CN112566242B - 一种基于贝叶斯估计的定位方法、装置及电子设备 - Google Patents

一种基于贝叶斯估计的定位方法、装置及电子设备 Download PDF

Info

Publication number
CN112566242B
CN112566242B CN202011401302.1A CN202011401302A CN112566242B CN 112566242 B CN112566242 B CN 112566242B CN 202011401302 A CN202011401302 A CN 202011401302A CN 112566242 B CN112566242 B CN 112566242B
Authority
CN
China
Prior art keywords
conditional probability
base station
target base
receiving
target
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
CN202011401302.1A
Other languages
English (en)
Other versions
CN112566242A (zh
Inventor
范绍帅
曾任贵
田辉
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202011401302.1A priority Critical patent/CN112566242B/zh
Publication of CN112566242A publication Critical patent/CN112566242A/zh
Application granted granted Critical
Publication of CN112566242B publication Critical patent/CN112566242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供了一种基于贝叶斯估计的定位方法、装置及电子设备，应用于通信技术领域，该定位方法包括：获取多个目标基站在各个接收时刻下所测得的信号到达时间，针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理，生成每一接收时刻下该目标基站对应的第一条件概率；针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理，生成每一接收时刻下该目标基站对应的第二条件概率和第三条件概率；基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；基于所述贝叶斯估计模型，确定所述目标移动终端的位置。可以解决目标移动终端的定位精度不高的问题。

Description

一种基于贝叶斯估计的定位方法、装置及电子设备
技术领域
本发明涉及通信技术领域，特别是涉及一种基于贝叶斯估计的定位方法、装置及电子设备。
背景技术
目前，对移动终端等进行位置定位，是一种常见的定位需求。现有技术中，在对移动终端进行定位时，获取多个基站测得的移动终端的信号到达时间，以及该多个基站的位置信息，并基于该多个基站的位置信息和信号到达时间，计算移动终端的位置，其中，信号到达时间为移动终端发送的定位信号到达基站的时间。
然而，通过基站的位置信息和信号的到达时间，定位精度只能达到米级，定位精度不高。
发明内容
本发明实施例的目的在于提供一种基于贝叶斯估计的定位方法、装置及电子设备，用以解决移动终端的定位精度不高的问题。具体技术方案如下：
第一方面，本发明实施例提供了一种基于贝叶斯估计的定位方法，应用于服务器，包括：
获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位，所述目标基站为接收待定位的目标移动终端持续发送的定位信号的基站，且所述接收时刻为接收到所述目标移动终端发送的定位信号的时刻，在每一接收时刻下所测得的载波相位为该接收时刻下所接收的定位信号的相位相对于所述目标基站的载波信号的相位的差值；
针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理；其中，所述第一数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的信号达到时间，确定所述目标移动终端在该接收时刻与该目标基站之间的间隔距离，并基于该目标基站的位置信息和所述间隔距离，生成该接收时刻下该目标基站对应的第一条件概率；所述第一条件概率用于表征该接收时刻下的所述目标移动终端与该目标基站的间隔距离的概率分布；
针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理；其中，所述第二数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，并基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率；其中，该接收时刻下所述目标移动终端的位置变化为该接收时刻和上一接收时刻相比，所述目标移动终端相对于该目标基站的位置变化，所述第二条件概率用于表征该接收时刻下的所述目标移动终端的载波相位的概率分布，所述第三条件概率用于表征该接收时刻下的所述目标移动终端的位置的概率分布；
基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；其中，所述贝叶斯估计模型为各时刻下关于所述目标移动终端的位置的概率分布模型；
基于所述贝叶斯估计模型，确定所述目标移动终端的位置。
可选地，所述基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型，包括：
采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型；
根据所生成的第一条件概率、第二条件概率以及第三条件概率的概率值，对所述初始的贝叶斯估计模型进行修正，得到贝叶斯估计模型。
可选地，所述采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型，包括：
针对每一接收时刻，对该接收时刻下的各目标基站对应的第一条件概率进行求积，得到该接收时刻下的第一目标条件概率；对该接收时刻下的各目标基站对应的第二条件概率进行求积，得到该接收时刻下的第二目标条件概率；
对各接收时刻下得到的第一目标条件概率进行求积，得到第一联合条件概率；对各接收时刻下得到的第二目标条件概率进行求积，得到第二联合条件概率；
采用贝叶斯表达式，联合所得到的第一联合条件概率、第二联合条件概率，以及第三条件概率，得到初始的贝叶斯估计模型。
可选地，所述基于所述贝叶斯估计模型，确定所述目标移动终端的位置，包括：
将所述贝叶斯估计模型映射至因子图，得到所述目标移动终端的位置分布的概率密度；
