CN113993074A - 一种5g基站信号收发装置及目标定位方法 - Google Patents

Abstract

本发明一种5G基站信号收发装置及目标定位方法，包括以下步骤：步骤S1：场景中部署广角相机与5G新型数字室分系统；步骤S2：利用计算机视觉获取场景中的目标位置；步骤S3：构建场景地图，然后基于图像变换获取目标在场景地图中的位置；步骤S4：获取5G基站接收信号的DOA、TOA信息，获取接收信号与地图目标的匹配度，同时构建二部图，获取最优的目标位置。本发明通过单个5G基站信号收发装置与相机即可实现目标的定位，应用简单，定位速度快，且对环境具有鲁棒的定位效果，不受环境影响，同时在定位时，只需TOA、DOA信息即可得到与地图目标位置的匹配度，不需要考虑任何信道信息。

Description

一种5G基站信号收发装置及目标定位方法

技术领域

本申请涉及无线定位领域，具体涉及一种5G基站信号收发装置及目标定位方法。

背景技术

随着5G建设正式拉开了帷幕，各运营商随即展开5G宏站的大规模建设，但由于5G频段的特殊性导致室内信号覆盖难度较4G大幅度增加，同时施工难度、投资成本、覆盖效果等各类问题日益突出。

当前国内运营商室内覆盖主要仍然采用传统DAS解决室内覆盖问题，传统DAS主要采用无源器件，产业链成熟，具有投资小、故障率低、系统简单有效、后期可以通过合路进行多系统扩容等优点，但是随着5G的逐步普及，5G网络采用MIMO技术(同频多流，现网85％的场景都是单缆单流系统)，以及用户对速率、容量等移动业务的变化，传统DAS面临巨大挑战。

因此，亟需一种可实现支持单射频馈线传4T4R的5G新型数字室分系统，同时随着5G新型数字室分系统的成功部署与商用，基站的天线数量也将会继续增加，因此基于到达角的定位方法的定位精度也会大幅度提高，然而，在复杂的环境下尤其在NLOS环境下，基于到达角的定位技术定位精度会很差甚至无法定位，因此本发明提供了一种定位方法，可以很好的解决NLOS环境下的定位问题。

发明内容

针对上述问题，本发明提出了一种5G基站信号收发装置，包括多个广角相机和5G新型数字室分系统，多个所述广角相机之间采用图像拼接技术实现视频覆盖，所述5G新型数字室分系统包括：

5G基带单元，在下行链路中，所述5G基带单元用于将5G核心网输出的IP报文数据处理成5G数字信号，并输出到扩展单元，扩展单元用于接收到的5G数字信号并分发至5G远端单元ERU，在上行链路中，所述5G基带单元用于接收5G数字信号并将其处理成IP报文数据并发给5G核心网；

扩展单元，在下行链路中，所述扩展单元用于接收到的5G数字信号并分发至5G远端单元ERU，在上行链路中，所述扩展单元用于接收的5G数字信号并转发至5G基带单元；

5G远端单元ERU，在下行链路中，所述5G远端单元ERU用于接收到的5G数字信号处理成5G射频信号，5G远端单元ERU内置多个5G变频单元，将5G射频信号变频成其他不同频段射频信号，并与原有5G射频信号合路，合路后的射频信号经过馈线下发到DRU单元，在上行链路中，所述5G远端单元ERU用于处理DRU单元输出的射频信号，并还原成5G射频信号并转换成5G数字信号，将5G数字信号输出给扩展单元；

DRU单元，在下行链路中，所述DRU单元用于将变频后的5G射频信号还原成5G射频信号，并与其他射频信号一起经过天线发射出去，在上行链路中，所述DRU单元将天线接收到的5G射频信号变频处理成其他频段射频信号，与未变频的5G信号一起合路，合路后的射频信号经过馈线输出给5G远端单元ERU。

本发明还涉及一种目标定位方法，该方法包括以下步骤：

步骤S1：场景中部署广角相机与5G新型数字室分系统；

步骤S2：利用计算机视觉获取场景中的目标位置；

步骤S3：构建场景地图，然后基于图像变换获取目标在场景地图中的位置；

步骤S4：获取5G基站接收信号的DOA、TOA信息，获取接收信号与地图目标的匹配度，同时构建二部图，获取最优的目标位置。

有益效果：

(1)本发明中5G新型数字室分系统，不仅5G远端单元ERU相对与常规5G远端单元使用的数字芯片更少，硬件成本更低，供应链更有保障，而且5G远端单元ERU本身还可以下挂8个DRU单元进行延伸覆盖，覆盖面积相当于常规5G远端单元覆盖面积的8倍以上，在工程建设角度上建设成本可以进一步降低。

