CN111487582A - 获得蓝牙阵列天线参数标定模型、到达角的方法和装置 - Google Patents
获得蓝牙阵列天线参数标定模型、到达角的方法和装置 Download PDFInfo
- Publication number
- CN111487582A CN111487582A CN202010466791.2A CN202010466791A CN111487582A CN 111487582 A CN111487582 A CN 111487582A CN 202010466791 A CN202010466791 A CN 202010466791A CN 111487582 A CN111487582 A CN 111487582A
- Authority
- CN
- China
- Prior art keywords
- bluetooth
- angle
- array antenna
- arrival
- 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.)
- Pending
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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radio Transmission System (AREA)
Abstract
本申请公开了一种获得蓝牙阵列天线参数标定模型、到达角的方法和装置,方法包括:获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,各个到达角包括各个俯仰角与各个方位角的组合;将IQ信号、到达角分别作为输入和输出,训练神经网络获得蓝牙阵列天线参数标定模型。获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;将其输入蓝牙阵列天线参数标定模型,获得待处理IQ信号对应的目标到达角。采集各个到达角下蓝牙信号对应的IQ信号,利用神经网络学习IQ信号与到达角之间的关系,获得蓝牙阵列天线参数标定模型,该模型能够获得准确性更高的到达角,提升寻向精度和稳定性。
Description
技术领域
本申请涉及蓝牙技术领域,尤其涉及一种获得蓝牙阵列天线参数标定模型、到达角的方法和装置。
背景技术
现阶段,蓝牙技术联盟推出的蓝牙5.1核心规范中加入了“寻向功能”,该功能可以明确发射蓝牙信号的设备的所在方向,实现厘米级位置精度的蓝牙定位。具体地,针对基于支持蓝牙5.1的设备发射的蓝牙信号,蓝牙阵列天线通过接收到的蓝牙信号,可以计算出发射蓝牙信号的设备到蓝牙阵列天线的到达角,通过到达角明确发射蓝牙信号的设备的所在方向。
现有技术中,蓝牙阵列天线接收到蓝牙发射设备发射的蓝牙信号后,是基于阵列天线理论模型计算到达角,通过到达角明确发射蓝牙信号的设备的所在方向。发明人经过研究发现,上述阵列天线理论模型并没有考虑实际场景产生的各种影响因素,其对蓝牙阵列天线的参数标定准确性较差,导致计算出的到达角准确性较差,从而导致寻向精度和稳定性较差。
发明内容
有鉴于此,本申请实施例提供一种获得蓝牙阵列天线参数标定模型、到达角的方法和装置,考虑实际场景产生的各种影响因素,对蓝牙阵列天线的参数标定准确性更高,利用该蓝牙阵列天线参数标定模型能够获得准确性更高的到达角,从而提升寻向精度和稳定性。
第一方面,本申请实施例提供了一种获得蓝牙阵列天线参数标定模型的方法,所述方法包括:
获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,所述各个到达角包括各个俯仰角与各个方位角的组合;
将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。
可选的,所述各个俯仰角由预设俯仰角区间和预设俯仰角间隔确定,所述预设俯仰角间隔是基于精度需求设置的;所述各个方位角由预设方位角区间和预设方位角间隔确定,所述预设方位角间隔是基于所述精度需求设置的。
可选的,所述神经网络中输入层神经元的数量为所述蓝牙阵列天线中阵列单元的数量,所述神经网络中输出层神经元的数量为2。
可选的,所述将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型,包括:
将所述IQ信号输入所述神经网络,获得所述IQ信号对应的预测到达角;所述预测到达角包括预测俯仰角和预测方位角;
基于所述预测俯仰角、所述预测方位角和所述IQ信号对应的到达角,利用神经网络损失函数训练所述神经网络的网络参数;
将训练完成的神经网络确定为所述蓝牙阵列天线参数标定模型。
第二方面,本申请实施例提供了一种获得到达角的方法,利用上述第一方面任意一项所述的蓝牙阵列天线参数标定模型,所述方法包括:
获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;
将所述待处理IQ信号输入所述蓝牙阵列天线参数标定模型,获得所述待处理IQ信号对应的目标到达角;所述目标到达角包括目标俯仰角和目标方位角。
可选的,所述方法还包括:
基于所述目标俯仰角和所述目标方位角,对所述待寻向蓝牙发射设备进行寻向。
第三方面,本申请实施例提供了一种获得蓝牙阵列天线参数标定模型的装置,所述装置包括:
