CN114554398A - 室内定位方法、第一定位服务器及室内定位系统 - Google Patents
室内定位方法、第一定位服务器及室内定位系统 Download PDFInfo
- Publication number
- CN114554398A CN114554398A CN202210380564.7A CN202210380564A CN114554398A CN 114554398 A CN114554398 A CN 114554398A CN 202210380564 A CN202210380564 A CN 202210380564A CN 114554398 A CN114554398 A CN 114554398A
- Authority
- CN
- China
- Prior art keywords
- signal
- algorithm
- positioning
- pilot signal
- matrix
- 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 71
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 113
- 239000011159 matrix material Substances 0.000 claims abstract description 82
- 230000004927 fusion Effects 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 32
- 230000009467 reduction Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 22
- 238000007635 classification algorithm Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000011946 reduction process Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- G01S5/0257—Hybrid positioning
-
- 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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种室内定位方法、第一定位服务器及室内定位系统，该方法包括：获取室内的皮基站上传的导频信号和楼层数；基于压缩感知的改进StOMP算法对导频信号进行重构，并基于改进的波束赋形的MUSIC算法对导频信号进行角度估计，以确定导频信号的到达时间差和到达角；将楼层数、到达时间差和到达角发送到第二定位服务器，以对目标终端进行融合定位；其中，改进StOMP算法在迭代时根据门限值筛选信道矩阵中的奇异值；改进的波束赋形算法中费雪信息损失表达式的块对角转向矩阵由入射角和非直射径引起的附加角度误差确定。通过改进分段正交匹配追踪算法和波束赋形算法，能够使计算得到的到达时间差和到达角更为精准，从而提高对目标终端定位的定位精度。
Description
技术领域
本申请属于通信技术领域，尤其涉及一种室内定位方法、第一定位服务器及室内定位系统。
背景技术
在智慧楼宇以及电力系统检修运维过程中，经常需要及时将设备或者人员位置准确地反馈到后台的控制中心，供管理人员进行人员调度、检修指挥，从而有效提高调度指挥的效率。目前，室外已广泛利用北斗等卫星定位系统实现高精度定位，而在室内卫星信号会受到严重遮挡，从而引起非视距(Non Line of Sight,NLOS)传输和多径效应现象，定位精度急剧降低。
在室内定位中，到达时间差(Time Difference of Arrival,TDOA)和到达角度(Angle of Arrival,AOA)是两种基础的定位技术，这两种方法虽然一定程度提高了定位精度，仍存在难以区分直射径以及低分辨率问题。
发明内容
有鉴于此，本发明提供了一种室内定位方法、第一定位服务器及室内定位系统，旨在现有技术的室内定位精度低的问题。
本发明实施例的第一方面提供了一种室内定位方法，应用于第一定位服务器，包括：
获取基站上传的目标信息，其中，所述目标信息为同一层多个PRRU接收到的目标终端的导频信号和目标终端所在的楼层数；所述基站为部署在楼房室内的皮基站；
根据压缩感知算法和改进的分段正交匹配追踪算法对所述导频信号进行重构，以确定所述导频信号的到达时间差，并根据改进的波束赋形算法和多信号分类算法对所述导频信号进行角度估计，得到所述导频信号的到达角；
将所述楼层数、所述到达时间差和所述到达角发送到第二定位服务器，以对目标终端进行融合定位；其中，所述改进的分段正交匹配追踪算法在迭代过程中根据预设门限值对信道矩阵中的奇异值进行筛选；所述改进的波束赋形算法中的费雪信息损失表达式的块对角转向矩阵由入射角和非直射径引起的附加角度误差确定。
本发明实施例的第二方面提供了一种室内定位装置，包括：
获取模块，用于获取基站上传的目标信息，其中，所述目标信息为同一层多个PRRU接收到的目标终端的导频信号和目标终端所在的楼层数；所述基站为部署在楼房室内的皮基站；
计算模块，用于根据压缩感知算法和改进的分段正交匹配追踪算法对所述导频信号进行重构，以确定所述导频信号的到达时间差，并根据改进的波束赋形算法和多信号分类算法对所述导频信号进行角度估计，得到所述导频信号的到达角；
定位模块，用于将所述楼层数、所述到达时间差和所述到达角发送到第二定位服务器，以对目标终端进行融合定位；其中，所述改进的分段正交匹配追踪算法在迭代过程中根据预设门限值对信道矩阵中的奇异值进行筛选；所述改进的波束赋形算法中的费雪信息损失表达式的块对角转向矩阵由入射角和非直射径引起的附加角度误差确定。
