CN111912409B - 可编程智能反射面辅助的多移动设备定位方法及装置 - Google Patents

可编程智能反射面辅助的多移动设备定位方法及装置 Download PDF

Info

Publication number
CN111912409B
CN111912409B CN202010654022.5A CN202010654022A CN111912409B CN 111912409 B CN111912409 B CN 111912409B CN 202010654022 A CN202010654022 A CN 202010654022A CN 111912409 B CN111912409 B CN 111912409B
Authority
CN
China
Prior art keywords
mobile device
rss
probability
ris
sampling point
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
CN202010654022.5A
Other languages
English (en)
Other versions
CN111912409A (zh
Inventor
宋令阳
张浩波
张泓亮
邸博雅
边凯归
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.)
Peking University
Original Assignee
Peking 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 Peking University filed Critical Peking University
Priority to CN202010654022.5A priority Critical patent/CN111912409B/zh
Publication of CN111912409A publication Critical patent/CN111912409A/zh
Application granted granted Critical
Publication of CN111912409B publication Critical patent/CN111912409B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了一种可编程智能反射面辅助的多移动设备定位方法、装置、电子设备和可读存储介质。无线接入点在目标区域内确定多个采样点，并获取每个采样点在不同RIS反射配置时的RSS，从而得到RSS的二维分布关系，并对RIS反射配置进行迭代优化，从而根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系，计算得到每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置。通过多个周期的迭代优化，能够不断调整目标区域内的RSS分布，得到使得所有移动设备平均定位误差最小的RIS反射配置，使得到的定位更加准确。

Description

可编程智能反射面辅助的多移动设备定位方法及装置
技术领域
本发明涉及设备定位技术领域，尤其涉及一种可编程智能反射面辅助的多移动设备定位方法及装置。
背景技术
导航、追踪等基于位置的服务是移动互联网不可或缺的组成部分之一。室外的位置服务一般使用全球定位系统或北斗导航系统来提供位置信息。但在室内环境下这些系统的信号会受到墙壁的遮挡，因而精度比较差。
相关技术中，系统先用实验测量或者信道建模的方法获取不同采样点的RSS值，形成一个RSS分布图。然后通过比对移动设备测量的RSS值与RSS分布图来估计移动设备的位置。
然而，上述相关的基于RSS的定位技术的定位精度受空间中RSS分布情况的影响很大，一些不理想的RSS分布得到的定位误差会很大。具体来说，在不理想的RSS分布下，不同采样点的RSS值比较接近，因此这些采样点就难以通过RSS值进行区分，因此定位精度会受到给定的RSS分布的很大限制，导致定位不准确。
发明内容
本发明实施例提供一种可编程智能反射面辅助的多移动设备定位方法及装置，旨在提高移动设备的定位精度。
为了解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种可编程智能反射面辅助的多移动设备定位方法，应用于无线接入点，包括：
在目标区域内选定多个采样点，获取每个采样点在不同RIS反射配置时的RSS，并根据获取的每个采样点在不同RIS反射配置时的RSS建立RSS的二维分布关系；
进行预设周期的迭代优化，在每个周期内，执行以下步骤：
若当前周期为第一个周期，则初始化每个移动设备的位置在每个采样点的概率为第一预设值；若当前周期不为第一个周期，则根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率；
根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，并将得到的新的RIS反射配置传输给RIS控制器，以使RIS控制器根据新的RIS反射配置对RIS进行相应的配置；
接收在新的RIS反射配置下每个移动设备发送的RSS值，所述在新的RIS反射配置下每个移动设备发送的RSS值是每个移动设备在本周期内的新的RIS反射配置下多次测量得到的多个RSS的平均值；
迭代优化完成后，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，并将确定的位置发送给对应的移动设备。
可选地，根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS平均值，结合所述RSS的二维分布关系以及固定方差，得到在上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率，包括：
根据高斯分布的公式求得每个移动设备在上一周期得到的RIS反射配置下，在每个采样点接收到对应的RSS值的概率，所述高斯分布的公式为：
Figure GDA0003524856000000031
其中，σ为固定方差，si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布；
利用贝叶斯更新的公式，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，其中，贝叶斯更新的公式为：
Figure GDA0003524856000000032
其中，
Figure GDA0003524856000000033
为第k-1周期移动设备i在位置n处的概率，
Figure GDA0003524856000000034
为第k-1周期移动设备i在配置c，位置n处接收到
Figure GDA0003524856000000035
的概率，n表示第n个采样点，N为采样点的个数，k为当前周期，k-1为上一周期；
其中，在第一个周期，移动设备i在位置n处的概率为
Figure GDA0003524856000000036
所述
Figure GDA0003524856000000037
为所述第一预设值。
可选地，根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，包括：
