CN112839377A - 高精度定位系统及定位方法 - Google Patents
高精度定位系统及定位方法 Download PDFInfo
- Publication number
- CN112839377A CN112839377A CN202011548528.4A CN202011548528A CN112839377A CN 112839377 A CN112839377 A CN 112839377A CN 202011548528 A CN202011548528 A CN 202011548528A CN 112839377 A CN112839377 A CN 112839377A
- Authority
- CN
- China
- Prior art keywords
- positioning
- base station
- mode
- dual
- synchronization
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004891 communication Methods 0.000 claims abstract description 24
- 238000010801 machine learning Methods 0.000 claims description 39
- 230000001360 synchronised effect Effects 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical group CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims 4
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 8
- 239000000872 buffer Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请实施例提供一种高精度定位系统及定位方法，所述系统包括：定位引擎、双模同步、双模基站、单模基站、双模定位标签、单模定位标签、低功耗定位标签、通信链路；本申请能够有效提高位置数据精度和定位配置灵活性。
Description
技术领域
本申请涉及定位领域，具体涉及一种高精度定位系统及定位方法。
背景技术
近年来，基于超宽带的实时定位系统被广泛地应用在各行各业中，提供高精度的定位服务。基于已知位置的基站，主流的定位方法有以下三种：
1)信号到达角度法(Angle of Arrival，AOA)，该方法通过获取被测标签到两个基站的信号到达角度，得到被测标签的位置信息。AOA定位不仅能确定节点的坐标，还能提供节点的方位信息。但AOA测距技术需要配置复杂的天线系统，且易受外界环境影响，不适用于大规模的定位网络。
2)信号到达时间法(Time of Arrival，TOA)，该方法通过测量被测标签发射的电磁波到达多个基站的空口时间并换算成距离，然后以基站为圆心，换算的距离为半径做圆，3个圆的交点即为被测标签的位置。对于二维定位，所需的基站数为三个及以上。该定位方法的优势在于在基站围成的区域内外都能保持较高的定位精度。但是TOA要求被测标签与基站保持严格的时间同步。
3)信号到达时间差法(Time Difference of Arrival，TDOA)，该方法通过测量被测标签所发射的电磁波到达多个基站的时间差并换算成距离差，进而解算出被测标签的位置。对于二维定位，被测标签与三个基站间的距离差能计算出2个位置，故需要四个及以上基站确定最终位置。TDOA定位仅需要基站之间相互同步，但该方法对于基站围成的区域之外无法保证定位精度。
发明人发现，目前主流的超宽带定位系统所采用的一些技术存在以下问题：
1)仅TDOA技术：TDOA模型的求解本质上是求双曲线的交点，需要求解非线性方程组。基站同步精度、固有的低精度区域等影响着最终被测标签位置的准确度。
2)仅TOA技术：TOA测距涉及到被测标签与多个基站间的来回消息交互，故其定位精度对非视距较为敏感。对于大规模部署和有限容量的情况下，参与TOA基站的选择具有挑战。
3)某种TDOA和ToF混合定位将待测标签与单个基站的测距、待测标签与多个基站间的距离差，换算成待测标签与多个基站的距离，进而解算多个圆的交点得到待测标签的位置。该方法虽然解决了高功耗和系统容量的问题，但是却不可避免地将TOA测距、基站同步引入的误差相互扩散到位置解算中。
除此之外，在实际应用中，超宽带信号的相互干扰也是影响定位精度的主要因素之一。
发明内容
针对现有技术中的问题，本申请提供一种高精度定位系统及定位方法，能够有效提高位置数据精度和定位配置灵活性。
为了解决上述问题中的至少一个，本申请提供以下技术方案：
第一方面，本申请提供一种高精度定位系统，包括：
定位引擎、双模同步、双模基站、单模基站、双模定位标签、单模定位标签、低功耗定位标签、通信链路；