计算所述概率密度的期望值，并将所计算出的期望值对应的位置，作为所述目标移动终端的位置。
可选地，所述基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率之前，所述方法还包括：
基于该接收时刻与上一接收时刻下测得的载波相位的差值，采用最小二乘法，计算该接收时刻下所述目标移动终端的位置变化；
所述基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率，包括：
对所述位置变化采用高斯分布进行建模，得到参考概率表达式；
采用该目标基站的位置信息，对所述参考概率表达式进行化简，得到该接收时刻下该目标基站对应的第三条件概率。
可选地，所述针对所述各个接收时刻中的每一接收时刻，基于该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，包括：
针对所述各个接收时刻中的每一接收时刻，采用该接收时刻下测得的载波相位，构建关于该接收时刻下的载波相位的目标表达式；
对所述目标表达式中的测量噪声，采用零均值高斯分布建模，得到该接收时刻下该目标基站对应的第二条件概率。
第二方面，本发明实施例提供了一种基于贝叶斯估计的定位装置，应用于服务器，包括：
信息获取模块，用于获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位，所述目标基站为接收待定位的目标移动终端持续发送的定位信号的基站，且所述接收时刻为接收到所述目标移动终端发送的定位信号的时刻，在每一接收时刻下所测得的载波相位为该接收时刻下所接收的定位信号的相位相对于所述目标基站的载波信号的相位的差值；
第一数据处理模块，用于针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理；其中，所述第一数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得信号达到时间，确定所述目标移动终端在该接收时刻与该目标基站之间的间隔距离，并基于该目标基站的位置信息和所述间隔距离，生成该接收时刻下该目标基站对应的第一条件概率；所述第一条件概率用于表征该接收时刻下的所述目标移动终端与该目标基站的间隔距离的概率分布；
第二数据处理模块，基于该目标基站测得的载波相位，用于针对每一目标基站，执行预定的第二数据处理；其中，所述第二数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，并基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率；其中，该接收时刻下所述目标移动终端的位置变化为该接收时刻和上一接收时刻相比，所述目标移动终端相对于该目标基站的位置变化，所述第二条件概率用于表征该接收时刻下的所述目标移动终端的载波相位的概率分布，所述第三条件概率用于表征该接收时刻下的所述目标移动终端的位置的概率分布；
模型生成模块，用于基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；其中，所述贝叶斯估计模型为各时刻下关于所述目标移动终端的位置的概率分布模型；
位置确定模块，用于基于所述贝叶斯估计模型，确定所述目标移动终端的位置。
可选地，所述模型生成模块，包括：
数据联合子模块，用于采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型；
数据修正子模块，用于根据所生成的第一条件概率、第二条件概率以及第三条件概率的概率值，对所述初始的贝叶斯估计模型进行修正，得到贝叶斯估计模型。
第三方面，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现任一种基于贝叶斯估计的定位方法步骤。
第四方面，本发明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内存储有计算机程序，所述计算机程序被处理器执行时实现现任一种基于贝叶斯估计的定位方法步骤。
本发明实施例有益效果：
本发明实施例提供的获取多个目标基站在各个接收时刻下所测得的信号到达时间，针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理，生成每一接收时刻下该目标基站对应的第一条件概率；针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理，生成每一接收时刻下该目标基站对应的第二条件概率和第三条件概率；基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；基于所述贝叶斯估计模型，确定所述目标移动终端的位置。本方案，在对目标移动终端进行定位时，根据每一接收时刻下的载波相位，所确定出的目标移动终端的位置变化，能够达到厘米级的定位精度，从而，通过结合基于位置变化确定出的第三条件概率、基于间隔距离确定出的第一条件概率以及基于载波相位确定出的第二条件概率，生成用于估计位置的贝叶斯估计模型，可以使得利用该模型确定出的位置的精度达到厘米级，从而提高了移动终端的定位精度。并且，本方案在对目标移动终端进行定位时，无需添加其他辅助的硬件设施，在现有的无线网络架构中即可被使用。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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实施例。
图1为本发明实施例提供的一种基于贝叶斯估计的定位方法的流程图；
图2为本发明实施例提供的因子图；
图3为本发明实施例提供的一种基于贝叶斯估计的定位装置的结构示意图；
图4为本发明实施例提供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，所描述的实施例仅仅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，都属于本发明保护的范围。
为了解决现有技术中的移动终端的定位精度不高的问题，本发明实施例提供了一种基于贝叶斯估计的定位方法、装置及电子设备。
下面首先对本发明实施例提供的一种基于贝叶斯估计的定位方法进行介绍。
本发明实施例所提供的一种基于贝叶斯估计的定位方法是针对处于无线网络环境下的移动终端，该移动终端可以通过无线网络与定位区域内的多个基站进行通信，并且，该定位区域内的多个基站还可以通过无线网络与服务器进行通信。
如图1所示，本发明实施例所提供的一种基于贝叶斯估计的定位方法可以包括如下步骤：
S101，获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位；
该目标基站为接收待定位的目标移动终端持续发送的定位信号的基站，且该接收时刻为接收到该目标移动终端发送的定位信号的时刻，在每一接收时刻下所测得的载波相位为该接收时刻下所接收的定位信号的相位相对于该目标基站的载波信号的相位的差值；