(2)本发明通过单个5G基站信号收发装置与相机即可实现目标的定位，应用简单，定位速度快，且对环境具有鲁棒的定位效果，不受环境影响，同时在定位时，只需TOA、DOA信息即可得到与地图目标位置的匹配度，不需要考虑任何信道信息。

附图说明

图1是本发明提供的一种5G基站信号收发装置及目标定位方法中5G远端单元ERU原理框图；

图2是本发明提供的一种5G基站信号收发装置及目标定位方法中DRU单元原理框图；

图3是本发明提供的一种5G基站信号收发装置及目标定位方法中5G新型数字室分系统的示意图；

图4是本发明提供的一种5G基站信号收发装置及目标定位方法中模型化DOA问题的示意图；

图5是本发明提供的一种5G基站信号收发装置及目标定位方法中空间谱的坐标系图；

图6是本发明提供的一种5G基站信号收发装置及目标定位方法中DOA估计和连线的示意图；

图7是本发明提供的一种5G基站信号收发装置及目标定位方法中智能终端信息组成的二部图。

具体实施方式

为了让本领域技术人员更好的理解本发明，下面结合实施例和附图对本发明展开描述。

为了实现本发明所述内容，本发明设计了一种5G基站信号收发装置及目标定位方法，包括以下步骤：

步骤S1：场景中部署广角相机与5G新型数字室分系统。

本发明主要采用数模混合技术，可实现5G新型数字室分系统设备中减少数字芯片(FPGA、ADU等)的使用，最终得以降低5G新型数字室分系统的成本，同时基于5G进行设备的定位。

为达成上述目的，本发明所提供的技术方案是，提供一种数模混合技术，应用在新型数字室分系统远端单元上，使该远端单元既减少了数字芯片的使用，又扩大了远端单元的覆盖范围。

常规的5G新型数字室分系统组成如下：

常规的5G新型数字室分系统包括5G基带单元、扩展单元以及5G远端单元，其中5G基带单元用于与5G核心网连接，5G远端单元用于与天线连接。远端单元通常内置4T4R天线(如图3所示)。

本发明技术的5G新型数字室分系统组成包括5G基带单元、扩展单元、5G远端单元ERU以及DRU。

在下行链路中，5G基带单元将5G核心网输出的IP报文数据处理成5G数字信号，并输出到扩展单元，扩展单元将接收到的5G数字信号分发给5G远端单元ERU，5G远端单元ERU将接收到的5G数字信号处理成5G射频信号，5G远端单元ERU内置多个5G变频单元，将5G射频信号变频成其他不同频段射频信号，与原有5G射频信号一起合路，合路后的射频信号经过馈线下发到DRU单元，DRU单元把变频后的5G射频信号还原成5G射频信号，并与其他射频信号一起经过天线发射出去。

在上行链路中，DRU单元把天线接收到的5G射频信号按照需要进行变频处理成其他频段射频信号，与未变频的5G信号一起合路，合路后的射频信号经过馈线输出给5G远端单元ERU，5G远端单元ERU把DRU单元输出的射频信号进行处理，还原成5G射频信号并转换成5G数字信号，并将5G数字信号输出给扩展单元，扩展单元将接收的5G数字信号转发给5G基带单元，5G基带单元把接收到的5G数字信号处理成IP报文数据并发给5G核心网。

通过上述装置可以扩大5G信号的覆盖范围。

同时本发明还提供了一种目标定位的方法，在该新型5G室内分布系统中，还包含广角相机的部署，在场景中部署广角相机，同时广角相机覆盖的范围应足够大，可以部署多个相机，以覆盖整个室内环境，多个相机之间可以采用图像拼接技术来实现视频覆盖。图像拼接属于计算机视觉领域周知技术，这里不再赘述。

步骤S2：利用计算机视觉获取场景中的目标位置。

通常可以用5G来定位智能终端，如手机等，手机通常是人员使用的，因此此处主要利用计算机视觉定位人员的位置，以人员位置作为智能终端的位置。

所述计算机视觉技术优选的可采用目标检测技术，优选的采用基于深度学习的3D目标检测技术，通过3D目标检测获取图像中存在的人员，得到其3D包围框表示，采用基于深度学习和单目视觉的网络模型，如M3D-RPN、YOLO3D、SSD-6D、Mono3D++等，实施者可自由采取，需要说明的是，由于应用场景问题，模型通常需要再次进行训练与优化，神经网络的训练及优化方法为本领域技术人员所周知的，这里不再赘述。

