)]T，pm＝[xm,ym,zm]T，[xm,ym,zm]T为第m个阵元的坐标，Θk＝[θk,φk]T为第k个信号源的波达角(波达角对)，k取1或2，1≤m≤M，M为车载阵列天线的阵元总数,K＝2。
如果n(t)为高斯白噪声，并且与信号源s(t)不相关，那么x(t)的协方差矩阵可以表示为
R＝ARsAH+σ2IM
其中，Rs＝diag{δ1,δ2,L,δk}为信号源s(t)的协方差矩阵，δk为第k个信号源的功率，σ为噪声方差。
优选的，根据所述广播信号，得到广播信号对应的协方差矩阵，具体包括，
根据所述广播信号，得到广播信号x(t)对应的协方差矩阵，
R＝ARsAH+σ2IM
其中，Rs＝diag{δ1,δ2}为信号源s(t)的协方差矩阵，δ1、δ2分别为第1、2个信号源的功率，σ为噪声方差，IM为维数为M×M的单位矩阵，n(t)为高斯白噪声，并且与信号源s(t)不相关。
具体实施时，当快拍数L给定时，设t＝1,2,L,L，协方差矩阵R可以通过下式估计
利用现有算法，如多重信号分类(MUSIC)算法，可从
Figure BDA0002248569730000062
中估计出各个5G基站广播信号的俯仰角和方位角。
优选的，根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标，具体包括，
根据公式
Figure BDA0002248569730000063
Figure BDA0002248569730000064
Figure BDA0002248569730000065
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个5G基站的位置坐标。
一个具体实施例中，根据
Figure BDA0002248569730000066
Figure BDA0002248569730000067
可以得到(X0,Y0,Z0)的计算公式。
实施例2
本发明实施例提供了一种物流车辆的定位系统，包括坐标轴构建模块、波达角获取模块及车辆位置坐标获取模块，
所述坐标轴构建模块，用于以车辆为原点建立三维坐标；
所述波达角获取模块，用于实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；
所述车辆位置坐标获取模块，用于根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标。
优选的，所述波达角获取模块，根据所述广播信号，得到广播信号对应的协方差矩阵，具体包括，
根据所述广播信号，得到广播信号x(t)对应的协方差矩阵，
R＝ARsAH+σ2IM
其中，Rs＝diag{δ1,δ2}为信号源s(t)的协方差矩阵，δ1、δ2分别为第1、2个信号源的功率，σ为噪声方差，IM为维数为M×M的单位矩阵，广播信号的阵列噪声为白噪声，并且与信号源s(t)不相关。
优选的，所述车辆位置坐标获取模块，根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标，具体包括，
根据公式
Figure BDA0002248569730000072
Figure BDA0002248569730000073
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个5G基站的位置坐标。
需要说明的是，上述实施例均是在两个5G基站的基础上获得车辆的位置坐标，而5G基站的广播信号有时会不止2个，可能是多个，具体实施时，可以基于多个5G基站，分别获取车辆的位置坐标，然后将获得的这些位置坐标进行平均，使得车辆的定位更加精确。
可将所述物流车辆的定位系统安装在车辆终端上，阵列通信天线安装在车辆上，通过谱估计算法和结合广播信号可以实现车辆自主定位，无需其它外部设备和装置。
需要说明的是，所述实施例1和实施例2未重复描述之处可相互借鉴。
本发明公开了一种物流车辆的定位方法及系统，通过车辆为原点建立三维坐标；实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标；实现了物流车辆的高精度、低延时、强稳定性的定位；此外其定位成本还低。
保证物流车辆在运输中定位精确度高、低时延、稳定性强和成本低；定位精度高是因为在5G基站数量多，时延小，因此测角的精度高，更准确；定位稳定性强是因为基站部署密集，通信质量高，近距离的测量环境因素的干扰小；定位时延低是因为5G基站与车辆距离短，信号传送更快，定位用时更短；定位成本低是因为5G基站是固定的公共设施，是未来车联网的核心环节。车载5G通信天线是车联网的标准配置之一，其成本十分低廉；此外，将定位数据上传到云端，可为未来智能交通提供数据保障，后期如紧急救援、智能导航等可很容易进行扩展。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (7)