第一获取单元,用于获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,所述各个到达角包括各个俯仰角与各个方位角的组合;
第一获得单元,用于将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。
第四方面,本申请实施例提供了一种获得到达角的装置,其特征在于,利用上述第一方面任意一项所述的蓝牙阵列天线参数标定模型,所述装置包括:
第二获取单元,用于获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;
第二获得单元,用于将所述待处理IQ信号输入所述蓝牙阵列天线参数标定模型,获得所述待处理IQ信号对应的目标到达角;所述目标到达角包括目标俯仰角和目标方位角。
第五方面,本申请实施例提供了一种终端设备,所述终端设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述第一方面任意一项所述的获得蓝牙阵列天线参数标定模型的方法或者上述第二方面任意一项所述的获得到达角的方法。
第六方面,本申请实施例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用于存储程序代码,所述程序代码用于执行上述第一方面任意一项所述的获得蓝牙阵列天线参数标定模型的方法或者上述第二方面任意一项所述的获得到达角的方法。
与现有技术相比,本申请至少具有以下优点:
采用本申请实施例的技术方案,首先,获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,各个到达角包括各个俯仰角与各个方位角的组合;然后,将IQ信号作为输入,IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。由此可见,考虑实际场景产生的各种影响因素,采集各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,利用神经网络学习IQ信号与到达角之间的关系,获得蓝牙阵列天线参数标定模型,其对蓝牙阵列天线的参数标定准确性更高。
此外,首先,获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;然后,将待处理IQ信号输入蓝牙阵列天线参数标定模型,获得待处理IQ信号对应的目标到达角。由此可见,利用上述蓝牙阵列天线参数标定模型能够获得准确性更高的到达角,从而提升寻向精度和稳定性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例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申请中记载的一些实施例,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它的附图。
图1为本申请实施例中一种应用场景所涉及的系统框架示意图;
图2为本申请实施例提供的一种获得蓝牙阵列天线参数标定模型的方法的流程示意图;
图3为本申请实施例提供的一种蓝牙发射设备和蓝牙阵列天线的位置关系示意图;
图4为本申请实施例提供的一种神经网络的结构示意图;
图5为本申请实施例提供的一种获得到达角的方法的流程示意图;
图6为本申请实施例提供的一种获得蓝牙阵列天线参数标定模型的装置的结构示意图;
图7为本申请实施例提供的一种获得到达角的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
现阶段,蓝牙阵列天线接收到蓝牙发射设备发射的蓝牙信号后,是基于阵列天线理论模型计算到达角,通过到达角明确发射蓝牙信号的设备的所在方向,以实现蓝牙5.1支持的寻向功能。但是,发明人经过研究发现,上述阵列天线理论模型并没有考虑实际场景产生的各种影响因素,其对蓝牙阵列天线的参数标定准确性较差,导致计算出的到达角准确性较差,从而导致寻向精度和稳定性较差。
为了解决这一问题,在本申请实施例中,获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,各个到达角包括各个俯仰角与各个方位角的组合;将IQ信号作为输入,IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。可见,考虑实际场景产生的各种影响因素,采集各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,利用神经网络学习IQ信号与到达角之间的关系,获得蓝牙阵列天线参数标定模型,其对蓝牙阵列天线的参数标定准确性更高。此外,获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;将待处理IQ信号输入蓝牙阵列天线参数标定模型,获得待处理IQ信号对应的目标到达角。可见,利用上述蓝牙阵列天线参数标定模型能够获得准确性更高的到达角,从而提升寻向精度和稳定性。
举例来说,本申请实施例的场景之一,可以是应用到如图1所示的场景中,该场景包括蓝牙发射设备101、蓝牙阵列天线102、处理器103和待寻向蓝牙发射设备104。首先,处理器103采集各个到达角下蓝牙阵列天线102接收的蓝牙发射设备101发射的蓝牙信号对应的IQ信号,处理器103将IQ信号作为输入,IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。然后,处理器103获取蓝牙阵列天线102接收的待寻向蓝牙发射设备104发射的待处理蓝牙信号对应的待处理IQ信号;处理器103将待处理IQ信号输入蓝牙阵列天线参数标定模型,获得待处理IQ信号对应的目标到达角;处理器103基于目标到达角对待寻向蓝牙发射设备104进行寻向。