本发明实施例的第三方面提供了一种第一定位服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述室内定位方法的步骤。
本发明实施例的第四方面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上第一方面所述室内定位方法的步骤。
本发明实施例的第五方面提供了一种室内定位系统，包括：基站、如上第三方面所述的第一定位服务器、第二定位服务器；
所述基站用于接收目标终端发送的导频信号；
所述基站为部署在室内的皮基站；所述基站还用于根据所述导频信号的信号强度确定所述终端所在的楼层数，并将所述楼层数和所述导频信号发送给所述第一定位服务器；
所述第二定位服务器用于根据所述第一定位服务器发送的楼层数、到达时间差和到达角，对所述终端进行融合定位。
本发明实施例提供的室内定位方法、第一定位服务器及室内定位系统，包括：获取基站上传的目标信息，其中，目标信息为同一层多个PRRU接收到的目标终端的导频信号和目标终端所在的楼层数；基站为部署在楼房室内的皮基站；根据压缩感知算法和改进的分段正交匹配追踪算法对导频信号进行重构，以确定导频信号的到达时间差，并根据改进的波束赋形算法和多信号分类算法对导频信号进行角度估计，得到导频信号的到达角；将楼层数、到达时间差和到达角发送到第二定位服务器，以对目标终端进行融合定位；其中，改进的分段正交匹配追踪算法在迭代过程中根据预设门限值对信道矩阵中的奇异值进行筛选；改进的波束赋形算法中的费雪信息损失表达式的块对角转向矩阵由入射角和非直射径引起的附加角度误差确定。通过对分段正交匹配追踪算法和波束赋形算法进行改进，能够使计算得到的到达时间差和到达角更为精准，从而提高对目标终端定位的定位精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的室内定位方法的应用场景示意图；
图2是本发明实施例提供的室内定位方法的实现流程图；
图3是本发明实施例提供的对导频信号进行迭代重构的实现流程图；
图4是本发明实施例提供的室内定位系统的结构示意图；
图5是本发明实施例提供的TDOA和AOA融合模型示意图；
图6是采用各种算法进行融合定位时的均方根误差与噪声均值的关系示意图；
图7是采用各种算法进行融合定位时的均方根误差与信噪比的关系示意图；
图8是本发明实施例提供的室内定位装置的结构示意图；
图9是本发明实施例提供的第一定位服务器的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
在智慧楼宇以及电力系统检修运维过程中，经常需要及时将设备或者人员位置准确地反馈到后台的控制中心，供管理人员进行人员调度、检修指挥等，可有效提高调度指挥的效率。目前，室外已广泛利用北斗等卫星定位系统实现高精度定位，而在室内卫星信号会受到严重遮挡，从而引起非视距(Non Line of Sight,NLOS)传输和多径效应现象，导致定位精度急剧降低。
在室内定位中，到达时间差(Time Difference of Arrival,TDOA)和到达角度(Angle of Arrival,AOA)是两种基础的定位技术。对于TDOA定位，在室内复杂场景下区分直射径是其定位性能的关键点。为减少NLOS对TDOA定位的影响，现有技术1采用半正定规划的方法进行定位。现有技术2利用到达时间(Time of Arrival,TOA)测量数据的方差判断非视距(Non Line of Sight,NLOS)径，把有NLOS传输的基站剔除掉。对于AOA定位，需依据基站处的天线阵列确定用户到达基站的入射角度，其研究多与波束赋形等技术有关。现有技术3通过使用大规模阵列的定位性能极限和利用旋转不变算法和斜投影技术估计AOA。现有技术4在用JADE算法估计AOA参数时，首先进行波束训练，通过设置波束赋形的权重来减弱多径的影响，从而可以捕获某一特定方向的信号，再联合多个接入点估计值进行定位。
基于以上的现有技术，室内定位精度有了一定提高，但仍存在难以区分直射径以及低分辨率问题，未能充分利用第五代移动通信(5th-Generation MobileCommunication,5G)所提供的大带宽、毫米波等先天优势。
针对室内定位的NLOS传输和多径效应现象，本发明提出了一种室内定位方法。因室分场景传统的布设方式已经不能满足5G室内定位多元化发展的需要，需要结合5G的核心技术融合定位。在具体的定位算法上，对于TDOA定位，本发明通过提出改进的重构算法解决区分直射路径的问题；对于AOA定位，提出改进的波束空间降维等技术提高在原有算法的定位精度，最终利用估计好的TDOA和AOA参数进行融合定位。
图1是本发明实施例提供的室内定位方法的应用场景示意图。本发明实施例的室内定位方法可以包括但不限于应用于该场景中。该系统中包括：目标终端、皮基站11、MEC定位服务器12、5GC定位服务器13。
首先目标终端发送的导频信号被部署在室内的皮基站11检测获取，在皮基站根据导频信号确定用户所在楼层数，进行初始位置的估计，从而将三维定位问题简化成二维定位问题。在确定用户所在的区域范围(即楼层)后，皮基站11将楼层数和导频信号上报给MEC定位服务器12，MEC定位服务器12对导频信号进行TDOA和AOA定位估计得到的平面的时延和角度，并发送给5GC定位服务器13。在得到正确的时延、角度等信息后，利用5GC定位服务器13执行chan-taylor算法，实现对目标终端的融合定位。