1.一种物流车辆的定位方法，其特征在于，包括以下步骤：
以车辆为原点建立三维坐标；
实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；
根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标。
2.根据权利要求1所述的物流车辆的定位方法，其特征在于，所述广播信号的表达式为
Figure FDA0002248569720000011
其中，a(Θk)＝[exp{-j2πτ1,k/λ},exp{-j2πτ2,k/λ},...,exp{-j2πτM,k/λ}]T，为阵列天线对第k个广播信号的响应向量，λ为载波波长，sk(t)为第k广播信号，n(t)为阵列噪声，
Figure FDA0002248569720000012
rk＝[cos(φk)sin(θk),cos(φk)sin(θk),cos(θk)]T，pm＝[xm,ym,zm]T，[xm,ym,zm]T为第m个阵元的坐标，Θk＝[θk,φk]T为第k个信号源的波达角，k取1或2，1≤m≤M，M为车载阵列天线的阵元总数,K＝2。
3.根据权利要求2所述的物流车辆的定位方法，其特征在于，所述根据所述广播信号，得到广播信号对应的协方差矩阵，具体包括，
根据所述广播信号，得到广播信号x(t)对应的协方差矩阵，
R＝ARsAH+σ2IM
其中，Rs＝diag{δ1,δ2}为信号源s(t)的协方差矩阵，δ1、δ2分别为第1、2个信号源的功率，σ为噪声方差，IM为维数为M×M的单位矩阵，n(t)为高斯白噪声，并且与信号源s(t)不相关。
4.根据权利要求1所述的物流车辆的定位方法，其特征在于，根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标，具体包括，
根据公式
Figure FDA0002248569720000021
Figure FDA0002248569720000022
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个5G基站的位置坐标。
5.一种物流车辆的定位系统，其特征在于，包括坐标轴构建模块、波达角获取模块及车辆位置坐标获取模块，
所述坐标轴构建模块，用于以车辆为原点建立三维坐标；
所述波达角获取模块，用于实时获取路边两个5G基站的广播信号，根据所述广播信号，得到广播信号对应的协方差矩阵，由所述协方差矩阵，得到车辆与路边两个5G基站的俯仰角θ1、θ2及方位角φ1、φ2；
所述车辆位置坐标获取模块，用于根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标。
6.根据权利要求5所述的物流车辆的定位系统，其特征在于，所述波达角获取模块，根据所述广播信号，得到广播信号对应的协方差矩阵，具体包括，
根据所述广播信号，得到广播信号x(t)对应的协方差矩阵，
R＝ARsAH+σ2IM
其中，Rs＝diag{δ1,δ2}为信号源s(t)的协方差矩阵，δ1、δ2分别为第1、2个信号源的功率，σ为噪声方差，IM为维数为M×M的单位矩阵，广播信号的阵列噪声为白噪声，并且与信号源s(t)不相关。
7.根据权利要求5所述的物流车辆的定位系统，其特征在于，所述车辆位置坐标获取模块，根据所述两个5G基站俯仰角θ1、θ2、方位角φ1、φ2及两个5G基站的位置坐标，得到车辆位置坐标，具体包括，
根据公式
Figure FDA0002248569720000024
Figure FDA0002248569720000031
Figure FDA0002248569720000032
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个5G基站的位置坐标。
CN201911025711.3A 2019-10-25 2019-10-25 一种物流车辆的定位方法及系统 Active CN110824419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911025711.3A CN110824419B (zh) 2019-10-25 2019-10-25 一种物流车辆的定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911025711.3A CN110824419B (zh) 2019-10-25 2019-10-25 一种物流车辆的定位方法及系统

Publications (2)

Publication Number Publication Date
CN110824419A true CN110824419A (zh) 2020-02-21
CN110824419B CN110824419B (zh) 2023-05-02

Family

ID=69550577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911025711.3A Active CN110824419B (zh) 2019-10-25 2019-10-25 一种物流车辆的定位方法及系统

Country Status (1)

