CN113945887A - 定位寻向系统、方法和ble定位装置 - Google Patents
定位寻向系统、方法和ble定位装置 Download PDFInfo
- Publication number
- CN113945887A CN113945887A CN202111210902.4A CN202111210902A CN113945887A CN 113945887 A CN113945887 A CN 113945887A CN 202111210902 A CN202111210902 A CN 202111210902A CN 113945887 A CN113945887 A CN 113945887A
- Authority
- CN
- China
- Prior art keywords
- antenna
- phase difference
- arrival angle
- angle
- array
- 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.)
- Granted
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Radio Transmission System (AREA)
Abstract
本发明涉及定位技术领域,尤其涉及一种定位寻向系统、方法和BLE定位装置。一种定位寻向系统,包括:待定位标签,用于发射定位信号;接收设备,用于根据接收到的定位信号确定定位参数;定位处理设备,用于根据所述定位参数确定接收设备所接收定位信号的发射信道信息、初始到达角和天线对相位差;根据所述发射信道信息、初始到达角和天线对相位差计算到达角,并校正所述到达角。本发明实施例方案,根据蓝牙通道跟到达角相关的特性,根据发射信道信息、初始到达角和天线对相位差计算并校正到达角,能够减小AOA误差,增加到达角测量范围。
Description
技术领域
本发明涉及定位技术领域,尤其涉及一种定位寻向系统、方法和BLE定位装置。
背景技术
目前,常用的角度测向方法包括基于到达角(angle of arrival,AOA)或者出发角(angle of departure,AOD)的寻向定位。在AOA寻向定位方法中,可以采用相位干涉法计算AOA。采用相位干涉法计算AOA,一般需要两个以上的信道,根据多个天线接收到的信号,可以获得多个天线两两之间的相位差,之后根据相位差计算AOA。但采用此方式计算AOA,容易受到入射波角度的影响。通常入射波角度越大,AOA误差越大,当入射波角度增大到一定值时可能会因AOA误差较大无法定位。
发明内容
有鉴于此,本发明实施例提供了一种定位寻向系统、方法和BLE定位装置,能够减小入射角度的影响,提高AOA的准确性。
第一方面,本实施例提供一种定位寻向系统,包括:
待定位标签,用于发射定位信号;可选的,所述定位信号可以是携带有定频扩展(Const Tone Extension,CTE)的低功耗蓝牙(Bluetooth Low Energy,BLE)数据包。
接收设备,用于根据接收到的定位信号确定定位参数;
定位处理设备,用于根据所述定位参数确定接收设备所接收定位信号的发射信道信息、初始到达角和天线对相位差;根据所述发射信道信息、初始到达角和天线对相位差计算到达角,并校正所述到达角。可选的,所述定位参数包括:同相/正交(I/Q)分量、接收信号强度指示(Received Signal Strength Indication,RSSI)以及BLE发射信道信息,BLE发射信道信息可以是BLE通道索引值。在一些实施例中,可以根据I/Q分量和/或RSSI计算天线对相位差。基于天线对相位差可以计算初始到达角。
可选的,所述接收设备包括半圆面阵板,所述半圆面阵板包括:第一半圆阵列和第二半圆阵列;
所述第一半圆阵列和所述第二半圆阵列分别包括N和M个天线,所述N个天线中的1个天线位于所述第一半圆阵列的圆心位置,N-1个天线位于所述第一半圆阵列的半圆弧位置,所述M个天线中的1个天线位于所述第二半圆阵列的圆心位置,M-1个天线位于所述第二半圆阵列的半圆弧位置,N≥3,M≥3;
所述第一半圆阵列和所述第二半圆阵列设置在同一平面内,且所述第一半圆阵列和所述第二半圆阵列的直径相互平行;
所述定位处理设备根据所述半圆面阵板接收定位信号确定出的天线对相位差包括:所述第一半圆阵列包含的各天线两两之间的天线对相位差以及所述第二半圆阵列包含的各天线两两之间的天线对相位差。
可选的,所述接收设备包括多天线线阵板,所述多天线线阵板上设有N个天线,N≥3;N个天线中包括至少一个基准天线,每个基准天线对应于相匹配的两个天线组;
所述定位处理设备根据所述多天线线阵板接收定位信号确定出的天线对相位差包括:各个天线组分别对应的天线对相位差。
第二方面,为了解决常规的定位寻向方法中所得到的到达角的存在较大误差和单一的定位寻向模型容易犯相同错误的技术问题,本实施例提供一种定位寻向方法,包括:
确定待定位标签所发射定位信号的发射信道信息、初始到达角和天线对相位差;
将所述发射信道信息、所述初始到达角和所述天线对相位差输入随机森林模型,所述随机森林模型输出第一到达角;
将所述发射信道信息、所述初始到达角和所述天线对相位差输入支持向量机SVM模型,所述SVM模型输出第二到达角;
将所述第一到达角和所述第二到达角输入投票模型,所述投票模型输出校正后的到达角。
可选的,所述随机森林模型包括X个决策树和第一决策模块,其中:
每个所述决策树均用于根据输入的发射信道信息、天线对相位差和初始到达角,输出待决策到达角;
所述第一决策模块用于确定所述X个决策树输出的待决策到达角的投票概率,并根据各待决策到达角的投票概率输出所述第一到达角。
可选的,所述X个决策树通过X个样本集合训练得到,每个所述样本集合均包含多个样本数据,所述样本数据为标注有到达角的发射信道信息、天线对相位差和初始到达角;其中,
每个所述决策树通过相对应样本集合的训练,均建立输入的发射信道信息、天线对相位差和初始到达角,与输出的待决策到达角之间的决策规则。
可选的,所述方法还包括:
在训练过程中,所述随机森林模型包含的决策树个数xi随机确定;
当决策树个数为xi时,所述随机森林模型输出的第一到达角的准确度为zi,所述zi根据样本数据标注的到达角确定;
根据不同取值的xi所对应的zi,确定所述随机森林模型的决策树个数为X。
可选的,所述SVM模型包括Y个二分类器和第二决策模块;
所述Y个二分类器对应Y个角度标签,每个所述二分类器均用于根据输入的发射信道信息、天线对相位差和初始到达角,计算所输入初始到达角与对应角度标签的置信度值;
所述第二决策模块用于根据Y个所述置信度值,从所述Y个二分类器中确定目标二分类器,并将所述目标二分类器的角度标签确定为所述第二到达角。
可选的,每个所述二分类器均对应一个正量样本集,每个所述正量样本集均包含多个样本数据,所述样本数据为标注有到达角的发射信道信息、天线对相位差和初始到达角;
每个所述二分类器通过Y个所述正量样本集的训练,均建立输入的发射信道信息、天线对相位差和初始到达角,与自身角度标签的间隔计算规则,根据所述间隔计算规则计算出的间隔值用于确定置信度值;