本实施例中，目标终端可以是手机、笔记本、电脑等通信计算设备，也可以是电气设备的控制终端，还可以是智能家具设备或智能穿戴设备，在此不做限定。皮基站11可以包括基带单元、扩展单元以及设置在楼房各层内的多个射频拉远单元。另外，楼房内还可以设置有馈线、功分器、耦合器等设备，与皮基站11共同组成室内分布系统，以实现对楼内导频信号的检测和获取。MEC(Mobile Edge Computing，边缘计算技术)定位服务器13可以是目标终端所在楼房的近端服务器，例如设置在距离楼房最近的一个或几个基站中的服务器，在定位过程中，近端服务器可以直接对导频信号进行初步的处理，无需将原始的导频信号通过层层的汇聚节点发送给远端的5GC(5G核心网)服务器14，能够有效减少核心网的计算压力，通过5G“云”、“边”、“端”一体结合的室内三维定位方案，能够有效利用5G的优势，提高定位速度和定位精度。5GC定位服务器13可以为5G核心网中专用的定位服务器，其可以是独立的物理服务器，也可以是多个物理服务器组成的服务器集群，还可以是云端服务器，在此不作限定。融合定位时采用的算法可以是Taylor算法、标准卡尔曼算法、chan-Taylor算法等，在此不作限定。
图2是本发明实施例提供的室内定位方法的实现流程图。如图2所示，在该实施例中，室内定位方法，应用于第一定位服务器，包括：
S201，获取基站上传的目标信息，其中，目标信息为同一层多个PRRU接收到的目标终端的导频信号和目标终端所在的楼层数；基站为部署在楼房室内的皮基站。
本实施例中，每层设置有至少3个PRRU(radio frequency remote unit,射频拉远单元)，且设置在该层的不同部位。每个PRRU都存储有预设的id，在接收到目标终端的导频信号后上报给皮基站中的BBU(Building Base band Unite,基带单元)，BBU根据信号强度判断出距离目标终端最近的几个PRRU并根据其id确定目标终端所在的楼层数。
S202，根据压缩感知算法和改进的分段正交匹配追踪算法对导频信号进行重构，以确定导频信号的到达时间差，并根据改进的波束赋形算法和多信号分类算法对导频信号进行角度估计，得到导频信号的到达角。
本实施例中，根据压缩感知算法对导频信号进行初步处理后，根据分段正交匹配追踪算法(Stagewise Orthogonal Matching Pursuit,StOMP)确定目标终端到各PRRU的直射径，然后在直射径上确定目标终端到各PRRU的时延长，以完成TDOA估计。在利用波束赋形算法对导频信号进行降维后，根据多信号分类算法(MUltiple SIgnal Classification,MUSIC)确定目标终端到各PRRU的到达角，以完成AOA估计。
S203，将楼层数、到达时间差和到达角发送到第二定位服务器，以对目标终端进行融合定位；其中，改进的分段正交匹配追踪算法在迭代过程中根据预设门限值对信道矩阵中的奇异值进行筛选；改进的波束赋形算法中的费雪信息损失表达式的块对角转向矩阵由入射角和非直射径引起的附加角度误差确定。
本实施例中，在TDOA定位部分，在传统StOMP重构算法的基础上加入奇异值筛选机制，能够有效对信号进行降噪处理，从而提高TDOA估计的准确性。在AOA定位部分，需要先采用波束空间变换技术对构造矩阵进行降维，为保证降维过程中信息不损失，考虑了非直射径引起的附加角度误差，从而提高AOA估计的准确性。
本实施例中，针对智慧楼宇以及电力检修运维中室内定位精度不高问题，在包含直射径的室内多径环境下，提出基于奇偶交错布局的室分与5G“云”、“边”、“端”一体结合的室内三维定位方案，首次把具体定位算法融入到定位架构里，具备将三维定位问题转化为二维定位问题的优势和实际的应用价值。通过对分段正交匹配追踪算法和波束赋形算法进行改进，能够使计算得到的到达时间差和到达角更为精准，再进行融合定位从而提高对目标终端定位的定位精度。
在一些实施例中，根据压缩感知算法和改进的分段正交匹配追踪算法对导频信号进行重构，以确定导频信号的到达时间差，包括：
根据压缩感知算法，将导频信号变为稀疏信号，并采用观测矩阵进行降维处理；
根据分段正交匹配追踪算法对降维处理后的导频信号进行迭代重构，以确定重构信号，其中在每次一迭代过程中选取大于预设门限值的奇异值；
根据重构信号的信噪比，确定信号的直达径；
根据直达径确定导频信号的到达时间差。
本实施例中，假设s表示可以压缩的原始信号，x是s经过稀疏变换得到的稀疏信号，
为在压缩变换过程中的稀疏变换矩阵，n表示观测噪声，观测矩阵D将原始信号投影到测量向量上，进而可以得到观测信号y，以完成降维过程，可以有效减少采样数量。
信号的稀疏变换和信号的测量的整个过程可以表示为：
本实施例中，在完成降维后，根据改进的StOMP算法对降维的信号进行重构，然后可以将重构信号的信噪比与预设的阈值进行比较来确定直达径LOS。按照时延从小到大进行计算，当出现第一条信噪比大于阈值的路径时，判定此条路径为LOS路径，进而估计各个基站和目标终端之间的TDOA作为定位测量参数。
StOMP算法是OMP的一种改进，它的优点是不用把信号稀疏度作为已知条件，具有实际意义。当引入多信号时，利用稀疏位置相同的相关性，仅需用内积绝对值加和这一方法就能加强相关度最大列的索引依据，当联合重构得到的观测点数较少时也可以准确恢复出原始信号。然而StOMP算法并没有考虑噪声问题，可能导致原子不能满足设定的阈值条件，不能选择正确的原子，导致StOMP算法误差变大。
因此，本实施例中，对传统StOMP进行改进，提出了通过增加奇异值进行降噪处理来优化算法性能的基于降噪的StOMP算法。利用此特性对奇异值设置合适的阈值，再结合StOMP算法得到没有噪声或者噪声比较小的元素，有效去除噪声对信号的影响，增加了整个系统的鲁棒性，具有实际意义。
改进的StOMP算法主要思想为：求解所有信号的残差与传感矩阵之间内积的和，即对每一个信号分别求内积再取绝对值加和取最大值，作为迭代最相关列索引的坐标，并将该系数加入至索引集Ω内。假设这些原子位置相同且在压缩感知矩阵中选择的原子相同，当信号数为1时，StOMP和OMP的步骤相同。StOMP的重构问题在于重构多个信号的时候要确保所有信号的稀疏位置相同，因为会求取多次最小二乘系数，如果出现信号与信号之间稀疏位置不同的情况，在计算支撑集时就会产生支撑集选择错误的情况，造成重构不准确，并且信号中包含的有用信息与信号奇异值成正比关系，在进行奇异值分解的过程中，噪声因为正交矩阵存在没有得到放大造成对信号的影响。因此改进的StOMP算法的优点是当引入多信号时，利用稀疏位置相同的相关性，仅需用内积绝对值加和这一方法就能加强相关度最大列的索引依据，噪声通过补零使得舍弃的原子达到降噪的效果，利用此特性对奇异值设置合适的阈值，再结合StOMP算法得到没有噪声或者噪声比较小的元素，有效去除噪声对信号的影响，增加了整个系统的鲁棒性。并且改进的StOMP算法在联合重构得到的观测点数较少时也可以准确恢复出原始信号。