可以理解的是，为了对目标移动终端进行定位，目标移动终端可以持续的向该多个目标基站发送定位信号，以使该多个目标基站对接收时刻的信号到达时间和载波相位进行测量，并且将测得的信号到达时间和载波相位发送至服务器。目标基站测量接收时刻的载波相位的实现方式，可以为现有技术中的任一种测量载波相位的实现方式，在此不做限定。
另外，每一目标基站测量各接收时刻的信号到达时间的实现方式可以存在多种，例如：每一目标基站可以获取该接收时刻下的定位信号的发送时刻，确定该发送时刻与该接收时刻的时间差值，并将该时间差值作为该目标基站测量的该接收时刻的信号到达时间。
示例性的，获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位，可以包括：接收该多个目标基站发送的各个接收时刻下所测得的信号到达时间和载波相位，以获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位。
此外，为了方便对目标移动终端进行定位，目标移动终端向多个目标基站发送的定位信号可以包括定位请求信号和定位信号，从而，多个目标基站可以在接收到目标移动终端发送的定位请求信号后，开始对该目标移动终端进行信号达到时间和载波相位的测量。并且，为了提高对目标移动终端的定位精度，多个目标基站可以持续接收目标移动终端的定位信号，对各个接收时刻的信号到达时间和载波相位进行测量，并将该多个接收时刻所测得的信号到达时间和载波相位发送至服务器。
S102，针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理；其中，该第一数据处理包括：针对各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的信号达到时间，确定该目标移动终端在该接收时刻与该目标基站之间的间隔距离，并基于该目标基站的位置信息和该间隔距离，生成该接收时刻下该目标基站对应的第一条件概率；
该第一条件概率用于表征该接收时刻下的目标移动终端与该目标基站的间隔距离的概率分布。
示例性的，在一种实现方式中，基于该目标基站在该接收时刻下测得的信号达到时间，确定该目标移动终端在该接收时刻与该目标基站之间的间隔距离可以包括：确定该定位信号的信号传递速度，并根据该信号传递速度和信号到达时间，采用预设的距离计算公式，计算该目标移动终端在该接收时刻与该目标基站之间的间隔距离；其中，该定位信号为该接收时刻下测得的目标移动终端发送的定位信号。
可以理解的是，为了方便对目标移动终端进行定位，服务器可以获取定位区域内的各目标基站的位置信息，该位置信息可以为各目标基站的坐标信息，并且，该位置信息可以为各目标基站发送的，也可以为服务器确定的。示例性的，当各目标基站的位置信息由服务器确定时，该确定过程可以包括：服务器在目标基站所在的定位区域内，构建一空间坐标系；其中，该空间坐标系的原点可以为该定位区域内的任一点，基于构建的空间坐标系，确定各目标基站的坐标信息。
另外，在确定出各接收时刻下的目标移动终端与各目标基站的间隔距离后，可以基于各目标基站的位置信息和各间隔距离，生成各接收时刻下的第一条件概率。示例性的，在一种实现方式中，基于该目标基站的位置信息和该间隔距离，生成该接收时刻下该目标基站对应的第一条件概率，可以包括：
采用预设的条件概率表达式，根据该目标基站的位置信息和该间隔距离，生成该接收时刻下该目标基站对应的第一条件概率。其中，该预设的条件概率表达式可以为现有技术中的任一种条件概率表达式，为了方案清楚以及布局清晰，下文对条件概率表达式进行示例性说明。
S103，针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理；其中，该第二数据处理包括：针对该各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，并基于该接收时刻下该目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率；
其中，该接收时刻下该目标移动终端的位置变化为该接收时刻和上一接收时刻相比，该目标移动终端相对于该目标基站的位置变化，该第二条件概率用于表征该接收时刻下的该目标移动终端的载波相位的概率分布，该第三条件概率用于表征该接收时刻下的目标移动终端的位置的概率分布。
为了提高对目标移动终端的定位精度，可以针对各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下的第二条件概率，并基于该接收时刻下该目标移动终端的位置变化，生成该接收时刻下的第三条件概率。通过各目标基站在各接收时刻下测得的载波相位，依据每一目标基站测得的该接收时刻和上一接收时刻的载波相位的差值，可以得到目标移动终端的位置变化，并且，由所测得的载波相位确定出的位置变化的定位精度可以达到厘米级，进而可以提高目标移动终端的定位精度。
此外，在生成第二条件概率和第三条件概率时，均可以采用上述的预设的条件概率表达式进行生成。具体而言，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，可以包括：采用预设的条件概率表达式，根据该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下的第二条件概率。并且，基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率，可以包括：采用预设的条件概率表达式，根据该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率。
S104，基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；
其中，该贝叶斯估计模型为各时刻下关于该目标移动终端的位置的概率分布模型。
可以理解的是，第二条件概率和第三条件概率均是基于各接收时刻下所测得的载波相位生成的，而根据每一接收时刻下的载波相位，所确定出的目标移动终端的位置变化，能够达到厘米级的定位精度。为了进一步提高目标移动终端的定位精度，可以基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型。并且，每一接收时刻下均可以生成一条件概率，则在生成贝叶斯估计模型时，可以基于所生成的全部第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型。
示例性的，在一种实现方式中，基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型可以包括：基于各接收时刻下所生成的所有第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型。
S105，基于该贝叶斯估计模型，确定该目标移动终端的位置。