根据在上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率，结合定位误差公式，计算得到RIS配置集中每个RIS反射配置对应的所有移动设备的平均定位误差，将其中定位误差最小对应的RIS反射配置确定为新的RIS反射配置。
可选地，所述定位误差公式为：
Figure GDA0003524856000000038
其中，I为总的移动设备个数，P(n′|c，n)为误判概率，指配置c，移动设备在采样点n时，系统估计移动设备在采样点n′的概率，γn，n′是误判带来的误差代价，定义为采样点n和采样点n′之间的距离，所述定位误差公式表示配置c会引起当前的所有的移动设备的平均定位误差；
其中，误判概率的表达式为：
Figure GDA0003524856000000041
其中，
Figure GDA0003524856000000042
为判决域，表征当移动设备i在周期k的RSS均值
Figure GDA0003524856000000043
落入判决域
Figure GDA0003524856000000044
时，移动设备i被定位为位于采样点n′处，
Figure GDA0003524856000000045
为移动设备i在周期k，配置c，位置n处接收到
Figure GDA0003524856000000046
的概率，其中，
Figure GDA0003524856000000047
为满足判决域的随机值；
其中，利用最大后验概率准则，得到判决域的表达式为：
Figure GDA0003524856000000048
可选地，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，包括：
根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及
Figure GDA0003524856000000049
的表达式，得到在最后一次迭代更新后的RIS反射配置下的每个移动设备在不同采样点的概率，将
Figure GDA00035248560000000410
值最大所对应的采样点确定为对应的移动设备的位置。
可选地，在目标区域内选定多个采样点，包括：
将目标区域划分为预设大小的小方格，以每个方格中心作为采样点。
第二方面，本发明实施例提供了一种可编程智能反射面辅助的多移动设备定位装置，包括：
建立模块，用于在目标区域内选定多个采样点，获取每个采样点在不同RIS反射配置时的RSS，并根据获取的每个采样点在不同RIS反射配置时的RSS建立RSS的二维分布关系；
迭代模块，用于进行预设周期的迭代优化，在每个周期内，执行以下步骤：
第一获得子模块，用于若当前周期为第一个周期，则初始化每个移动设备的位置在每个采样点的概率为第一预设值；若当前周期不为第一个周期，则根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率；
第二获得子模块，用于根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，并将得到的新的RIS反射配置传输给RIS控制器，以使RIS控制器根据新的RIS反射配置对RIS进行相应的配置；
接收子模块，用于接收在新的RIS反射配置下每个移动设备发送的RSS值，所述在新的RIS反射配置下每个移动设备发送的RSS值是每个移动设备在本周期内的新的RIS反射配置下多次测量得到的多个RSS的平均值；
确定子模块，用于迭代优化完成后，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，并将确定的位置发送给对应的移动设备。
可选地，所述第一获得子模块，包括：
第一获得子单元，用于根据高斯分布的公式求得每个移动设备在上一周期得到的RIS反射配置下，在每个采样点接收到对应的RSS值的概率，所述高斯分布的公式为：
Figure GDA0003524856000000051
其中，σ为固定方差，si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布
第二获得子单元，用于利用贝叶斯更新的公式，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，其中，贝叶斯更新的公式为：
Figure GDA0003524856000000061
其中，
Figure GDA0003524856000000062
为第k-1周期移动设备i在位置n处的概率，
Figure GDA0003524856000000063
为第k-1周期移动设备i在配置c，位置n处接收到
Figure GDA0003524856000000064
的概率，n表示第n个采样点，N为采样点的个数，k为当前周期，k-1为上一周期；
其中，在第一个周期，移动设备i在位置n处的概率为
Figure GDA0003524856000000065
所述
Figure GDA0003524856000000066
为所述第一预设值。
可选地，所述第二获得子模块，包括：
确定子单元，用于根据在上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率，结合定位误差公式，计算得到RIS配置集中每个RIS反射配置对应的所有移动设备的平均定位误差，将其中定位误差最小对应的RIS反射配置确定为新的RIS反射配置。
可选地，所述定位误差公式为：
Figure GDA0003524856000000067
其中，I为总的移动设备个数，P(n′|c，n)为误判概率，指配置c，移动设备在采样点n时，系统估计移动设备在采样点n′的概率，γn，n′是误判带来的误差代价，定义为采样点n和采样点n′之间的距离，所述定位误差公式表示配置c会引起当前的所有的移动设备的平均定位误差；
其中，误判概率的表达式为：
Figure GDA0003524856000000068
其中，
Figure GDA0003524856000000069
为判决域，表征当移动设备i在周期k的RSS均值
Figure GDA00035248560000000610
落入判决域
Figure GDA00035248560000000611
时，移动设备i被定位为位于采样点n′处，
Figure GDA00035248560000000612
为移动设备i在周期k，配置c，位置n处接收到
Figure GDA00035248560000000613
的概率，其中，
Figure GDA00035248560000000614
为满足判决域的随机值；
其中，利用最大后验概率准则，得到判决域的表达式为：
Figure GDA0003524856000000071
可选地，所述确定模块，包括：
确定子模块，用于根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及
Figure GDA0003524856000000072
的表达式，得到在最后一次迭代更新后的RIS反射配置下的每个移动设备在不同采样点的概率，将
Figure GDA0003524856000000073
值最大所对应的采样点确定为对应的移动设备的位置。
可选地，所述建立模块，包括：
建立子模块，用于将目标区域划分为预设大小的小方格，以每个方格中心作为采样点。