所述定位引擎包括预设/动态调度、基于机器学习的定位环境判断、基站优选和位置优选预测、TDOA/TOA融合解算；
所述双模同步用于提供整个系统运转的框架；
所述双模基站用于同时接收双模同步信号，所述双模基站内置有基于机器学习双模同步算法用于提供高精度的时序同步；
所述单模基站用于接收超宽带同步信号，所述单模基站内置有基于机器学习单模同步算法用于提供高精度的时序同步；
所述双模定位标签用于同时接收双模同步信号的标签，所述双模定位标签内置有基于机器学习双模同步算法用于提供高精度的时序同步；
所述单模定位标签用于接收超宽带同步信号，所述单模定位标签内置有基于机器学习单模同步算法用于提供高精度的时序同步；
所述低功耗定位标签用于通过ALOHA随机方式发送超宽带信号，以使定位引擎实现TDOA位置解算；
所述通信链路采用无线方式实现。
进一步地，所述双模同步为低频LoRa信号和/或超宽带同步信号。
进一步地，所述双模基站为双模主基站或双模从基站。
第二方面，本申请提供一种高精度同步方法，包括：
判断是否接收到同步信号；
若是，则根据所述同步信号的接收功率、信噪比判断当前信道状态，评估信号可用性，并根据预估时间戳与实际时间戳的差异值和信道状态，判定算法参数是否更新；
若否，则将预测的最佳时间戳作为当前同步依据；
预测下一次接收时间戳的合理范围和最佳接收时间戳。
第三方面，本申请提供一种预设/动态调度方法，包括：
双模同步在同步包中广播当前区域内的各时隙占用；
同步标签根据已占用时隙和接收同步包的信道状态随机预选时隙进行POLL包发送；
定位引擎根据未分配POLL包的上报时隙和已分配时隙，动态更新同步包中的时隙占用；
同步标签判断预选时隙是否获得通过，若是，则同步标签在通过的时隙上进行后续通信，否则同步标签重复根据已占用时隙和接收同步包的信道状态随机预选时隙进行POLL包发送操作。
第四方面，本申请提供一种高精度解算方法，包括：
当定位引擎接收到各基站上报该标签的数据包时，提取总功率、信噪比、首路径等参数输送至定位环境识别模型和基站优选模型处理，提取时间戳信息输送至解算单元和基站优选模型处理；
定位环境识别模型根据最新记录和历史数据输出预测的定位环境识别结果；
基站优选模型根据预测的定位环境和最新记录，优选出参与TDOA解算的基站，若标签所在时隙为TOA时隙，基站优选模型进一步输出参与TOA过程的基站，当优选的TOA基站存在变更或新增时，定位引擎将为基站发送相应的配置信息；
解算单元根据时隙类型进行处理，若该标签处于TDOA时隙，进行TDOA位置解算，若该标签处于TOA时隙，则进行TDOA/TOA融合解算。
位置优选模型根据解算出的一个或多个位置，结合该标签的历史信息，输出最终的结果位置，并预测后续的位置变化趋势；
同步更新所有记录数据、过程数据和结果数据，并重新对各模型进行训练，调整模型参数。
进一步地，所述定位环境识别结果重点指示该标签与相关基站间的定位信号指标，包括标签到基站的信道状态、LOS/NLOS、基站运行状态、基站与标签形成的拓扑关系中的至少一种。
进一步地，TOA过程中，标签与基站的消息交互有POLL、RESPONSE、FINAL 3种消息，其中，POLL、FINAL各1条，均为上行消息，所述解算单元针对POLL、FINA分别进行TDOA解算，再针对整个TOA过程进行TOA解算，解算单元将解算出的多个位置输送至位置优选模型处理。
第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的高精度定位方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的高精度定位方法的步骤。
由上述技术方案可知，本申请提供一种高精度定位系统及定位方法，通过基于预设/动态调度的定位系统可有效避免系统中超宽带信号的相互干扰，并提供差异化定位精度的定位服务，满足不同定位标签的差异化定位需求，基于机器学习的高精度同步算法既避免了超宽带信号的相互干扰，又提高了超宽带信号的同步精度，进一步提高了定位精度，基于机器学习的高精度解算可根据获取的超宽带信号相关信息判断出待测标签当前所处的定位环境情况，优选出解算基站和定位位置；在恶劣的定位环境中，也有高定位精度的保证，将机器学习引入超宽带定位，充分利用机器学习的优势处理定位数据。在保证实时性的前提下，给出位置的最优解，解决现有技术中位置数据精度低的问题。
附图说明
为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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为本申请实施例中的高精度定位系统的结构示意图；
图2为本申请实施例中的高精度同步方法的流程图；
图3为本申请实施例中的预设/动态调度方法的流程图；
图4为本申请实施例中的高精度解算方法的流程图；
图5为本申请实施例中的TDOA/TOA融合解算过程的示意图；
图6为本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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，都属于本申请保护的范围。