可以理解的是，贝叶斯估计模型为各时刻下关于该目标移动终端的位置的概率分布模型，为了确定出该目标移动终端的位置，可以对该贝叶斯估计模型进行求解，并且，对该贝叶斯估计模型的求解方式可以为现有技术中任一种求解贝叶斯估计模型的方式。示例性的，在一种实现方式中，基于该贝叶斯估计模型，确定该目标移动终端的位置可以包括：
将该贝叶斯估计模型映射至因子图，得到该目标移动终端的位置分布的概率密度；计算该概率密度的期望值，并将所计算出的期望值对应的位置，作为该目标移动终端的位置。
本发明实施例提供的获取多个目标基站在各个接收时刻下所测得的信号到达时间，针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理，生成每一接收时刻下该目标基站对应的第一条件概率；针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理，生成每一接收时刻下该目标基站对应的第二条件概率和第三条件概率；基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；基于所述贝叶斯估计模型，确定所述目标移动终端的位置。本方案，在对目标移动终端进行定位时，根据每一接收时刻下的载波相位，所确定出的目标移动终端的位置变化，能够达到厘米级的定位精度，从而，通过结合基于位置变化确定出的第三条件概率、基于间隔距离确定出的第一条件概率以及基于载波相位确定出的第二条件概率，生成用于估计位置的贝叶斯估计模型，可以使得利用该模型确定出的位置的精度达到厘米级，从而提高了移动终端的定位精度。并且，本方案在对目标移动终端进行定位时，无需添加其他辅助的硬件设施，在现有的无线网络架构中即可被使用。
可选地，在本发明的一种实现方式中，所述基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型，可以包括：
采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型；
根据所生成的第一条件概率、第二条件概率以及第三条件概率的概率值，对所述初始的贝叶斯估计模型进行修正，得到贝叶斯估计模型。
为了对目标移动终端进行定位，可以采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型。并且为了方便从初始的贝叶斯估计模型中计算出目标移动终端的位置，可以根据所生成的第一条件概率的概率值、第二条件概率的概率值以及第三条件概率的概率值，对该初始的贝叶斯估计模型进行修改，从而得到贝叶斯估计模型。其中，该修改操作可以包括多种，例如：根据第一条件概率的概率值、第二条件概率的概率值或者第三条件概率的概率值的大小，对该初始的贝叶斯估计模型中的任一分子或分母部分进行替换，以对该初始的贝叶斯估计模型的化简。
可以理解的是，每一接收时刻下均可以生成第一条件概率、第二条件概率以及第三条件概率，进而，采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型的实现方式可以存在多种。示例性的，在一种实现方式中，采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型，可以包括：
针对每一接收时刻，对该接收时刻下的各目标基站对应的第一条件概率进行求积，得到该接收时刻下的第一目标条件概率；对该接收时刻下的各目标基站对应的第二条件概率进行求积，得到该接收时刻下的第二目标条件概率；
对各接收时刻下得到的第一目标条件概率进行求积，得到第一联合条件概率；对各接收时刻下得到的第二目标条件概率进行求积，得到第二联合条件概率；
采用贝叶斯表达式，联合所得到的第一联合条件概率、第二联合条件概率，以及第三条件概率，得到初始的贝叶斯估计模型。
可选地，在本发明的一种实现方式中，基于该接收时刻下该目标移动终端的位置变化，生成该接收时刻下的第三条件概率之前，该方法还可以包括：基于该接收时刻与上一接收时刻下测得的载波相位的差值，采用最小二乘法，计算该接收时刻下该目标移动终端的位置变化；
基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率，可以包括：
对该位置变化采用高斯分布进行建模，得到参考概率表达式；
采用该目标基站的位置信息，对该参考概率表达式进行化简，得到该接收时刻下该目标基站对应的第三条件概率。
其中，每一时刻下的第三条件概率是基于该接收时刻下该目标移动终端的位置变化所生成的，也就是说，在生成第三条件概率之前，可以先计算出该接收时刻下该目标移动终端的位置变化。为了提高目标移动终端的定位精度，可以基于该接收时刻与上一接收时刻下测得的载波相位的差值，采用最小二乘法，计算该接收时刻下该目标移动终端的位置变化。
此外，在计算出该接收时刻下该目标移动终端的位置变化后，为了确定出目标移动终端的位置，可以对该位置变化采用高斯分布进行建模，得到参考概率表达式，并且，将采用该目标基站的位置信息，对该参考概率表达式进行化简，从而得到该接收时刻下该目标基站对应的第三条件概率。
可选地，在本发明的一种实现方式中，针对各个接收时刻中的每一接收时刻，基于该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，可以包括：
针对所述各个接收时刻中的每一接收时刻，采用该接收时刻下测得的载波相位，构建关于该接收时刻下的载波相位的目标表达式；
对所述目标表达式中的测量噪声，采用零均值高斯分布建模，得到该接收时刻下该目标基站对应的第二条件概率。
示例性的，本实施例中，假设该接收时刻为t时刻，则第k个目标基站与目标移动终端之间的载波相位的目标表达式可以为：
Figure BDA0002817042070000131
其中，Nk为第k个目标基站的周期性相位产生的整周模糊度，λ是信号波长。
Figure BDA0002817042070000132
为载波相位测量时的噪声，将
Figure BDA0002817042070000133
采用零均值高斯分布建模，方差为
Figure BDA0002817042070000134
并且该方差远小于间隔距离测量时的方差，即
Figure BDA0002817042070000135
可以得到t时刻下的第二条件概率：
Figure BDA0002817042070000136
其中，
Figure BDA0002817042070000137
为第k个目标基站对应的t时刻下的第二条件概率，exp为指数函数，θt为目标移动终端的位置，ηk为第k个目标基站的坐标。
为了方案清楚，下面结合具体实施例对基于该目标基站的位置信息和间隔距离，生成该接收时刻下的第一条件概率过程进行介绍。
示例性的，在一种实现方式中，假设定位区域内有K个目标基站，编号为k的目标基站的坐标为ηk＝(ak，bk，ck)，目标移动终端在接收时刻为t时刻时的真实位置为θt＝(xt，yt，zt)(此坐标即为待定位出的坐标)，在t时刻目标移动终端与第k个目标基站之间的间隔距离可以由下式得到：
Figure BDA0002817042070000138