可以理解的是,在上述应用场景中,虽然将本申请实施方式的动作描述由处理器103执行,但是,本申请在执行主体方面不受限制,只要执行了本申请实施方式所公开的动作即可。
可以理解的是,上述场景仅是本申请实施例提供的一个场景示例,本申请实施例并不限于此场景。
下面结合附图,通过实施例来详细说明本申请实施例中获得蓝牙阵列天线参数标定模型、到达角的方法和装置的具体实现方式。
示例性方法
参见图2,示出了本申请实施例中一种获得蓝牙阵列天线参数标定模型的方法的流程示意图。在本实施例中,所述方法例如可以包括以下步骤:
步骤201:获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,所述各个到达角包括各个俯仰角与各个方位角的组合。
由于现有技术中蓝牙阵列天线接收到蓝牙发射设备发射的蓝牙信号后,是基于阵列天线理论模型计算该蓝牙信号对应的到达角,阵列天线理论模型并没有考虑实际场景产生的各种影响因素,其对蓝牙阵列天线的参数标定准确性较差,导致计算出的到达角准确性较差,从而导致通过到达角明确发射蓝牙信号的设备的所在方向时寻向精度和稳定性较差。因此,在本申请实施例中,为了考虑实际场景产生的各种影响因素,可以采集各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号作为神经网络的训练数据,以便后续基于该训练数据训练神经网络,得到对蓝牙阵列天线的参数标定准确性更高的蓝牙阵列天线参数标定模型;其中,蓝牙信号对应的IQ信号是指将蓝牙发射设备发射的蓝牙信号分为两路,分别进行载波调制,两路载波相互正交得到的信号。
首先,为了能够采集各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,需要设置蓝牙发射设备和蓝牙阵列天线的位置关系,使得蓝牙发射设备发射蓝牙信号至蓝牙阵列天线的各个到达角可以是各个俯仰角与各个方位角的组合。例如,如图3所示的一种蓝牙发射设备和蓝牙阵列天线的位置关系示意图,图中包括蓝牙发射设备301、蓝牙阵列天线302和二自由度云台303;其中,蓝牙发射设备301位置固定于二自由度云台303俯仰角为0°和方位角为0°的正前方,蓝牙阵列天线302固定于二自由度云台303上,二自由度云台303至少需要满足预设俯仰角区间以及预设方位角区间的旋转自由度,例如,预设俯仰角区间可以为[0°,90°],预设方位角区间可以为[0°,360°]。蓝牙发射设备301不间断发射蓝牙信号至蓝牙阵列天线302,二自由度云台303旋转时蓝牙阵列天线302也会随之同时旋转,基于此模拟蓝牙发射设备301发射蓝牙信号至蓝牙阵列天线302的各个到达角。
需要说明的是,在确定预设俯仰角区间和预设方位角区间之后,还需要根据精度需求设置预设俯仰角间隔,以便在预设俯仰角区间中基于预设俯仰角间隔确定各个俯仰角;同理,还需要精度需求预设方位角间隔,以便在预设方位角区间中基于预设方位角间隔确定各个方位角。即,在本申请实施例一种可选的实施方式中,所述各个俯仰角由预设俯仰角区间和预设俯仰角间隔确定,所述预设俯仰角间隔是基于精度需求设置的;所述各个方位角由预设方位角区间和预设方位角间隔确定所述预设方位角间隔是基于所述精度需求设置的。
作为一种示例,预设俯仰角区间为[0°,90°],预设俯仰角间隔为5°,预设方位角区间为[0°,360°],预设方位角间隔为5°时,作为神经网络的训练数据——各个俯仰角与各个方位角的组合的各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号如下表格所示。当然,在申请实施例中预设俯仰角区间可以大于[0°,90°],预设俯仰角间隔可以为其他角度,预设方位角区间也可以大于[0°,360°],预设方位角间隔也可以为其他角度。
步骤202:将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。
在本申请实施例中,在步骤201获取到各个到达角和其对应的IQ信号后,将IQ信号作为神经网络的输入,将IQ信号对应的到达角作为神经网络的输出,基于此训练神经网络,学习IQ信号与到达角之间的关系,训练完成的神经网络即可作为蓝牙阵列天线参数标定模型。
其中,神经网络的结构包括输入层、隐藏层和输出层。在本申请实施例中,由于输入层用于输入的是蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,而IQ信号的路数与蓝牙阵列天线中阵列单元的数量一致,则需要设置输入层神经元的数量为蓝牙阵列天线中阵列单元的数量;由于输出层用于输出到达角,而到达角包括俯仰角和方位角共2个角度,则需要输出层神经元的数量为2;隐藏层数量和隐藏层神经元的数量在本申请实施例中不作具体限制。即,在本申请实施例一种可选的实施方式中,所述神经网络中输入层神经元的数量为所述蓝牙阵列天线中阵列单元的数量,所述神经网络中输出层神经元的数量为2。例如,如图4所示的一种神经网络的结构示意图。