图3是本发明实施例提供的对导频信号进行迭代重构的实现流程图。如图3所示，在一些实施例中，根据分段正交匹配追踪算法对降维处理后的导频信号进行迭代重构，以确定重构信号，包括：
S301，初始化导频信号的残差。
S302，从导频信号的传感矩阵中选择满足u>ts的传感矩阵组成集合N0。
S303，根据观测矩阵和集合N0确定索引值所需满足的条件，以确定输入信号组成的索引值，并对输入信号组成的索引值求伪逆，得到伪逆信号。
S304，根据输入信号的观测向量和伪逆信号重构信道信号。
S305，根据主奇异值构成对角矩阵并对对角矩阵中除主对角线元素以外的其余元素补零。
S306，筛选对角矩阵中大于等于门限值ts的奇异值。
S307，根据筛选的奇异值更新集合N0，以更新重构的信道信号、索引值、残差。
S308，判断更新后的残差是否满足预设条件。
若更新后的残差满足预设条件，则执行S309，停止迭代并将更新重构的信道信号作为重构后的导频信号。
若更新后的残差不满足预设条件，则跳转至S302。
其中，u＝abs[ATrt-1]，A为导频信号的观测矩阵。y为导频信号的观测向量，ri为导频信号的残差。
本实施例中，因为信号奇异值越大，信号中包含的有用信息越多，所以利用信号奇异值特性筛选出有用信息较多的部分，即将最能表征信号特点的部分筛选出来。且为了维持矩阵维度从而对舍弃的部分进行补零从而实现信号的降噪处理。
由理论分析可知：前1％到10％的奇异值就占据了全部奇异值之和的99％以上。除此之外，在进行奇异值分解的过程中，噪声因为正交矩阵存在没有得到放大。因此根据奇异熵的特性将门限参数ts设定为一个小于0.99的数。
假设模拟的LOS径一直存在，信号稀疏度用k表示，即某一长度的离散信号x中只有k个不为零的系数，且k远小于信号的长度。
其中，
为观测矩阵。y表示观测向量，残差ri＝y-Aigi。(gi为原始导频信号对应的投影向量)。
改进的StOMP算法的输入为：发送信号x对应的观测矩阵A，观测向量y，门限参数ts(0<ts<1)，阈值th，迭代次数i＝1。
改进的StOMP算法的输出为：重构的信道信号g。
改进的StOMP算法的具体步骤如下：
其中，步骤(1)到步骤(2)主要用于判断稀疏度，为算法提供一个相对准确的原子筛选范围。
(1)初始化残差r0＝y，设迭代次数i＝1，稀疏度为k。
(2)计算u＝abs[ATrt-1]中大于阈值th的值(即计算<rt-1,xj>其中，1≤j≤N，N为矩阵A的列数)，并将这些值对应的列序号j构成集合N0。
其中，步骤(3)到步骤(7)主要用于进行降噪处理。
(3)令索引值Λi＝Λi-1∪N0，Ai＝Ai-1∪aj，对输入信号x组成的索引值求伪逆得x'。
(4)计算临时投影向量即重构信道信号ht＝x'×y。
(5)求主奇异值Ω1,...Ωn构成的对角矩阵Λ＝diag(Ω1,...Ωn)后，找到满足大于等于门限值ts的奇异值。且为了维持Λ的维度，保证算法正常运行，需要对矩阵中除主对角线元素以外的其余元素补零，即Λ＝diag(Ω1,...Ωn,0,0...0)。
(6)更新重构的信道信号ht即信道冲激响应估计值，更新索引Λi，更新残差ri(ri＝y-Aiht)。
判断是否满足||ri||2<ts，如果满足则停止迭代，进行重构得到重构后的导频信号K'。否则返回步骤(2)继续迭代。
在一些实施例中，根据改进的波束赋形算法和多信号分类算法对导频信号进行角度估计，得到导频信号的到达角，包括：
根据波束赋形算法，构造波束空间矩阵，将导频信号映射到波束空间以实现降维，并以费雪信息损失量化降维过程中的信息损失；
根据多信号分类算法对降维后的导频信号进行角度估计，得到导频信号的到达角。
本实施例中，为避免计算复杂，在进行AOA估计前，首先利用波束赋形对信号进行降维，去构造一个波束空间矩阵B将元素空间映射到波束空间上，并将此波束空间设计视为资源约束下的优化问题，使得高维阵列信号可以在低维子空间中表示而又不造成信息损失。
在一些实施例中，费雪信息损失的表达式为：
L(p；B)＝Je(p；I)-Je[p；B(BHB)-1BH] (2)
其中，L(p；B)为费雪信息损失，Je(；)表示费雪信息矩阵，p为待求位置，I为单位矩阵，B为构造的波束空间矩阵；其中B满足
A为块对角转向矩阵。
本实施例中，引入了费雪信息损失量化信息损失，在波束空间矩阵B满足上述条件时，波束空间无损耗。
传统方法中波束空间矩阵的块对角转向矩阵只考虑了入射角度θ，虽能实现降维，但忽略了在室内复杂环境中，非直射径带来的影响，这会导致降维损失最优化的过程中仍存在误差，降低了分辨率。
因此，本实施例中，在利用费雪信息损失来量化信息损失时，首次考虑了非直射径引起的附加角度误差，则对应地入射角度θ的块对角转向矩阵A转变为A'，其中A'为入射角θ和附加角度θ'共同构成的块对角转向矩阵。因此若能找到这样的波束空间矩阵B就能实现降维从而无损传输，减小计算复杂度。
此时，此时映射为无损的波束空间信号可表示为：
y(t)＝BHx(t) (3)
矩阵B将M维接收信号降至T维，进一步可以得到波束空间信号的自相关矩阵：
Ryy＝E[y(t)yH(t)] (4)
＝BHE[x(t)xH(t)]B
＝BHRxxB
其中，x(t)为导频信号，E为单位矩阵。
本实施例中，在对波束赋形算法进行上述改进以后，假设阵列天线为均匀线性阵列，入射信号和噪声相关性可忽略，MUSIC算法具有如下特点：
(i)对于非相干信号源，直接将上文中求出的Rxx代入自相关矩阵可得：