第三方面，本发明实施例另外提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时，实现上述第一方面所述的可编程智能反射面辅助的多移动设备定位方法的步骤。
第四方面，本发明实施例另外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上存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面所述的可编程智能反射面辅助的多移动设备定位方法的步骤。
在本发明中，整个定位过程包括二维分布的获得、迭代优化和位置确定三个步骤，具体地，无线接入点在目标区域内确定多个采样点，并获取每个采样点在不同RIS反射配置时的RSS，从而得到RSS的二维分布关系，并在预设数量的周期内，对RIS反射配置进行迭代优化，从而根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置。通过在每个周期选择合适的RIS反射配置，可以最小化当前周期的平均定位误差。通过多个周期的迭代优化，可以不断地降低平均定位误差，得到使得所有移动设备平均定位误差最小的RIS反射配置，进而根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，使得到的定位更加准确。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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是本发明实施例中一种可编程智能反射面辅助的多移动设备定位方法的应用场景示意图；
图2是本发明实施例中一种可编程智能反射面辅助的多移动设备定位方法的实施环境示意图；
图3是本发明实施例中一种可编程智能反射面辅助的多移动设备定位方法的步骤流程图；
图4是本发明实施例中一种可编程智能反射面辅助的多移动设备定位装置的示意图；
图5是本发明实施例中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作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。
导航、追踪等基于位置的服务是移动互联网不可或缺的组成部分之一。室外的位置服务一般使用全球定位系统或北斗导航系统来提供位置信息。但在室内环境下这些系统的信号会受到墙壁的遮挡，因而精度比较差。相关技术中，常用的是基于RSS的技术。具体来说，系统先用实验测量或者信道建模的方法获取不同采样点的RSS值，形成一个RSS分布图。然后通过比对移动设备测量的RSS值与RSS分布图来估计移动设备的位置。
然而，在上述相关技术中，基于RSS的定位技术的定位精度受空间中RSS分布情况的影响很大，一些不理想的RSS分布得到的定位误差会很大。具体来说，在不理想的RSS分布下，不同采样点的RSS值比较接近，因此这些采样点就难以通过RSS值进行区分。RSS的定位技术无法改变空间中的RSS分布情况，因此定位精度会受到给定的RSS分布的很大限制。
为了提高现有RSS定位技术的精度，本申请提出了一种可编程反射面辅助的定位技术。在定位时，无线接入点朝RIS和移动设备发射无线信号。RIS反射来自无线接入点的信号。这样，空间中的无线信号就是无线接入点的直射信号与来自RIS的反射信号的叠加。可编程反射面可以通过改变自身的配置来调整反射系数，从而设计空间中的RSS分布。通过各个移动设备接收到的信号强度确定各个移动设备的位置，通过选择合适的RIS配置来使得空间中不同点的RSS值的差距比较大，从而减小定位误差。
以博物馆内的定位场景为例，在博物馆内，有许多展品，游客在参观时会一次在展品前停留，为了使游客观看展品时，其手机可以自动播放该展品对应的介绍信息，我们需要对游客进行比较精确的定位。现有的无线室内定位精度大多是米级左右，容易对相邻的展品产生误判。本发明可以提供更高的定位精度，减小误判概率，提升用户体验。
其中，RIS：可编程智能反射面。一种平面材料，由许多亚波长大小的反射单元拼接而成。每个反射单元的反射系数可以通过施加不同的偏置电压来调节，因此整个反射面的反射系数是可以编程控制的。
RSS：接收信号强度。其物理意义是天线接收到的信号功率大小。
在介绍本申请的技术方案之前，先对本申请针对的应用场景进行介绍，本申请的方案针对室内移动设备的定位。
请参考图1，图1是本发明实施例中一种可编程智能反射面辅助的多移动设备定位方法的应用场景示意图，如图1所示，在室内的目标区域内，包括无线接入点(AP)、可编程智能反射面(RIS)以及多个移动设备，无线接入点发射信号，可编程智能反射面可反射部分信号至移动设备，从而改变整个目标区域内的信号分布，移动设备能够接收到AP信号的直射分量和经过可编程智能反射面反射后的AP信号的反射分量。
请参考图2，图2是本发明实施例中一种可编程智能反射面辅助的多移动设备定位方法的实施环境示意图，如图2所示，该实施环境包括无线接入点、RIS控制器、可编程智能反射面和多个移动设备，无线接入点分别和RIS控制器以及多个移动设备连接，RIS控制器与可编程智能反射面连接，连接方式包括电连接和通信连接，无线接入点向外发射信号，并接收每个移动设备发送的RSS平均值，从而根据计算得到新的RIS反射配置，并将RIS反射配置发送给RIS控制器，以便RIS控制器根据RIS反射配置对RIS进行配置调节，改变AP信号的反射分量，进而改变空间中的RSS分布。
请参考图3，图3是本发明实施例中一种可编程智能反射面辅助的多移动设备定位方法的步骤流程图，如图3所示，所述方法应用于无线接入点，包括：
步骤S301：在目标区域内选定多个采样点，获取每个采样点在不同RIS反射配置时的RSS，并根据获取的每个采样点在不同RIS反射配置时的RSS建立RSS的二维分布关系。
在本实施方式中，预先确定目标区域，实际应用中，目标区域可为博物馆内部或其它室内场景，在此不做限定，目标区域内包括无线接入点、RIS控制器、可编程智能反射面以及多个移动设备。
在目标区域内选定多个采样点，在一种可行的实施方式中，可将目标区域划分为预设大小的小方格，以每个方格中心作为采样点。也可按照应用的目的使用其它方式选择采样点，采样点需要尽可能覆盖移动设备活动的整个空间，采样点的间距根据需要实现的定位精度进行选取，比如要实现的定位精度为10cm，那么采样点之间的距离就应该在10cm以下。
确定了多个采样点后，获取每个采样点在不同RIS反射配置时的RSS，具体获取的方法可以是实际测量的方法，也可以是理论计算的方法，在此不做限制，此处的每个采样点在不同RIS反射配置时的RSS不考虑随机噪声的干扰，根据每个采样点在不同RIS反射配置时的RSS，得到RSS的二维分布关系，进一步地，还可生成RSS与RIS反射配置以及不同采样点之间的分布图，以及RSS与RIS反射配置以及不同采样点之间的关系数据表。
步骤S302：进行预设周期的迭代优化。可根据实际需求确定迭代的预设周期数，从而进行预设周期的迭代。
在每个周期内，执行以下步骤：
步骤S302－1：若当前周期为第一个周期，则初始化每个移动设备的位置在每个采样点的概率为第一预设值；若当前周期不为第一个周期，则根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系以及固定方差，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率。