采用3D目标检测技术，可以精确的获取人员的坐标，此处利用3D包围框的底部四点所围成区域的中心点作为人员的坐标位置。

步骤S3：构建场景地图，然后基于图像变换获取目标在场景地图中的位置。

为了便于后续分析，此处构建场景地图。

进一步的，然后对相机图像进行图像变换得到相机的在场景地图中的平面图像，所述图像变换优选的，采用透视变换，透视变换需要计算单应性矩阵，可以根据相机图像地面四点与场景地图四点进行估计，单应性矩阵求解方法为周知的，这里不再赘述。

经过透视变换可以得到图像中每个人员的投影坐标集合，坐标系是基于场景地图原点的。

所述投影坐标集合为图像中每个实例的3D包围框底面的四个角点所围成区域的中心点，中心点即作为该目标的位置。

通过3D目标检测与透视变换可以准确的知道人员在当前场景下的位置。

步骤S4：获取5G基站接收信号的DOA、TOA信息，获取接收信号与地图目标的匹配度，同时构建二部图，获取最优的目标位置。

利用DOA估计方法对5G新型数字室内分布系统的基站天线阵列接收的数据进行计算，得到对每个智能终端的估计角度信息，所述DOA估计方法可以通过MUSIC法、ESPRIT法、CSSM方法进行估计，本发明采用MUSIC方法。

经过模型化之后的DOA问题如图4所示，以一个包含M个传感器的均匀线阵(ULA)为例，相邻两个传感器的间距为Δl，θ表示来波方向(DOA)，R代表参考点与信号源之间的距离。

然后获取智能终端与基站的TOA(到达时间)信息，通过获取无线电信号从智能终端到基站之间的时间，然后通过无线点信号传播速度乘时间得到距离。

由于场景环境噪声的问题，且Music算法最终在空间谱域求取谱函数最大值，其谱峰对应的角度即是来波方向角的估计值，对于空间谱可能存在多个峰值，即可能存在多个估计角度(如图5所示)。

此处选取最大峰值范围内的峰值，来作为可信DOA估计角度集合，假设最大空间谱峰值为T，则有经验空间谱阈值G为5，获取峰值在T-G范围内的DOA估计角度，然后将该些角度集合与最大峰值所对应的DOA估计角度集合作为可信DOA估计角度集合。

本发明只基于5G新型数字室内分布系统中的一个基站信号收发装置及相应覆盖范围内的相机即可实现目标定位，避免了在复杂的环境下尤其在NLOS环境下，基于到达角的定位技术(基于多基站的方法)定位精度会很差甚至无法定位的情况。

在场景地图中，每一个基站信号收发装置都有其相应的信号覆盖范围(可人为调试)，然后获取信号强度较高的覆盖区域(较低区域进行舍弃，影响定位的精度)，然后获取该覆盖范围的场景地图中的平面图像(由多个相机拍摄的图像进行图像拼接与透视变换得到，即步骤S2)。

进一步的，将该基站覆盖范围内的每个人员坐标与基站坐标进行相连，然后求取角度，则每个人员与基站都有一个相应的到达角度，然后与信号DOA估计得到的角度进行做差，得到角度差θ：

θ＝|θ_DOA-θ′|

θ_DOA即为智能终端与基站信号经过DOA估计后得到的角度。θ′为每个视觉投影的人员坐标与基站连线所求取的角度。

由于在实际环境中，无线电信号从基站到智能终端传播过程中会遇到障碍物，无线电信号可能是通过反射，绕射，衍射的方式到达智能终端，这样导致信号传播过程中多径的存在，其会带来时延扩展，导致估计的得到TOA带有误差。尤其在室内环境中，障碍物如墙壁等普遍存在，估计得到的TOA普遍存在多径引起的误差。由于TOA计算完全依赖于时间，对系统的时间同步要求很高，任何很小的时间误差都会被放大很多倍，同时由于多径效应的影响又会带来很大的误差，因而单纯的TOA在实际中应用很少。为减少TOA误差的影响，即TOA求取的距离存在误差，此处采用距离与角度乘积匹配方式来减少TOA误差导致的影响。