对Ryy进行分解，可分别得到噪声子空间ΩN和信号子空间ΩS，进而可以直接采用MUSIC算法进行角度估计。其空间谱函数为：
(ii)针对相干信号源，当展开特征向量时，实际的信源数要大于ΩS的维数，令Rx满足：
则此时自相关矩阵Ryy可以表示为：
对其分解得到ΩN和ΩS，再利用改进的基于波束空间的MUSIC算法，其空间谱函数为：
在进行改进以后，无论信源信号是否相干，在进行AOA估计时，都不会影响其性能，相应地，矩阵的秩也不会受到信号相干的影响。
在一些实施例中，第一定位服务器为MEC定位服务器；第二定位服务器为5GC定位服务器。
图4是本发明实施例提供的室内定位系统的结构示意图。如图4所示，在该实施例中，室内定位系统，包括：基站41、如上任一实施例所示的第一定位服务器42、第二定位服务器43；
基站41用于接收目标终端发送的导频信号；
基站41为部署在室内的皮基站；基站41还用于根据导频信号的信号强度确定终端所在的楼层数，并将楼层数和导频信号发送给第一定位服务器42；
第二定位服务器43用于根据第一定位服务器42发送的楼层数、到达时间差和到达角，对终端进行融合定位。
在一些实施例中，第一定位服务器42为MEC定位服务器；第二定位服务器43为5GC定位服务器；基站41包括基带单元、扩展单元、多个射频拉远单元；
基带单元与扩展单元连接；扩展单元(即图1中所示的pBridge)与各个射频拉远单元连接；
室内的每层设置有三个射频拉远单元；射频拉远单元的具有两个射频输出端口；其中一个射频输出端口与奇数楼层的射频拉远单元连接，另一个射频输出端口与偶数楼层的射频拉远单元连接；
射频拉远单元用于实时检测终端发出的导频信号的信号强度，并通过扩展单元上报给基带单元；
基带单元用于根据各个天线对应的信号强度确定终端所在的楼层数；
基带单元还用于将楼层数和导频信号发送给第一定位服务器42。
本实施例中，布局采用改进的错层奇偶交错方式在信源PRRU射频输出口引出两个支路，一路信号分配到奇数楼层，另一路信号分偶数楼层。为使接收的信号更稳定，借助了全向吸顶天线的辐射特性，此时用户不仅可以接收到所处楼层天线发来的信号，还能接收到上一楼层和下一楼层天线发出的信号。
图5是本发明实施例提供的TDOA和AOA融合模型示意图。如图5所示，在一些实施例中，5GC定位服务器，具体用于执行以下步骤：
接收MEC定位服务器发送的楼层数、到达时间差和到达角；
根据所述到达时间差和所述到达角建立非线性方程；
根据chan定位算法对所述非线性方程进行求解，计算所述目标终端设备的初始坐标；
根据所述初始坐标和泰勒级数展开算法和所述初始坐标进行迭代求解，得到所述目标终端设备的二维坐标；
根据所述二维坐标和所述楼层数，确定所述目标终端设备的三维坐标。
本实施例中，融合定位的过程具体如下：
A.首先，根据所述到达时间差和所述到达角建立非线性方程，然后通过chan算法对非线性方程求解，得出待测节点的初始坐标：
假设某一基站位置为(xi,yi)，i＝2，3...j，用户位置(x,y)为，两者定位距离为Dn，Ki＝xi 2+yi 2，n代表第n个基站，目标终端与基站的距离差为：
作差得
x(xj-xi)+y(yj-yi) (12)
＝0.5(Li 2-Lj 2+Kj-Ki)
再结合AOA角度测量值采用经典算法最小二乘法对其进行求解基站的角度方程：
y-yi＝(x-xi)tanαm (13)
其矩阵形式为：Ax＝b，根据chan算法进行第一次WLS(Weighted least squares,加权最小二乘法)求得位置坐标的公式如下：
xa＝(A′TΨ-1A′)A′TΨ-1b (16)
然后将协方差矩阵Q和噪声方程Ψ代入进行第二次WLS运算求解最终位置坐标并将其作为待测节点的初始坐标：
xa≈(A′TQ-1A′)-1A′TQ-1b (17)
B.将初始坐标代入Taylor展开式进行迭代，不断更新初始坐标。根据二者结合模型可知，基站和终端的关系表达式为：
其中，n1为AOA的测量误差，且服从高斯分布，其中sinn1≈n1。若假设μ＝[Δx,Δy]T，将初始坐标进行Taylor级数展开，其矩阵表达式：
Ψ＝H-Gμ (19)
对其进行加权最小二乘计算可得：
μ＝(GTΨ-1G)-1GTΨ-1H (20)
此时，可得到下轮初始迭代值，将初始值更新为：
x'＝x+Δx,y'＝y+Δy (21)
C.判断是否满足门限值，如果满足|Δx|+|Δy|<ε，即得到最终估计坐标，反之，将迭代坐标重新带入Taylor展开式进行计算。
D.最后求得chan-Taylor融合算法的移动节点坐标，退出循环。
图6是采用各种算法进行融合定位时的均方根误差与噪声均值的关系示意图。如图6所示，当NLOS(非直射径)噪声均值增大时，Taylor算法和标准卡尔曼算法对应的均方根误差直线上升，Taylor性能最差。标准卡尔曼算法次之，而chan-taylor算法的均方根误差并没有随着NLOS噪声均值增大而增大，而是稳定在0.7至0.8之间，定位精度最高。
图7是采用各种算法进行融合定位时的均方根误差与信噪比的关系示意图。如图7所示，当信噪比增大时，各算法的均方根误差都明显降低，但误差最小的是chan-taylor算法，其性能最高。
本发明所产生的有益效果具体如下：
1.本发明首次把具体定位算法融入到定位架构里，在MEC端和云端的定位服务器中使用不同的定位算法来实现定位。首先终端发送信号被部署在各个楼层的PRRU检测获取，在PRRU得到终端信号强度后及时上报给BBU，BBU根据各个PRRU收到的信号强度大小判断离终端距离最近的几个PRRU，因为PRRU的id号已知，可以确定用户所在楼层数，进行初始位置的估计，从而将三维定位问题简化成二维定位问题。在确定某区域范围后，通过TDOA和AOA定位估计得到的平面的时延和角度，进行二维定位。
2.本发明未简单采用某种定位技术，而是充分考虑了5G所提供的大带宽、毫米波等先天优势。可以将毫米波与波束赋形结合，从而通过改进的基于降噪的信道估计和改进的波束空间变换实现TDOA和AOA的高精度定位。因此考虑到以上几点，本发明采用了TDOA和AOA融合定位，并分析已有算法的优缺点，采用Taylor和chan两种算法进行融合定位，从而有效提高定位精度。