在本实施方式中，若当前周期为第一个周期，没有对RIS的反射配置进行设置，也没有上一周期的每个移动设备发送的RSS值，无法进行每个移动设备的位置在每个采样点的概率的计算，所以直接初始化每个移动设备的位置在每个采样点的概率为第一预设值。
若当前周期不为第一个周期，则根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率。
在一种可行的实施方式中，所述根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系以及固定方差，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率的步骤，可包括以下步骤：
步骤S302-1-1：根据高斯分布的公式求得每个移动设备在上一周期得到的RIS反射配置下，在每个采样点接收到对应的RSS值的概率，所述高斯分布的公式为：
Figure GDA0003524856000000121
其中，σ为固定方差，si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布；
在本实施方式中，根据高斯分布的公式即可求得每个移动设备在上一周期得到的RIS反射配置下，在每个采样点接收到对应的RSS值的概率，其中，配置c为当前的RIS对应的RIS反射配置，si为移动设备i接收到的RSS值，n表示第n个采样点。
在具体的实施方式中，固定方差σ的具体计算方法为：根据RSS的二维分布关系，得到si对应的第一平均值μ(c，n)，根据移动设备i在同一地点测量多次得到的多个si′，根据第一平均值μ(c，n)和多个si′，得到固定方差σ，其中，用si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布。
在本实施方式中，在迭代优化之前，先进行固定方差σ的计算，RSS的二维分布关系为一个二维分布μ(c，n)，其中，自变量是RIS的反射配置c和采样点序号n，因变量是RSS值μ，根据所述RSS的二维分布关系，得到si的第一平均值μ(c，n)，即，在当前的RIS的反射配置c时，移动设备i在各个采样点得到的si的不受随机噪声干扰的理论值。
根据移动设备i在同一地点测量多次得到的多个si′，进而根据第一平均值μ(c，n)和多个si′得到方差σ，其中，用si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布，其中，i代表不同的移动设备，具体实施时，以100毫秒为一个测量时间段，移动设备将这100毫秒内测得的RSS的平均值发送给无线接入点，得到一个si′，测量多次，即，可使移动设备i在同一地点测量1分钟，即可得到600个不同的si′并发送给无线接入点，并根据si对应的第一平均值μ(c，n)计算这600个si′的方差σ，将si作为随机变量，其服从高斯分布，固定方差σ只计算一次，在后续的每个周期中，固定方差σ不变，均使用本次计算得到的固定方差σ。
步骤S302-1-2：利用贝叶斯更新的公式，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，其中，贝叶斯更新的公式为：
Figure GDA0003524856000000131
其中，
Figure GDA0003524856000000132
为第k-1周期移动设备i在位置n处的概率，
Figure GDA0003524856000000133
为第k-1周期移动设备i在配置c，位置n处接收到
Figure GDA0003524856000000134
的概率，n表示第n个采样点，N为采样点的个数，k为当前周期；
其中，在第一个周期，移动设备i在位置n处的概率为
Figure GDA0003524856000000135
所述
Figure GDA0003524856000000136
为所述第一预设值，具体地，
Figure GDA0003524856000000137
N为采样点个数，k为当前周期，k-1为上一周期。
在本实施方式中，利用贝叶斯更新的公式，将上一周期得到的移动设备i在配置c，位置n处接收到
Figure GDA0003524856000000138
的概率
Figure GDA0003524856000000139
以及上一周期得到的每个移动设备的位置在每个采样点的概率
Figure GDA00035248560000001310
代入贝叶斯更新的公式，即可得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率。
步骤S302-2：根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，并将得到的新的RIS反射配置传输给RIS控制器，以使RIS控制器根据新的RIS反射配置对RIS进行相应的配置。
在本实施方式中，若当前周期为第一个周期，则当前每个移动设备的位置在每个采样点的概率均为第一预设值，若当前周期不为第一个周期，则当前每个移动设备的位置在每个采样点的概率为在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率。
在一种可行的实施方式中，根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置的步骤，具体包括：
根据在上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率，结合定位误差公式，计算得到RIS配置集中每个RIS反射配置对应的所有移动设备的平均定位误差，将其中定位误差最小对应的RIS反射配置确定为新的RIS反射配置。
在本实施方式中，上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率代入定位误差公式，可计算得到RIS配置集中每个RIS反射配置对应的所有移动设备的平均定位误差，将其中定位误差最小对应的RIS反射配置确定为新的RIS反射配置。
具体地，在一种可行的实施方式中，定位误差的公式为：
Figure GDA0003524856000000141
其中，i为移动设备，i＝1表示第一个移动设备，I为移动设备个数，P(n′|c，n)为误判概率，指配置c，移动设备在采样点n时，系统估计移动设备在采样点n′的概率，γn，n′是误判带来的误差代价，定义为采样点n和采样点n’之间的距离，所述定位误差公式表示配置c会引起当前的所有的移动设备的平均定位误差；
其中，误判概率的表达式为：
Figure GDA0003524856000000142
其中，
Figure GDA0003524856000000143
为判决域，表征当移动设备i在周期k的RSS均值
Figure GDA0003524856000000144
落入判决域
Figure GDA0003524856000000145
时，移动设备i被定位为位于采样点n′处，
Figure GDA0003524856000000146
为移动设备i在配置c，周期k，位置n处接收到
Figure GDA0003524856000000147
的概率，其中，
Figure GDA0003524856000000148
为满足判决域的随机值；
其中，利用最大后验概率准则，得到判决域的表达式为：