其中,在训练过程中,当输入所述二分类器的数据属于自身对应的正量样本集时,输出的置信度值为正值;当输入所述二分类器的数据属于其它Y-1个正量样本集时,输出的置信度值为负值。
可选的,所述天线对相位差包括:半圆面阵板的多个天线对相位差,其中,所述半圆面阵板包括:第一半圆阵列和第二半圆阵列;
所述第一半圆阵列和所述第二半圆阵列分别包括N和M个天线,所述N个天线中的1个天线位于所述第一半圆阵列的圆心位置,N-1个天线位于所述第一半圆阵列的半圆弧位置,所述M个天线中的1个天线位于所述第二半圆阵列的圆心位置,M-1个天线位于所述第二半圆阵列的半圆弧位置,N≥3,M≥3;
所述第一半圆阵列和所述第二半圆阵列设置在同一平面内,且所述第一半圆阵列和所述第二半圆阵列的直径相互平行;
所述半圆面阵板的多个天线对相位差,包括:所述第一半圆阵列包含的各天线对相位差以及所述第二半圆阵列包含的各天线对相位差;
所述随机森林模型根据所述发射信道信息、所述半圆面阵板的初始到达角、所述第一半圆阵列包含的各天线两两之间的天线对相位差以及所述第二半圆阵列包含的各天线两两之间的天线对相位差,输出所述第一到达角;
所述SVM模型根据所述发射信道信息、所述半圆面阵板的初始到达角、所述第一半圆阵列包含的各天线两两之间的天线对相位差以及所述第二半圆阵列包含的各天线两两之间的天线对相位差,输出所述第二到达角。
可选的,所述天线对相位差包括:多天线线阵板的多个天线对相位差,其中,所述多天线线阵板上设有N个天线,N≥3;N个天线中包括至少一个基准天线,每个基准天线对应于相匹配的两个天线组;
所述多天线线阵板的多个天线对相位差,包括:各个天线组分别对应的天线对相位差;
所述随机森林模型根据所述发射信道信息、所述多天线线阵板的初始到达角以及各个天线组分别对应的天线对相位差,输出所述第一到达角;
所述SVM模型根据所述发射信道信息、所述多天线线阵板的初始到达角以及各个天线组分别对应的天线对相位差,输出所述第二到达角。
可选的,所述发射信道信息包括发射信道索引值。
所述的定位寻向方法针对蓝牙通道跟到达角相关的特性,提出基于利用随机森林和SVM多分类器集成的角度校正算法,减小相位干涉法计算所得到达角的误差;增加到达角测量范围;通过将分类结果进行加权对到达角进行校正,提高其精度。
第三方面,本实施例提供一种BLE定位方法,包括:
根据BLE标签的定位信号,确定发射信道信息、初始到达角和天线对相位差;
根据所述发射信道信息、初始到达角和天线对相位差计算到达角,并校正所述到达角。
可选的,根据所述发射信道信息、初始到达角和天线对相位差计算到达角,并校正所述到达角,包括:
将所述发射信道信息、所述初始到达角和所述天线对相位差输入随机森林模型,所述随机森林模型输出第一到达角;
将所述发射信道信息、所述初始到达角和所述天线对相位差输入支持向量机SVM模型,所述SVM模型输出第二到达角;
将所述第一到达角和所述第二到达角输入投票模型,所述投票模型输出校正后的到达角。
可选的,所述随机森林模型包括X个决策树和第一决策模块,其中:
每个所述决策树均用于根据输入的发射信道信息、天线对相位差和初始到达角,输出待决策到达角;
所述第一决策模块用于确定所述X个决策树输出的待决策到达角的投票概率,并根据各待决策到达角的投票概率输出所述第一到达角。
可选的,所述SVM模型包括Y个二分类器和第二决策模块;
所述Y个二分类器对应Y个角度标签,每个所述二分类器均用于根据输入的发射信道信息、天线对相位差和初始到达角,计算所输入初始到达角与对应角度标签的置信度值;
所述第二决策模块用于根据Y个所述置信度值,从所述Y个二分类器中确定目标二分类器,并将所述目标二分类器的角度标签确定为所述第二到达角。
第四方面,本实施例提供一种BLE定位装置,包括:处理器;存储器;以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中,所述一个或多个计算机程序包括指令,当所述指令被执行时,使得所述BLE定位装置执行上述第三方面中任意一项所述的方法。
本发明实施例的上述定位寻向系统、方法和BLE定位装置,根据蓝牙通道跟到达角相关的特性,根据发射信道信息、初始到达角和天线对相位差计算并校正到达角,能够减小AOA误差,增加到达角测量范围。
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一简单地介绍,显而易见地,下面描述中的附图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为本发明实施例提供的一种定位寻向系统的结构示意图;
图2为本发明实施例提供的一种半圆面阵板的结构示意图;
图3A为本发明实施例提供的一种天线线阵板的结构示意图;
图3B为本发明实施例提供的另一种天线线阵板的结构示意图;
图4为本发明实施例提供的一种AOA计算模型的结构示意图;
图5为本发明实施例提供的一种定位寻向方法的流程图;
图6为本发明实施例提供的一种随机森林模型的的结构示意图;
图7为本发明实施例提供的一种决策树个数与准确度的关系曲线图;
图8为本发明实施例提供的一种SVM模型的结构示意图;
图9为本发明实施例提供的一种BLE定位设备的结构示意图;
图10为本发明实施例提供的一种BLE定位方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
参见图1,为本发明实施例提供的一种定位寻向系统的结构示意图。如图1所示,定位寻向系统包括:待定位标签101、接收设备102和定位处理设备103。其中,待定位标签101是能够发射定位信号的标签。根据所发射定位信号的不同,待定位标签101可以是超宽带标签、射频识别标签、Wi-fi标签、超声波标签或者蓝牙标签等。为了描述方便,本发明实施例以蓝牙标签作为示例对定位寻向系统和方法进行说明。其中,蓝牙标签具体可以是低功耗蓝牙(Bluetooth Low Energy,BLE)标签。
在一些实施例中,BLE标签发射广播数据包。接收设备102接收BLE标签发送的广播数据包且当接收设备102需要对BLE标签进行定位时,接收设备102向BLE标签发送连接请求。BLE标签接收到所述连接请求后与接收设备102建立蓝牙连接。可选的,BLE标签和接收设备102在蓝牙连接过程中共享蓝牙配置参数。
为了更好地支持AOA,蓝牙5.1标准协议引入了定频扩展(Const Tone Extension,CTE)信号。CTE信号为定频信号,附加在原蓝牙数据包之后,不影响原蓝牙数据包的数据内容,能够使AOA计算中的相位差检测更加方便。因此,BLE标签和接收设备102共享的蓝牙配置参数可以包含用于配置CTE的参数。具体的,BLE标签和接收设备102共享的蓝牙配置参数可以包括:CTE类型、CTE时长、天线切换时隙以及CTE采样时隙等。
BLE标签和接收设备102共享蓝牙配置参数之后,BLE标签根据所述蓝牙配置参数向接收设备102发送携带有CTE的BLE数据包。接收设备102按照所述蓝牙配置参数可以在CTE采样时隙对携带有CTE的BLE数据包进行采样。接收设备102根据采样到的数据包可以确定定位参数。可选的,所述定位参数可以包括:同相/正交(I/Q)分量、接收信号强度指示(Received Signal Strength Indication,RSSI)以及BLE发射信道信息。其中,I/Q分量和RSSI可以用于确定天线对相位差和初始到达角。在蓝牙通信技术中,BLE使用的频率为2.4GHz,频段范围2.4000GHz-2.4835GHz。此频段分为40个通道,其中37,38,39通道是广播通道,其余37个通道是数据通道。所述BLE发射信道信息即可以为发送蓝牙数据包的BLE通道索引值。在一些实施例中,接收设备102可以通过解析接收到的BLE数据包确定BLE通道索引值。