其中，rk为目标移动终端与第k个目标基站之间的真实间隔距离。可以理解的是，间隔距离测量可以基于基站与目标移动终端之间的传播时间的测量来确定。考虑到测量噪声，t时刻的时间测量τk，t可以由下式给出：
Figure BDA0002817042070000141
其中，
Figure BDA0002817042070000142
是方差为
Figure BDA0002817042070000143
的零均值高斯噪声，
Figure BDA0002817042070000144
是第k个目标基站与目标移动终端之间在t时刻的信号单程传播时间，将时间测量转化为间隔距离测量，可以有如下式子：
Figure BDA0002817042070000145
其中，dk，t为t接收时刻测量出的目标移动终端与第k个目标基站之间的测量间隔距离，c是光速，即定位信号的信号传递速度，
Figure BDA0002817042070000146
表示t时刻目标移动终端与第k个目标基站之间的间隔距离，
Figure BDA0002817042070000147
为间隔距离测量的误差，并且，间隔距离测量的均方差为σr＝c×στ，在t时刻，若已知目标移动终端的位置信息，那么dk，t的条件概率表示如下：
Figure BDA0002817042070000148
其中，p(dk，t|θt)为第k个目标基站对应的在t时刻下第k个目标基站对应的第一条件概率，exp表征指数函数。
下面结合具体实施例对各个接收时刻中的每一接收时刻，基于该接收时刻下该目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率的过程进行介绍。
当目标基站内的锁相环锁定目标移动终端的载波相位后，锁相环可以跟踪目标移动终端的载波相位的变化。进而，可以将第k个目标基站与目标移动终端的t时刻与t-1时刻测得的载波相位做差，可以得到：
Figure BDA0002817042070000151
其中，
Figure BDA0002817042070000152
为第k个目标基站在t时刻下测得的载波相位，
Figure BDA0002817042070000153
为第k个目标基站在t-1时刻下测得的载波相位，rk，t为t时刻目标移动终端与第k个目标基站之间的间隔距离，rk，t-1为t-1时刻目标移动终端与第k个目标基站之间的间隔距离。
Figure BDA0002817042070000154
为t-1时刻第k个目标基站测量载波相位时的噪声。
引入第1个目标基站测量的载波相位对上式进行化简：
2ak1xt-2bk1yt-2ck1zt＝(Qk，t-Q1，t)-(Mk-M1)
ak1＝ak-a1
bk1＝bk-b1
ck1＝ck-C1
Figure BDA0002817042070000155
Figure BDA0002817042070000156
其中，第1个目标基站的坐标为(a1，b1，c1)，当k＝2，3，…，K时，可得到关于目标移动终端位置的线形方程组，将其表示为向量形式如下：
Cθt＝qt
其中，
Figure BDA0002817042070000157
Figure BDA0002817042070000158
Figure BDA0002817042070000161
采用最小二乘法求解可以得到：
Figure BDA0002817042070000162
上式中隐含有两个未知数θt与θt-1，通过迭代法，θt-1取上一次迭代过程中计算的
Figure BDA0002817042070000163
值，从而可以得到θt的估计值。引入初始点θ0来初始化迭代，该初始点可以用经典的基于ToA的定位方法来估计，经过迭代计算最终可以得到位置变化如下：
Figure BDA0002817042070000164
当时间测量间隔很小时，可以将位置变化采用零均值高斯分布进行建模，其均值为Δθ，方差为
Figure BDA0002817042070000165
得到参考概率表达式：
Figure BDA0002817042070000166
采用该目标基站的位置信息，对所述参考概率表达式进行化简，得到该接收时刻下该目标基站对应的第三条件概率：
Figure BDA0002817042070000167
其中，P(θt|θt-1)为t时刻下的第三条件概率，D是Δθ的维度，H是Δθ的协方差矩阵，μ是Δθ的均值，从
Figure BDA0002817042070000168
的估计中，有
Figure BDA0002817042070000169
H＝(CTC)-1。
下面结合具体实施例对基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型的过程进行介绍。
考虑到从t＝0到t＝T的定位时间，将目标移动终端的位置向量定义为：
θ[0：T]＝(θ0，θ1，θ2，...，θT)
将间隔距离和载波相位的向量定义为：
Figure BDA0002817042070000171
d[0：T]＝(d0，d1，d2，d3，...，dT)
其中，dt＝(d1，t，d2t，d3，t，...，dK，t)，
Figure BDA0002817042070000172
在不丧失一般性的情况下，可以有以下假设：
假设一：目标移动终端按照无记忆的步态移动，位置序列是一个一阶马尔可夫链。
Figure BDA0002817042070000173
假设二：在t时刻，来自不同目标基站的间隔距离测量彼此独立，并且载波相位的测量也是独立的。
Figure BDA0002817042070000174
Figure BDA0002817042070000175
其中，N＝(N1，N2，...，NK)。
假设三：不同时时刻的间隔距离测量相互独立，载波相位测量也相互独立。
Figure BDA0002817042070000176
Figure BDA0002817042070000177
假设四：间隔距离测量与载波相位测量是相互独立的。
Figure BDA0002817042070000181
假设五：目标移动终端的位置与整周模糊度是独立的。
p(θt，N)＝p(θt)p(N)
基于上述假设和贝叶斯定理，生成贝叶斯估计模型：
Figure BDA0002817042070000182
其中，
Figure BDA0002817042070000183
为贝叶斯估计模型，p(θ0)为初始接收时刻下的目标移动终端的位置概率分布，P(N)为整周模糊度的概率分布。
下面结合具体实施例，如图2所示，对基于贝叶斯估计模型，确定目标移动终端的位置进行介绍。
将所述贝叶斯估计模型映射至因子图，因子图中的变量节点表示不同t时刻的待测点的位置，而函数节点的意义如下：
Figure BDA0002817042070000184
Figure BDA0002817042070000191
从而，目标移动终端的位置分布的概率密度为：
Figure BDA0002817042070000192
由于为实时系统，所以因子图中的信息流向只能朝着t增大的方向进行，箭头指明了信息的流向，虚线框起来的部分代表每一个计算单元，在每一个计算单元中，