考虑到现有技术中存在的问题，本申请提供一种高精度定位系统及定位方法，通过基于预设/动态调度的定位系统可有效避免系统中超宽带信号的相互干扰，并提供差异化定位精度的定位服务，满足不同定位标签的差异化定位需求，基于机器学习的高精度同步算法既避免了超宽带信号的相互干扰，又提高了超宽带信号的同步精度，进一步提高了定位精度，基于机器学习的高精度解算可根据获取的超宽带信号相关信息判断出待测标签当前所处的定位环境情况，优选出解算基站和定位位置；在恶劣的定位环境中，也有高定位精度的保证，将机器学习引入超宽带定位，充分利用机器学习的优势处理定位数据。在保证实时性的前提下，提高位置数据精度。
为了能够有效提高位置数据精度和定位配置灵活性，本申请提供一种高精度定位系统的实施例，参见图1，所述高精度定位系统具体包含有如下内容：
定位引擎、双模同步、双模基站、单模基站、双模定位标签、单模定位标签、低功耗定位标签、通信链路；
所述定位引擎包括预设/动态调度、基于机器学习的定位环境判断、基站优选和位置优选预测、TDOA/TOA融合解算；
所述双模同步用于提供整个系统运转的框架；
所述双模基站用于同时接收双模同步信号，所述双模基站内置有基于机器学习双模同步算法用于提供高精度的时序同步；
所述单模基站用于接收超宽带同步信号，所述单模基站内置有基于机器学习单模同步算法用于提供高精度的时序同步；
所述双模定位标签用于同时接收双模同步信号的标签，所述双模定位标签内置有基于机器学习双模同步算法用于提供高精度的时序同步；
所述单模定位标签用于接收超宽带同步信号，所述单模定位标签内置有基于机器学习单模同步算法用于提供高精度的时序同步；
所述低功耗定位标签用于通过ALOHA随机方式发送超宽带信号，以使定位引擎实现TDOA位置解算；
所述通信链路采用无线方式实现。
从上述描述可知，本申请实施例提供的高精度定位系统，能够通过基于预设/动态调度的定位系统可有效避免系统中超宽带信号的相互干扰，并提供差异化定位精度的定位服务，满足不同定位标签的差异化定位需求，基于机器学习的高精度同步算法既避免了超宽带信号的相互干扰，又提高了超宽带信号的同步精度，进一步提高了定位精度，基于机器学习的高精度解算可根据获取的超宽带信号相关信息判断出待测标签当前所处的定位环境情况，优选出解算基站和定位位置；在恶劣的定位环境中，也有高定位精度的保证，将机器学习引入超宽带定位，充分利用机器学习的优势处理定位数据。在保证实时性的前提下，提高位置数据精度。
在本申请的高精度定位系统的一实施例中，还可以具体包含如下内容：
所述双模同步为低频LoRa信号和/或超宽带同步信号。
在本申请的高精度定位系统的一实施例中，还可以具体包含如下内容：
所述双模基站为双模主基站或双模从基站。
为了能够有效提高位置数据精度和定位配置灵活性，本申请提供一种基于所述高精度定位方法的全部或部分内容的高精度同步方法的实施例，参见图2，具体包含有如下内容：
步骤S101：判断是否接收到同步信号；
步骤S102：若是，则根据所述同步信号的接收功率、信噪比判断当前信道状态，评估信号可用性，并根据预估时间戳与实际时间戳的差异值和信道状态，判定算法参数是否更新；
步骤S103：若否，则将预测的最佳时间戳作为当前同步依据；
步骤S104：预测下一次接收时间戳的合理范围和最佳接收时间戳。
从上述描述可知，本申请实施例提供的高精度同步方法，能够通过基于预设/动态调度的定位系统可有效避免系统中超宽带信号的相互干扰，并提供差异化定位精度的定位服务，满足不同定位标签的差异化定位需求，基于机器学习的高精度同步算法既避免了超宽带信号的相互干扰，又提高了超宽带信号的同步精度，进一步提高了定位精度，基于机器学习的高精度解算可根据获取的超宽带信号相关信息判断出待测标签当前所处的定位环境情况，优选出解算基站和定位位置；在恶劣的定位环境中，也有高定位精度的保证，将机器学习引入超宽带定位，充分利用机器学习的优势处理定位数据。在保证实时性的前提下，提高位置数据精度。
为了能够有效提高位置数据精度和定位配置灵活性，本申请提供一种基于所述高精度定位方法的全部或部分内容的预设/动态调度方法的实施例，参见图3，具体包含有如下内容：
双模同步在同步包中广播当前区域内的各时隙占用；
同步标签根据已占用时隙和接收同步包的信道状态随机预选时隙进行POLL包发送；
定位引擎根据未分配POLL包的上报时隙和已分配时隙，动态更新同步包中的时隙占用；
同步标签判断预选时隙是否获得通过，若是，则同步标签在通过的时隙上进行后续通信，否则同步标签重复根据已占用时隙和接收同步包的信道状态随机预选时隙进行POLL包发送操作。
为了能够有效提高位置数据精度和定位配置灵活性，本申请提供一种基于所述高精度定位方法的全部或部分内容的高精度解算方法的实施例，参见图4和图5，具体包含有如下内容：
当定位引擎接收到各基站上报该标签的数据包时，提取总功率、信噪比、首路径等参数输送至定位环境识别模型和基站优选模型处理，提取时间戳信息输送至解算单元和基站优选模型处理；