3.为准确估计出TDOA参数，先进行基于改进的压缩感知技术的信道估计，并结合5G毫米波的压缩感知技术，使参数精确度大幅提高，并且复杂度也有所降低。为准确估计出AOA参数，先采用波束空间变换，将考虑附加角度误差影响的波束矩阵利用波束赋形进行变换，降低复杂度的同时可以提高分辨率。本发明既迎合了5G先进的毫米波以及MIMO技术，又降低了算法的复杂度、提高了准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图8是本发明实施例提供的室内定位装置的结构示意图。如图8所示，在一些实施例中，室内定位装置8，应用于第一定位服务器，包括：
获取模块810，用于获取基站上传的目标信息，其中，目标信息为同一层多个PRRU接收到的目标终端的导频信号和目标终端所在的楼层数；基站为部署在楼房室内的皮基站；
计算模块820，用于根据压缩感知算法和改进的分段正交匹配追踪算法对导频信号进行重构，以确定导频信号的到达时间差，并根据改进的波束赋形算法和多信号分类算法对导频信号进行角度估计，得到导频信号的到达角；
定位模块830，用于将楼层数、到达时间差和到达角发送到第二定位服务器，以对目标终端进行融合定位；其中，改进的分段正交匹配追踪算法在迭代过程中根据预设门限值对信道矩阵中的奇异值进行筛选；改进的波束赋形算法中的费雪信息损失表达式的块对角转向矩阵由入射角和非直射径引起的附加角度误差确定。
可选的，计算模块820，具体用于根据压缩感知算法，将导频信号变为稀疏信号，并采用观测矩阵进行降维处理；
根据分段正交匹配追踪算法对降维处理后的导频信号进行迭代重构，以确定重构信号，其中在每次一迭代过程中选取大于预设门限值的奇异值；
根据重构信号的信噪比，确定信号的直达径；
根据直达径确定导频信号的到达时间差。
可选的，计算模块820，具体用于：
初始化导频信号的残差；
从导频信号的传感矩阵中选择满足u>ts的传感矩阵组成集合N0；
根据观测矩阵和集合N0确定索引值所需满足的条件，以确定输入信号组成的索引值，并对输入信号组成的索引值求伪逆，得到伪逆信号；
根据输入信号的观测向量和伪逆信号重构信道信号；
根据主奇异值构成对角矩阵并对对角矩阵中除主对角线元素以外的其余元素补零；
筛选对角矩阵中大于等于门限值ts的奇异值；
根据筛选的奇异值更新集合N0，以更新重构的信道信号、索引值、残差；
判断更新后的残差是否满足预设条件；
若更新后的残差满足预设条件，则停止迭代并将更新重构的信道信号作为重构后的导频信号；
若更新后的残差不满足预设条件，则跳转至从导频信号的传感矩阵中选择满足u>ts的传感矩阵组成集合N0的步骤；
其中，u＝abs[ATrt-1]，A为导频信号的观测矩阵。y为导频信号的观测向量，ri为导频信号的残差。
可选的，计算模块820，具体用于根据波束赋形算法，构造波束空间矩阵，将导频信号映射到波束空间以实现降维，并以费雪信息损失量化降维过程中的信息损失；
根据多信号分类算法对降维后的导频信号进行角度估计，得到导频信号的到达角。
可选的，费雪信息损失的表达式为：
L(p；B)＝Je(p；I)-Je[p；B(BHB)-1BH]
其中，L(p；B)为费雪信息损失，Je(；)表示费雪信息矩阵，p为待求位置，I为单位矩阵，B为构造的波束空间矩阵；其中B满足
A为块对角转向矩阵。
可选的，第一定位服务器为MEC定位服务器；第二定位服务器为5GC定位服务器。
本实施例提供的室内定位装置，可用于执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
图9是本发明实施例提供的第一定位服务器的结构示意图。如图9所示，本发明的一个实施例提供的第一定位服务器9，该实施例的第一定位服务器9包括：处理器90、存储器91以及存储在存储器91中并可在处理器90上运行的计算机程序92。处理器90执行计算机程序92时实现上述各个基于区块链技术的钢铁产业链物流成本分析方法实施例中的步骤，例如图2所示的步骤201至步骤203。或者，处理器90执行计算机程序92时实现上述各系统实施例中各模块/单元的功能，例如图8所示模块810至830的功能。
示例性的，计算机程序92可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器91中，并由处理器90执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序92在第一定位服务器9中的执行过程。
第一定位服务器9可以是独立的物理服务器，也可以是多个物理服务器组成的集群，还可以是云端服务器，在此不做限定。本领域技术人员可以理解，图9仅仅是第一定位服务器9的示例，并不构成对第一定位服务器9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器91可以是第一定位服务器9的内部存储单元，例如第一定位服务器9的硬盘或内存。存储器91也可以是第一定位服务器9的外部存储设备，例如第一定位服务器9上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器91还可以既包括第一定位服务器9的内部存储单元也包括外部存储设备。存储器91用于存储计算机程序以及终端所需的其他程序和数据。存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述基于区块链技术的钢铁产业链物流成本分析系统实施例中的步骤。
计算机可读存储介质存储有计算机程序92，计算机程序92包括程序指令，程序指令被处理器90执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序92来指令相关的硬件来完成，计算机程序92可存储于一计算机可读存储介质中，该计算机程序92在被处理器90执行时，可实现上述各个方法实施例的步骤。其中，计算机程序92包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种室内定位方法，其特征在于，应用于第一定位服务器，包括：