Figure BDA0002817042070000193
为t时刻的目标移动终端的位置分布的概率密度，对θt求期望，所计算出的期望值对应的位置，即为目标移动终端的位置。
其中，
Figure BDA0002817042070000194
表示函数节点h0流向θ0的信息，
Figure BDA0002817042070000195
表示函数节点g0流向θ0的信息，
Figure BDA0002817042070000196
表示θ0流向函数节点h1信息，以此类推。
相对于上述方法实施例，本发明实施例提供了一种基于贝叶斯估计的定位装置，应用于服务器，如图3所示，可以包括：
信息获取模块310，用于获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位，所述目标基站为接收待定位的目标移动终端持续发送的定位信号的基站，且所述接收时刻为接收到所述目标移动终端发送的定位信号的时刻，在每一接收时刻下所测得的载波相位为该接收时刻下所接收的定位信号的相位相对于所述目标基站的载波信号的相位的差值；
第一数据处理模块320，用于针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理；其中，所述第一数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得信号达到时间，确定所述目标移动终端在该接收时刻与该目标基站之间的间隔距离，并基于该目标基站的位置信息和所述间隔距离，生成该接收时刻下该目标基站对应的第一条件概率；所述第一条件概率用于表征该接收时刻下的所述目标移动终端与该目标基站的间隔距离的概率分布；
第二数据处理模块330，用于针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理；其中，所述第二数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，并基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率；其中，该接收时刻下所述目标移动终端的位置变化为该接收时刻和上一接收时刻相比，所述目标移动终端相对于该目标基站的位置变化，所述第二条件概率用于表征该接收时刻下的所述目标移动终端的载波相位的概率分布，所述第三条件概率用于表征该接收时刻下的所述目标移动终端的位置的概率分布；
模型生成模块340，用于基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；其中，所述贝叶斯估计模型为各时刻下关于所述目标移动终端的位置的概率分布模型；
位置确定模块350，用于基于所述贝叶斯估计模型，确定所述目标移动终端的位置。
本发明实施例提供的获取多个目标基站在各个接收时刻下所测得的信号到达时间，针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理，生成每一接收时刻下该目标基站对应的第一条件概率；针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理，生成每一接收时刻下该目标基站对应的第二条件概率和第三条件概率；基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；基于所述贝叶斯估计模型，确定所述目标移动终端的位置。本方案，在对目标移动终端进行定位时，根据每一接收时刻下的载波相位，所确定出的目标移动终端的位置变化，能够达到厘米级的定位精度，从而，通过结合基于位置变化确定出的第三条件概率、基于间隔距离确定出的第一条件概率以及基于载波相位确定出的第二条件概率，生成用于估计位置的贝叶斯估计模型，可以使得利用该模型确定出的位置的精度达到厘米级，从而提高了移动终端的定位精度。并且，本方案在对目标移动终端进行定位时，无需添加其他辅助的硬件设施，在现有的无线网络架构中即可被使用。
可选地，所述模型生成模块，包括：
数据联合子模块，用于采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型；
数据修正子模块，用于根据所生成的第一条件概率、第二条件概率以及第三条件概率的概率值，对所述初始的贝叶斯估计模型进行修正，得到贝叶斯估计模型。
可选地，所述数据联合子模块，具体用于：
针对每一接收时刻，对该接收时刻下的各目标基站对应的第一条件概率进行求积，得到该接收时刻下的第一目标条件概率；对该接收时刻下的各目标基站对应的第二条件概率进行求积，得到该接收时刻下的第二目标条件概率；
对各接收时刻下得到的第一目标条件概率进行求积，得到第一联合条件概率；对各接收时刻下得到的第二目标条件概率进行求积，得到第二联合条件概率；
采用贝叶斯表达式，联合所得到的第一联合条件概率、第二联合条件概率，以及第三条件概率，得到初始的贝叶斯估计模型。
可选地，所述位置确定模块，具体用于：将所述贝叶斯估计模型映射至因子图，得到所述目标移动终端的位置分布的概率密度；
计算所述概率密度的期望值，并将所计算出的期望值对应的位置，作为所述目标移动终端的位置。
可选地，所述装置还包括：
数据计算模块，用于在所述第二数据处理模块，基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率之前，基于该接收时刻与上一接收时刻下测得的载波相位的差值，采用最小二乘法，计算该接收时刻下所述目标移动终端的位置变化；
所述第二数据处理模块具体用于：对所述位置变化采用高斯分布进行建模，得到参考概率表达式；
采用该目标基站的位置信息，对所述参考概率表达式进行化简，得到该接收时刻下该目标基站对应的第三条件概率。
可选地，所述第二数据处理模块还用于：针对所述各个接收时刻中的每一接收时刻，采用该接收时刻下测得的载波相位，构建关于该接收时刻下的载波相位的目标表达式；
对所述目标表达式中的测量噪声，采用零均值高斯分布建模，得到该接收时刻下该目标基站对应的第二条件概率。
本发明实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现任一所述的一种基于贝叶斯估计的定位方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一基于贝叶斯估计的定位方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一基于贝叶斯估计的定位方法方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质等实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种基于贝叶斯估计的定位方法，应用于服务器，其特征在于，包括：