接收设备102确定上述定位参数之后,将定位参数发送给定位处理设备103。定位处理设备103根据定位参数可以确定BLE通道索引值,并且可以根据定位参数中的I/Q分量和RSSI可以计算出天线对相位差和初始到达角。进一步,定位处理设备103集成有AOA计算模型。定位处理设备103将确定出的BLE通道索引值、天线对相位差和初始到达角输入AOA计算模型,以通过AOA计算模型计算得到AOA并校正AOA。
在一些实施例中,接收设备102可以配置不同类型的天线阵列接收携带有CTE的BLE数据包。在一些实施例中,接收设备102可以配置半圆面阵板接收携带有CTE的BLE数据包。在一些实施例中,接收设备102也可以配置多天线线阵板接收携带有CTE的BLE数据包。
在一些实施例中,接收设备102配置的半圆面阵板可以包括:第一半圆阵列和第二半圆阵列。第一半圆阵列和第二半圆阵列分别包括N和M个天线,N个天线中的1个天线位于第一半圆阵列的圆心位置,N-1个天线位于所述第一半圆阵列的半圆弧位置,M个天线中的1个天线位于第二半圆阵列的圆心位置,M-1个天线位于第二半圆阵列的半圆弧位置,N≥3,M≥3;第一半圆阵列和所述第二半圆阵列设置在同一平面内,且第一半圆阵列和所述第二半圆阵列的直径相互平行。上述半圆面阵板中的各天线对BLE标签发射的携带有CTE的BLE数据包进行采样。根据各个天线的采样情况,可以得到第一半圆阵列和第二半圆阵列中每个天线的I/Q分量和RSSI,并且通过对所接收数据包的解析可以得到BLE通道索引值。
接收设备102将第一半圆阵列和第二半圆阵列各天线的I/Q分量、RSSI和BLE通道索引值发送给定位处理设备103。定位处理设备103根据各天线的I/Q分量可以确定BLE数据包到达各天线的相位角信息,进而可以根据相位角信息计算出第一半圆阵列包含的各天线两两之间的天线对相位差以及第二半圆阵列包含的各天线两两之间的天线对相位差。定位处理设备103根据第一半圆阵列包含的各天线两两之间的天线对相位差以及第二半圆阵列包含的各天线两两之间的天线对相位差之后,可以计算出BLE数据包到达半圆面阵板的初始到达角。可选的,RSSI可以辅助于计算所述初始到达角。
参见图2,为本发明实施例提供的一种半圆面阵板的结构示意图。如图2所示,将图2中位于上方的半圆阵列定义为第一半圆阵列,位于下方的半圆阵列定义为第二半圆阵列。第一半圆阵列包括4个天线,分别为天线1、天线2、天线3和天线4。天线1位于第一半圆阵列的圆心位置,天线2、天线3和天线4在第一半圆阵列的圆弧位置均匀分布。第二半圆阵列包括4个天线,分别为天线0、天线5、天线6和天线7。天线0位于第一半圆阵列的圆心位置,天线5、天线6和天线7在第一半圆阵列的圆弧位置均匀分布。
图2所示半圆面阵板的1-4号天线,以及0、5-7号天线均接收BLE标签发射的携带有CTE的BLE数据。根据1-4号天线接收的BLE数据包,可以得到第一半圆阵列中1-4号天线的I/Q分量和RSSI,并解析得到BLE通道索引值。根据0、5-7号天线接收的BLE数据包,可以得到第二半圆阵列中0、5-7号天线的I/Q分量和RSSI,并解析得到BLE通道索引值。其中,对于相同数据包,第一半圆阵列和第二半圆阵列解析得到的BLE通道索引值相同。接收设备102将第一半圆阵列中1-4号天线的I/Q分量和RSSI、第二半圆阵列中0、5-7号天线的I/Q分量和RSSI,以及解析出的BLE通道索引值发送给定位处理设备103。定位处理设备103根据接收到的I/Q分量和RSSI可以计算出第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差。之后,根据第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差,可以计算出BLE数据包到达半圆面阵板的初始到达角。
定位处理设备103将BLE数据包到达半圆面阵板的初始到达角、BLE通道索引值、第一半圆阵列中1-4号天线两两之间的天线对相位差以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差输入AOA计算模型,以通过AOA计算模型计算得到AOA并校正AOA。
在一些实施例中,接收设备102配置的多天线线阵板上设有N个天线,N≥3;N个天线中包括至少一个基准天线,每个基准天线对应于相匹配的两个天线组。示例性的,每个基准天线与位置相邻的两个天线分别组成所述两个天线组,每个天线组对应一个天线对相位差。
参见图3A,为本发明实施例提供的一种天线线阵板的结构示意图。如图3A所示,该多天线线阵板上设有沿直线排列的3个天线,分别为第一天线、第二天线和第三天线,其中,第二天线为基准天线,所述基准天线对应的第一天线组包括第一天线和第二天线,所述基准天线对应的第二天线组包括第二天线和第三天线。当然,天线线阵板中的天线并不一定沿直线排列,在一些可能的实现方式中,如图3B所示,线阵天线可以沿弧线或折线排列,其均应当处于本申请的保护范围之内。
在图3A和图3B所示场景下,天线线阵板中的各天线均接收BLE标签发射的携带有CTE的BLE数据。根据各天线接收的BLE数据包,可以得到第一天线、第二天线和第三天线的I/Q分量和RSSI,并解析得到BLE通道索引值。
接收设备102将第一天线、第二天线和第三天线的I/Q分量和RSSI,以及BLE通道索引值发送给定位处理设备103。定位处理设备103可以计算出第一天线组的天线对相位差以及第二天线组的天线对相位差。定位处理设备103根据第一天线组的天线对相位差和第二天线组的天线对相位差,计算出BLE数据包到达天线线阵板的初始到达角。
定位处理设备103将初始到达角、各天线组的天线对相位差以及BLE通道索引值输入AOA计算模型,以通过AOA计算模型计算得到AOA并校正AOA。
参见图4,为本发明实施例提供的一种AOA计算模型的结构示意图。图4所示AOA计算模型包括:随机森林模型、SVM模型和投票模型,随机森林模型和SVM模型均可以根据初始到达角、天线对相位差和BLE通道索引值计算AOA,之后再通过投票模型对计算出的AOA进行校正。图4所示AOA计算模型,根据蓝牙通道跟到达角相关的特性,提出基于随机森林和SVM多分类器集成的角度校正算法,能够减小AOA误差,增加到达角测量范围。
基于图4所示AOA计算模型,本发明实施例提供了一种定位寻向方法。参见图5,为本发明实施例提供的一种定位寻向方法的流程图。该方法的执行主体为定位处理设备103,所述方法的执行步骤包括:
201,确定待定位标签所发射定位信号的发射信道信息、初始到达角和天线对相位差。
可选的,定位处理设备从接收设备获取关于定位信号的定位参数,并根据定位参数确定待定位标签所发射定位信号的发射信道信息、初始到达角和天线对相位差。示例性的,待定位标签所发射定位信号为携带有CTE的BLE数据包。接收设备对携带有CTE的BLE数据包进行采样,并根据采样结果获取定位参数。可选的,所述定位参数可以是采样信号的I/Q分量、RSSI以及发射信道信息。所述发射信道信息例如可以是BLE通道索引值。定位处理设备根据所述定位参数可以进一步确定天线对相位差和初始到达角。