获取基站上传的目标信息，其中，所述目标信息为同一层多个PRRU接收到的目标终端的导频信号和目标终端所在的楼层数；所述基站为部署在楼房室内的皮基站；
根据压缩感知算法和改进的分段正交匹配追踪算法对所述导频信号进行重构，以确定所述导频信号的到达时间差，并根据改进的波束赋形算法和多信号分类算法对所述导频信号进行角度估计，得到所述导频信号的到达角；
将所述楼层数、所述到达时间差和所述到达角发送到第二定位服务器，以对目标终端进行融合定位；其中，所述改进的分段正交匹配追踪算法在迭代过程中根据预设门限值对信道矩阵中的奇异值进行筛选；所述改进的波束赋形算法中的费雪信息损失表达式的块对角转向矩阵由入射角和非直射径引起的附加角度误差确定。
2.根据权利要求1所述的室内定位方法，其特征在于，所述根据压缩感知算法和改进的分段正交匹配追踪算法对所述导频信号进行重构，以确定所述导频信号的到达时间差，包括：
根据压缩感知算法，将所述导频信号变为稀疏信号，并采用观测矩阵进行降维处理；
根据分段正交匹配追踪算法对降维处理后的导频信号进行迭代重构，以确定重构信号，其中在每次一迭代过程中选取大于预设门限值的奇异值；
根据所述重构信号的信噪比，确定信号的直达径；
根据所述直达径确定所述导频信号的到达时间差。
3.根据权利要求2所述的室内定位方法，其特征在于，根据分段正交匹配追踪算法对降维处理后的导频信号进行迭代重构，以确定重构信号，包括：
初始化导频信号的残差；
从导频信号的传感矩阵中选择满足u>ts的传感矩阵组成集合N0；
根据观测矩阵和所述集合N0确定索引值所需满足的条件，以确定所述输入信号组成的索引值，并对输入信号组成的索引值求伪逆，得到伪逆信号；
根据所述输入信号的观测向量和所述伪逆信号重构信道信号；
根据主奇异值构成对角矩阵并对对角矩阵中除主对角线元素以外的其余元素补零；
筛选所述对角矩阵中大于等于门限值ts的奇异值；
根据筛选的奇异值更新所述集合N0，以更新重构的信道信号、索引值、残差；
判断更新后的残差是否满足预设条件；
若更新后的残差满足预设条件，则停止迭代并将更新重构的信道信号作为重构后的导频信号；
若更新后的残差不满足预设条件，则跳转至从导频信号的传感矩阵中选择满足u>ts的传感矩阵组成集合N0的步骤；
其中，u＝abs[ATrt-1]，A为所述导频信号的观测矩阵。y为所述导频信号的观测向量，ri为所述导频信号的残差。
4.根据权利要求1所述的室内定位方法，其特征在于，所述根据改进的波束赋形算法和多信号分类算法对所述导频信号进行角度估计，得到所述导频信号的到达角，包括：
根据波束赋形算法，构造波束空间矩阵，将所述导频信号映射到波束空间以实现降维，并以费雪信息损失量化降维过程中的信息损失；
根据多信号分类算法对降维后的导频信号进行角度估计，得到所述导频信号的到达角。
5.根据权利要求4所述的室内定位方法，其特征在于，所述费雪信息损失的表达式为：
L(p；B)＝Je(p；I)-Je[p；B(BHB)-1BH]
其中，L(p；B)为费雪信息损失，Je(；)表示费雪信息矩阵，p为待求位置，I为单位矩阵，B为构造的波束空间矩阵；其中B满足
A为所述块对角转向矩阵。
6.根据权利要求1-5任一项所述的室内定位方法，其特征在于，所述第一定位服务器为MEC定位服务器；所述第二定位服务器为5GC定位服务器。
7.一种第一定位服务器，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如上的权利要求1至6中任一项所述室内定位方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述室内定位方法的步骤。
9.一种室内定位系统，其特征在于，包括：基站、如上的权利要求1至6中任一项所述的第一定位服务器、第二定位服务器；
所述基站用于接收目标终端发送的导频信号；
所述基站为部署在室内的皮基站；所述基站还用于根据所述导频信号的信号强度确定所述终端所在的楼层数，并将所述楼层数和所述导频信号发送给所述第一定位服务器；
所述第二定位服务器用于根据所述第一定位服务器发送的楼层数、到达时间差和到达角，对所述终端进行融合定位。
10.根据权利要求9所述的室内定位系统，其特征在于，所述第一定位服务器为MEC定位服务器；所述第二定位服务器为5GC定位服务器；所述基站包括基带单元、扩展单元、多个射频拉远单元；
所述基带单元与所述扩展单元连接；所述扩展单元与各个射频拉远单元连接；
室内的每层设置有三个射频拉远单元；所述射频拉远单元的具有两个射频输出端口；其中一个射频输出端口与奇数楼层的射频拉远单元连接，另一个射频输出端口与偶数楼层的射频拉远单元连接；
所述射频拉远单元用于实时检测所述终端发出的导频信号的信号强度，并通过所述扩展单元上报给所述基带单元；
所述基带单元用于根据各个天线对应的信号强度确定所述终端所在的楼层数；
所述基带单元还用于将所述楼层数和所述导频信号发送给所述第一定位服务器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210380564.7A CN114554398A (zh) | 2022-04-08 | 2022-04-08 | 室内定位方法、第一定位服务器及室内定位系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210380564.7A CN114554398A (zh) | 2022-04-08 | 2022-04-08 | 室内定位方法、第一定位服务器及室内定位系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114554398A true CN114554398A (zh) | 2022-05-27 |