获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位，所述目标基站为接收待定位的目标移动终端持续发送的定位信号的基站，且所述接收时刻为接收到所述目标移动终端发送的定位信号的时刻，在每一接收时刻下所测得的载波相位为该接收时刻下所接收的定位信号的相位相对于所述目标基站的载波信号的相位的差值；
针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理；其中，所述第一数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的信号达到时间，确定所述目标移动终端在该接收时刻与该目标基站之间的间隔距离，并基于该目标基站的位置信息和所述间隔距离，生成该接收时刻下该目标基站对应的第一条件概率；所述第一条件概率用于表征该接收时刻下的所述目标移动终端与该目标基站的间隔距离的概率分布；
针对每一目标基站，基于该目标基站测得的载波相位，执行预定的第二数据处理；其中，所述第二数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率；基于该接收时刻与上一接收时刻下测得的载波相位的差值，采用最小二乘法，计算该接收时刻下所述目标移动终端的位置变化；基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率；其中，该接收时刻下所述目标移动终端的位置变化为该接收时刻和上一接收时刻相比，所述目标移动终端相对于该目标基站的位置变化，所述第二条件概率用于表征该接收时刻下的所述目标移动终端的载波相位的概率分布，所述第三条件概率用于表征该接收时刻下的所述目标移动终端的位置的概率分布；
基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；其中，所述贝叶斯估计模型为各时刻下关于所述目标移动终端的位置的概率分布模型；
基于所述贝叶斯估计模型，确定所述目标移动终端的位置。
2.根据权利要求1所述的方法，其特征在于，所述基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型，包括：
采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型；
根据所生成的第一条件概率、第二条件概率以及第三条件概率的概率值，对所述初始的贝叶斯估计模型进行修正，得到贝叶斯估计模型。
3.根据权利要求2所述的方法，其特征在于，所述采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型，包括：
针对每一接收时刻，对该接收时刻下的各目标基站对应的第一条件概率进行求积，得到该接收时刻下的第一目标条件概率；对该接收时刻下的各目标基站对应的第二条件概率进行求积，得到该接收时刻下的第二目标条件概率；
对各接收时刻下得到的第一目标条件概率进行求积，得到第一联合条件概率；对各接收时刻下得到的第二目标条件概率进行求积，得到第二联合条件概率；
采用贝叶斯表达式，联合所得到的第一联合条件概率、第二联合条件概率，以及第三条件概率，得到初始的贝叶斯估计模型。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述贝叶斯估计模型，确定所述目标移动终端的位置，包括：
将所述贝叶斯估计模型映射至因子图，得到所述目标移动终端的位置分布的概率密度；
计算所述概率密度的期望值，并将所计算出的期望值对应的位置，作为所述目标移动终端的位置。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率，包括：
对所述位置变化采用高斯分布进行建模，得到参考概率表达式；
采用该目标基站的位置信息，对所述参考概率表达式进行化简，得到该接收时刻下该目标基站对应的第三条件概率。
6.根据权利要求1-3任一项所述的方法，其特征在于，所述针对所述各个接收时刻中的每一接收时刻，基于该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率，包括：
针对所述各个接收时刻中的每一接收时刻，采用该接收时刻下测得的载波相位，构建关于该接收时刻下的载波相位的目标表达式；
对所述目标表达式中的测量噪声，采用零均值高斯分布建模，得到该接收时刻下该目标基站对应的第二条件概率。
7.一种基于贝叶斯估计的定位装置，应用于服务器，其特征在于，包括：
信息获取模块，用于获取多个目标基站在各个接收时刻下所测得的信号到达时间和载波相位，所述目标基站为接收待定位的目标移动终端持续发送的定位信号的基站，且所述接收时刻为接收到所述目标移动终端发送的定位信号的时刻，在每一接收时刻下所测得的载波相位为该接收时刻下所接收的定位信号的相位相对于所述目标基站的载波信号的相位的差值；
第一数据处理模块，用于针对每一目标基站，基于该目标基站测得的信号到达时间，执行预定的第一数据处理；其中，所述第一数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得信号达到时间，确定所述目标移动终端在该接收时刻与该目标基站之间的间隔距离，并基于该目标基站的位置信息和所述间隔距离，生成该接收时刻下该目标基站对应的第一条件概率；所述第一条件概率用于表征该接收时刻下的所述目标移动终端与该目标基站的间隔距离的概率分布；
第二数据处理模块，基于该目标基站测得的载波相位，用于针对每一目标基站，执行预定的第二数据处理；其中，所述第二数据处理包括：针对所述各个接收时刻中的每一接收时刻，基于该目标基站在该接收时刻下测得的载波相位，生成该接收时刻下该目标基站对应的第二条件概率；基于该接收时刻与上一接收时刻下测得的载波相位的差值，采用最小二乘法，计算该接收时刻下所述目标移动终端的位置变化；基于该接收时刻下所述目标移动终端的位置变化，生成该接收时刻下该目标基站对应的第三条件概率；其中，该接收时刻下所述目标移动终端的位置变化为该接收时刻和上一接收时刻相比，所述目标移动终端相对于该目标基站的位置变化，所述第二条件概率用于表征该接收时刻下的所述目标移动终端的载波相位的概率分布，所述第三条件概率用于表征该接收时刻下的所述目标移动终端的位置的概率分布；
模型生成模块，用于基于所生成的第一条件概率、第二条件概率以及第三条件概率，生成贝叶斯估计模型；其中，所述贝叶斯估计模型为各时刻下关于所述目标移动终端的位置的概率分布模型；
位置确定模块，用于基于所述贝叶斯估计模型，确定所述目标移动终端的位置。
8.根据权利要求7所述的装置，其特征在于，所述模型生成模块，包括：
数据联合子模块，用于采用贝叶斯表达式，联合所生成的第一条件概率、第二条件概率以及第三条件概率，得到初始的贝叶斯估计模型；
数据修正子模块，用于根据所生成的第一条件概率、第二条件概率以及第三条件概率的概率值，对所述初始的贝叶斯估计模型进行修正，得到贝叶斯估计模型。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