Figure GDA0003524856000000151
在本实施方式中，通过RSS的二维分布关系，可得到移动设备i在配置c，位置n处接收到
Figure GDA0003524856000000152
的概率
Figure GDA0003524856000000153
从而得到判决域和误判概率，并根据当前每个移动设备的位置在每个采样点的概率，以及γn，n′，代入定位误差公式，即可得到所有移动设备在不同的RIS的反射配置下对应的平均定位误差。
进而将定位误差最小对应的RIS反射配置确定为新的RIS反射配置，并将得到的新的RIS反射配置传输给RIS控制器，以使RIS控制器根据新的RIS反射配置对RIS进行相应的配置。
步骤S302-3：接收在新的RIS反射配置下每个移动设备发送的RSS值，所述在新的RIS反射配置下每个移动设备发送的RSS值是每个移动设备在本周期内的新的RIS反射配置下多次测量得到的多个RSS的平均值。
在本实施方式中，RIS控制器根据新的RIS反射配置对RIS进行相应的配置后，无线接入点不断发射信号，每个移动设备在本周期内的新的RIS反射配置下进行多次测量，得到多个RSS的平均值，每个移动设备将新的RIS反射配置下得到的RSS的平均值发送给无线接入点。
步骤S303：迭代优化完成后，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，并将确定的位置发送给对应的移动设备。
在本实施方式中，进行了预设周期的迭代后，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，即可计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率。
在一种可行的实施方式中，具体的计算方式为：根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及
Figure GDA0003524856000000161
的表达式，得到在最后一次迭代更新后的RIS反射配置下的每个移动设备在不同采样点的概率，将
Figure GDA0003524856000000162
值最大所对应的采样点确定为对应的移动设备的位置。
在本实施方式中，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系，并根据高斯分布的公式和贝叶斯更新的公式，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，具体的计算方式可参考上述步骤S302-1的具体步骤，在此不再赘述，根据计算结果确定每个移动设备的位置，具体地，将移动设备的位置在每个采样点的概率中最大的概率所对应的采样点确定为该移动设备的位置。例如：假设一共有K个周期。当定位结束时，可以计算得到
Figure GDA0003524856000000163
对于移动设备i，假设ni对应的
Figure GDA0003524856000000164
最大，那么该设备的定位位置就是ni。
在本发明中，无线接入点在目标区域内确定多个采样点，并获取每个采样点在不同RIS反射配置时的RSS，从而得到RSS的二维分布关系，并在预设数量的周期内，对RIS反射配置进行迭代优化，从而根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置。通过在每个周期选择合适的RIS反射配置，可以最小化当前周期的平均定位误差。通过多个周期的迭代优化，可以不断地降低平均定位误差，得到使得所有移动设备平均定位误差最小的RIS反射配置，进而根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，使得到的定位更加准确。
基于同一发明构思，本发明一实施例提供了一种可编程智能反射面辅助的多移动设备定位装置，请参考图4，图4是本发明实施例中一种可编程智能反射面辅助的多移动设备定位装置的示意图，如图4所示，所述装置包括：
建立模块401，用于在目标区域内选定多个采样点，获取每个采样点在不同RIS反射配置时的RSS，并根据获取的每个采样点在不同RIS反射配置时的RSS建立RSS的二维分布关系；
迭代模块402，用于进行预设周期的迭代优化，在每个周期内，执行以下步骤：
第一获得子模块403，用于若当前周期为第一个周期，则初始化每个移动设备的位置在每个采样点的概率为第一预设值；若当前周期不为第一个周期，则根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系以及固定方差，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率；
第二获得子模块404，用于根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，并将得到的新的RIS反射配置传输给RIS控制器，以使RIS控制器根据新的RIS反射配置对RIS进行相应的配置；
接收子模块405，用于接收在新的RIS反射配置下每个移动设备发送的RSS值，所述在新的RIS反射配置下每个移动设备发送的RSS值是每个移动设备在本周期内的新的RIS反射配置下多次测量得到的多个RSS的平均值；
确定子模块406，用于迭代优化完成后，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，并将确定的位置发送给对应的移动设备。
可选地，所述第一获得子模块，包括：
第一获得子单元，用于根据高斯分布的公式求得每个移动设备在上一周期得到的RIS反射配置下，在每个采样点接收到对应的RSS值的概率，所述高斯分布的公式为：
Figure GDA0003524856000000181
其中，σ为固定方差，si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布
第二获得子单元，用于利用贝叶斯更新的公式，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，其中，贝叶斯更新的公式为：
Figure GDA0003524856000000182
其中，
Figure GDA0003524856000000183
为第k-1周期移动设备i在位置n处的概率，
Figure GDA0003524856000000184
为第k-1周期移动设备i在配置c，位置n处接收到
Figure GDA0003524856000000185
的概率，n表示第n个采样点，N为采样点的个数，k为当前周期，k-1为上一周期；
其中，在第一个周期，移动设备i在位置n处的概率为
Figure GDA0003524856000000186
所述
Figure GDA0003524856000000187
为所述第一预设值。
可选地，所述第二获得子模块，包括：
确定子单元，用于根据在上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率，结合定位误差公式，计算得到RIS配置集中每个RIS反射配置对应的所有移动设备的平均定位误差，将其中定位误差最小对应的RIS反射配置确定为新的RIS反射配置。
可选地，所述定位误差公式为：
Figure GDA0003524856000000191