具体地,将IQ信号作为输入,IQ信号对应的到达角作为输出训练神经网络实际过程是指首先将IQ信号输入神经网络,神经网络可以预测该IQ信号对应的到达角,即,神经网络输出预测俯仰角和预测方位角作为预测到达角;然后,在预测俯仰角、预测方位角和到达角基础上,利用神经网络损失函数迭代训练神经网络的网络参数,即,更新神经网络的网络参数,直至神经网络收敛或迭代次数大于预设迭代次数,完成神经网络的训练;最后,即可将训练完成的神经网络作为获得蓝牙阵列天线参数标定模型,其对蓝牙阵列天线的参数标定准确性更高。因此,在本申请实施例一种可选的实施方式中,所述步骤202例如可以包括以下步骤:
步骤A:将所述IQ信号输入所述神经网络,获得所述IQ信号对应的预测到达角;所述预测到达角包括预测俯仰角和预测方位角;
步骤B:基于所述预测俯仰角、所述预测方位角和所述IQ信号对应的到达角,利用神经网络损失函数训练所述神经网络的网络参数;
步骤C:将训练完成的神经网络确定为所述蓝牙阵列天线参数标定模型。
在本申请实施例中,不同场景下步骤201获取的各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号可能不同,步骤202训练神经网络获得的蓝牙阵列天线参数标定模型也可能不同;因此,可以在多个不同场景中每个场景下均需要执行步骤201-步骤202,获得其对应的蓝牙阵列天线参数标定模型,即,多个不同场景与多个不同蓝牙阵列天线参数标定模型一一对应。
通过本实施例提供的各种实施方式,首先,获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,各个到达角包括各个俯仰角与各个方位角的组合;然后,将IQ信号作为输入,IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。由此可见,考虑实际场景产生的各种影响因素,采集各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,利用神经网络学习IQ信号与到达角之间的关系,获得蓝牙阵列天线参数标定模型,其对蓝牙阵列天线的参数标定准确性更高。
需要说明的是,在上述实施例获得对蓝牙阵列天线的参数标定准确性更高的蓝牙阵列天线参数标定模型后,当待寻向蓝牙发射设备发射待处理蓝牙信号至蓝牙阵列天线时,蓝牙阵列天线接收待处理蓝牙信号得到其对应的待处理IQ信号,将该待处理IQ信号输入蓝牙阵列天线参数标定模型,即可输出待处理IQ信号对应的目标俯仰角和目标方位角作为目标到达角。因此,在上述实施例的基础上,参见图5,示出了本申请实施例中一种获得到达角的方法的流程示意图。在本实施例中,利用上述实施例所述的蓝牙阵列天线参数标定模型,所述方法例如可以包括以下步骤:
步骤501:获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号。
步骤502:将所述待处理IQ信号输入所述蓝牙阵列天线参数标定模型,获得所述待处理IQ信号对应的目标到达角;所述目标到达角包括目标俯仰角和目标方位角。
还需要说明的是,当步骤502获得待处理IQ信号对应的包括目标俯仰角和目标方位角的目标到达角后,依据目标俯仰角和目标方位角即可明确发射待处理蓝牙信号的待寻向蓝牙发射设备的所在方向,实现对待寻向蓝牙发射设备的寻向。因此,在本申请实施例一种可选的实施方式中,在步骤502之后例如还可以包括步骤:基于所述目标俯仰角和所述目标方位角,对所述待寻向蓝牙发射设备进行寻向。由于步骤502获得的目标到达角的准确性更高,使得对待寻向蓝牙发射设备的寻向精度和稳定性更高。
还需要说明的是,当多个不同场景与多个不同蓝牙阵列天线参数标定模型一一对应时,在执行步骤501-步骤502之前,还需要根据当前场景确定其对应的蓝牙阵列天线参数标定模型。当不同场景之间进行切换时,需要根据不同场景的切换进行不同蓝牙阵列天线参数标定模型的切换。
通过本实施例提供的各种实施方式,首先,获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;然后,将待处理IQ信号输入蓝牙阵列天线参数标定模型,获得待处理IQ信号对应的目标到达角。由此可见,利用上述蓝牙阵列天线参数标定模型能够获得准确性更高的到达角,从而提升寻向精度和稳定性。
示例性装置
参见图6,示出了本申请实施例中一种获得蓝牙阵列天线参数标定模型的装置的结构示意图。在本实施例中,所述装置例如具体可以包括:
第一获取单元601,用于获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,所述各个到达角包括各个俯仰角与各个方位角的组合;
第一获得单元602,用于将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。
在本申请实施例一种可选的实施方式中,所述各个俯仰角由预设俯仰角区间和预设俯仰角间隔确定,所述预设俯仰角间隔是基于精度需求设置的;所述各个方位角由预设方位角区间和预设方位角间隔确定,所述预设方位角间隔是基于所述精度需求设置的。
在本申请实施例一种可选的实施方式中,所述神经网络中输入层神经元的数量为所述蓝牙阵列天线中阵列单元的数量,所述神经网络中输出层神经元的数量为2。
在本申请实施例一种可选的实施方式中,所述第一获得单元602包括:
获得子单元,用于将所述IQ信号输入所述神经网络,获得所述IQ信号对应的预测到达角;所述预测到达角包括预测俯仰角和预测方位角;