求取角度差的同时，求取每个人员与基站的距离，该距离为平面地图中的距离，需要进行比例尺转换，转换为实际距离。

然后将每个人员与基站的实际距离与TOA求得的距离进行做差，得到距离差：

d＝|d_DOA-d′|

d_DOA即为智能终端与基站信号经过TOA后得到的实际距离，d′为每个视觉投影的人员坐标与基站连线所求取的实际距离。

参照图6，对于角度差而言，角度差越小代表该视觉投影的人员坐标与DOA估计的方位越匹配，即DOA估计的方位越可能代表的就是该人员坐标。同理，距离差越小代表该视觉投影的人员坐标与TOA得到的距离越接近，越可能是根据该人员所持的智能终端求解得到的TOA。

进一步的，获取5G基站接收信号与地图中目标的匹配度S：

S＝θ*d

采用相乘操作，可以同时让方位、距离越接近的目标匹配度越大。

通过上述方法，可以获取可信DOA估计角度集合中每一个DOA估计角度与场景地图中目标的匹配度。

对于场景中，可能存在多个智能终端，每一个智能终端都可以通过上述方法，获取相应智能终端的可信DOA估计角度集合中每一个DOA估计角度与场景地图中目标的匹配度。

然后将多个智能终端的上述信息组成匹配二部图，如图7所示，图中左边部分每个点为5G基站信号收发装置在某一时刻接收到的多个信号，即代表了多个智能终端，右部分中的点代表了由计算机视觉获取的目标，左部分所有边与右部分所有边进行互连，边的边权为5G基站接收信号与地图中目标的匹配度S。假设左部分有10个点，右部分为15个点，则成本矩阵为10行15列的矩阵，矩阵中的值为相应的匹配度S。

进一步的，采用KM匹配算法，可以实现场景下多个人投影坐标与5G基站接收信号的最优匹配，KM匹配算法的输入为成本矩阵，矩阵形状为[N1,N2]，N1为5G基站信号收发装置接收到的信号数量，N2为地图中的目标数量，最终通过KM匹配算法进行最优的最小成本的匹配。

由于场景环境噪声的问题，且Music算法最终在空间谱域求取谱函数最大值，其谱峰对应的角度即是来波方向角的估计值，对于空间谱可能存在多个峰值，即可能存在多个估计角度。因此对于每个终端都有一个可信DOA估计角度集合。

然后对于每个终端进行二部图中的成本更换，将二部图中左边一个点与右边每个点进行成本更换(边权更换)，将每一个可信DOA估计角度与场景地图中目标的匹配度更换二部图中的边权，得到新的二部图，再次进行最优最小匹配。

至此，即可得到多个最优最小匹配方案，然后选取多个最优最小匹配中最小成本的匹配，作为最终的匹配结果。

举例说明：假设5G基站信号收发装置在某一时刻接收到的2个信号，即代表了2个智能终端，右部分中的点代表了由计算机视觉获取的目标，存在5个目标。对于2个信号而言，第一个信号的可信DOA估计角度集合中DOA估计角度数目为3个，第二个信号的可信DOA估计角度集合中DOA估计角度数目为4个。

则应有3*4个不同边权的二部图。对于每个二部图都可以通过KM匹配得到最优最小的成本，总共12个最优最小的成本，选取最小的那个成本即可。

匹配后就可以得到接收信号与地图目标的匹配关系，然后将地图目标的位置作为该信号的位置，即可实现定位。

至此，即可实现5G基站对每个接收信号的定位。

以上所述旨在让本领域技术人员更好的理解本发明，并不用于限制本发明。

Claims (7)

1.一种5G基站信号收发装置，其特征在于，包括多个广角相机和5G新型数字室分系统，所述5G新型数字室分系统包括：

5G基带单元，在下行链路中，所述5G基带单元用于将5G核心网输出的IP报文数据处理成5G数字信号，并输出到扩展单元，扩展单元用于接收到的5G数字信号并分发至5G远端单元ERU，在上行链路中，所述5G基带单元用于接收5G数字信号并将其处理成IP报文数据并发给5G核心网；

扩展单元，在下行链路中，所述扩展单元用于接收到的5G数字信号并分发至5G远端单元ERU，在上行链路中，所述扩展单元用于接收的5G数字信号并转发至5G基带单元；

5G远端单元ERU，在下行链路中，所述5G远端单元ERU用于接收到的5G数字信号处理成5G射频信号，5G远端单元ERU内置多个5G变频单元，将5G射频信号变频成其他不同频段射频信号，并与原有5G射频信号合路，合路后的射频信号经过馈线下发到DRU单元，在上行链路中，所述5G远端单元ERU用于处理DRU单元输出的射频信号，并还原成5G射频信号并转换成5G数字信号，将5G数字信号输出给扩展单元；