其中，I为总的移动设备个数，P(n′|c，n)为误判概率，指配置c，移动设备在采样点n时，系统估计移动设备在采样点n′的概率，γn，n′是误判带来的误差代价，定义为采样点n和采样点n′之间的距离，所述定位误差公式表示配置c会引起当前的所有的移动设备的平均定位误差；
其中，误判概率的表达式为：
Figure GDA0003524856000000192
其中，
Figure GDA0003524856000000193
为判决域，表征当移动设备i在周期k的RSS均值
Figure GDA0003524856000000194
落入判决域
Figure GDA0003524856000000195
时，移动设备i被定位为位于采样点n′处，
Figure GDA0003524856000000196
为移动设备i在周期k，配置c，位置n处接收到
Figure GDA0003524856000000197
的概率，其中，
Figure GDA0003524856000000198
为满足判决域的随机值；
其中，利用最大后验概率准则，得到判决域的表达式为：
Figure GDA0003524856000000199
可选地，所述确定模块，包括：
确定子模块，用于根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及
Figure GDA00035248560000001910
的表达式，得到在最后一次迭代更新后的RIS反射配置下的每个移动设备在不同采样点的概率，将
Figure GDA00035248560000001911
值最大所对应的采样点确定为对应的移动设备的位置。
可选地，所述建立模块，包括：
建立子模块，用于将目标区域划分为预设大小的小方格，以每个方格中心作为采样点。
图5是本发明实施例中的一种电子设备的结构示意图，如图5所示，本申请还提供了一种电子设备，包括：
处理器51；
其上存储有指令的存储器52，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器51执行时，使得所述装置执行一种可编程智能反射面辅助的多移动设备定位方法。
本申请还提供了一种非临时性计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，当所述存储介质中的计算机程序由电子设备的处理器51执行时，使得电子设备能够执行实现所述的一种可编程智能反射面辅助的多移动设备定位方法。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种可编程智能反射面辅助的多移动设备定位方法、装置、电子设备及可读存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种可编程智能反射面辅助的多移动设备定位方法，其特征在于，应用于无线接入点，包括：
在目标区域内选定多个采样点，获取每个采样点在不同RIS反射配置时的RSS，并根据获取的每个采样点在不同RIS反射配置时的RSS建立RSS的二维分布关系；
进行预设周期的迭代优化，在每个周期内，执行以下步骤：
若当前周期为第一个周期，则初始化每个移动设备的位置在每个采样点的概率为第一预设值；若当前周期不为第一个周期，则根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系以及固定方差，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率；
根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，并将得到的新的RIS反射配置传输给RIS控制器，以使RIS控制器根据新的RIS反射配置对RIS进行相应的配置；
接收在新的RIS反射配置下每个移动设备发送的RSS值，所述在新的RIS反射配置下每个移动设备发送的RSS值是每个移动设备在本周期内的新的RIS反射配置下多次测量得到的多个RSS的平均值；
迭代优化完成后，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，并将确定的位置发送给对应的移动设备。
2.根据权利要求1所述的方法，其特征在于，根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系以及固定方差，得到在上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率，包括：
根据高斯分布的公式求得每个移动设备在上一周期得到的RIS反射配置下，在每个采样点接收到对应的RSS值的概率，所述高斯分布的公式为：
Figure FDA0003524855990000021
其中，σ为固定方差，si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布；
利用贝叶斯更新的公式，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，其中，贝叶斯更新的公式为：
Figure FDA0003524855990000022
其中，
Figure FDA0003524855990000023
为第k－1周期移动设备i在位置n处的概率，
Figure FDA0003524855990000024
为第k－1周期移动设备i在配置c，位置n处接收到
Figure FDA0003524855990000025
的概率，n表示第n个采样点，N为采样点的个数，k为当前周期，k－1为上一周期；
其中，在第一个周期，移动设备i在位置n处的概率为
Figure FDA0003524855990000026
所述
Figure FDA0003524855990000027
为所述第一预设值。
3.根据权利要求2所述的方法，其特征在于，根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，包括：
根据在上一周期得到的RIS反射配置下每个移动设备的位置在每个采样点的概率，结合定位误差公式，计算得到RIS配置集中每个RIS反射配置对应的所有移动设备的平均定位误差，将其中定位误差最小对应的RIS反射配置确定为新的RIS反射配置。
4.根据权利要求3所述的方法，其特征在于，所述定位误差公式为：
Figure FDA0003524855990000028
其中，I为总的移动设备个数，P(n′|c,n)为误判概率，指配置c，移动设备在采样点n时，系统估计移动设备在采样点n′的概率，γn,n′是误判带来的误差代价，定义为采样点n和采样点n′之间的距离，所述定位误差公式表示配置c会引起当前的所有的移动设备的平均定位误差；
其中，误判概率的表达式为：
Figure FDA0003524855990000031
其中，
Figure FDA0003524855990000032
为判决域，表征当移动设备i在周期k的RSS均值
Figure FDA0003524855990000033
落入判决域
Figure FDA0003524855990000034
时，移动设备i被定位为位于采样点n′处，
Figure FDA0003524855990000035
为移动设备i在周期k，配置c，位置n处接收到
Figure FDA0003524855990000036
的概率，其中，