训练子单元,用于基于所述预测俯仰角、所述预测方位角和所述IQ信号对应的到达角,利用神经网络损失函数训练所述神经网络的网络参数;
确定子单元,用于将训练完成的神经网络确定为所述蓝牙阵列天线参数标定模型。
通过本实施例提供的各种实施方式,首先,获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,各个到达角包括各个俯仰角与各个方位角的组合;然后,将IQ信号作为输入,IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。由此可见,考虑实际场景产生的各种影响因素,采集各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,利用神经网络学习IQ信号与到达角之间的关系,获得蓝牙阵列天线参数标定模型,其对蓝牙阵列天线的参数标定准确性更高。
参见图7,示出了本申请实施例中一种获得到达角的装置的结构示意图。在本实施例中,利用上述实施例所述的蓝牙阵列天线参数标定模型,所述装置例如具体可以包括:
第二获取单元701,用于获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;
第二获得单元702,用于将所述待处理IQ信号输入所述蓝牙阵列天线参数标定模型,获得所述待处理IQ信号对应的目标到达角;所述目标到达角包括目标俯仰角和目标方位角。
在本申请实施例一种可选的实施方式中,所述装置例如还可以包括:
寻向单元,用于基于所述目标俯仰角和所述目标方位角,对所述待寻向蓝牙发射设备进行寻向。
通过本实施例提供的各种实施方式,首先,获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;然后,将待处理IQ信号输入蓝牙阵列天线参数标定模型,获得待处理IQ信号对应的目标到达角。由此可见,利用上述蓝牙阵列天线参数标定模型能够获得准确性更高的到达角,从而提升寻向精度和稳定性。
此外,本申请实施例还提供了一种终端设备,所述终端设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述方法实施例所述的获得蓝牙阵列天线参数标定模型的方法或者上述方法实施例所述的获得到达角的方法。
本申请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用于存储程序代码,所述程序代码用于执行上述方法实施例所述的获得蓝牙阵列天线参数标定模型的方法或者上述方法实施例所述的获得到达角的方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
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。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。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请。任何熟悉本领域的技术人员,在不脱离本申请技术方案范围情况下,都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本申请技术方案的内容,依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本申请技术方案保护的范围内。
Claims (10)
1.一种获得蓝牙阵列天线参数标定模型的方法,其特征在于,包括:
获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,所述各个到达角包括各个俯仰角与各个方位角的组合;
将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。
2.根据权利要求1所述的方法,其特征在于,所述各个俯仰角由预设俯仰角区间和预设俯仰角间隔确定,所述预设俯仰角间隔是基于精度需求设置的;所述各个方位角由预设方位角区间和预设方位角间隔确定,所述预设方位角间隔是基于所述精度需求设置的。
3.根据权利要求1所述的方法,其特征在于,所述神经网络中输入层神经元的数量为所述蓝牙阵列天线中阵列单元的数量,所述神经网络中输出层神经元的数量为2。
4.根据权利要求1所述的方法,其特征在于,所述将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型,包括:
将所述IQ信号输入所述神经网络,获得所述IQ信号对应的预测到达角;所述预测到达角包括预测俯仰角和预测方位角;
基于所述预测俯仰角、所述预测方位角和所述IQ信号对应的到达角,利用神经网络损失函数训练所述神经网络的网络参数;
将训练完成的神经网络确定为所述蓝牙阵列天线参数标定模型。
5.一种获得到达角的方法,其特征在于,利用如权利要求1-4任意一项所述的蓝牙阵列天线参数标定模型,所述方法包括:
获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;
将所述待处理IQ信号输入所述蓝牙阵列天线参数标定模型,获得所述待处理IQ信号对应的目标到达角;所述目标到达角包括目标俯仰角和目标方位角。
6.根据权利要求5所述的方法,其特征在于,还包括:
基于所述目标俯仰角和所述目标方位角,对所述待寻向蓝牙发射设备进行寻向。