202,将所述发射信道信息、所述初始到达角和所述天线对相位差输入随机森林模型,所述随机森林模型输出第一到达角。
203,将所述发射信道信息、所述初始到达角和所述天线对相位差输入SVM模型,所述SVM模型输出第二到达角。
204,将所述第一到达角和所述第二到达角输入投票模型,所述投票模型输出校正后的到达角。
本发明实施例中,定位处理设备中集成AOA计算模型,AOA计算模型包括随机森林模型、SVM模型和投票模型。随机森林模型建立输入的发射信道信息、初始到达角和天线对相位差,与输出的第一到达角之间的计算规则。当向随机森林模型输入发射信道信息、初始到达角和天线对相位差之后,随机森林模型输出第一到达角。同理,SVM模型可以根据输入的发射信道信息、初始到达角和天线对相位差,计算所输入初始到达角与对应角度标签的置信度值,根据置信度值SVM模型可以输出第二到达角。AOA计算模型中的投票模型可以通过对第一到达角和第二到达角的投票输出最终到达角,实现对AOA校正。
本发明实施例的上述定位寻向方法,根据蓝牙通道与到达角相关的特性,建立随机森林模型和SVM模型,增加了不同分类模型对不同类型错误的容错率,减小相位干涉法计算所得AOA的误差,增加到达角测量范围。
参见图6,为本发明实施例提供的一种随机森林模型的结构示意图。如图6所示,随机森林模型包括:X个决策树和第一决策模块。其中,每个决策树均可根据输入的发射信道信息、天线对相位差和初始到达角,输出待决策到达角。第一决策模块用于对X个决策树输出的待决策到达角进行投票,得到X个待决策到达角的投票概率,之后根据X个待决策到达角的投票概率输出第一到达角。可选的,第一决策模块可以将投票概率最高的待决策到达角输出为第一到达角。
上述X个决策树分别通过X个样本集合训练得到,其中,每个样本集合均包含多个样本数据,所述样本数据为标注有到达角的发射信道信息、天线对相位差和初始到达角。每个决策树通过相对应样本集合的训练,均建立输入的发射信道信息、天线对相位差和初始到达角,与输出的待决策到达角之间的决策规则。
具体地,所述随机森林模型样本数据中的天线对相位差可以通过对接收设备配置不同类型的天线阵列接收BLE数据包来获取。
当天线阵列结构为上述图2所示半圆面阵板结构时,样本数据中的天线对相位差包括:第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差。样本数据中的初始到达角为根据第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差,计算出的初始到达角。
当天线阵列结构为上述图3A和图3B所示天线线阵板结构时,样本数据中的天线对相位差包括:第一天线组的天线对相位差以及第二天线组的天线对相位差。样本数据中的初始到达角为根据第一天线组的天线对相位差和第二天线组的天线对相位差,计算出的初始到达角。
在一些实施例中,在训练随机森林模型时,建立样本数据集合,样本数据集合包括多个样本数据,每个样本数据均包括BLE通道索引值、天线对相位差和初始到达角,可选的,每个样本数据还标注有到达角。在所述样本数据集合中进行有放回的抽取样本,并随机生成N个训练集。利用该N个训练集训练N个决策树。对于单个决策树模型,每次分裂时根据信息增益和信息熵选择最好的特征进行分裂,由此以建立输入的发射信道信息、天线对相位差和初始到达角,与输出的待决策到达角之间的决策规则。
在一个示例中,单个决策树所建立的BLE通道索引值、天线对相位差和初始到达角,与输出的待决策到达角之间的决策规则可以是:
当初始到达角≤40.5°,BLE通道索引值≤14时,输出到达角为40°;
当初始到达角≥38.5°,BLE通道索引值>16时,输出到达角为45°;
当初始到达角≥45.5°,BLE通道索引值≤17,天线对1相位差≥26°时,输出到达角为50°;
当50°≤天线对0相位差≤65.5°,15≤BLE通道索引值≤29时,输出到达角为55°;
当初始到达角≥62.5°,天线对1相位差≥54.5°时,输出到达角为61°。
上述仅是单个决策树决策规则的示例,各个决策树可以根据训练样本建立不同的决策规则。
对于各个决策树输出的待决策到达角,随机森林模型可以将投出最多票数的到达角作为输出的第一到达角。其中,输出判别式如下式所示:
其中,H(x)表示随机森林的最终输出结果;hi(x)表示单一决策树的分类结果;Y表示目标变量;I为表示性函数,决策树有此结果时取值为1,否则取值为0;argmaxY表示函数取得最大值时的参数值。
需要说明的是,随机森林模型的准确度与决策树个数相关。在随机森林模型训练的过程中,随机森林模型包含的决策树个数xi根据训练集个数N随机确定。当决策树个数为xi时,根据样本数据标注的到达角可以计算出随机森林模型输出第一到达角的准确度为zi。xi取值不同,所对应的zi也不同。本发明实施例中可以根据不同取值的xi所对应的zi,确定随机森林模型的决策树个数为X。
参见图7,为本发明实施例提供的一种决策树个数xi与准确度zi的关系曲线。当决策树个数xi取值较小时,随机森林的分类误差相对较大;当决策树个数xi的值逐渐增大时,随机森林分类的准确度会有明显地提升,并趋于稳定。但当决策树个数xi增加到一定程度时,随机森林模型的准确度不再提升而且还会带来计算量太大等问题。因此需要将决策树个数控制在合理范围内。在图8所示关系曲线中,决策树最佳个数xi可以取值为41。本发明实施例中,通过优化决策树个数,可以进一步优化随机森林模型的输出精度。
参见图8,为本发明实施例提供的一种SVM模型的结构示意图。如图8所示,SVM模型包括Y个二分类器和第二决策模块。Y个二分类器对应Y个角度标签,每个二分类器均用于根据输入的BLE通道索引值、天线对相位差和初始到达角,计算所输入初始到达角与对应角度标签的置信度值。第二决策模块用于根据Y个置信度值,从所述Y个二分类器中确定第二到达角。
其中,SVM模型中的每个二分类器均对应一个正量样本集,每个正量样本集均包含多个样本数据,所述样本数据为标注有到达角的BLE通道索引值、天线对相位差和初始到达角。
示例性的,当天线阵列结构为上述图2所示半圆面阵板结构时,样本数据中的天线对相位差包括:第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差。样本数据中的初始到达角为根据第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差,计算出的初始到达角。
示例性的,当天线阵列结构为上述图3A和图3B所示天线线阵板结构时,样本数据中的天线对相位差包括:第一天线组的天线对相位差以及第二天线组的天线对相位差。样本数据中的初始到达角为根据第一天线组的天线对相位差和第二天线组的天线对相位差,计算出的初始到达角。
每个二分类器通过Y个所述正量样本集的训练,均建立输入的发射信道信息、天线对相位差和初始到达角,与自身角度标签的间隔计算规则,并利用所述间隔值确定置信度值。在训练过程中,当输入所述二分类器的数据属于自身对应的正量样本集时,输出的置信度值为正值;当输入二分类器的数据属于其它Y-1个正量样本集时,输出的置信度值为负值。