Figure FDA0003524855990000037
为满足判决域的随机值；
其中，利用最大后验概率准则，得到判决域的表达式为：
Figure FDA0003524855990000038
5.根据权利要求4所述的方法，其特征在于，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及固定方差，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，包括：
根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系以及
Figure FDA0003524855990000039
的表达式，得到在最后一次迭代更新后的RIS反射配置下的每个移动设备在不同采样点的概率，将
Figure FDA00035248559900000310
值最大所对应的采样点确定为对应的移动设备的位置。
6.根据权利要求1所述的方法，其特征在于，在目标区域内选定多个采样点，包括：
将目标区域划分为预设大小的小方格，以每个方格中心作为采样点。
7.一种可编程智能反射面辅助的多移动设备定位装置，其特征在于，应用于无线接入点，包括：
建立模块，用于在目标区域内选定多个采样点，获取每个采样点在不同RIS反射配置时的RSS，并根据获取的每个采样点在不同RIS反射配置时的RSS建立RSS的二维分布关系；
迭代模块，用于进行预设周期的迭代优化，在每个周期内，执行以下步骤：
第一获得子模块，用于若当前周期为第一个周期，则初始化每个移动设备的位置在每个采样点的概率为第一预设值；若当前周期不为第一个周期，则根据上一周期得到的RIS反射配置以及每个移动设备发送的RSS值，结合所述RSS的二维分布关系，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率；
第二获得子模块，用于根据当前每个移动设备的位置在每个采样点的概率，结合所述RSS的二维分布关系，计算得到使得所有移动设备平均定位误差最小的RIS反射配置，并将得到的新的RIS反射配置传输给RIS控制器，以使RIS控制器根据新的RIS反射配置对RIS进行相应的配置；
接收子模块，用于接收在新的RIS反射配置下每个移动设备发送的RSS值，所述在新的RIS反射配置下每个移动设备发送的RSS值是每个移动设备在本周期内的新的RIS反射配置下多次测量得到的多个RSS的平均值；
确定子模块，用于迭代优化完成后，根据最后一个周期得到的在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，以及最后一个周期得到的RIS反射配置下的每个移动设备的RSS，结合RSS的二维分布关系，计算得到最后一个周期得到的RIS反射配置下的每个移动设备的位置在每个采样点的概率，并根据计算结果确定每个移动设备的位置，并将确定的位置发送给对应的移动设备。
8.根据权利要求7所述的装置，其特征在于，所述第一获得子模块，包括：
第一获得子单元，用于根据高斯分布的公式求得每个移动设备在上一周期得到的RIS反射配置下，在每个采样点接收到对应的RSS值的概率，所述高斯分布的公式为：
Figure FDA0003524855990000051
其中，σ为固定方差，si表示移动设备i在配置c，位置n获得的RSS平均值，si作为随机变量，服从高斯分布
第二获得子单元，用于利用贝叶斯更新的公式，得到在上一周期的RIS反射配置下每个移动设备的位置在每个采样点的概率，其中，贝叶斯更新的公式为：
Figure FDA0003524855990000052
其中，
Figure FDA0003524855990000053
为第k－1周期移动设备i在位置n处的概率，
Figure FDA0003524855990000054
为第k－1周期移动设备i在配置c，位置n处接收到
Figure FDA0003524855990000055
的概率，n表示第n个采样点，N为采样点的个数，k为当前周期，k－1为上一周期；
其中，在第一个周期，移动设备i在位置n处的概率为
Figure FDA0003524855990000056
所述
Figure FDA0003524855990000057
为所述第一预设值。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1至6中任一项所述的可编程智能反射面辅助的多移动设备定位方法。
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上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的可编程智能反射面辅助的多移动设备定位方法。
CN202010654022.5A 2020-07-08 2020-07-08 可编程智能反射面辅助的多移动设备定位方法及装置 Active CN111912409B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010654022.5A CN111912409B (zh) 2020-07-08 2020-07-08 可编程智能反射面辅助的多移动设备定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010654022.5A CN111912409B (zh) 2020-07-08 2020-07-08 可编程智能反射面辅助的多移动设备定位方法及装置

Publications (2)

Publication Number Publication Date
CN111912409A CN111912409A (zh) 2020-11-10
CN111912409B true CN111912409B (zh) 2022-04-26

Family

ID=73226881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010654022.5A Active CN111912409B (zh) 2020-07-08 2020-07-08 可编程智能反射面辅助的多移动设备定位方法及装置

Country Status (1)

Country Link
CN (1) CN111912409B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114630334B (zh) * 2020-12-10 2023-06-16 大唐移动通信设备有限公司 一种传输控制方法、装置及智能超表面
CN112346009B (zh) * 2021-01-06 2021-04-16 广东省新一代通信与网络创新研究院 一种基于智能反射面的定位方法及系统
CN116711413A (zh) * 2021-01-14 2023-09-05 高通股份有限公司 传达可重构智能表面（ris）信息以支持ris分多址
CN113055816B (zh) * 2021-03-23 2021-11-26 南通大学 一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其系统
CN115209383A (zh) * 2021-04-08 2022-10-18 荣耀终端有限公司 协作感知的方法、电子设备和可读存储介质
