CN110824419B - 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 PDFInfo
- Publication number
- CN110824419B CN110824419B CN201911025711.3A CN201911025711A CN110824419B CN 110824419 B CN110824419 B CN 110824419B CN 201911025711 A CN201911025711 A CN 201911025711A CN 110824419 B CN110824419 B CN 110824419B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- base stations
- position coordinates
- obtaining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000010276 construction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
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
其中,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
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
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
其中,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
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
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。
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
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 (5)
4.一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;
根据公式
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 CN110824419A (zh) | 2020-02-21 |
CN110824419B true 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) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113238577B (zh) * | 2021-05-13 | 2022-01-25 | 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)
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 |
-
2019
- 2019-10-25 CN CN201911025711.3A patent/CN110824419B/zh active Active
Patent Citations (3)
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)
Title |
---|
Assistant Vehicle Localization Based on Three Collaborative Base Stations via SBL-Based Robust DOA Estimation;H. Wang;《IEEE Internet of Things Journal》;20190630;第6卷(第3期);全文 * |
Study of 2D DOA estimation for uniform circular array in wireless location system;Ping TAN;《International Journal of Computer Network and Information Security》;20101231;全文 * |
Two-Dimensional DOA Estimation by Cross-Correlation Matrix Stacking;Gu, JF.;《Circuits Syst Signal Process》;20101118;全文 * |
双/多基地雷达参数估计算法研究;张光斌;《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》;20070515;全文 * |
双基地MIMO雷达多参数联合估计及目标三维定位;陈浩;《南京大学学报(自然科学)》;20170531;第53卷(第3期);正文第1-2节,图1 * |
雷达通信一体化系统中的DOA估计方法研究;石菊奇;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20190115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110824419A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kuutti et al. | A survey of the state-of-the-art localization techniques and their potentials for autonomous vehicle applications | |
Wymeersch et al. | 5G mmWave positioning for vehicular networks | |
US20200370890A1 (en) | Systems and methods for increasing the accuracy of vehicle positioning | |
Cheng et al. | A new automotive radar 4d point clouds detector by using deep learning | |
CN106950549B (zh) | 一种基于无线射频中继传输技术的雷达标定方法与系统 | |
CN202178871U (zh) | 用于室内飞艇的定位系统 | |
CN107271951A (zh) | 基于WiFi指纹定位的无人机导航系统及其导航方法 | |
CN110446160B (zh) | 一种基于多路径信道状态信息的车辆位置估计的深度学习方法 | |
CN110764083B (zh) | 毫米波雷达防入侵的数据融合方法及系统 | |
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 | |
CN104698453B (zh) | 基于合成孔径天线阵列的雷达信号被动定位方法 | |
CN104297724A (zh) | 定位方法及系统 | |
CN112731500B (zh) | 室外无人机协同室内无人机进行三维定位的方法 | |
He et al. | Channel measurement and ray-tracing simulation for 77 GHz automotive radar | |
CN110824419B (zh) | 一种物流车辆的定位方法及系统 | |
CN111208502B (zh) | 一种无人驾驶物流车辆的定位方法及系统 | |
CN109541603B (zh) | 基于全相关分析的数字阵列雷达风廓线探测方法及系统 | |
Graff et al. | Measuring radar and communication congruence at millimeter wave frequencies | |
CN103699870A (zh) | 一种基于超高频射频识别的车辆车道判别方法及装置 | |
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 | |
Slama et al. | Use of 5G and mmWave radar for positioning, sensing, and line-of-sight detection in airport areas | |
Sedunov et al. | Long-term testing of acoustic system for tracking low-flying aircraft | |
CN110058223B (zh) | 一种基于航管应答信号的单站无源定位方法 |
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 |