7.一种获得蓝牙阵列天线参数标定模型的装置,其特征在于,包括:
第一获取单元,用于获取各个到达角下蓝牙阵列天线接收的蓝牙发射设备发射的蓝牙信号对应的IQ信号,所述各个到达角包括各个俯仰角与各个方位角的组合;
第一获得单元,用于将所述IQ信号作为输入,所述IQ信号对应的到达角作为输出,训练神经网络获得蓝牙阵列天线参数标定模型。
8.一种获得到达角的装置,其特征在于,利用如权利要求1-4任意一项所述的蓝牙阵列天线参数标定模型,所述装置包括:
第二获取单元,用于获取蓝牙阵列天线接收的待寻向蓝牙发射设备发射的待处理蓝牙信号对应的待处理IQ信号;
第二获得单元,用于将所述待处理IQ信号输入所述蓝牙阵列天线参数标定模型,获得所述待处理IQ信号对应的目标到达角;所述目标到达角包括目标俯仰角和目标方位角。
9.一种终端设备,其特征在于,所述终端设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任意一项所述的获得蓝牙阵列天线参数标定模型的方法或者权利要求5-6任意一项所述的获得到达角的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任意一项所述的获得蓝牙阵列天线参数标定模型的方法或者权利要求5-6任意一项所述的获得到达角的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010466791.2A CN111487582A (zh) | 2020-05-28 | 2020-05-28 | 获得蓝牙阵列天线参数标定模型、到达角的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010466791.2A CN111487582A (zh) | 2020-05-28 | 2020-05-28 | 获得蓝牙阵列天线参数标定模型、到达角的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111487582A true CN111487582A (zh) | 2020-08-04 |
Family
ID=71811349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010466791.2A Pending CN111487582A (zh) | 2020-05-28 | 2020-05-28 | 获得蓝牙阵列天线参数标定模型、到达角的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111487582A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112995888A (zh) * | 2021-02-02 | 2021-06-18 | 深圳优必胜信息技术有限公司 | 一种基于阵列天线的定位方法、系统、电子设备及存储介质 |
CN113709666A (zh) * | 2021-09-01 | 2021-11-26 | 之江实验室 | 提高蓝牙定位基站到达角计算精度和稳定性的方法及系统 |
CN114487995A (zh) * | 2020-10-23 | 2022-05-13 | 上海华为技术有限公司 | 一种小区天线方位角确定的方法,相关装置以及设备 |
CN117094371A (zh) * | 2023-10-17 | 2023-11-21 | 北京航天驭星科技有限公司 | 天线指向标校模型的训练方法、标校系统和参数生成方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488782A (zh) * | 2009-02-26 | 2009-07-22 | 锐迪科微电子(上海)有限公司 | 蓝牙收发机信号处理方法及蓝牙收发机 |
CN109255308A (zh) * | 2018-11-02 | 2019-01-22 | 陕西理工大学 | 存在阵列误差的神经网络到达角估计方法 |
CN110221241A (zh) * | 2019-04-29 | 2019-09-10 | 西安电子科技大学 | 一种基于rbf神经网络的低仰角doa估计方法 |
US20190383900A1 (en) * | 2018-06-18 | 2019-12-19 | GM Global Technology Operations LLC | Joint optimization of antenna spacing and target angle estimation in a radar system |
-
2020
- 2020-05-28 CN CN202010466791.2A patent/CN111487582A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488782A (zh) * | 2009-02-26 | 2009-07-22 | 锐迪科微电子(上海)有限公司 | 蓝牙收发机信号处理方法及蓝牙收发机 |
US20190383900A1 (en) * | 2018-06-18 | 2019-12-19 | GM Global Technology Operations LLC | Joint optimization of antenna spacing and target angle estimation in a radar system |