对于上述SVM模型,如果仅有一个二分类器输出的置信度为正值,则将该输出为正值的二分类器对应的角度标签作为输出值;如果有多个分类器输出的置信度为正值,则选择置信度最大的角度标签作为输出值。
如表1所示,SVM模型建立多个二分类器,该多个二分类器对应的标签角度分别为40度、45度、50度、55度和60度。将BLE通道索引值、天线对相位差和初始到达角输入该多个二分类器,该多个二分类器分别输出一个置信度。如果该多个置信度中仅有一个为正值,则该正值对应的标签角度为最终输出的第二到达角。如果该多个置信度中有多个正值,则选取置信度最大的标签角度作为最终输出的第二到达角。
如表1所示,置信度与对应标签角度关系如下:
表1置信度与标签角度对应关系
如表1所示,二分类器对应的标签角度分别为:[40 45 50 55 60];故分类结果为:[40 50 50…]。
参见图9,为本发明实施例提供的一种BLE定位设备的结构示意图。如图9所示,该定位设备包括CPU处理单元,CPU处理单元包括两个内核,其中一个内核CPU1用于运行主要应用软件,另一内核CPU2用于执行低功耗蓝牙和射频实时处理任务;还包括射频系统,所述的射频系统与阵列天线连接;CPU1和CPU2分别通过共享总线矩阵和存储器进行通信,CPU2还可以通过射频总线矩阵与射频系统通信。其中,所述存储器中存储计算机程序,所述计算机程序被执行时,使得所述BLE定位设备执行BLE定位方法。
参见图10,为本发明实施例提供的一种BLE定位方法的流程图。如图10所示,所述方法应用于BLE定位设备的CPU处理单元,尤其应用于CPU2,该方法包括:
301,根据BLE标签的定位信号,确定发射信道信息、初始到达角和天线对相位差。
具体地,BLE定位设备通过天线阵列接收待定位标签发送的携带有CTE的BLE数据包。BLE定位设备对天线阵列接收到的BLE数据包进行解析得到BLE数据包的I/Q分量、RSSI和BLE通道索引值。之后,根据I/Q分量和/或RSSI计算出天线对相位差以及初始到达角。
示例性的,当BLE定位设备的天线阵列为图2所示半圆面阵板时,CPU2计算出的天线对相位差包括:第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差。并且,CPU2根据第一半圆阵列中1-4号天线两两之间的天线对相位差,以及第二半圆阵列中0、5-7号天线两两之间的天线对相位差,计算得到初始到达角。
示例性的,当BLE定位设备的天线阵列为上述图3A或图3B所示天线线阵板结构时,CPU2计算出的天线对相位差包括:第一天线组的天线对相位差以及第二天线组的天线对相位差。并且,CPU2根据第一天线组的天线对相位差和第二天线组的天线对相位差,计算得到初始到达角。
302,将所述发射信道信息、所述初始到达角和所述天线对相位差输入随机森林模型,所述随机森林模型输出第一到达角。
303,将所述发射信道信息、所述初始到达角和所述天线对相位差输入SVM模型,所述SVM模型输出第二到达角。
304,将所述第一到达角和所述第二到达角输入投票模型,所述投票模型输出校正后的到达角。
本发明实施例中,BLE定位设备集成有AOA计算模型。其中,AOA计算模型的结构参见图4所示,包括随机森林模型、SVM模型和投票模型。其中,随机森林模型建立有BLE通道索引值、初始到达角和天线对相位差,第一到达角之间的计算规则。当向随机森林模型输入BLE通道索引值、初始到达角和天线对相位差之后,随机森林模型输出第一到达角。同理,SVM模型可以根据输入的BLE通道索引值、初始到达角和天线对相位差,计算所输入初始到达角与对应角度标签的置信度值,根据置信度值SVM模型可以输出第二到达角。AOA计算模型中的投票模型可以通过对第一到达角和第二到达角的投票输出最终到达角,实现对AOA校正。
进一步,本发明实施例中的上述随机森林模型和SVM模型的具体计算过程可以参见图6-图8相关实施例的说明,此处不再赘述。
具体实现中,本申请还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本申请提供的各实施例中的部分或全部步骤。上述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
具体实现中,本申请实施例还提供了一种计算机程序产品,上述计算机程序产品包含可执行指令,当上述可执行指令在计算机上执行时,使得计算机执行上述方法实施例中的部分或全部步骤。
本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达,是指的这些项中的任意组合,包括单项或复数项的任意组合。例如,a,b和c中的至少一项可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
本领域普通技术人员可以意识到,本文中公开的实施例中描述的各单元及算法步骤,能够以电子硬件、计算机软件和电子硬件的结合来实现。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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本申请的具体实施方式,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。
Claims (17)
1.一种定位寻向系统,其特征在于,包括:
待定位标签,用于发射定位信号;
接收设备,用于根据接收到的定位信号确定定位参数;
定位处理设备,用于根据所述定位参数确定接收设备所接收定位信号的发射信道信息、初始到达角和天线对相位差;根据所述发射信道信息、初始到达角和天线对相位差计算到达角,并校正所述到达角。
2.根据权利要求1所述的系统,其特征在于,所述接收设备包括半圆面阵板,所述半圆面阵板包括:第一半圆阵列和第二半圆阵列;
所述第一半圆阵列和所述第二半圆阵列分别包括N和M个天线,所述N个天线中的1个天线位于所述第一半圆阵列的圆心位置,N-1个天线位于所述第一半圆阵列的半圆弧位置,所述M个天线中的1个天线位于所述第二半圆阵列的圆心位置,M-1个天线位于所述第二半圆阵列的半圆弧位置,N≥3,M≥3;
所述第一半圆阵列和所述第二半圆阵列设置在同一平面内,且所述第一半圆阵列和所述第二半圆阵列的直径相互平行;
所述定位处理设备根据所述半圆面阵板接收定位信号确定出的天线对相位差包括:所述第一半圆阵列包含的各天线两两之间的天线对相位差以及所述第二半圆阵列包含的各天线两两之间的天线对相位差。
3.根据权利要求1所述的系统,其特征在于,所述接收设备包括多天线线阵板,所述多天线线阵板上设有N个天线,N≥3;N个天线中包括至少一个基准天线,每个所述基准天线对应于相匹配的两个天线组;
所述定位处理设备根据所述多天线线阵板接收定位信号确定出的天线对相位差包括:各个天线组分别对应的天线对相位差。
4.一种定位寻向方法,其特征在于,包括:
确定待定位标签所发射定位信号的发射信道信息、初始到达角和天线对相位差;
将所述发射信道信息、所述初始到达角和所述天线对相位差输入随机森林模型,所述随机森林模型输出第一到达角;