Country Link
CN (1) CN110824419B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238577A (zh) * 2021-05-13 2021-08-10 广东工业大学 一种基于5g网关的无人机与无人车协作方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109298388A (zh) * 2018-08-21 2019-02-01 中国人民解放军战略支援部队信息工程大学 基于方位信息的超视距目标地理坐标直接估计方法
CN111880168A (zh) * 2020-08-04 2020-11-03 上海无线电设备研究所 一种基于无源数字阵列雷达的目标定位方法
CN112051540A (zh) * 2020-09-11 2020-12-08 成都大学 一种快速高精度测向方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109298388A (zh) * 2018-08-21 2019-02-01 中国人民解放军战略支援部队信息工程大学 基于方位信息的超视距目标地理坐标直接估计方法
CN111880168A (zh) * 2020-08-04 2020-11-03 上海无线电设备研究所 一种基于无源数字阵列雷达的目标定位方法
CN112051540A (zh) * 2020-09-11 2020-12-08 成都大学 一种快速高精度测向方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
GU, JF.: "Two-Dimensional DOA Estimation by Cross-Correlation Matrix Stacking", 《CIRCUITS SYST SIGNAL PROCESS》 *
H. WANG: "Assistant Vehicle Localization Based on Three Collaborative Base Stations via SBL-Based Robust DOA Estimation", 《IEEE INTERNET OF THINGS JOURNAL》 *
PING TAN: "Study of 2D DOA estimation for uniform circular array in wireless location system", 《INTERNATIONAL JOURNAL OF COMPUTER NETWORK AND INFORMATION SECURITY》 *
张光斌: "双/多基地雷达参数估计算法研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *
石菊奇: "雷达通信一体化系统中的DOA估计方法研究", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 *
陈浩: "双基地MIMO雷达多参数联合估计及目标三维定位", 《南京大学学报（自然科学）》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238577A (zh) * 2021-05-13 2021-08-10 广东工业大学 一种基于5g网关的无人机与无人车协作方法

Also Published As

Publication number Publication date
CN110824419B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
Wymeersch et al. 5G mmWave positioning for vehicular networks
Kuutti et al. A survey of the state-of-the-art localization techniques and their potentials for autonomous vehicle applications
US20190339384A1 (en) System and method of radar-based obstacle avoidance for unmanned aerial vehicles
Cheng et al. A new automotive radar 4d point clouds detector by using deep learning
CN113204015B (zh) 用于分布式雷达目标模拟的多无人机航迹规划方法及系统
CN102879762B (zh) 基于射频接收信号强度值的隧道内车辆的动态定位方法
CN112731500B (zh) 室外无人机协同室内无人机进行三维定位的方法
CN104297724A (zh) 定位方法及系统
CN112348882A (zh) 一种基于多源探测器的低空目标跟踪信息融合方法和系统
CN110764083B (zh) 毫米波雷达防入侵的数据融合方法及系统
He et al. Channel measurement and ray-tracing simulation for 77 GHz automotive radar
CN111208502B (zh) 一种无人驾驶物流车辆的定位方法及系统
CN110824419B (zh) 一种物流车辆的定位方法及系统
Grishin et al. Methods for correcting positions of tethered UAVs in adverse weather conditions
CN109959900A (zh) 轻型雷达系统
US11687072B2 (en) Automatic UAV landing pad
CN112083420A (zh) 一种无人机防撞方法、装置及无人机
Ptak et al. Long-distance multistatic aircraft tracking with VHF frequency doppler effect
CN115664567A (zh) 一种太赫兹mimo无人机非平稳性信道建模方法
Sadovskis et al. Modern methods for UAV detection, classification, and tracking
Sedunov et al. Long-term testing of acoustic system for tracking low-flying aircraft
RU2606241C1 (ru) Способ определения относительного положения летательных аппаратов при межсамолетной навигации
Yassin et al. 3D localization and mapping using mm-Wave: What are the opportunities in vehicular and indoor environments?
Huang et al. Multiple targets estimation and tracking for ADS-B radar system
He et al. Target Localization in ISAC System Based on BP Neural Network

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