CN113489553B (zh) * 2021-07-06 2022-07-05 东南大学 一种智能反射面反射系数与偏置电压关系的测量方法
CN114245290B (zh) * 2021-11-16 2023-03-17 浙江大学 一种基于ris辅助的协同定位方法及系统
CN116193568A (zh) * 2021-11-29 2023-05-30 华为技术有限公司 室内定位方法、通信系统、相关设备
CN114286439B (zh) * 2021-12-06 2022-09-30 电子科技大学 一种基于多智能反射面的移动设备定位与追踪方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2648017A1 (fr) * 2012-04-06 2013-10-09 Thales Système embarqué d'aide au pilotage d'un aéronef, basé sur un système GNSS, à architecture redondante et dissimilaire pour niveau d'integrité élevé
CN111050277A (zh) * 2019-12-23 2020-04-21 华中科技大学 一种irs辅助的无线通信系统的优化方法及装置
CN111093267A (zh) * 2019-12-23 2020-05-01 华中科技大学 一种基于irs的ue位置确定方法、通信方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2648017A1 (fr) * 2012-04-06 2013-10-09 Thales Système embarqué d'aide au pilotage d'un aéronef, basé sur un système GNSS, à architecture redondante et dissimilaire pour niveau d'integrité élevé
CN111050277A (zh) * 2019-12-23 2020-04-21 华中科技大学 一种irs辅助的无线通信系统的优化方法及装置
CN111093267A (zh) * 2019-12-23 2020-05-01 华中科技大学 一种基于irs的ue位置确定方法、通信方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Intelligent Reflecting Surfaces for Free Space Optical Communications;Najafi Marzieh,et.al;《2019 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》;20191231;第1-7页 *
Practical Hybrid Beamforming With Finite-Resolution Phase Shifters for Reconfigurable Intelligent Surface Based Multi-User Communications;Di Boya,et.al;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20200430;第69卷(第4期);第4563-4568页 *
太赫兹通信技术综述;谢莎等;《通信学报》;20200514;第41卷(第5期);第168-186页 *

Also Published As

Publication number Publication date
CN111912409A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN111912409B (zh) 可编程智能反射面辅助的多移动设备定位方法及装置
US8509819B2 (en) Information processing apparatus and correction method
CN106662453B (zh) 用于根据传感器和射频测量进行基于移动的实时定位的方法和设备
KR101634126B1 (ko) 위치 추정 방법, 장치 및 그 기록매체
US20160337811A1 (en) Generating a model for positioning
JP6525325B2 (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
TWI544822B (zh) 訊號強度分佈建立方法及無線定位系統
CN112346009B (zh) 一种基于智能反射面的定位方法及系统
US20160286520A1 (en) Systems and methods providing transmit diversity to combat multipath effects in position estimation
EP3195003A1 (en) Mobile device sensor and radio frequency reporting techniques
CN106772229B (zh) 室内定位方法和相关设备
JP2009517988A (ja) 無線ネットワークにおいて動作するモバイル機器の位置を算出するためのシステムおよび方法
EP2952925A1 (en) Method, device and system for indoor localization and tracking using ultra-wideband radio signals
KR20190021957A (ko) 실내에서 이동하는 단말의 측위 장치 및 그 방법
CN106792516B (zh) 基于无线通信基站的三维定位方法
CN108566677A (zh) 一种指纹定位方法及装置
KR20150132165A (ko) 외부 지원 정보를 사용하여 고정, 타이밍-기반 무선 위치 결정 네트워크의 성능을 개선하기 위한 기술
US8188920B2 (en) Location measurement acquisition optimization with Monte Carlo simulation
KR101333111B1 (ko) 위치 추정 시스템 및 방법
US8797899B2 (en) System and method for probabilistic WLAN positioning
KR101468811B1 (ko) 무선 랜을 이용한 실내 측위 시스템의 위치 보정 방법
CA3065025C (en) Method and system of mobile device sequencing for localization
TWI764842B (zh) 基於眾包校正的測距型定位系統及方法
KR20160088515A (ko) 액세스 포인트 선택적 이용을 위한 통신 단말기 및 컴퓨터 프로그램
CN110207699A (zh) 一种定位方法和装置

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