DRU单元，在下行链路中，所述DRU单元用于将变频后的5G射频信号还原成5G射频信号，并与其他射频信号一起经过天线发射出去，在上行链路中，所述DRU单元将天线接收到的5G射频信号变频处理成其他频段射频信号，与未变频的5G信号一起合路，合路后的射频信号经过馈线输出给5G远端单元ERU。

2.根据权利要求1所述的5G基站信号收发装置，其特征在于，多个所述广角相机之间采用图像拼接技术实现视频覆盖。

3.一种应用于权利要求1-2中任意一项所述5G基站信号收发装置的目标定位方法，其特征在于，包括以下步骤：

步骤S1：场景中部署广角相机与5G新型数字室分系统；

步骤S2：利用计算机视觉获取场景中的目标位置；

步骤S3：构建场景地图，然后基于图像变换获取目标在场景地图中的位置；

步骤S4：获取5G基站接收信号的DOA、TOA信息，获取接收信号与地图目标的匹配度，同时构建二部图，获取最优的目标位置。

4.根据权利要求3所述的目标定位方法，其特征在于，所述步骤S1用于广角相机与5G新型数字室分系统的部署，并基于5G进行设备的定位。

5.根据权利要求4所述的目标定位方法，其特征在于，所述步骤S2用于定位场景中人员的位置，以人员位置作为智能终端的位置，计算机视觉采用3D目标检测，通过3D目标检测获取图像中存在的人员，得到其3D包围框表示，3D目标检测采用基于深度学习和单目视觉的网络模型，网络模型采用M3D-RPN、YOLO3D、SSD-6D或Mono3D++，利用3D包围框的底部四点所围成区域的中心点作为人员的坐标位置。

6.根据权利要求5所述的目标定位方法，其特征在于，所述步骤S3用于构建场景地图，对相机图像进行图像变换得到相机的在场景地图中的平面图像，相机图像变换采用透视变换，经过透视变换得到图像中每个人员的投影坐标集合，坐标系基于场景地图的原点，投影坐标集合为图像中每个实例的3D包围框底面的四个角点所围成区域的中心点，中心点作为该目标的位置。

7.根据权利要求6所述的目标定位方法，其特征在于，所述步骤S4用于获取5G基站接收信号的DOA、TOA信息，获取接收信号与地图目标的匹配度，同时构建二部图，获取最优的目标位置，具体的获取方法如下：

a)利用DOA估计方法对5G新型数字室内分布系统的基站天线阵列接收的数据进行计算，得到对每个智能终端的估计角度信息，DOA估计方法通过MUSIC法、ESPRIT法或CSSM方法进行估计，获取智能终端与基站的TOA信息，通过获取无线电信号从智能终端到基站之间的时间，并且通过无线点信号传播速度与时间得到距离；

b)选取最大峰值范围内的峰值，作为可信DOA估计角度集合，获取峰值在最大空间谱峰值T至经验空间谱阈值G范围内的DOA估计角度θ_DOA，将角度集合与最大峰值对应的DOA估计角度集合作为可信DOA估计角度集合；

c)将该基站覆盖范围内的每个人员坐标与基站坐标进行相连，求取角度θ′，每个人员与基站均有相应的到达角度，与信号DOA估计角度θ_DOA进行做差，得到角度差θ：

θ＝|θ_DOA-θ′|；

d)求取角度差的同时，求取每个人员与基站的距离d′，距离d′为平面地图中的距离，通过比例尺转换将距离d′转换为实际距离，将每个人员与基站的实际距离与TOA求得的距离进行做差，得到距离差：

d＝|d_DOA-d′|；

e)获取相应智能终端的可信DOA估计角度集合中每一个DOA估计角度与场景地图中目标的匹配度，获取5G基站接收信号与地图中目标的匹配度S：

S＝θ*d

通过相乘操作使得方位、距离越接近的目标匹配度越大；

f)将多个智能终端的上述信息组成匹配二部图；

g)采用KM匹配算法，实现场景下多个人投影坐标与5G基站接收信号的最优匹配，KM匹配算法的输入采用成本矩阵，矩阵形状为[N1，N2]，通过KM匹配算法进行最优的最小成本的匹配；

g)对于每个终端进行二部图中的成本更换，将二部图中左边一个点与右边每个点进行成本更换，将每一个可信DOA估计角度与场景地图中目标的匹配度更换二部图中的边权，得到新的二部图，再次进行最优最小匹配，得到接收信号与地图目标的匹配关系，将地图目标的位置作为该信号的位置，实现定位。

Images