Family
ID=81666903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210380564.7A Pending CN114554398A (zh) | 2022-04-08 | 2022-04-08 | 室内定位方法、第一定位服务器及室内定位系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114554398A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115435782A (zh) * | 2022-08-29 | 2022-12-06 | 卓宇智能科技有限公司 | 一种多源信息约束下的抗干扰位置估计方法及装置 |
| CN115550864A (zh) * | 2022-11-25 | 2022-12-30 | 厦门大学 | 一种基于ue上行信号的5g nr室内定位系统及方法 |
| CN118509990A (zh) * | 2024-07-19 | 2024-08-16 | 中国电信股份有限公司 | 室内定位方法、装置、计算机设备、可读存储介质和程序产品 |
-
2022
- 2022-04-08 CN CN202210380564.7A patent/CN114554398A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115435782A (zh) * | 2022-08-29 | 2022-12-06 | 卓宇智能科技有限公司 | 一种多源信息约束下的抗干扰位置估计方法及装置 |
| CN115550864A (zh) * | 2022-11-25 | 2022-12-30 | 厦门大学 | 一种基于ue上行信号的5g nr室内定位系统及方法 |
| CN118509990A (zh) * | 2024-07-19 | 2024-08-16 | 中国电信股份有限公司 | 室内定位方法、装置、计算机设备、可读存储介质和程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hsieh et al. | Deep learning-based indoor localization using received signal strength and channel state information | |
| CN114554398A (zh) | 室内定位方法、第一定位服务器及室内定位系统 | |
| US10382230B2 (en) | System and method for channel estimation in mmWave communications exploiting joint AoD-AoA angular spread | |
| CN109738861B (zh) | 一种基于Wi-Fi信道状态信息的三维联合估计方法 | |
| WO2018094565A1 (zh) | 脉冲噪声下的波束成形方法及装置 | |
| CN112073895A (zh) | 一种基于csi高精度人员定位跟踪方法 | |
| Zhang et al. | An efficient machine learning approach for indoor localization | |
| CN108717174B (zh) | 基于信息论的预测快速协方差交互融合无源协同定位方法 | |
| EP4266603A1 (en) | Space division-based data processing method and communication device | |
| CN108111208A (zh) | 一种灵活码本配置的毫米波系统角度域信道估计方法 | |
| CN113993074B (zh) | 一种5g基站信号收发装置及目标定位方法 | |
| CN106501765A (zh) | 一种基于平方和与半定规划的最大似然波达方向估计方法 | |
| CN111654456B (zh) | 基于降维分解的毫米波大规模mimo角域信道估计方法及装置 | |
| CN108225332B (zh) | 基于监督的室内定位指纹地图降维方法 | |
| CN107121662A (zh) | 基于空域稀疏表示的单站无源定位方法 | |
| CN109738852B (zh) | 基于低秩矩阵重建的分布式源二维空间谱估计方法 | |
| CN107592654A (zh) | 一种基于压缩感知的同频多辐射源场强定位方法 | |
| CN117312923A (zh) | 一种基于毫米波传播机理的传播环境中结构体分类方法 | |
| CN114764610A (zh) | 一种基于神经网络的信道估计方法及通信装置 | |
| CN116634358A (zh) | 终端定位方法、装置及非易失性存储介质 | |
| CN109507634B (zh) | 一种任意传感器阵列下的基于传播算子的盲远场信号波达方向估计方法 | |
| Inoue et al. | On the building map for radio propagation prediction using machine learning | |
| CN114966526A (zh) | 一种波达方向估计方法 | |
| CN112858995A (zh) | 一种基于分布式阵列的联合测角方法和装置 | |
| CN111859272A (zh) | 一种面向大规模天线的快速music谱分解方法、装置及设备 |
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 |