CN109255308A (zh) * | 2018-11-02 | 2019-01-22 | 陕西理工大学 | 存在阵列误差的神经网络到达角估计方法 |
CN110221241A (zh) * | 2019-04-29 | 2019-09-10 | 西安电子科技大学 | 一种基于rbf神经网络的低仰角doa估计方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114487995A (zh) * | 2020-10-23 | 2022-05-13 | 上海华为技术有限公司 | 一种小区天线方位角确定的方法,相关装置以及设备 |
CN112995888A (zh) * | 2021-02-02 | 2021-06-18 | 深圳优必胜信息技术有限公司 | 一种基于阵列天线的定位方法、系统、电子设备及存储介质 |
CN112995888B (zh) * | 2021-02-02 | 2022-09-06 | 优必胜半导体(深圳)有限公司 | 一种基于阵列天线的定位方法、系统、电子设备及存储介质 |
CN113709666A (zh) * | 2021-09-01 | 2021-11-26 | 之江实验室 | 提高蓝牙定位基站到达角计算精度和稳定性的方法及系统 |
CN113709666B (zh) * | 2021-09-01 | 2023-12-15 | 之江实验室 | 提高蓝牙定位基站到达角计算精度和稳定性的方法及系统 |
CN117094371A (zh) * | 2023-10-17 | 2023-11-21 | 北京航天驭星科技有限公司 | 天线指向标校模型的训练方法、标校系统和参数生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487582A (zh) | 获得蓝牙阵列天线参数标定模型、到达角的方法和装置 | |
CN103308889B (zh) | 复杂环境下被动声源二维doa估计方法 | |
CN101561486B (zh) | 使用公式的位置确定处理 | |
JP2020504917A5 (zh) | ||
Tuba et al. | Two stage wireless sensor node localization using firefly algorithm | |
CN102630385A (zh) | 音频场景内的音频缩放处理 | |
WO2018056391A1 (ja) | 測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システム | |
US9660740B2 (en) | Signal strength distribution establishing method and wireless positioning system | |
CN115616937B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN113050030B (zh) | 基于到达角度测距的定位方法及装置 | |
CN112469060B (zh) | 一种天线参数确定方法及装置 | |
CN115167182B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
Zhang et al. | Tips: Transformer based indoor positioning system using both csi and doa of wifi signal | |
CN109150258B (zh) | 一种信道追踪方法和装置 | |
CN106535132B (zh) | 用于定位终端的方法和装置 | |
CN107087276A (zh) | 一种基于WiFi室内定位的指纹库建立方法及装置 | |
US20150194145A1 (en) | Computing system with command-sense mechanism and method of operation thereof | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
CN110662289B (zh) | 移动终端定位方法、装置、系统及计算机可读存储介质 | |
CN113993068B (zh) | 定位寻向系统、方法和ble定位设备 | |
CN110346757B (zh) | 基于移动式测量站的抗多径时差定位方法、装置及系统 | |
CN111194000B (zh) | 基于蓝牙融合混合滤波与神经网络的测距方法与系统 | |
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 | |
CN108810840B (zh) | 协作定位中基于efim和距离协作的节点选择方法 | |
CN111723686A (zh) | 一种信号个数估计方法、装置、电子设备和存储介质 |
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: 20200804 |