定位环境识别模型根据最新记录和历史数据输出预测的定位环境识别结果；
基站优选模型根据预测的定位环境和最新记录，优选出参与TDOA解算的基站，若标签所在时隙为TOA时隙，基站优选模型进一步输出参与TOA过程的基站，当优选的TOA基站存在变更或新增时，定位引擎将为基站发送相应的配置信息；
解算单元根据时隙类型进行处理，若该标签处于TDOA时隙，进行TDOA位置解算，若该标签处于TOA时隙，则进行TDOA/TOA融合解算。
位置优选模型根据解算出的一个或多个位置，结合该标签的历史信息，输出最终的结果位置，并预测后续的位置变化趋势；
同步更新所有记录数据、过程数据和结果数据，并重新对各模型进行训练，调整模型参数。
在本申请的另一实施例中，所述定位环境识别结果重点指示该标签与相关基站间的定位信号指标，包括标签到基站的信道状态、LOS/NLOS、基站运行状态、基站与标签形成的拓扑关系中的至少一种。
在本申请的另一实施例中，TOA过程中，标签与基站的消息交互有POLL、RESPONSE、FINAL 3种消息，其中，POLL、FINAL各1条，均为上行消息，所述解算单元针对POLL、FINA分别进行TDOA解算，再针对整个TOA过程进行TOA解算，解算单元将解算出的多个位置输送至位置优选模型处理。
从硬件层面来说，为了能够有效提高位置数据精度和定位配置灵活性，本申请提供一种用于实现所述高精度定位方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现高精度定位系统与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的高精度定位方法的实施例，以及高精度定位系统的实施例进行实施，其内容被合并于此，重复之处不再赘述。
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，高精度定位方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
图6为本申请实施例的电子设备9600的系统构成的示意框图。如图6所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图6是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，高精度定位方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
步骤S101：判断是否接收到同步信号；
步骤S102：若是，则根据所述同步信号的接收功率、信噪比判断当前信道状态，评估信号可用性，并根据预估时间戳与实际时间戳的差异值和信道状态，判定算法参数是否更新；
步骤S103：若否，则将预测的最佳时间戳作为当前同步依据；
步骤S104：预测下一次接收时间戳的合理范围和最佳接收时间戳。
从上述描述可知，本申请实施例提供的电子设备，通过基于预设/动态调度的定位系统可有效避免系统中超宽带信号的相互干扰，并提供差异化定位精度的定位服务，满足不同定位标签的差异化定位需求，基于机器学习的高精度同步算法既避免了超宽带信号的相互干扰，又提高了超宽带信号的同步精度，进一步提高了定位精度，基于机器学习的高精度解算可根据获取的超宽带信号相关信息判断出待测标签当前所处的定位环境情况，优选出解算基站和定位位置；在恶劣的定位环境中，也有高定位精度的保证，将机器学习引入超宽带定位，充分利用机器学习的优势处理定位数据。在保证实时性的前提下，提高位置数据精度。
在另一个实施方式中，高精度定位系统可以与中央处理器9100分开配置，例如可以将高精度定位系统配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现高精度定位方法功能。
如图6所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图6中所示的所有部件；此外，电子设备9600还可以包括图6中没有示出的部件，可以参考现有技术。
如图6所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的高精度定位方法中全部步骤的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，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的高精度定位方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤S101：判断是否接收到同步信号；
步骤S102：若是，则根据所述同步信号的接收功率、信噪比判断当前信道状态，评估信号可用性，并根据预估时间戳与实际时间戳的差异值和信道状态，判定算法参数是否更新；
步骤S103：若否，则将预测的最佳时间戳作为当前同步依据；
步骤S104：预测下一次接收时间戳的合理范围和最佳接收时间戳。