将所述发射信道信息、所述初始到达角和所述天线对相位差输入支持向量机SVM模型,所述SVM模型输出第二到达角;
将所述第一到达角和所述第二到达角输入投票模型,所述投票模型输出校正后的到达角。
5.根据权利要求4所述的方法,其特征在于,所述随机森林模型包括X个决策树和第一决策模块,其中:
每个所述决策树均用于根据输入的发射信道信息、天线对相位差和初始到达角,输出待决策到达角;
所述第一决策模块用于确定所述X个决策树输出的待决策到达角的投票概率,并根据各待决策到达角的投票概率输出所述第一到达角。
6.根据权利要求5所述的方法,其特征在于,所述X个决策树通过X个样本集合训练得到,每个所述样本集合均包含多个样本数据,所述样本数据为标注有到达角的发射信道信息、天线对相位差和初始到达角;其中,
每个所述决策树通过相对应样本集合的训练,均建立输入的发射信道信息、天线对相位差和初始到达角,与输出的待决策到达角之间的决策规则。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在训练过程中,所述随机森林模型包含的决策树个数xi随机确定;
当决策树个数为xi时,所述随机森林模型输出的第一到达角的准确度为zi,所述zi根据样本数据标注的到达角确定;
根据不同取值的xi所对应的zi,确定所述随机森林模型的决策树个数为X。
8.根据权利要求4所述的方法,其特征在于,所述SVM模型包括Y个二分类器和第二决策模块;
所述Y个二分类器对应Y个角度标签,每个所述二分类器均用于根据输入的发射信道信息、天线对相位差和初始到达角,计算所输入初始到达角与对应角度标签的置信度值;
所述第二决策模块用于根据Y个所述置信度值,从所述Y个二分类器中确定目标二分类器,并将所述目标二分类器的角度标签确定为所述第二到达角。
9.根据权利要求8所述的方法,其特征在于,每个所述二分类器均对应一个正量样本集,每个所述正量样本集均包含多个样本数据,所述样本数据为标注有到达角的发射信道信息、天线对相位差和初始到达角;
每个所述二分类器通过Y个所述正量样本集的训练,均建立输入的发射信道信息、天线对相位差和初始到达角,与自身角度标签的间隔计算规则,根据所述间隔计算规则计算出的间隔值用于确定置信度值;
其中,在训练过程中,当输入所述二分类器的数据属于自身对应的正量样本集时,输出的置信度值为正值;当输入所述二分类器的数据属于其它Y-1个正量样本集时,输出的置信度值为负值。
10.根据权利要求4所述的方法,其特征在于,所述天线对相位差包括:半圆面阵板的多个天线对相位差,其中,所述半圆面阵板包括:第一半圆阵列和第二半圆阵列;
所述第一半圆阵列和所述第二半圆阵列分别包括N和M个天线,所述N个天线中的1个天线位于所述第一半圆阵列的圆心位置,N-1个天线位于所述第一半圆阵列的半圆弧位置,所述M个天线中的1个天线位于所述第二半圆阵列的圆心位置,M-1个天线位于所述第二半圆阵列的半圆弧位置,N≥3,M≥3;
所述第一半圆阵列和所述第二半圆阵列设置在同一平面内,且所述第一半圆阵列和所述第二半圆阵列的直径相互平行;
所述半圆面阵板的多个天线对相位差,包括:所述第一半圆阵列包含的各天线对相位差以及所述第二半圆阵列包含的各天线对相位差;
所述随机森林模型根据所述发射信道信息、所述半圆面阵板的初始到达角、所述第一半圆阵列包含的各天线两两之间的天线对相位差以及所述第二半圆阵列包含的各天线两两之间的天线对相位差,输出所述第一到达角;
所述SVM模型根据所述发射信道信息、所述半圆面阵板的初始到达角、所述第一半圆阵列包含的各天线两两之间的天线对相位差以及所述第二半圆阵列包含的各天线两两之间的天线对相位差,输出所述第二到达角。
11.根据权利要求4所述的方法,其特征在于,所述天线对相位差包括:多天线线阵板的多个天线对相位差,其中,所述多天线线阵板上设有N个天线,N≥3;N个天线中包括至少一个基准天线,每个基准天线对应于相匹配的两个天线组;
所述多天线线阵板的多个天线对相位差,包括:各个天线组分别对应的天线对相位差;
所述随机森林模型根据所述发射信道信息、所述多天线线阵板的初始到达角以及各个天线组分别对应的天线对相位差,输出所述第一到达角;
所述SVM模型根据所述发射信道信息、所述多天线线阵板的初始到达角以及各个天线组分别对应的天线对相位差,输出所述第二到达角。
12.根据权利要求4所述的方法,其特征在于,所述发射信道信息包括发射信道索引值。
13.一种BLE定位方法,其特征在于,包括:
根据BLE标签的定位信号,确定发射信道信息、初始到达角和天线对相位差;
根据所述发射信道信息、初始到达角和天线对相位差计算到达角,并校正所述到达角。
14.根据权利要求13所述的方法,其特征在于,根据所述发射信道信息、初始到达角和天线对相位差计算到达角,并校正所述到达角,包括:
将所述发射信道信息、所述初始到达角和所述天线对相位差输入随机森林模型,所述随机森林模型输出第一到达角;
将所述发射信道信息、所述初始到达角和所述天线对相位差输入支持向量机SVM模型,所述SVM模型输出第二到达角;
将所述第一到达角和所述第二到达角输入投票模型,所述投票模型输出校正后的到达角。
15.根据权利要求14所述的方法,其特征在于,所述随机森林模型包括X个决策树和第一决策模块,其中:
每个所述决策树均用于根据输入的发射信道信息、天线对相位差和初始到达角,输出待决策到达角;
所述第一决策模块用于确定所述X个决策树输出的待决策到达角的投票概率,并根据各待决策到达角的投票概率输出所述第一到达角。
16.根据权利要求14所述的方法,其特征在于,所述SVM模型包括Y个二分类器和第二决策模块;
所述Y个二分类器对应Y个角度标签,每个所述二分类器均用于根据输入的发射信道信息、天线对相位差和初始到达角,计算所输入初始到达角与对应角度标签的置信度值;
所述第二决策模块用于根据Y个所述置信度值,从所述Y个二分类器中确定目标二分类器,并将所述目标二分类器的角度标签确定为所述第二到达角。
17.一种BLE定位装置,其特征在于,包括:
处理器;
存储器;
以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中,所述一个或多个计算机程序包括指令,当所述指令被执行时,使得所述BLE定位装置执行权利要求13-16中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111210902.4A CN113945887B (zh) | 2021-10-18 | 2021-10-18 | 定位寻向系统、方法和ble定位装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111210902.4A CN113945887B (zh) | 2021-10-18 | 2021-10-18 | 定位寻向系统、方法和ble定位装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113945887A true CN113945887A (zh) | 2022-01-18 |
CN113945887B CN113945887B (zh) | 2022-11-22 |
Family