CN202011401302.1A 2020-12-03 2020-12-03 一种基于贝叶斯估计的定位方法、装置及电子设备 Active CN112566242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011401302.1A CN112566242B (zh) 2020-12-03 2020-12-03 一种基于贝叶斯估计的定位方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011401302.1A CN112566242B (zh) 2020-12-03 2020-12-03 一种基于贝叶斯估计的定位方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112566242A CN112566242A (zh) 2021-03-26
CN112566242B true CN112566242B (zh) 2022-05-06

Family

ID=75048316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011401302.1A Active CN112566242B (zh) 2020-12-03 2020-12-03 一种基于贝叶斯估计的定位方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112566242B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113091742B (zh) * 2021-03-30 2023-11-17 北京邮电大学 一种融合定位方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010030121A2 (ko) * 2008-09-10 2010-03-18 삼성에스디에스 주식회사 모바일 디바이스에 대한 실시간 위치 추적 방법 및 시스템
CN107850660A (zh) * 2015-07-17 2018-03-27 株式会社村田制作所 位置检测系统以及计算机程序
CN110231638A (zh) * 2019-06-28 2019-09-13 北京邮电大学 一种无线网络下的载波相位定位方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549049B (zh) * 2018-04-12 2020-09-25 北京邮电大学 一种射线追踪辅助的贝叶斯指纹定位方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010030121A2 (ko) * 2008-09-10 2010-03-18 삼성에스디에스 주식회사 모바일 디바이스에 대한 실시간 위치 추적 방법 및 시스템
CN107850660A (zh) * 2015-07-17 2018-03-27 株式会社村田制作所 位置检测系统以及计算机程序
CN110231638A (zh) * 2019-06-28 2019-09-13 北京邮电大学 一种无线网络下的载波相位定位方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
小相位差测量高精度算法研究;姚海燕等;《计量与测试技术》;20080830(第08期);全文 *

Also Published As

Publication number Publication date
CN112566242A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN111435159B (zh) 一种进行定位的方法和设备
CN109283562B (zh) 一种车联网中车辆三维定位方法及装置
CN109743777B (zh) 一种定位方法、装置、电子设备及可读存储介质
US8824325B2 (en) Positioning technique for wireless communication system
WO2013043675A1 (en) Hybrid time of arrival based positioning system
WO2011032015A1 (en) Concurrent wireless transmitter mapping and mobile station positioning
CN109085564B (zh) 一种定位方法及装置
KR20140069203A (ko) 도달 시간 기반 포지셔닝 시스템
CN108614284B (zh) 一种定位信号处理方法、装置及设备
US20200284870A1 (en) System and global method for geolocation using imprecise distance and anchor position measurements
EP2769233A1 (en) Time of arrival based wireless positioning system
WO2013043664A1 (en) Hybrid positioning system based on time difference of arrival (tdoa) and time of arrival (toa)
CN113091742B (zh) 一种融合定位方法、装置、电子设备及存储介质
WO2013043685A1 (en) Positioning system based on time - difference - of -arrival (tdoa)
CN112566242B (zh) 一种基于贝叶斯估计的定位方法、装置及电子设备
CN111505570A (zh) 基于线性搜索的超宽带二维定位方法
CN108566677B (zh) 一种指纹定位方法及装置
CN108549049B (zh) 一种射线追踪辅助的贝叶斯指纹定位方法及装置
CN112394383A (zh) 一种卫星与5g基站组合定位方法及装置
CN113189541B (zh) 一种定位方法、装置及设备
CN108594277B (zh) 一种相位差确定方法、装置、电子设备及存储介质
Panwar et al. Robust multistatic target localization in the presence of NLOS errors and outliers
CN108834053B (zh) 一种定位方法、装置及设备
Song et al. Detecting positioning errors and estimating correct positions by moving window
CN109031188B (zh) 一种基于蒙特卡罗的窄带辐射源频差估计方法及装置

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