从上述描述可知，本申请实施例提供的计算机可读存储介质，通过基于预设/动态调度的定位系统可有效避免系统中超宽带信号的相互干扰，并提供差异化定位精度的定位服务，满足不同定位标签的差异化定位需求，基于机器学习的高精度同步算法既避免了超宽带信号的相互干扰，又提高了超宽带信号的同步精度，进一步提高了定位精度，基于机器学习的高精度解算可根据获取的超宽带信号相关信息判断出待测标签当前所处的定位环境情况，优选出解算基站和定位位置；在恶劣的定位环境中，也有高定位精度的保证，将机器学习引入超宽带定位，充分利用机器学习的优势处理定位数据。在保证实时性的前提下，提高位置数据精度。
本领域内的技术人员应明白，本发明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。
本发明是参照根据本发明实施例的方法、设备(装置)、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设备上，使得在计算机或其他可编程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。
本发明中应用了具体实施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)
1.一种高精度定位系统，其特征在于，包括：定位引擎、双模同步、双模基站、单模基站、双模定位标签、单模定位标签、低功耗定位标签、通信链路；
所述定位引擎包括预设/动态调度、基于机器学习的定位环境判断、基站优选和位置优选预测、TDOA/TOA融合解算；
所述双模同步用于提供整个系统运转的框架；
所述双模基站用于同时接收双模同步信号，所述双模基站内置有基于机器学习双模同步算法用于提供高精度的时序同步；
所述单模基站用于接收超宽带同步信号，所述单模基站内置有基于机器学习单模同步算法用于提供高精度的时序同步；
所述双模定位标签用于同时接收双模同步信号的标签，所述双模定位标签内置有基于机器学习双模同步算法用于提供高精度的时序同步；
所述单模定位标签用于接收超宽带同步信号，所述单模定位标签内置有基于机器学习单模同步算法用于提供高精度的时序同步；
所述低功耗定位标签用于通过ALOHA随机方式发送超宽带信号，以使定位引擎实现TDOA位置解算；
所述通信链路采用无线方式实现。
2.根据权利要求1所述的高精度定位系统，其特征在于，所述双模同步为低频LoRa信号和/或超宽带同步信号。
3.根据权利要求1所述的高精度定位系统，其特征在于，所述双模基站为双模主基站或双模从基站。
4.一种基于权利要求1至3任一项所述的高精度定位系统的高精度同步方法，其特征在于，所述方法包括：
判断是否接收到同步信号；
若是，则根据所述同步信号的接收功率、信噪比判断当前信道状态，评估信号可用性，并根据预估时间戳与实际时间戳的差异值和信道状态，判定算法参数是否更新；
若否，则将预测的最佳时间戳作为当前同步依据；
预测下一次接收时间戳的合理范围和最佳接收时间戳。
5.一种基于权利要求1至3任一项所述的高精度定位系统的预设/动态调度方法，其特征在于，所述方法包括：
双模同步在同步包中广播当前区域内的各时隙占用；
同步标签根据已占用时隙和接收同步包的信道状态随机预选时隙进行POLL包发送；
定位引擎根据未分配POLL包的上报时隙和已分配时隙，动态更新同步包中的时隙占用；
同步标签判断预选时隙是否获得通过，若是，则同步标签在通过的时隙上进行后续通信，否则同步标签重复根据已占用时隙和接收同步包的信道状态随机预选时隙进行POLL包发送操作。
6.一种基于权利要求1至3任一项所述的高精度定位系统的高精度解算方法，其特征在于，所述方法包括：
当定位引擎接收到各基站上报该标签的数据包时，提取总功率、信噪比、首路径等参数输送至定位环境识别模型和基站优选模型处理，提取时间戳信息输送至解算单元和基站优选模型处理；
定位环境识别模型根据最新记录和历史数据输出预测的定位环境识别结果；
基站优选模型根据预测的定位环境和最新记录，优选出参与TDOA解算的基站，若标签所在时隙为TOA时隙，基站优选模型进一步输出参与TOA过程的基站，当优选的TOA基站存在变更或新增时，定位引擎将为基站发送相应的配置信息；
解算单元根据时隙类型进行处理，若该标签处于TDOA时隙，进行TDOA位置解算，若该标签处于TOA时隙，则进行TDOA/TOA融合解算；
位置优选模型根据解算出的一个或多个位置，结合该标签的历史信息，输出最终的结果位置，并预测后续的位置变化趋势；
同步更新所有记录数据、过程数据和结果数据，并重新对各模型进行训练，调整模型参数。
7.根据权利要求6所述的高精度解算方法，其特征在于，所述定位环境识别结果重点指示该标签与相关基站间的定位信号指标，包括标签到基站的信道状态、LOS/NLOS、基站运行状态、基站与标签形成的拓扑关系中的至少一种。
8.根据权利要求6所述的高精度解算方法，其特征在于，TOA过程中，标签与基站的消息交互有POLL、RESPONSE、FINAL 3种消息，其中，POLL、FINAL各1条，均为上行消息，所述解算单元针对POLL、FINA分别进行TDOA解算，再针对整个TOA过程进行TOA解算，解算单元将解算出的多个位置输送至位置优选模型处理。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求4至8任一项所述的高精度定位方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求4至8任一项所述的高精度定位方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011548528.4A CN112839377A (zh) | 2020-12-24 | 2020-12-24 | 高精度定位系统及定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011548528.4A CN112839377A (zh) | 2020-12-24 | 2020-12-24 | 高精度定位系统及定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112839377A true CN112839377A (zh) | 2021-05-25 |
Family
ID=75924376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011548528.4A Pending CN112839377A (zh) | 2020-12-24 | 2020-12-24 | 高精度定位系统及定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112839377A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113573405A (zh) * | 2021-09-27 | 2021-10-29 | 华清科盛(北京)信息技术有限公司 | 基于uwb定位系统的动态调整基站同步关系的方法及装置 |
| CN113589225A (zh) * | 2021-07-29 | 2021-11-02 | 四川九洲电器集团有限责任公司 | 一种空中目标的定位方法及装置 |
| CN114845379A (zh) * | 2022-05-27 | 2022-08-02 | 天地（常州）自动化股份有限公司 | 一种uwb定位系统的分布式时隙划分方法 |
| WO2023051613A1 (zh) * | 2021-09-30 | 2023-04-06 | 大唐移动通信设备有限公司 | 直射径或非直射径指示信息的发送方法、接收方法及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050282540A1 (en) * | 2000-05-05 | 2005-12-22 | Technocom Corporation | System and method for wireless location performance prediction |
| CN101620270A (zh) * | 2009-07-23 | 2010-01-06 | 重庆邮电大学 | 基于聚类融合的无线定位方法 |
| CN108834071A (zh) * | 2018-09-12 | 2018-11-16 | 西安维德汇通工业自动化有限公司 | 一种基于tof/tdoa融合定位无线有线消息的方法 |
| WO2020165227A1 (en) * | 2019-02-14 | 2020-08-20 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus, method and computer program for localizing a tag |
-
2020
- 2020-12-24 CN CN202011548528.4A patent/CN112839377A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050282540A1 (en) * | 2000-05-05 | 2005-12-22 | Technocom Corporation | System and method for wireless location performance prediction |
| CN101620270A (zh) * | 2009-07-23 | 2010-01-06 | 重庆邮电大学 | 基于聚类融合的无线定位方法 |
| CN108834071A (zh) * | 2018-09-12 | 2018-11-16 | 西安维德汇通工业自动化有限公司 | 一种基于tof/tdoa融合定位无线有线消息的方法 |
| WO2020165227A1 (en) * | 2019-02-14 | 2020-08-20 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus, method and computer program for localizing a tag |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113589225A (zh) * | 2021-07-29 | 2021-11-02 | 四川九洲电器集团有限责任公司 | 一种空中目标的定位方法及装置 |
| CN113573405A (zh) * | 2021-09-27 | 2021-10-29 | 华清科盛(北京)信息技术有限公司 | 基于uwb定位系统的动态调整基站同步关系的方法及装置 |
| CN113573405B (zh) * | 2021-09-27 | 2021-12-21 | 华清科盛(北京)信息技术有限公司 | 基于uwb定位系统的动态调整基站同步关系的方法及装置 |
| WO2023051613A1 (zh) * | 2021-09-30 | 2023-04-06 | 大唐移动通信设备有限公司 | 直射径或非直射径指示信息的发送方法、接收方法及设备 |
| CN114845379A (zh) * | 2022-05-27 | 2022-08-02 | 天地（常州）自动化股份有限公司 | 一种uwb定位系统的分布式时隙划分方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112839377A (zh) | 高精度定位系统及定位方法 | |
| CN109683130B (zh) | 定位方法、装置、存储介质及处理器 | |
| US11300686B2 (en) | Virtual reference station switching method and device in real time kinematic system | |
| US20190219403A1 (en) | Indoor positioning technique and information pushing system, method and device based thereon, and terminal | |
| CN101646201B (zh) | 一种确定终端位置的方法、装置及系统 | |
| CN103560813B (zh) | 一种基于蓝牙技术的移动终端定位方法及装置 | |
| CN100486355C (zh) | 无线通信系统中实现移动台定位的方法及装置 | |
| CN103379437A (zh) | 一种无线终端定位方法及相关设备、系统 | |
| CN105492922A (zh) | 利用往返时间信息的被动定位 | |
| CN104596529A (zh) | 一种导航方法及装置 | |
| CN105467358A (zh) | 一种室内定位方法及装置 | |
| CN113203193B (zh) | 一种空调设备分组方法、装置、设备及存储介质 | |
| JP2023511289A (ja) | 測位方法及び通信機器 | |
| CN111372181A (zh) | 一种基于蓝牙的室内定位方法、装置及存储介质 | |
| US11843934B2 (en) | Methods and systems for tracking of assets and user navigation | |
| US8643545B2 (en) | Determining position of a node and representing the position as a position probability space | |
| CN113075617A (zh) | 基于单基站的室内定位方法、定位装置及电子设备 | |
| KR20190001386A (ko) | 저전력 블루투스 기반의 실내 측위 방법 및 장치 | |
| CN112394319A (zh) | 无线测距、测向和定位方法及相关设备 | |
| CN112050803B (zh) | 室内逃生方法及相关装置 | |
| CN110346754A (zh) | 一种定位时刻获取方法及装置 | |
| CN113630712B (zh) | 一种定位方法、装置及设备 | |
| CN113923587A (zh) | 一种定位方法、系统与装置 | |
| KR101152384B1 (ko) | 액세스 포인트 측위 시스템 및 방법 | |
| US20230354251A1 (en) | Method for increasing accuracy of position estimation, system, and storage medium |
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: 20210525 |