ID=79331225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111210902.4A Active CN113945887B (zh) | 2021-10-18 | 2021-10-18 | 定位寻向系统、方法和ble定位装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113945887B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170227623A1 (en) * | 2013-10-01 | 2017-08-10 | Phasorlab, Inc. | Angle of Arrival Measurements Using RF Carrier Synchronization and Phase Alignment Methods |
US20180035256A1 (en) * | 2005-12-15 | 2018-02-01 | Polte Corporation | Angle of arrival (aoa) positioning method and system for positional finding and tracking objects using reduced attenuation rf technology |
CN108288991A (zh) * | 2017-01-09 | 2018-07-17 | 中兴通讯股份有限公司 | 波束信息、配置信息的反馈方法及装置 |
US20190037350A1 (en) * | 2012-08-03 | 2019-01-31 | Polte Corporation | Angle of arrival (aoa) positioning method and system for positional finding and tracking objects using reduced attenuation rf technology |
CN109874134A (zh) * | 2019-02-01 | 2019-06-11 | 重庆谷庚科技有限责任公司 | 基于ofdm的rf标签室内定位系统及方法 |
US20190391224A1 (en) * | 2018-06-20 | 2019-12-26 | Denso International America, Inc. | Circular Polarized Angle Of Arrival Measuring System |
CN110891308A (zh) * | 2018-09-07 | 2020-03-17 | 财团法人工业技术研究院 | 无线定位校准系统及其方法 |
CN111352083A (zh) * | 2020-01-17 | 2020-06-30 | 武汉大学 | 一种高频地波雷达多接收通道增益自动校准方法及装置 |
CN112040394A (zh) * | 2020-08-05 | 2020-12-04 | 深圳市微能信息科技有限公司 | 一种基于ai深度学习算法的蓝牙定位方法及系统 |
US20210096207A1 (en) * | 2019-09-30 | 2021-04-01 | Silicon Laboratories Inc. | Angle of Arrival Using Machine Learning |
US20210124006A1 (en) * | 2019-10-29 | 2021-04-29 | Hon Lin Technology Co., Ltd. | Method and apparatus for estimating angle of arrival of signals in wireless communication system |
CN112929817A (zh) * | 2021-02-04 | 2021-06-08 | 珠海极海半导体有限公司 | 终端定位方法、装置、终端、存储介质及程序产品 |
CN113115224A (zh) * | 2021-04-06 | 2021-07-13 | 中移(上海)信息通信科技有限公司 | 室内定位方法和室内定位装置 |
CN214101799U (zh) * | 2020-11-17 | 2021-08-31 | 浙江王力安防产品有限公司 | 一种基于蓝牙aoa定位技术的室内定位装置 |
-
2021
- 2021-10-18 CN CN202111210902.4A patent/CN113945887B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180035256A1 (en) * | 2005-12-15 | 2018-02-01 | Polte Corporation | Angle of arrival (aoa) positioning method and system for positional finding and tracking objects using reduced attenuation rf technology |
US20190037350A1 (en) * | 2012-08-03 | 2019-01-31 | Polte Corporation | Angle of arrival (aoa) positioning method and system for positional finding and tracking objects using reduced attenuation rf technology |
US20170227623A1 (en) * | 2013-10-01 | 2017-08-10 | Phasorlab, Inc. | Angle of Arrival Measurements Using RF Carrier Synchronization and Phase Alignment Methods |
CN108288991A (zh) * | 2017-01-09 | 2018-07-17 | 中兴通讯股份有限公司 | 波束信息、配置信息的反馈方法及装置 |
US20190391224A1 (en) * | 2018-06-20 | 2019-12-26 | Denso International America, Inc. | Circular Polarized Angle Of Arrival Measuring System |
CN110891308A (zh) * | 2018-09-07 | 2020-03-17 | 财团法人工业技术研究院 | 无线定位校准系统及其方法 |
CN109874134A (zh) * | 2019-02-01 | 2019-06-11 | 重庆谷庚科技有限责任公司 | 基于ofdm的rf标签室内定位系统及方法 |
US20210096207A1 (en) * | 2019-09-30 | 2021-04-01 | Silicon Laboratories Inc. | Angle of Arrival Using Machine Learning |
US20210124006A1 (en) * | 2019-10-29 | 2021-04-29 | Hon Lin Technology Co., Ltd. | Method and apparatus for estimating angle of arrival of signals in wireless communication system |
CN111352083A (zh) * | 2020-01-17 | 2020-06-30 | 武汉大学 | 一种高频地波雷达多接收通道增益自动校准方法及装置 |
CN112040394A (zh) * | 2020-08-05 | 2020-12-04 | 深圳市微能信息科技有限公司 | 一种基于ai深度学习算法的蓝牙定位方法及系统 |
CN214101799U (zh) * | 2020-11-17 | 2021-08-31 | 浙江王力安防产品有限公司 | 一种基于蓝牙aoa定位技术的室内定位装置 |
CN112929817A (zh) * | 2021-02-04 | 2021-06-08 | 珠海极海半导体有限公司 | 终端定位方法、装置、终端、存储介质及程序产品 |
CN113115224A (zh) * | 2021-04-06 | 2021-07-13 | 中移(上海)信息通信科技有限公司 | 室内定位方法和室内定位装置 |
Non-Patent Citations (6)
Title |
---|
HU, WEIWEI: ""DOA estimation with channel gain-phase uncertainties via Schur-product and RARE algorithm"", 《IET RADAR, SONAR & NAVIGATION》 * |
LUAN CHEN等: ""AoA-Aware Probabilistic Indoor Location Fingerprinting Using Channel State Information"", 《IEEE INTERNET OF THINGS JOURNAL》 * |
冯啸羽: ""干涉仪测向的校准技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
刘璐,等: ""基于子空间匹配追踪的LFM信号的DOA估计"", 《电子科技》 * |
姜思仪,等: ""基于L型延迟阵列调制宽带转换器的信号载频和二维到达角联合估计"", 《物理学报》 * |
王珍雪,等: ""模拟电荷法在UHVDC输电线路中的优化及应用"", 《高压电器》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113945887B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11782118B2 (en) | Direction of arrival estimation | |
US10145933B2 (en) | Angle determining system and method | |
Randazzo et al. | Direction of arrival estimation based on support vector regression: Experimental validation and comparison with MUSIC | |
Zou et al. | A mutual information based online access point selection strategy for WiFi indoor localization | |
CN112929817B (zh) | 终端定位方法、装置、终端及存储介质 | |
CN111856402B (zh) | 信号处理方法及装置、存储介质、电子装置 | |
Zhou et al. | MobiFi: Fast deep-learning based localization using mobile WiFi | |
Zhang et al. | Tips: Transformer based indoor positioning system using both csi and doa of wifi signal | |
CN113993068B (zh) | 定位寻向系统、方法和ble定位设备 | |
Paulino et al. | Self-localization via circular bluetooth 5.1 antenna array receiver | |
CN107894581A (zh) | 一种宽带阵列波达方向估计方法 | |
Molodtsov et al. | Experimental study of smoothing modifications of the MUSIC algorithm for direction of arrival estimation in indoor environments | |
CN113945887B (zh) | 定位寻向系统、方法和ble定位装置 | |
Lin et al. | A self-learning mean optimization filter to improve bluetooth 5.1 AoA indoor positioning accuracy for ship environments | |
CN115963461A (zh) | 雷达设备的角度测试方法和装置、存储介质及电子装置 | |
CN110049551A (zh) | 基于商用无线WiFi设备的信号追踪方法 | |
CN112968303B (zh) | 阵列天线、定位方法、定位系统、ble定位装置及ble设备 | |
CN112152689B (zh) | 波束发送控制方法、装置及发送端 | |
CN111965597A (zh) | 一种组合阵列测向装置、系统和方法 | |
CN216560970U (zh) | 线阵天线、定位系统和ble芯片 | |
Tian et al. | Indoor real-time localization by mitigating multipath signals | |
US20240094380A1 (en) | Method for performing positioning operation and electronic device for supporting same | |
CN112153735B (zh) | 设备定位方法、装置、存储介质及电子设备 | |
CN113766424B (zh) | 一种无人机室内定位方法、装置、计算机设备及存储介质 | |
EP4067928A1 (en) | Method for determining an angle of arrival, device, computer program product and non-volatile 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |