CN114729982A - 用于定位的方法及装置 - Google Patents

Abstract

本公开涉及一种通信方法和系统，该通信方法和系统用于使用物联网(IoT)技术来融合第五代(5G)通信系统，以用于支持超过第四代(4G)系统的更高的数据速率。本公开可以应用于基于5G通信技术和IoT相关技术的智能服务，例如智能家居、智能建筑、智能城市、智能汽车、互联汽车、医疗保健、数字教育、智能零售、安保和安全服务。提供了一种用于在无线通信系统中执行定位的电子设备和电子设备的方法。所述电子设备及方法包括：从多个锚节点接收用于定位的信号；基于信号的距离和到达角(AoA)对信号执行测距测量；基于测距测量确定是否未检测到多个锚节点中的至少一个锚节点；根据基于测距测量未检测到至少一个锚节点的确定，确定多个锚节点中的至少一个其他锚节点是否位于电子设备的视线(LOS)上，其中，基于信号的AoA确定LOS；以及基于至少一个其他锚节点执行定位。

Description

用于定位的方法及装置

技术领域

本公开总体涉及无线通信系统中的定位。具体地，提出了无线通信系统中的基于单元的定位(cell-based localization)的方法及装置。

背景技术

为了满足自部署4G通信系统以来对无线数据业务增加的需求，已经做出努力来开发改进的5G或pre-5G通信系统。因此，5G或pre-5G通信系统也被称为“超4G网络”或“后LTE系统”。5G通信系统被认为是在更高频率(毫米波)的频段(例如，60GHz频段)中实现的，以便实现更高的数据速率。为了减少无线电波的传播损耗并增加传输距离，在5G通信系统中讨论了波束成形、大规模多输入多输出(MIMO)、全尺寸MIMO(FD-MIMO)、阵列天线、模拟波束成形、大规模天线技术。此外，在5G通信系统中，基于高级小型小区、云无线电接入网(RAN)、超密集网络、设备到设备(D2D)通信、无线回程、移动网络、协作通信、协作多点(CoMP)、接收端干扰消除等的系统网络改进开发正在进行中。在5G系统中，已经开发了作为高级编码调制(ACM)的混合FSK和QAM调制(FQAM)和滑动窗口叠加编码(SWSC)、以及作为高级接入技术的滤波器组多载波(FBMC)、非正交多址接入(NOMA)和稀疏码多址接入(SCMA)。

互联网是以人为中心的连接网络，人类可以在其中生成和消费信息，互联网现在正在演变为物联网(IoT)，在物联网中分布式实体(例如，事物)无需人工干预即可交换和处理信息。已经出现通过与云服务器的连接而形成的作为IoT技术和大数据处理技术的组合的万物联网(IoE)。由于IoT实现需要诸如“感测技术”、“有线/无线通信和网络架构”、“服务接口技术”和“安全技术”之类的技术元素，因此最近已经研究了传感器网络、机器对机器(M2M)通信、机器类型通信(MTC)等。这样的IoT环境可以提供智能互联网技术服务，该智能互联网技术服务通过收集和分析在互联事物之间生成的数据为人类生活创造新价值。通过现有信息技术(IT)与各种工业应用之间的融合和组合，IoT可以应用于各种领域，包括智能家居、智能建筑、智能城市、智能汽车或互联汽车、智能电网、医疗保健、智能家电和高级医疗服务。

与此相符，已经进行了各种尝试以将5G通信系统应用于IoT网络。例如，诸如传感器网络、机器类型通信(MTC)和机器对机器(M2M)通信之类的技术可以通过波束成形、MIMO和阵列天线来实现。云无线电接入网(RAN)作为上述大数据处理技术的应用也可以被视为5G技术与IoT技术之间融合的示例。

对等感知通信(PAC)网络是完全分布式通信网络，其允许PAC设备(PD)之间的直接通信。PAC网络可以使用类似于网状、星形等的若干拓扑结构，以支持用于各种服务的PD之间的交互。

发明内容

技术问题

根据现有技术，不能有效地执行无线通信网络中的基于单元的定位。

技术方案

本公开的实施例提供了无线通信网络中的基于单元的定位的方法及装置。

在一个实施例中，提供了一种用于在无线通信系统中执行定位的电子设备。电子设备包括：收发机，被配置为从多个锚节点接收用于定位的信号。所述电子设备还包括：处理器，可操作地连接到收发机，处理器被配置为：基于信号的距离(range)和到达角(AoA)对信号执行测距测量；基于测距测量确定是否未检测到多个锚节点中的至少一个锚节点；根据基于测距测量未检测到至少一个锚节点的确定，确定多个锚节点中的至少一个其他锚节点是否位于电子设备的视线(LOS)上，其中，基于信号的AoA确定LOS；以及基于至少一个其他锚节点执行定位。

在另一实施例中，提供了一种用于在无线通信系统中执行定位的电子设备的方法。所述方法包括：从多个锚节点接收用于定位的信号；基于信号的距离(range)和到达角(AoA)对信号执行测距测量；基于测距测量确定是否未检测到多个锚节点中的至少一个锚节点；根据基于测距测量未检测到至少一个锚节点的确定，确定多个锚节点中的至少一个其他锚节点是否位于电子设备的视线(LOS)上，其中，基于信号的AoA确定LOS；以及基于至少一个其他锚节点执行定位。

根据下面的附图、描述和权利要求，其他技术特征对本领域技术人员而言可以是容易理解的。

在进行下面的详细描述之前，阐述贯穿本专利文件所使用的某些词语和短语的定义可能是有利的。术语“耦接”及其派生词指代两个或更多个要素之间的任何直接或间接的通信，不管这些要素是否彼此物理接触。术语“发送”、“接收”和“通信”及其派生词包括直接通信和间接通信二者。术语“包含”和“包括”及其派生词意味着在没有限制的情况下的包含。术语“或”是包含性的，意味着和/或。短语“与…相关联”及其派生词意味着包括、被包括在内、与…互连、包含、被包含在内、连接到或与…连接、耦接到或与…耦接、可与…通信、与…合作、交织、并置、接近…、绑定到或与…绑定、具有、具有…的属性、具有到…的关系或与…的关系等。术语“控制器”意味着控制至少一个操作的任何设备、系统或其部分。可以用硬件或硬件和软件和/或固件的组合来实现这样的控制器。与任何特定控制器相关联的功能可以是集中式或分布式的，不管本地还是远程。当与项目列表一起使用时的短语“...中的至少一项”意味着可以使用列出的项目中的一个或多个项目的不同组合，并且可能仅需要列表中的一个项目。例如，“A、B和C中的至少一项”包括任意下面的组合：A、B、C、A和B、A和C、B和C、以及A和B和C。

此外，下文所描述的各种功能可以由一个或多个计算机程序实现或支持，每个计算机程序由计算机可读程序代码形成并被实施在计算机可读介质中。术语“应用”和“程序”指代一个或多个计算机程序、软件组件、指令集、过程、功能、对象、类、实例、相关数据或其适于在适当的计算机可读程序代码中实现的部分。短语“计算机可读程序代码”包括任意类型的计算机代码，包括源代码、目标代码和可执行代码。短语“计算机可读介质”包括能够由计算机访问的任意类型的介质，例如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、光盘(CD)、数字视频盘(DVD)或任意其他类型的存储器。“非暂时性”计算机可读介质不包括传输暂时性电信号或其他信号的有线、无线、光学或其他通信链路。非暂时性计算机可读介质包括可以在其中永久存储数据的介质和可以在其中存储且随后重写数据的介质，例如可重写的光盘或可擦除的存储器设备。

贯穿本专利文件提供了对其他某些词语和短语的定义。本领域普通技术人员应该理解：在许多情况下(如果不是大多数情况)，这样的定义适用于这样定义的词语和短语的先前以及将来的使用。

有益效果

本公开的实施例提供了无线通信网络中的基于单元的定位的方法及装置。

附图说明

为了更全面地理解本公开及其优点，现在将参考结合附图的以下描述，其中的相似附图标记表示相似的部件：

图1示出了根据本公开的实施例的示例无线网络；

图2示出了根据本公开的实施例的示例gNB；

图3示出了根据本公开的实施例的示例UE；

图4A示出了根据本公开的实施例的正交频分多址接入发送路径的高层图；

图4B示出了根据本公开的实施例的正交频分多址接入接收路径的高层图；

图5示出了根据本公开的实施例的示例电子设备；

图6示出了根据本公开的实施例的示例单侧双程测距；

图7示出了根据本公开的实施例的利用三个消息的示例双侧双程测距；

图8示出了根据本公开的实施例的基于来自锚点的距离测量结果的标记物的示例定位；

图9示出了根据本公开的实施例的两个定位引擎框架的示例；

图10示出了根据本公开的实施例的示例定位引擎架构；

图11示出了根据本公开的实施例的根据环境构造状态转换图的示例；

图12示出了根据本公开的实施例的针对2D场景根据网格世界构造连通图的示例；

图13示出了根据本公开的实施例的针对用于车辆访问的2D场景的根据网格世界构造连通图的示例；

图14示出了根据本公开的实施例的用于捕获与目标的航向有关的信息的目标状态图(方案2)的示例；

图15示出了根据本公开的实施例的根据连通图构造目标状态图的示例；

图16示出了根据本公开的实施例的示例定位引擎；

图17示出了根据本公开的实施例的计算状态似然率的示例；

图18示出了根据本公开的实施例的示例EKF模型；

图19示出了根据本公开的实施例的具有多个动态混合模型的M个并行EKF的示例；

图20示出了根据本公开的实施例的用于模型切换的示例马尔可夫链；

图21示出了根据本公开的实施例的利用两个EKF模型的混合的示例；

图22A示出了根据本公开的实施例的静态锚点选择的示例；

图22B示出了根据本公开的实施例的动态锚点选择的示例；

图23示出了根据本公开的实施例的自适应锚点选择过程的示例；

图24示出了根据本公开的实施例的自适应锚点选择系统的示例；

图25示出了根据本公开的实施例的全局和局部锚点选择的示例；

图26示出了根据本公开的实施例的每测距间隔的定位序列和能耗模型的示意图的示例；

图27示出了根据本公开的实施例的基于距离在定位模式之间转换的示例；

图28示出了根据本公开的实施例的用于确定用于改变定位模式的距离阈值的方法的流程图；

图29示出了根据本公开的实施例的在定位和跟踪系统中结合距离和AoA测量结果的置信度的示例；

图30示出了根据本公开的实施例的用于通过利用最大值进行归一化根据由CIR峰指示的FoM来获得加权系数的方法的流程图；

图31示出了根据本公开的实施例的用于通过FoM的函数的加权平均根据由CIR峰指示的FoM来获得加权系数的方法的流程图；

图32示出了根据本公开的实施例的用于通过有记忆的加权平均(weightedaverage with memory)根据由CIR峰指示的FoM来获得加权系数的方法的流程图；

图33示出了根据本公开的实施例的利用第一峰和最高峰的FoM计算延迟扩展估计值的示例；

图34示出了根据本公开的实施例的使用CIR获得距离测量结果偏差或误差统计的示例；

图35示出了根据本公开的实施例的FoM与距离测量结果误差的方差之间的映射功能的示例；

图36示出了根据本公开的实施例的利用经修改的扩展卡尔曼滤波器的定位的图表示的示例；

图37示出了根据本公开的实施例的定位和跟踪系统在部分测量结果丢失时的距离测量的示例；

图38示出了根据本公开的实施例的部分测量结果丢失时的用于扩展卡尔曼滤波器的方法的流程图；

图39示出了根据本公开的实施例的用于(利用距离测量结果和AoA的)扩展卡尔曼滤波步骤的方法的流程图；

图40示出了根据本公开的实施例的针对利用扩展卡尔曼滤波器的定位的用于考虑距离测量结果和AoA来计算雅可比矩阵的方法的流程图；

图41示出了根据本公开的实施例的针对利用扩展卡尔曼滤波器的定位的用于考虑距离测量结果和AoA中的部分测量结果丢失来计算新息(innovation)的方法的流程图；以及

图42示出了根据本公开的实施例的用于基于单元的定位的方法的流程图。

具体实施方式

以下讨论的图1至图42和用于描述本专利文档中的本公开的原理的各种实施例仅仅是说明性的，而决不应以任何方式解释为限制本公开的范围。本领域技术人员可以理解的是，本公开的原理可以在任何适当布置的系统或设备中实现。

根据仅通过示出包括被考虑为用于实现本公开的最佳实施方式的多个特定实施例和实施方式的以下详细描述，就容易地理解本公开的方面、特征和优点。本公开也能够用于其他不同的实施例，并且可以在各个明显的方面修改其若干细节，这都不背离本公开的精神和范围。因此，附图和描述在本质上被认为是说明性的，而不是限制性的。在附图中的各图中以示例而非限制的方式示出了本公开。

下面的图1至图4B描述了在无线通信系统中并且利用正交频分复用(OFDM)或正交频分多址接入(OFDMA)通信技术实现的各种实施例。图1至图3的描述不意在暗示对可以实现不同的实施例的方式的物理或架构限制。本公开的不同实施例可以在任何适当布置的通信系统中实现。

图1示出了根据本公开的实施例的示例无线网络。图1所示的无线网络的实施例仅用于说明。在不脱离本公开的范围的情况下，可以使用无线网络100的其他实施例。

如图1所示，无线网络包括gNB 101(例如，基站(BS))、gNB 102和gNB 103。gNB 101与gNB 102和gNB 103通信。gNB 101还与诸如互联网、专有互联网协议(IP)网络或其他数据网络之类的至少一个网络130通信。

gNB 102为在gNB 102的覆盖区域120内的多个第一用户设备(UE)提供对网络130的无线宽带接入。多个第一UE包括：可以位于小企业中的UE 111；可以位于企业(E)中的UE112；可以位于WiFi热点(HS)中的UE 113；可以位于第一住宅(R)中的UE 114；可以位于第二住宅(R)中的UE 115；以及可以是诸如手机、无线膝上型计算机、无线PDA之类的移动设备(M)的UE 116。gNB 103为在gNB 103的覆盖区域125内的多个第二UE提供对网络130的无线宽带接入。多个第二UE包括UE 115和UE 116。在一些实施例中，gNB 101至103中的一个或多个可以使用5G、LTE、LTE-A、WiMAX、WiFi或其他无线通信技术彼此通信并且与UE 111至116通信。

根据网络类型，术语“基站”或“BS”可以指被配置为提供对网络的无线接入的任意组件(或组件的集合)，例如发送点(TP)、收发点(TRP)、增强基站(eNodeB或eNB)、5G基站(gNB)、宏小区、毫微微小区、WiFi接入点(AP)或其他具有无线能力的设备。基站可以根据诸如5G 3GPP新无线电接口/接入(NR)、长期演进(LTE)、LTE高级(LTE-A)、高速分组接入(HSPA)、Wi-Fi 802.11a/b/g/n/ac之类的一个或多个无线通信协议提供无线接入。为了方便，术语“BS”和“TRP”在本专利文件中互换地使用以指代提供对远程终端的无线接入的网络基础结构组件。此外，根据网络类型，术语“用户设备”或“UE”可以指诸如“移动台”、“用户台”、“远程终端”、“无线终端”、“接收点”或“用户设备”之类的任意组件。为了方便，术语“用户设备”和“UE”在本专利文件中使用以指代无线地接入BS的远程无线设备，无论UE是移动设备(例如，移动电话或智能电话)还是通常认为的固定设备(例如，台式计算机或售货机)。

虚线示出了覆盖区域120和覆盖区域125的大致范围，仅出于说明和解释的目的将其示出为大致圆形。应该清楚地理解，与gNB相关联的覆盖区域(例如，覆盖区域120和覆盖区域125)可以根据gNB的配置和与自然和人造障碍物相关联的无线电环境中的改变而具有包括不规则形状的其他形状。

尽管图1示出了无线网络的一个示例，但是可以对图1进行各种改变。例如，无线网络可以包括任意合适的布置中的任意数量的gNB和任意数量的UE。此外，gNB 101可以与任意数量的UE直接通信，并且向这些UE提供对网络130的无线宽带接入。类似地，gNB 102至103中的每个可以与网络130直接通信，并且向UE提供对网络130的直接无线宽带接入。此外，gNB 101、102和/或103可以提供对其他的或附加的外部网络(例如，外部电话网络或其他类型的数据网络)的接入。

图2示出了根据本公开的实施例的示例gNB 102。图2所示的gNB 102的实施例仅用于说明，并且图1的gNB 101和103可以具有相同或类似的配置。然而，gNB有很多种配置，并且图2不将本公开的范围限制于gNB的任意特定实现。

如图2所示，gNB 102包括多个天线205a至205n、多个RF收发机210a至210n、发送(TX)处理电路215和接收(RX)处理电路220。gNB 102还包括控制器/处理器225、存储器230、以及回程或网络接口235。

RF收发机210a至210n从天线205a至205n接收输入的RF信号(例如，由网络100中的UE发送的信号)。RF收发机210a至210n对输入的RF信号进行降频转换以生成IF或基带信号。IF或基带信号被发送到RX处理电路220，RX处理电路220通过对基带或IF信号进行滤波、解码和/或数字化来生成处理后的基带信号。RX处理电路220将处理后的基带信号发送到控制器/处理器225用于进一步处理。

TX处理电路215从控制器/处理器225接收模拟或数字数据(例如，语音数据、web数据、电子邮件或交互式视频游戏数据)。TX处理电路215对输出的基带数据进行编码、复用和/或数字化，以生成处理后的基带或IF信号。RF收发机210a至210n从TX处理电路215接收输出的处理后的基带或IF信号，并将该基带或IF信号升频转换为经由天线205a至205n发送的RF信号。

控制器/处理器225可以包括控制gNB 102的总体操作的一个或多个处理器或其他处理设备。例如，根据众所周知的原理，控制器/处理器225可以通过RF收发机210a至210n、RX处理电路220和TX处理电路215来控制对前向信道信号的接收和对反向信道信号的发送。控制器/处理器225也可以支持附加的功能，例如更高级的无线通信功能。

例如，控制器/处理器225可以支持波束成形或定向路由操作，在其中将来自多个天线205a至205n的输出信号进行不同加权，以有效地将输出信号导向到希望的方向。在gNB102中可以通过控制器/处理器225来支持很多种其他功能中的任意功能。

控制器/处理器225还能够执行存储器230中驻存的程序和其他进程，例如OS。控制器/处理器225可以根据执行进程的要求将数据移入或移出存储器230。

控制器/处理器225还耦接到回程或网络接口235。回程或网络接口235允许gNB102通过回程连接或通过网络与其他设备或系统通信。接口235可以支持通过任意合适的有线或无线连接的通信。例如，当将gNB 102实现为蜂窝通信系统(例如，支持5G、LTE或LTE-A的蜂窝通信系统)的一部分时，接口235可以允许gNB 102通过有线或无线回程连接与其他gNB通信。当gNB 102被实现为接入点时，接口235可以允许gNB 102通过有线或无线局域网或通过有线或无线连接与较大的网络(例如，互联网)通信。接口235包括支持通过有线或无线连接的通信的任意合适的结构，例如以太网或RF收发机。

存储器230耦接到控制器/处理器225。存储器230的一部分可以包括RAM，并且存储器230的另一部分可以包括闪存或其他ROM。

尽管图2示出了gNB 102的一个示例，但是可以对图2进行各种改变。例如，gNB 102可以包括任意数量的图2所示的每个组件。作为特定示例，接入点可以包括多个接口235，并且控制器/处理器225可以支持用于在不同的网络地址之间路由数据的路由功能。作为另一个特定示例，虽然示出为包括TX处理电路215的单个实例和RX处理电路220的单个实例，但是gNB 102可以包括任一项的多个实例(例如，每个RF收发机一个)。此外，可以将图2中的各组件组合、进一步细分或省略，并且可以根据特定需要来添加附加组件。

图3示出了根据本公开的实施例的示例UE 116。图3所示的UE 116的实施例仅用于说明，并且图1的UE 111至115可以具有相同或类似的配置。然而，UE有很多种配置，并且图3不将本公开的范围限制于UE的任意特定实现。

如图3所示，UE 116包括天线305、射频(RF)收发机310、TX处理电路315、麦克风320和接收(RX)处理电路325。UE 116还包括扬声器330、处理器340、输入/输出(I/O)接口(IF)345、触摸屏350、显示器355和存储器360。存储器360包括操作系统(OS)361和一个或多个应用362。

RF收发机310从天线305接收由网络100的gNB发送的输入的RF信号。RF收发机310对输入的RF信号进行降频转换以生成中频(IF)或基带信号。IF或基带信号被发送到RX处理电路325，RX处理电路325通过对基带或IF信号进行滤波、解码和/或数字化来生成处理后的基带信号。RX处理电路325向扬声器330(例如，针对语音数据)或处理器340(例如，针对web浏览数据)发送处理后的基带信号用于进一步处理。

TX处理电路315从麦克风320接收模拟或数字语音数据或从处理器340接收其他输出的基带数据(例如，web数据、电子邮件或交互式视频游戏数据)。TX处理电路315对输出的基带数据进行编码、复用和/或数字化，以生成处理后的基带或IF信号。RF收发机310从TX处理电路315接收输出的处理后的基带或IF信号，并将该基带或IF信号升频转换为经由天线305发送的RF信号。

处理器340可以包括一个或多个处理器或其他处理设备，并执行存储器360中存储的OS 361，以控制UE 116的总体操作。例如，根据众所周知的原理，处理器340可以通过RF收发机310、RX处理电路325和TX处理电路315来控制对前向信道信号的接收和对反向信道信号的发送。在一些实施例中，处理器340包括至少一个微处理器或微控制器。

处理器340还能够执行存储器360中驻存的其他进程和程序。处理器340可以根据执行进程的要求将数据移入或移出存储器360。在一些实施例中，处理器340被配置为基于OS 361或响应于从gNB或操作者接收的信号来执行应用362。处理器340还耦接到I/O接口345，I/O接口345向UE 116提供连接到其他设备(例如，膝上型计算机和手持计算机)的能力。I/O接口345是这些附件和处理器340之间的通信路径。

处理器340还耦接到触摸屏350和显示器355。UE 116的操作者可以使用触摸屏350将数据输入进UE 116。显示器355可以是液晶显示器、发光二极管显示器或能够渲染例如来自网站的文本和/或至少有限图形的其他显示器。

存储器360耦接到处理器340。存储器360的一部分可以包括随机存取存储器(RAM)，并且存储器360的另一部分可以包括闪存或其他只读存储器(ROM)。

尽管图3示出了UE 116的一个示例，但是可以对图3进行各种改变。例如，可以将图3中的各组件组合、进一步细分或省略，并且可以根据特定需要来添加附加组件。作为特定示例，处理器340可以被划分为多个处理器，例如一个或多个中央处理单元(CPU)和一个或多个图形处理单元(GPU)。此外，虽然图3示出了被配置为移动电话或智能电话的UE 116，但是UE可以被配置为作为其他类型的移动或固定设备操作。

图4A是发送路径电路的高层图。例如，发送路径电路可以用于正交频分多址接入(OFDMA)通信。图4B是接收路径电路的高层图。例如，接收路径电路可以用于正交频分多址接入(OFDMA)通信。在图4A和图4B中，对于下行链路通信，发送路径电路可以在基站(gNB)102或中继站中实现，并且接收路径电路可以在用户设备(例如，图1的用户设备116)中实现。在其他示例中，对于上行链路通信，接收路径电路450可以在基站(例如，图1的gNB 102)或中继站中实现，并且发送路径电路可以在用户设备(例如，图1的用户设备116)中实现。

发送路径电路包括信道编码和调制块405、串到并(S到P)块410、尺寸N的快速傅里叶逆变换(IFFT)块415、并到串(P到S)块420、添加循环前缀块425和升频转换器(UC)430。接收路径电路450包括降频转换器(DC)455、去除循环前缀块460、串到并(S到P)块465、尺寸N的快速傅里叶变换(FFT)块470、并到串(P到S)块475、以及信道解码和解调块480。

图4A 400和图4B 450中的组件中的至少一些组件可以在软件中实现，而其他组件可以由可配置的硬件或软件与可配置的硬件的混合实现。具体地，要注意，本公开文件中描述的FFT块和IFFT块可以被实现为可配置的软件算法，尺寸N的值可以根据实施方式来修改。

此外，虽然本公开针对实现快速傅里叶变换和快速傅里叶逆变换的实施例，但这仅是为了说明，并且不可以解释为限制本公开的范围。应理解，在本公开的备选实施例中，快速傅里叶变换功能和快速傅里叶逆变换功能可以容易地分别被离散傅里叶变换(DFT)功能和离散傅里叶逆变换(IDFT)功能替换。应理解，对于DFT和IDFT功能，变量N的值可以是任意整数(即，1、4、3、4等)，而对于FFT和IFFT功能，变量N的值可以是为2的幂的任意整数(即，1、2、4、8、16等)。

在发送路径电路400中，信道编码和调制块405接收信息比特集合，对输入比特应用编码(例如，LDPC编码)和调制(例如，正交相移键控(QPSK)或正交幅度调制(QAM))以产生频域调制符号的序列。串到并块410将串行调制符号转换(即，解复用)为并行数据，以产生N个并行符号流，其中N是在BS 102和UE 116中使用的IFFT/FFT尺寸。尺寸N的IFFT块415然后对N个并行符号流执行IFFT操作，以产生时域输出信号。并到串块420将来自尺寸N的IFFT块415的并行时域输出符号进行转换(即，复用)，以产生串行时域信号。添加循环前缀块425然后将循环前缀插入到时域信号。最后，升频转换器430将添加循环前缀块425的输出调制(即，升频转换)到RF频率，以用于经由无线信道传输。信号在转换到RF频率之前也可以在基带处进行滤波。

所发送的RF信号在经过无线信道之后到达UE 116，并且在gNB 102处对其执行相反的操作。降频转换器455将所接收的信号降频转换到基带频率，并且去除循环前缀块460去除循环前缀，以产生串行时域基带信号。串到并块465将时域基带信号转换成并行时域信号。尺寸N的FFT块470然后执行FFT算法，以产生N个并行频域信号。并到串块475将并行频域信号转换成调制数据符号的序列。信道解码和解调块480对调制符号进行解调并且然后进行解码，以恢复原始输入数据流。

gNB 101至103中的每一个可以实现与在下行链路中向用户设备111至116进行发送类似的发送路径，并且可以实现与在上行链路中从用户设备111至116进行接收类似的接收路径。类似地，用户设备111至116中的每一个可以实现与用于在上行链路中向gNB 101至103进行发送的架构相对应的发送路径，并且可以实现与用于在下行链路中从gNB 101至103进行接收的架构相对应的接收路径。

对等感知通信(PAC)网络是完全分布式通信网络，其允许PAC设备(PD)之间的直接通信。PAC网络可以使用类似于网状、星形等的若干拓扑结构，以支持用于各种服务的PD之间的交互。虽然本公开将PAC网络和PD用作示例来阐述和说明本公开，但是要注意本公开不限于这些网络。本公开中阐述的一般构思可以在具有不同场景的各种类型的网络中使用。

图5示出了根据本公开的实施例的示例网络配置500。图5所示的网络配置500的实施例仅用于说明。图5不将本公开的范围限制于任意特定实现。如图5所示，电子设备501可以执行图1所示的111至116的一个或多个功能。在一个实施例中，电子设备可以是如图1所示的111至116和/或101至103。

PD可以是电子设备。图5示出了根据各种实施例的示例电子设备501。参考图5，电子设备501可以经由第一网络598(例如，短距离无线通信网络)与电子设备502通信，或者经由第二网络599(例如，长距离无线通信网络)与电子设备104或服务器508通信。根据实施例，电子设备501可以经由服务器508与电子设备504通信。

根据实施例，电子设备501可以包括处理器520、存储器530、输入设备550、声音输出设备555、显示设备560、音频部570、传感器576、接口577、触觉部579、相机580、电力管理部588、电池589、通信接口590、用户识别模块(SIM)596或天线597。在一些实施例中，可以从电子设备501中省略至少一个组件(例如，显示设备560或相机580)，或可以在电子设备501中添加一个或多个其他组件。在一些实施例中，可以将一些组件实现为单个集成电路。例如，传感器576(例如，指纹传感器、虹膜传感器或照度传感器)可以实现为嵌入在显示设备560(例如，显示器)中。

例如，处理器520可以执行软件(例如，程序540)，以控制与处理器520耦接的电子设备501的至少一个其他组件(例如，硬件或软件组件)，并且可以执行各种数据处理或计算。根据本公开的一个实施例，作为数据处理或计算的至少一部分，处理器520可以将从另一组件(例如，传感器576或通信接口590)接收的命令或数据加载到易失性存储器532中，处理存储在易失性存储器532中的命令或数据，并将所得数据存储在非易失性存储器534中。

根据本公开的实施例，处理器520可以包括主处理器521(例如，中央处理单元(CPU)或应用处理器(AP))、以及可独立于主处理器521操作或可与主处理器521联合操作的辅处理器523(例如，图形处理单元(GPU)、图像信号处理器(ISP)、传感器集线器处理器或通信处理器(CP))。附加地或备选地，辅处理器523可以适于消耗比主处理器521少的电力，或专用于指定功能。辅处理器523可以实现为单独的形式，或作为主处理器521的一部分。

辅处理器523可以在主处理器521处于非活动(例如，睡眠)状态时代替主处理器521，或在主处理器521处于活动状态(例如，正在执行应用)时与主处理器521一起，控制与电子设备501的组件中的至少一个组件(例如，显示设备560、传感器576或通信接口590)有关的功能或状态中的至少一些功能或状态。根据实施例，辅处理器523(例如，图像信号处理器或通信处理器)可以实现为在功能上与辅处理器523有关的另一组件(例如，相机580或通信接口190)的一部分。

存储器530可以存储由电子设备501的至少一个组件(例如，处理器520或传感器576)使用的各种数据。例如，各种数据可以包括软件(例如，程序540)和用于与其有关的命令的输入数据或输出数据。存储器530可以包括易失性存储器532或非易失性存储器534。

可以将程序50作为软件存储在存储器530中，并且例如，程序50可以包括操作系统(OS)542、中间件544或应用546。

输入设备550可以从电子设备501的外部(例如，用户)接收要由电子设备501的另一组件(例如，处理器520)使用的命令或数据。例如，输入设备550可以包括麦克风、鼠标、键盘或数字笔(例如，手写笔)。

声音输出设备555可以向电子设备501的外部输出声音信号。例如，声音输出设备555可以包括扬声器或听筒。扬声器可以用于一般目的，例如播放多媒体或播放录音，而听筒可以用于来电呼叫。根据实施例，听筒可以实现为单独的形式，或作为扬声器的一部分。

显示设备560可以以可见方式向电子设备501的外部(例如，用户)提供信息。例如，显示设备560可以包括显示器、全息设备或投影仪和控制电路，控制电路用来控制显示器、全息设备和投影仪中的对应的一个。根据实施例，显示设备560可以包括适于检测触摸的触摸电路或适于测量通过触摸所产生的力的强度的传感器电路(例如，压力传感器)。

音频部570可以将声音转换为电信号，反之亦然。根据实施例，音频部570可以经由输入设备550获得声音，或者经由声音输出设备555或与电子设备501直接地(例如，使用有线线路)或无线地耦接的外部电子设备(例如，电子设备502)的耳机输出声音。

传感器576可以检测电子设备#01的操作状态(例如，电力或温度)或电子设备501外部的环境状态(例如，用户的状态)，然后生成与检测到的状态相对应的电信号或数据值。根据实施例，传感器576可以包括例如手势传感器、陀螺仪传感器、大气压力传感器、磁性传感器、加速度传感器、握持传感器、接近传感器、颜色传感器、红外(IR)传感器、生物特征传感器、温度传感器、湿度传感器或照度传感器。

接口577可以支持要用于电子设备501的一个或多个指定协议，以与外部电子设备(例如，电子设备502)直接地(例如，使用有线线路)或无线地耦接。根据本公开的实施例，接口577可以包括例如高清晰度多媒体接口(HDMI)、通用串行总线(USB)接口、安全数字(SD)卡接口或音频接口。

连接端子578可以包括连接器，电子设备501可以经由该连接器与外部电子设备(例如，电子设备502)物理连接。根据实施例，连接端子578可以包括例如HDMI连接器、USB连接器、SD卡连接器或音频连接器(例如，耳机连接器)。

触觉部579可以将电信号转换为可以由用户经由他的触感或动觉而识别的机械刺激(例如，振动或移动)或电刺激。根据实施例，触觉部579可以包括例如电机、压电元件或电刺激器。

相机580可以捕获静态图像或运动图像。根据本公开的实施例，相机580可以包括一个或多个镜头、图像传感器、图像信号处理器或闪光灯。

电力管理部588可以管理供应给电子设备501的电力。根据一个实施例，电力管理部588可以实现为例如电力管理集成电路(PMIC)的至少一部分。电池589可以向电子设备501的至少一个组件供电。根据实施例，电池589可以包括例如不可再充电的原电池、可再充电的二次电池或燃料电池。

通信接口590可以支持在电子设备501和外部电子设备(例如，电子设备502、电子设备504或服务器508)之间建立直接(例如，有线)通信信道或无线通信信道，并经由所建立的通信信道执行通信。通信接口590可以包括一个或多个通信处理器，其可独立于处理器520(例如，应用处理器(AP))操作，并且支持直接(例如，有线)通信或无线通信。

根据本公开的实施例，通信接口590可以包括无线通信接口592(例如，蜂窝通信接口、短距离无线通信接口或全球导航卫星系统(GNSS)通信接口)或有线通信接口594(例如，局域网(LAN)通信接口或电力线通信(PLC))。这些通信接口中对应的一个通信接口可以经由第一网络598(例如，诸如蓝牙、无线保真(Wi-Fi)直连、超宽带(UWB)或红外数据协会(IrDA)之类的短距离通信网络)或经由第二网络599(例如，诸如蜂窝网、互联网或计算机网(例如，LAN或广域网(WAN))之类的长距离通信网络)与外部电子设备通信。

这些各种类型的通信接口可以实现为单个组件(例如，单个芯片)，或者可以实现为彼此分离的多个组件(例如，多个芯片)。无线通信接口592可以使用存储在用户识别模块596中的用户信息(例如，国际移动用户身份(IMSI))在通信网络(例如，第一网络598或第二网络599)中识别和认证电子设备501。

天线597可以向电子设备501外部(例如，外部电子设备)发送信号或电力或者从电子设备501外部接收信号或电力。根据实施例，天线597可以包括如下天线，该天线包括由导电材料构成的辐射元件或形成在基板(例如，PCB)中或基板上的导电图案。根据实施例，天线597可以包括多个天线。在这种情况下，例如，可以通过通信接口590(例如，无线通信接口592)从多个天线中选择适合于在通信网络(例如，第一网络198或第二网络599)中使用的通信方案的至少一个天线。然后，可以经由所选择的至少一个天线在通信接口590和外部电子设备之间发送或接收信号或电力。根据实施例，还可以将除了辐射元件之外的另一组件(例如，射频集成电路(RFIC))形成为天线597的一部分。

上述组件中的至少一些组件可以相互耦接，并经由外设间通信方案(例如，总线、通用输入和输出(GPIO)、串行外围接口(SPI)或移动行业处理器接口(MIPI))在它们之间传送信号(例如，命令或数据)。

根据本公开的实施例，可以经由与第二网络599耦接的服务器508，在电子设备501和外部电子设备504之间发送或接收命令或数据。电子设备502和504中的每一个可以是与电子设备501相同类型或不同类型的设备。根据实施例，要在电子设备501处执行的所有操作或一些操作可以在外部电子设备502、504或508中的一个或多个处执行。例如，如果电子设备501可以自动地或响应于来自用户或另一设备的请求而执行功能或服务，则代替其执行所述功能或服务，或者除了执行所述功能或服务之外，电子设备501可以请求一个或多个外部电子设备执行所述功能或服务的至少一部分。接收到请求的一个或多个外部电子设备可以执行所请求的功能或服务的至少一部分或与请求有关的附加功能或附加服务，并将执行的结果传送给电子设备501。无论是否进一步处理结果，电子设备501都可以提供该结果，作为对请求的应答的至少一部分。为此，例如，可以使用云计算、分布式计算或客户端-服务器计算技术。

根据各种实施例的电子设备可以是各种类型的电子设备之一。例如，电子设备可以包括便携式通信设备(例如，智能电话)、计算机设备、便携式多媒体设备、便携式医疗设备、相机、可穿戴设备或家用电器。根据本公开的实施例，电子设备不限于上述设备。

本文中所阐述的各种实施例可以实现为包括存储在可由机器(例如，电子设备501)读取的存储介质(例如，内部存储器536或外部存储器538)中的一条或多条指令的软件(例如，程序140)。例如，机器(例如，电子设备501)的处理器(例如，处理器520)可以调用存储在存储介质中的一条或多条指令中的至少一条指令，并且在处理器的控制下，使用或不使用一个或多个其他组件来执行它。这使得机器操作为根据所调用的至少一条指令执行至少一个功能。一条或多条指令可以包括由编译器生成的代码或可由解释器执行的代码。机器可读存储介质可以以非暂时性存储介质的形式提供。其中，术语“非暂时性”仅仅意指存储介质是有形设备，并且不包括信号(例如，电磁波)，但是该术语不对数据被半永久地存储在存储介质中的情况和数据被暂时存储在存储介质中的情况进行区分。

根据本公开的实施例，根据本公开的各种实施例的方法可以被包括和设置在计算机程序产品中。计算机程序产品可以作为产品在卖方和买方之间进行交易。计算机程序产品可以以机器可读存储介质(例如，光盘只读存储器(CD-ROM))的形式分发，或者经由应用商店(例如，PlayStoreTM)在线分发(例如，下载或上传)，或者直接在两个用户设备(例如，智能电话)之间分发。如果在线分发，则计算机程序产品的至少一部分可以暂时生成或至少暂时存储在机器可读存储介质(例如，制造商的服务器、应用商店的服务器或中继服务器的存储器)中。

图6示出了根据本公开的实施例的示例单侧双程测距600。图6所示的单侧双程测距600的实施例仅用于说明。图6所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。单侧双程测距600可以在如图5所示的电子设备501中执行。

SS-TWR涉及从发起者到应答者的单个消息和向发起者发回的响应的往返延迟的单个测量结果。图7中示出了SS-TWR的操作，其中设备A发起交换并且设备B做出响应以完成交换。每个设备精确地为消息帧的发送时间和接收时间标记时间戳，因此可以通过简单的减法计算时间Tround和时间Treply。因此，可以通过以下等式估计所产生的飞行时间(time-of-flight)Tprop：

图7示出了根据本公开的实施例的利用三个消息的示例双侧双程测距700。图7所示的双侧双程测距的实施例仅用于说明。图7所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。利用三个消息的双侧双程测距700可以在如图5所示的电子设备501中执行。

在图7中示出了利用三个消息的DS-TWR，其减小了由长响应延迟中的时钟偏移引起的估计误差。设备A是用于初始化第一往返测量的发起者，而作为应答者的设备B则做出响应以完成第一往返测量，并且同时初始化第二往返测量。每个设备精确地为消息的发送时间和接收时间标记时间戳，并且可以通过以下表达式计算所产生的飞行时间估计值Tprop：

然后可以使用

(其中c是光速)将根据SS-TWR或DS-TWR而得到的所产生的飞行时间估计值转换成距离估计值R。

图8示出了根据本公开的实施例的基于来自锚点的距离测量结果的标记物的示例定位800。图8所示的标记物的定位800的实施例仅用于说明。图8所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

图4中示出了用于基于来自锚点的距离测量结果的标记物的定位的示例性设置。假设已知锚点的坐标，第i个锚点在p_i＝(x_i，y_i，z_i)处，i＝1，2，…，N，其中N是锚点的数量。将估计标记物(或目标)位置p_t＝(x_t，y_t，z_t)。对于2D定位问题，估计三个坐标中的两个坐标，例如只是(x_t，y_t)。第i个锚点对标记物执行测量m_i，其中m’s可以是距离测量结果。定位方案通常尝试执行从测量结果到目标的位置的逆映射。

可以针对可获得来自锚点的距离测量结果的每个时刻生成或计算定位结果。如果来自锚点的距离测量结果频繁地更新，则这可以引起频繁的定位处理。如果定位的结果不触发使用定位结果的应用的任意动作(如果目标的位置在可能的动作的感兴趣区域的外部则可以是这种情况)、或者如果可以认为定位结果不精确或不可靠(如果目标离锚点太远则可以是这种情况)，则可能不需要频繁的定位。

在本公开中，引入了基于单元或网格的定位方法，其采用测距测量结果和锚点位置作为输入，并且根据单元或目标的状态以特定的置信量度生成目标的位置。使用所述方法的定位引擎将定位的区域

网格化成单元

并且在每个步骤提供目标处于第i个单元

的置信度值。单元实质上是特定的定位空间或感兴趣区域。当所述方法识别到目标以足够高的置信度处于空间中时就可以触发特定的动作。

图9示出了根据本公开的实施例的两个定位引擎框架900的示例。图9所示的两个定位引擎框架900的实施例仅用于说明。图9所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

图9示出了两个不同的定位框架，其中右边的框架是本公开的焦点。虽然图9中示出了距离测量结果，但是要注意，诸如到达时间差、到达角、到达时间之类的其他类型的测量结果也可以应用于该框架。

图10示出了根据本公开的实施例的示例定位引擎架构1000。图10所示的定位引擎架构1000的实施例仅用于说明。图10所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

定位引擎的示例架构如图10所示。在本公开中描述了构造目标状态空间、应用状态转换、计算单元似然率和对应的状态似然率的方法。构造目标状态空间和状态转换可以包括在块“配置定位引擎”中，而基于测量结果计算单元和/或状态似然率可以在块“定位引擎”中执行。

为了形式化状态空间，可以使用来自图论的术语。在本公开中，为了完整性考虑图论基本原理。基于包含表示为V＝{v₁，v₂，...，v_n}的n个元素的顶点集合V构建无向图。顶点也称为节点。由对(i，j)(其中v_i，v_j∈V)表示的边指示V中的顶点对之间存在关系。图的所有边的集合表示为

顶点集合V和边的集合E定义(有限、简单的)图G＝(V；E)。

如果v_i与v_j之间存在边，则这些顶点相邻。n×n邻接矩阵A(G)包含顶点之间的邻接关系，其中，如果(i，j)∈E，则由A(G)_i，j表示的第i行第j列的条目是1，否则是0。A(G)的第i行中的非零条目给出了连接到顶点i的顶点的集合，被称为相邻项

并且(i，j)∈E。顶点v的相邻项表示为

其是与v相邻的顶点的集合。

在本公开中，考虑了可自定位的移动设备，并且描述了用于使用来自锚点的距离测量结果来执行设备上定位的方法。其他类型的测量结果(例如，到达时间差、到达角、到达时间)也可以经直截了当的修改与我们的框架一起应用。定位方法也可以在锚点处或在控制锚点的中央单元处执行。假设移动设备(也称为目标或标记物)在定义了针对这个问题的感兴趣的运动区域的区域

中移动。区域

可以具有根据与空间坐标有关的界限定义的边界。

的示例是房间、走廊、门厅、车辆的附近或内部等。为了说明，可以假设

中存在一个目标，以使跟踪问题变为对该目标的状态(之后提供目标的可能的状态定义)的估计。然而，要注意该方法可以容易地扩展到多目标跟踪情况，其可以被视为并行操作的单个目标跟踪方法的集合。

在一个实施例中，离散状态空间可以利用有限数量的状态({s_i}，i＝1，2，...，S)来构造。这个状态空间可以利用目标/标记物状态图(G_S)指定，其中每个节点与一个状态相对应，并且每个边表示状态转换，状态转换与称为状态转换概率的特定概率(q(s，s′))相关联。

在时刻t_K的目标状态

可以是组成部分的向量，其中所述组成部分中的一些组成部分是运动学的，并且包括但不限于位置、速度和可能的加速度。可以存在可以与目标的标识或其他特征有关的附加的组成部分。例如，如果组成部分中的一个组成部分指定目标类型，则该组成部分也可以指定信息，例如雷达截面、阻力系数和空中目标的质量；在海洋目标的情况下，可以指定在各种频率和运动特性(例如，最大速度)下的辐射的噪声水平。状态空间可以根据要跟踪的目标的性质和要接收的传感器(或其他)信息在问题之间变化。为了使用本公开中给出的递归，对目标状态空间存在附加的要求。状态空间可以足够丰富，以使(1)目标的运动在所选择的状态空间中是马尔可夫运动，以及使(2)传感器似然函数仅依赖于目标在观察的时刻的状态。

图11示出了根据本公开的实施例的根据环境构造状态转换图1100的示例。图11所示的构造状态转换图1100的实施例仅用于说明。图11所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

构造状态空间很重要且是问题特定的。提供两个方案来形成定位引擎的状态空间。在图11中示出了基本步骤。定位引擎的其他组件的设计可以密切地依赖这些方案的选择。为了构造离散状态空间，第一个步骤是将

网格化成由1....，m索引的单元(也称为网格)的有限集合，其中c₁，...，c_M表示单元的质心。出于说明的目的，在二维空间的子集中考虑定位(即，

是平面的有界子集)。

然而，所述构造可以扩展到较高维度，例如三维。所述单元可以是任意凸多边形，包括但不限于六边形和方形网格和Voronoi网格。不同的单元可以具有不同的形状和尺寸。为了说明，经网格化的环境(其也可以被称为“网格世界”)被提供为连通图G_C＝(V_C，E_C)，其中V_C＝{c₁，c₂，...，c_M}。G_C的邻接矩阵的定义(等同于E_C的定义)可以是设计特定的。一个示例构造是根据由V_C的节点形成的Delaunay三角剖分来定义邻接性。

图12示出了根据本公开的实施例的针对2D场景根据网格世界构造连通图1200的示例。图12所示的构造连通图1200的实施例仅用于说明。图12所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图12所示，提供了G_C的示例构造，其中当且仅当网格共享公共边时两个节点才相邻。

图13示出了根据本公开的实施例的针对用于车辆访问的2D场景的根据网格世界构造连通图1300的示例。图13所示的构造连通图1300的实施例仅用于说明。图13所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

在一个示例中，定位的区域

可以是如图13中的最左边的图所示的包围车辆的空间。区域

可以网格化成如图13中的中间的图和最右边的图所示的单元。每个单元标签的物理解释在表1中示出。如图13所示，单元可以表示车辆内部或外部的物理空间。车辆内的单元可以定义为与车辆的座椅相对应(单元1、单元2、单元3、单元4)。可以设计形状和尺寸可能不同的单元，以使目标的定位(即，识别目标所处的单元)可以基于定位结果(例如，在上层中)触发后续的动作。

对于车辆示例，单元可以覆盖从车门到车辆外部大致2米的半径(如图13所示的单元12)，目的在于当标记物被定位为处于该单元中时解锁车辆。另一个单元可以覆盖车辆内部与驾驶员座椅相对应的空间(如图13所示的单元1)，目的在于当标记物被定位为处于该单元中时启动车辆引擎。

表1：单元标签

在构造连通图之后，可以通过根据以下两个方案中的任一方案构造目标状态图。要注意这两个方案可能不是构造目标状态图的仅有的方法。例如，可能存在用于形成目标状态图的组合方案1和方案2的混合方案。

在方案1的一个示例中，目标状态图与连通图相同(G_S＝G_C)。

在方案2的一个示例中，目标状态图G_S与连通图不同。用于构造这样的目标状态图的一个方法是使用目标的航向。图14示出了为何对于具有特定航向的目标移动G_S≠G_C(其是人在

中行走且在手中持有或在口袋或包中保存目标或等同的移动设备时的可能的情况)。

图14示出了根据本公开的实施例的用于捕获与目标的航向有关的信息的目标状态图1400(方案2)的示例。图14所示的目标状态图1400的实施例仅用于说明。图14所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

随着目标沿着连通图移动，其状态由节点对s＝(p，c)∈S表示，其中c∈V_C是目标的当前节点并且p∈V_O是其前一节点。如果目标转换到新状态s′＝(p′，c′)，则p′＝c。因此，对于给定的占用图G_C，目标状态空间是

或p＝c}。对G_S中的每个状态进行枚举，以给出节点V_S＝{s₁，...，S_S}，并且定义有向目标状态图G_S：＝(V_S，E_S)，其中边E_S表示目标状态之间的可能的转变。使R＝{(p，c)∈S：p＝c}表示目标处于静止的状态的子集。这些状态被称为静止状态。其他状态被称为动态状态。在图15中示出了根据G_C构造G_S。

图15示出了根据本公开的实施例的根据连通图构造目标状态图1500的示例。图15所示的构造目标状态图1500的实施例仅用于说明。图15所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

在本公开中，提供了使用来自锚点的距离测量结果并且在

中估计目标的位置的方法。图16示出了定位引擎的主块。

图16示出了根据本公开的实施例的示例定位引擎1600。图16所示的定位引擎1600的实施例仅用于说明。图16所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图16所示，定位引擎1600在块1602中计算初始状态概率，在块1604中应用状态转换，在块1606中执行测距操作，在块1608中计算似然率，在块1610中利用似然率块更新状态概率，以及在块1612中计算每个单元的置信度值。在块1612中计算每个单元的置信度值之后，定位引擎1600还在块1604中应用状态转换。

定位引擎以状态(即，p(s_i)，i＝1，2，...，S)的初始分布开始，并且随时间迭代地更新这些概率。存在两个更新阶段。第一个是应用由动态模型控制的状态转换概率。第二个是基于根据由锚点报告的测距测量结果计算的似然率值更新状态概率。在每次迭代的结束处，定位引擎输出指示目标在单元中的当前位置的概率的置信度值(在概率、似然率、对数似然率等方面)。这些置信度值可以被考虑成与关于目标的位置有关的软信息，其可以用于提取信息(例如，可靠性分数)，以执行任意形式的假设检验(包括但不限于对数似然比)，以根据单元索引指示目标的当前位置。

在本公开中，描述了构建定位引擎的块。

在图16中描述了“应用状态转换”块(例如，1604)。要注意，这个块可以进行离线设计，并且在定位的在线处理期间可以不需要更新。

状态转换概率q(s|s′)表示从状态s′转换到s的概率。状态转换概率可以被解释为有向图G_S上的权重。要注意，指派状态转换概率遵循关于目标移动的一些假设(其可以根据目标移动模型来指定)。

在方案1的一个示例中，状态转换概率的任意有效指派对于给定的s′∈V_S保证∑q(s|s′)＝1。

在方案2的一个示例中，这个构造与将目标的当前单元和前一单元编码到一个状态中的目标状态图构造方案有关。如之前指出的，这个方法中的状态构造使我们能够建模目标的运动的航向。在状态转换概率形成的一个示例中，对于不是静止状态

的特定的状态，目标航向角θ(s)可以根据

计算。

如果s是静止状态，则航向角无法定义。此外，存在针对所有动态状态的指示转换到静止状态的概率的概率p(s)。利用这两个定义，状态转换概率的一个可能的设计可以如下。如果s′是静止状态，则q(s|s′)等于p_s′；如果s′不是静止状态并且s属于G_S中的G_S的相邻项s(即，

)，则(1-p_s)w(s，s’)；否则是0。此处w(s，s′)是满足

的偏置函数(bias function)。偏置函数与目标移动模型有关。具有航向的目标移动的偏置函数一般构造为：w(s，s′)＝f(Δθ(s，s′))，，其中Δθ(s，s′)是两个状态之间的航向上的角度差。

状态转换概率用于使用如表2中所示的以下伪代码更新状态概率。

表2：用于状态转换概率的伪代码

本公开涉及图16中的块“计算似然率”(例如，1608)和“利用似然率更新状态概率”(例如，1610)。块“计算似然率”可以解释为图17中框图。

图17示出了根据本公开的实施例的计算状态似然率1700的示例。图17所示的计算状态似然率1700的实施例仅用于说明。图17所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

令Y_k为在时间t_k处可获得的距离测量结果的集合。令y_k表示随机变量Y_k的值。然后似然函数计算在给定测量结果Y_k＝y_k时目标在时间t_k处在单元i中的似然率。其他类型的测量结果(例如，到达时间差、到达角、到达时间等)也可以用作具有根据测量结果和锚点位置到目标位置的适当映射或函数的输入。

本公开提供根据距离测量结果构造似然函数的方法。要注意，目标位置是锚点位置和距离测量结果的非线性函数。这个非线性可以在形成似然函数期间考虑。要注意，给定任意的误差分布，人们可以根据测量结果误差的联合概率分布形成似然函数。

例如，假设测量结果误差是具有协方差Q的高斯随机变量并且目标具有Q的估计值，则似然函数可以被写为

其中

此处

表示第i个锚点的坐标。对于每个单元，通过计算数值积分对以上似然函数赋值。在针对每个单元计算单元似然率之后，下一个步骤是计算目标状态图中的每个状态的似然率。

在方案1的这种实施例中，单元似然率直接转变成状态似然率。对于方案2，如表3所示，以下伪代码将单元似然率转换成状态似然率。

表3：用于将单元似然率转换成状态似然率的伪代码

最后，状态概率可以如下地通过似然率更新。要注意，步骤3是用于将状态置信度值转换到有效状态概率值的归一化步骤，以使状态概率之和是一(unity)，如表4所示。

表4：用于利用似然率更新状态概率的伪代码

每个状态的置信度用于计算单元置信度值，单元置信度值是定位引擎在每次迭代的输出。对于方案1，单元置信度值等于状态置信度值。对于方案2，单元置信度值根据以下伪代码计算，如表5所示。

表5：用于根据状态置信度计算单元置信度的伪代码

与在任意给定的时间处的状态(或其子集)有关的最终判决可以根据在该时间处具有最大状态概率的状态或根据在该时间处的状态概率的加权状态平均来获得。

扩展卡尔曼滤波器(EKF)可以用于基于从标记物到多个锚点的距离测量结果估计和跟踪标记物的位置。EKF算法假设用于标记物的动态模型。所述动态模型根据模型提供对标记物的轨迹的预测，并且算法将测量结果用于校正该预测，并且生成标记物的位置估计值。根据环境、标记物相对于锚点的位置、以及标记物的实际轨迹等，一个EKF模型可以相对于另一个EKF模型产生较好的定位和跟踪结果。在本公开中，描述了可以适用于多个EKF模型的定位和跟踪解决方案。

图18示出了根据本公开的实施例的示例EKF模型1800。图18所示的EKF模型1800的实施例仅用于说明。图18所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

图18示出了具有两个不同的动态模型的两个示例EKF——即具有一阶动态的EKF和具有二阶动态的EKF。更普遍地，可以存在M个动态模型。本公开提供适用于多个EKF模型的方法。所述方法包括用于混合EKF的状态估计的方法、用于执行模型更新的方法、用于计算模型似然率的方法和用于组合状态估计的方法。本公开还提供用于基于其他输入调整或适配模型似然率的方法。

距离测量结果的质量影响定位和跟踪的精度。当距离测量结果较不可靠(或较容易出错)时，KF/EKF的状态动态特性的特定的类型的建模提供比其他模型更精确的结果。当场景改变时，提供更加精确的定位和跟踪的KF/EKF模型也可以改变。

例如，在非常可靠的测量结果场景(例如，视线(LOS)场景)下，使二阶动态模型为具有6个状态的过程可能是有用的，因为该模型跟踪目标的位置和速度(或等同地，航向)。然而，当距离测量结果不可靠(例如，非LOS(NLOS)场景)时，基于6个状态的二阶动态的定位和跟踪的精度可以降低。在这种场景下，作为具有3个状态的过程的具有一阶动态的KF/EKF可以提供较好的定位和跟踪。

类似地，当可获得足够数量的距离测量结果(或来自所有锚点的距离测量结果)时，具有6个状态的二阶动态可以提供较好的定位和跟踪。然而，当距离测量结果中部分测量结果丢失时，利用6个状态，定位和跟踪的精度可以降低。

通常，当距离测量结果较易出错或不可靠时，具有较低维度的状态空间的具有3个状态的一阶动态模型可以提供较好的结果。这促使我们设计具有M个动态模型的混合和自适应切换的定位和跟踪。图19中示出了这个利用具有多个动态混合模型的M个并行EKF的定位和跟踪的框图。

图19示出了根据本公开的实施例的具有多个动态混合模型的M个并行EKF 1900的示例。图19所示的具有多个动态混合模型的M个并行EKF 1900的实施例仅用于说明。图19所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

图19示出了(1)多个模型以及针对每个模型的EKF(标记为“模型”)，(2)模型概率赋值器，(3)混合器，在每个EKF的输入端处，以及(4)作为每个EKF的输出的估计组合器。前一时间步长的状态估计(X¹，...，X^M)输入到混合器，混合器计算针对滤波器的初始混合状态估计，表示为(X⁰¹，...，X^0M)。使用该初始状态估计和观测值(Z)，滤波器输出下一状态估计(X¹，...，X^M)和模型似然率(Λ₁，..，Λ_M)。

图20示出了根据本公开的实施例的用于模型切换的示例马尔可夫链2000。图20所示的用于模型切换的马尔可夫链2000的实施例仅用于说明。图20所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

模型概率赋值器跟踪模型选择指示符(对于第k个时刻，表示为r_k)的状态，其被建模为马尔可夫链(参见图20，对于M＝2)并且使用似然率值更新模型选择概率。状态估计组合器组合M个滤波器的输出并且提供最终的混合状态估计。

用于结合M个动态模型的混合的定位引擎的详细步骤如下。p(i，j)表示为前向概率，即p(i，j)＝P(r_k＝i|r_k-1＝j)，并且μ_mat(i，j)表示为后向概率，即μ_mat(i，j)＝P(r_k-1＝j|r_k＝i)。因此，通过贝叶斯准则，

其中μ(j)＝P(r_k-1＝j)是在前一时刻选择模型j的概率。

用于定位和跟踪的基于EKF的混合模型的主要步骤的详细描述在下面描述，如表6所示。

表6：基于EKF的混合模型的主要步骤

模型转换概率p(i，j)可以基于其他观测值/测量结果/信息进行更新或适配。这与对如图21所示的模型概率更新的附加输入的一个示例相对应。在一个示例中，模型转换概率更新可以依赖于是否发生一个或多个测量结果丢失或部分测量结果丢失(例如，标记物与锚点之间的距离测量结果)。如果不存在(部分)测量结果丢失，则模型转换概率可以是一种配置；如果存在(部分)测量结果丢失，则可以选择或偏爱模型。

图21示出了根据本公开的实施例的利用两个EKF模型的混合2100的示例。图21所示的利用两个EKF模型的混合2100的实施例仅用于说明。图21所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

图21示出了与具有两个EKF模型的情况相对应的图19的特殊情况。在一个示例中，当存在(部分)测量结果丢失时，针对EKF选择一阶动态；否则模型转换概率保持相同。一个特定示例如下所示。当不存在(部分)测量结果丢失时，

以及当存在(部分)测量结果丢失(即，选择一阶动态)时，

在本公开中，提供了使用无线传感器网络的定位系统，其中传感器(锚点)测量标记物与锚点的距离(也称为测距)，并且通过无线通信信道将测量结果中继到标记物。因为这些测量结果经历感测误差，所以标记物获得物理量的真实值的估计值。

在标记物处提高这个估计精度的一个方法是连接到网络中的更多数量的(可能所有的)锚点。然而，这可能不是一个可行或理想的选择，因为连接到更多数量的节点增加操作成本(例如，调度开销和其他度量)。因此，设计可以实现锚点选择以在最小成本下实现目标精度的最优/接近最优的策略/算法很重要。这个算法的一个应用是室内定位中的自动节点选择(ANS)，其中ANS可以决定可以保证目标估计精度的具有最小连接成本的锚点集合。

本公开涉及用于使用无线传感器网络的定位的新的定位资源管理方法。具体地，网络中的每个传感器(备选地被称为锚点)能够测量目标的距离(也称为距离测量结果)并且通过无线通信信道向目标发送距离测量结果。根据基于距离测量结果所估计的位置，目标使用所述方法确定目标可以主动采集测量结果以实现特定的目标估计精度的锚点。

在一个实施例中，锚点的基于无线传感器网络的定位系统可以被部署为采集目标的距离测量结果。这个网络中的每个锚点以及目标可以利用计算机实现，以处理数据和双程无线电以共享信息、用于提供电力的电池。在一些周期性/非周期性时间间隔之后，距离测量结果可以由锚点通过无线通信信道发送到目标。在所有活动锚点都已经发送了其最新的距离测量结果的一个报告周期结束之后，可以通过在一个报告周期中连接所有的测量结果在目标处构造测量报告。

跟踪算法可以在目标的计算机中运行并且采集测量报告，以估计目标相对于全局坐标系(GCS)的位置。跟踪算法的示例是最小二乘和任意的贝叶斯滤波方法(例如，卡尔曼和扩展卡尔曼滤波器)。在时间间隔之后，所谓的活动周期可以包括一个或多个报告周期，目标可以决定选择可以执行测距的通信范围内的新的活动锚点集合。每个锚点可以知道相对于GCS的位置。目标可以在活动周期开始时基于请求获取锚点的位置。在本公开中，引入了资源管理方法，其允许目标针对每个活动周期选择活动锚点集合。

要注意，所述定位系统是可以应用所述方法的示例系统。其他系统也是可以的，其中，当如本公开中所述的用于执行操作的信息在执行该操作的单元处可获得时，锚点选择和/或标记物位置跟踪可以由锚点中的一个或多个锚点或由与锚点连接的中央控制单元执行。

图22A示出了根据本公开的实施例的静态锚点选择2200的示例。图22A所示的静态锚点选择2200的实施例仅用于说明。图22A所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

这个实施例中的方法可以用于从在网络中可获得的候选锚点集合

(满足标准/目标集合)确定活动锚点集合

这个方法可以应用于如图22A所示的一次性(静态)或半静态锚点选择系统，其中锚点选择在测距/定位会话的开始执行并且不可以在当前测距/定位会话期间执行。还可以应用于如图22B所示的更动态/自适应的锚点选择系统，其中可以针对与测距或定位时间间隔类似的时间间隔触发锚点选择(如果评估为需要/希望)。

图22B示出了根据本公开的实施例的动态锚点选择2250的示例。图22B所示的动态锚点选择2250的实施例仅用于说明。图22B所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

在活动周期的第一测量报告期间，目标从

中的候选锚点获取位置。在离散时间步长t＝0，1，...，T处准备活动周期中的测量报告。目标具有位置的估计值

其可以通过在前一时间步长(当t＞0时)处计算的位置估计值获得或根据在完成前一活动周期之后可获得的最新的估计位置获取。使用

目标根据

计算来自

中的候选锚点的伪距离测量结果，其中||·||表示欧氏范数。基于伪距离，目标如下地计算在第t时刻的估计误差协方差的估计值：

其中Q是测量结果误差协方差，并且雅可比矩阵由下式给定：

感兴趣的度量可以是

的标量函数，表示为

低的

值暗示较好的定位性能。感兴趣的度量的示例是所估计的几何精度稀释(GDOP)。

将φ表示为以下映射：

其中

表示

的幂集，并且

在等式(4)中，

通过堆叠等式(2)中定义的

中由N索引的行来构造。可以将锚点选择定义为在每个时间步长t执行以下操作：给定

以使φ(N)＜φ₀....(5)

在等式(5)中，c(N)是与子集N相关联的成本函数，并且φ₀是预定估计精度阈值。示例成本函数可以只是要选择的锚点的数量。如果估计精度不能被满足，则锚点选择可以指示选择所有的候选锚点或可以指示不可行的结果。用于执行等式(5)的算法可以利用如表7中所示的以下步骤完成。

表7：锚点选择

当当前锚点集合的估计精度比特定的阈值φ_th差时，可以触发锚点选择过程。这可能由于标记物的移动或在移动/便携式锚点的情况下的一个或多个锚点的移动而出现。φ_th可以与φ0相同或者φ_th可以包括相对于φ0的滞后余量，以使φ_th＞φ0。

图23示出了根据本公开的实施例的自适应锚点选择过程2300的示例。图23所示的自适应锚点选择过程2300的实施例仅用于说明。图23所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

自适应锚点选择的示例过程如图23所示。在步骤2302中基于当前活动锚点集合和当前标记物位置的估计值(其可以根据前一标记物定位结果获得)计算用于估计精度φ(N)的度量。如果在步骤2304中精度被估计为变得比阈值φ_th差，则在步骤2308中触发锚点选择过程，否则，可以保持当前活动锚点集合，用于后续的测距和定位。如果触发锚点选择过程，则利用在步骤2306中通过锚点选择生成的新集合更新用于测距的当前活动锚点集合。然后在步骤2310中利用新的活动锚点集合执行下一轮的测距测量和定位。将定位结果以及所选择的锚点用于计算用于下一轮适配的下一φ(N)。

图24示出了根据本公开的实施例的自适应锚点选择系统2400的示例。图24中所示出的自适应锚点选择系统2400的实施例仅用于说明。图24所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

在一个实施例中，构造针对一个活动周期的活动锚点集合可以分成以下两个阶段。

在一个示例全局锚点选择(GAS)/搜索阶段中，这个阶段中的算法基于一些质量度量(例如，所接收的信号强度)挑选节点集合

在局部锚点选择(LAS)/搜索阶段的一个示例中，在

固定之后，对于每个活动周期，LAS挑选

图25示出了根据本公开的实施例的全局和局部锚点选择2500的示例。图25所示的全局和局部锚点选择2500的实施例仅用于说明。图25所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

两阶段过程如图25所示。要注意，对于LAS，目标需要通过与传感器网络发信令获得所有

个锚点的位置信息。因此，GAS可以用于在每个活动周期开始时减小这个信令开销。对于LAS，该算法可以利用如表8中所示的以下步骤执行。

表8：局部锚点选择

在另一个实施例中，如等式(5)所示的成本函数可以是在定位过程的各个部分中消耗的能量。在定位框架中可以存在三个能量消耗组件。

在一个示例中，提供了测距初始化所消耗的能量(E_init)。

在另一个示例中，提供了消息传递所消耗的能量(E_msg)。在标记物控制的定位框架中，存在各种消息传递操作，每个消息传递操作都消耗E_msg瓦特的能量。

在又一个示例中，提供了标记物的测距/定位单元中的计算和信号处理所消耗的能量(E_SP)。

图26示出了根据本公开的实施例的每测距间隔的定位序列和能耗模型2600的示意图的示例。图26所示的每测距间隔的定位序列和能耗模型2600的示意图的实施例仅用于说明。图26所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

图26示出了由(位置未知的)标记物发起的试图使用利用(位置已知的)N锚点的测距测量结果定位自身的示例定位过程。用于发送测距请求所消耗的能量(E_init)与锚点的数量无关。从每个锚点接收带有测距数据的测距响应消耗每响应E_msg的能量。最后，使用基于三边测量/跟踪的算法的定位消耗能量E_SP(N)，其与锚点的数量有关。因此，每测距间隔所消耗的总能量(E_total)是E_total＝E_init+NE_msg+E_SP(N)。

在另一个实施例中，锚点选择可以考虑希望的/需要的定位格式/度量，例如定位维度。示例定位格式/度量是2D或3D定位结果，更具体地是(X，Y)或(X，Z)或(Y，Z)或(X，Y，Z)定位。这是因为锚点的数量以及度量φ(N)依赖于定位格式/度量。希望的/需要的定位格式/度量可以根据各种因素改变。一个因素是标记物的当前情况，例如标记物在感兴趣的定位区域内的位置。

图27示出了根据本公开的实施例的基于距离在定位模式之间转换2700的示例。图27所示的在定位模式之间的转换2700的实施例仅用于说明。图27所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

在图27中针对车辆访问用例示出了所希望的/所需要的锚点的数量可以如何改变的示例，其中定位模式(即，2D或3D定位)且因此所需要的锚点的数量相对于标记物与车辆的距离而改变。在图28中提供了用于确定用于改变定位模式的距离阈值/边界的示例过程。

图28示出了根据本公开的实施例的用于确定用于改变定位模式的距离阈值的方法2800的流程图。图28所示的方法2800的实施例仅用于说明。图28所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图28所示，方法2800包括：在步骤2802中获得GCS中的所有锚点位置；在步骤2804中固定最大GDOP阈值和定位模式(1D/2D/3D)；在步骤2806中对约束优化问题进行求解，以使锚点最少化且使距离最大化；以及在步骤2810识别所选择的锚点索引和支持模式的最大距离。

可以针对可获得来自锚点的距离测量结果的每个时刻生成或计算定位结果。包括距离、到达角(AOA)的测量结果的质量可能对定位精度有影响。因此，用于使得定位引擎/系统考虑测量结果的质量的解决方案可能是有益的。

基于飞行时间(ToF)的距离测量结果和到达角(AoA)测量结果易于产生测量结果误差。这些误差由于包括但不限于环境因素、设备限制、干扰、信号功率等的各种原因而出现。“标记物”设备(不排除其他名称)的定位需要来自多个锚点的距离和/或AoA测量结果。给定锚点位置和足够数量的距离和/或AoA测量结果，可以在执行一些计算之后获得设备的位置。错误的距离和AoA测量结果导致错误的定位。

测量距离和AoA的设备也可以报告所测量的距离和AoA的置信度。可以与许多形式或度量报告所测量的距离或AoA的置信度，包括但不限于信号路径是否是视线(LoS)、所接收的信号强度(RSS)、RSS指示符、已知码字(例如，前导码)的相关峰值、信道脉冲响应(CIR)的一个或多个值、具有定时信息的CIR、CIR的统计测量等。

图29示出了根据本公开的实施例的在定位和跟踪系统中结合距离和AoA测量结果的置信度2900的示例。图29所示的结合距离和AoA测量结果的置信度2900的实施例仅用于说明。图29所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

这些度量可以用于改进要定位的设备的位置估计值，如图29所示。定位和跟踪系统可以基于指示距离和/或AoA测量结果的置信度的度量进行调谐，以提高精度。这些测量结果的置信度可以用于用许多方法修改定位和跟踪系统的参数，包括但不限于调谐一个或多个距离测量结果的统计误差方差、丢弃一个或多个距离/AoA测量结果、在输入到定位系统之前对距离/AoA测量结果进行加权等。

本公开描述了在生成定位结果时考虑测量结果质量和/或测量结果丢失的方法。

在一个实施例中，可以指示距离和AoA测量结果的品质因数(FoM)或置信度。距离测量结果或AoA测量结果的置信度(例如，品质因数)传递距离或角度测量结果的精度的量化。术语FoM用于指代距离和/或角度测量结果的精度的这种量化。不排除传递相同信息的其他术语。

在一个实施例(S1)中，提供了信道脉冲响应的峰值。

可以将FoM报告为CIR的峰值。对于特定的预定义持续时间，可以在使所接收的信号与同一信号的局部副本进行相关之后获得CIR。所产生的峰可以用于指示距离测量结果的置信度或表示为以分贝(dB)为标度的FoM的品质因数。如果在时间步长k处存在可用于定位的N个距离测量结果，则用于传感器(或锚点或信标，不排除其他术语)i(1≤i≤N)的品质因数(FoM)由

表示。可以用包括但不限于以下的许多方法获得加权。

在利用最大值进行归一化的一个示例中，可以利用所有传感器上的最大值归一化FoM(如图30所示)，并且可以基于以下方法确定max ρ：max ρ是到时间步长k为止所有传感器上的FoM的最大值；以及max ρ是仅在步长k处的所有传感器上的FoM的最大值。

图30示出了根据本公开的实施例的用于通过利用最大值进行归一化根据由CIR峰指示的FoM获得加权系数的方法3000的流程图。图30所示的用于获得方法3000的步骤的实施例仅用于说明。图30所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图30所示，方法3000包括：在步骤3002中获得针对时间步长k的作为以dB为单位的N个距离测量结果的FoM的CIR峰值；在步骤3004中将FoM转换成线性标度；以及在步骤3006中计算距离测量结果加权系数。

图31示出了根据本公开的实施例的用于通过FoM的函数的加权平均根据由CIR峰指示的FoM来获得加权系数的方法3100的示例。图31所示的用于获得加权系数的方法3100的实施例仅用于说明。图31所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

可以如图31所示地使用FoM值的加权平均。如图31所示，方法3100包括：在步骤3102中获得针对时间步长k的作为以dB为单位的N个距离测量结果的FoM的CIR峰值；在步骤3104中将FoM转换成线性标度；以及在步骤3106中计算距离测量结果加权系数。

图32示出了根据本公开的实施例的用于通过有记忆的加权平均(weightedaverage with memory)根据由CIR峰指示的FoM来获得加权系数的方法3200的流程图。图32所示的用于获得加权系数的方法3200的实施例仅用于说明。图32所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

在图32中示出有记忆的加权平均，其假设距离测量结果质量连续，因此来自每个锚点或传感器或信标的FoM是相关的。如图32所示，方法3200包括：在步骤3202中获得针对时间步长k的作为以dB为单位的N个距离测量结果的FoM的CIR峰值；在步骤3204中将FoM转换成线性标度；在步骤3206中进行计算；以及在步骤3208中计算距离测量结果加权系数。

在一个实施例(S2)中，提供了信道脉冲响应的第一峰和最高峰值。

图33示出了根据本公开的实施例的利用第一峰和最高峰的FoM计算延迟扩展估计值3300的示例。图33所示的计算延迟扩展估计值3300的实施例仅用于说明。图33所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

第一路径的FoM、主路径(最高峰)的FoM和两者之间的抽头(taps)/差(以及抽头的分辨率)可以帮助获得信道延迟扩展的粗估计值。考虑图33，其示出了利用信道脉冲响应的第一峰和最高峰的FoM计算延迟扩展估计值。

延迟扩展估计值可以直接用于获得距离测量结果偏差或误差统计。用于获得其的一个方法是通过根据指数分布逼近距离测量结果偏差，该指数分布的参数是所计算的延迟扩展估计值或延迟扩展估计值的函数。这用于获得针对距离测量结果误差的加权系数。

在一个实施例(S3)中，提供了作为FoM的信道脉冲响应。信道脉冲响应(CIR)可以用于获得延迟扩展的估计值。从信道功率延迟分布A_c(τ)(或CIR)获得延迟扩展，

其中

图34示出了根据本公开的实施例的使用CIR获得距离测量结果偏差或误差统计3400的示例。图34所示的使用CIR获得距离测量结果偏差或误差统计3400的实施例仅用于说明。图34所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

延迟扩展可以用于对LOS测量结果和NLOS测量结果进行分类。延迟扩展估计值可以直接用于获得距离测量结果偏差或误差统计。用于获得其的一个方法是通过根据指数分布逼近距离测量结果偏差，该指数分布的参数是所计算的延迟扩展估计值或延迟扩展估计值的函数。这用于获得针对距离测量结果误差(如图34所示)的加权系数。

如果测量信道是LOS或NLOS，则可以将类似于CIR的峰度或偏斜度的其他测试统计量用于推断。这些测试统计量用于将CIR映射到FoM。

在一个实施例(S4)中，提供了所接收的信号强度测量结果。

所接收的信号强度测量结果可以用作FoM，以获得针对给定的接收机本底噪声的信噪比(SNR)的估计值。然后将这个SNR用于使用等式

计算距离估计值的方差，其也是距离测量结果误差的方差，其中c是光速并且B是信号带宽。这被用作加权系数或者可以被直接用作距离测量结果误差的估计值。

在一个实施例(S5)中，提供了将FoM映射到误差测量结果的方差。

图35示出了根据本公开的实施例的FoM与距离测量结果误差的方差之间的映射函数3500的示例。图35所示的FoM与距离测量结果误差的方差之间的映射函数3500的实施例仅用于说明。图35所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

可以使用映射函数将经由任意方案获得的FoM或FoM的函数映射到距离测量结果误差的方差的离散集合。图35中示出了映射的示例。这个映射还用于生成要在定位和跟踪系统中使用的距离测量结果的加权系数。

在一个实施例中，提供了使用距离测量结果的置信度(或品质因数)的定位和跟踪。

将扩展卡尔曼滤波器(EKF)状态x_t建模为

其中x，y，z是3维的位置并且

是在相应的3个维度上的位置的改变速率。扩展卡尔曼滤波器的观测值是由向量

表示的错误的距离测量结果，其中d_t是真实距离并且v_t是测量结果误差向量。用于EKF的其他模型也是可以的，包括但不限于状态(被建模为

)、位置和通过过程噪声建模的速度。不排除使用距离测量结果对定位和跟踪进行建模的其他动态特性。

图36示出了根据本公开的实施例的利用经修改的扩展卡尔曼滤波器的定位的图表示3600的示例。图36所示的利用经修改的扩展卡尔曼滤波器的定位的图表示3600的实施例仅用于说明。图36所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图36所示，将FoM信息包括在卡尔曼滤波器中。虽然所描述的方案用于扩展卡尔曼滤波器，但是不排除结合距离测量结果定位和跟踪的置信度的具有或不具有级联的附加处理块(包括但不限于非线性最小二乘)的卡尔曼滤波器的其他实现。

R是测量结果误差协方差矩阵。通常，R是对角矩阵(除非两个传感器之间的误差相关)。

令β_t为表示测量结果误差的估计值或函数的加权系数的向量。如果在每个测量结果处已知瞬时误差v_k，则加权系数可以是瞬时误差的绝对值或平方。如果已知函数f(v_t)，则β_k可以相应地表示加权系数。

A是用于3D或2D定位的扩展卡尔曼滤波器的状态转换模型，P是预测误差协方差矩阵，Q是过程噪声协方差，H是雅可比矩阵，

是锚点j的位置的3D向量，并且K被称为卡尔曼增益。

预测：

并且P_t＝AP_t-1A^T+Q。

更新：

根据

计算雅可比矩阵。

与针对第j个锚点的锚点位置的距离测量结果有关的函数由

给出。函数为

使用以下等式计算雅可比矩阵：

在一些情况下，距离测量结果是错误的，不可以提供一个或多个距离的任何测量结果。如图37所示，如果距离测量结果由于包括但不限于测量结果中的误差、测量结果数据丢失、测量结果不可用等的任意原因是不能用的，则可以丢弃来自一个或多个锚点的距离测量结果。这些情况被称为部分测量结果丢失(不排除对其的其他命名)。

图37示出了根据本公开的实施例的定位和跟踪系统在部分测量结果丢失时的距离测量3700的示例。图37所示的部分测量结果丢失时的距离测量3700的实施例仅用于说明。图37所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

定位和跟踪系统被设计为能够处理这样的部分测量结果丢失。在所提及的实施例(例如，S6)中描述了这样的使用扩展卡尔曼滤波器的定位系统的示例。虽然所描述的方案用于扩展卡尔曼滤波器，但是不排除针对定位和跟踪采用距离测量结果的部分测量结果丢失的具有或不具有级联的附加处理块(包括但不限于非线性最小二乘)的卡尔曼滤波器的其他实现。

在一个实施例(S6)中，提供了用于定位和跟踪的部分测量结果丢失的扩展卡尔曼滤波器。

扩展卡尔曼滤波器使用当前的距离测量结果计算“新息(innovation)”或测量预拟合残差

如果缺少特定锚点的测量结果，则针对其余的距离测量结果计算新息，并且针对当前的迭代步骤用0替换丢失的测量结果的新息。图38中示出了该示例过程。要注意，符号

和符号

可互换使用。

图38示出了根据本公开的实施例的部分测量结果丢失时的用于扩展卡尔曼滤波器的方法3800的流程图。图38所示的方法3800的实施例仅用于说明。图38所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图38所示，方法3800在步骤3802处开始。在步骤3804中，该方法确定是否达到停止标准。在步骤3804中，如果是，则方法3800在步骤3806中停止。在步骤3804中，如果否，则方法3800执行步骤3808。在步骤3808中，方法3800执行预测。在步骤3810中，方法3800计算雅可比矩阵。在步骤3812中，方法3800计算卡尔曼增益。在步骤3814中，方法3800设置“i＝1”。在步骤3816中，方法3800确定锚点i的测量结果丢失。在步骤3816中，如果否，则方法3800执行步骤3820。在步骤3816中，如果是，则方法3800执行步骤3818。在步骤3822中，该方法设置“i＝i+1”。在步骤3824中，方法3800确定N大于或等于i。在步骤3824中，如果是，则方法3800执行步骤3816。在步骤3824中，如果否，则方法3800执行步骤3826。方法3800执行步骤3828并且移动到步骤3804。

针对定位和跟踪系统结合到达角和距离测量结果提高了精度。距离测量结果和到达角两者可以经历部分测量结果丢失。到达角信息可以被考虑为仅在LOS的情况下是有用的，并且如果锚点与标记物之间的信道是NLOS，则被考虑为是无用的，但是不排除其他情况。如果距离测量结果由于包括但不限于测量结果中的误差、测量结果数据丢失、测量结果不可用等的任意原因是不能用的，则可以丢弃来自一个或多个锚点的距离测量结果。虽然所描述的方案用于扩展卡尔曼滤波器，但是不排除针对定位和跟踪采用距离测量结果和AoA的部分测量结果丢失的具有或不具有级联的附加处理块(包括但不限于非线性最小二乘)的卡尔曼滤波器的其他实现。

在一个实施例(S7)中，提供了距离测量结果和到达角(AoA)的部分测量结果丢失时的用于定位和跟踪的扩展卡尔曼滤波器。

在扩展卡尔曼滤波器中并入AoA，在状态方程中利用AoA和AoA的改变速率。在这个方案中描述了将AoA用于Z维度的示例，但是不排除考虑将AoA用于其他维度。将Z坐标和俯仰到达角进行映射的函数由

给出。

使用以下等式计算对应的雅可比矩阵：

在图39中示出结合AoA的扩展卡尔曼滤波器的流程图的说明，雅可比矩阵的示例计算如图40所示。

图39示出了根据本公开的实施例的用于(利用距离测量结果和AoA的)扩展卡尔曼滤波步骤的方法3900的流程图。图39所示的方法3900的实施例仅用于说明。图39所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图39所示，方法3900在步骤3902处开始。在步骤3904中，该方法确定是否达到停止标准。在步骤3904中，如果是，则方法3900在步骤3906中停止。在步骤3904中，如果否，则方法3900执行步骤3908。在步骤3908中，方法3900执行预测。在步骤3910中，方法3900计算雅可比矩阵H_t。在步骤3912中，方法3900计算卡尔曼增益。在步骤3914中，方法3900计算新息。在步骤3916中，方法3900执行更新。在步骤3818中，方法3900更新定时值，然后执行步骤3904。

图40示出了根据本公开的实施例的针对利用扩展卡尔曼滤波器的定位的用于考虑距离测量结果和AoA来计算雅可比矩阵的方法4000的流程图。图40所示的方法4000的实施例仅用于说明。图40所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图40所示，方法4000在步骤4002中计算雅可比矩阵H_t。在步骤4004中，方法4000设置“i＝1”。方法4000在步骤4006中执行计算，并且在步骤4008中设置“i＝i+1”。在步骤4010中，方法在步骤4010中确定状态变量的数量大于或等于i。在步骤4010中，如果是，则方法4000生成H_t。在步骤4010中，如果否，则方法4000执行步骤4006。

在计算用于扩展卡尔曼滤波器的新息时结合距离测量结果和AoA的部分丢失。在距离和AoA两者的测量结果丢失时锚点的新息被0替换，同时计算其他项的新息并且将其馈送到扩展卡尔曼滤波器的步骤中，如图41所示。

图41示出了根据本公开的实施例的针对利用扩展卡尔曼滤波器的定位的用于考虑距离测量结果和AoA中的部分测量结果丢失来计算新息(innovation)的方法4100的流程图。图41所示的方法4100的实施例仅用于说明。图41所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图41所示，方法4100在步骤4102处开始。在步骤4102中，方法4100确定“i＝1”。在步骤4102中，方法4100确定锚点i的测量结果丢失。在步骤4104中，如果是，则方法4100执行步骤4106。然后方法4100执行步骤4116和步骤4118。在步骤4104中，如果否，则方法4100执行步骤4108。在步骤4110中，方法4100确定锚点i是LOS。在步骤4110中，如果否，则方法4100执行步骤4112。在步骤4110中，如果是，则方法4100执行步骤4114。在步骤4120中，方法4100确定N大于或等于i。在步骤4120中，如果否，则方法4100生成

在步骤4120中，如果是，则方法4100执行步骤4104。

基于部分测量结果丢失分别计算在时间步长t处的锚点i的距离测量结果

和

的新息。即使来自特定锚点的距离测量结果是可用的，如果锚点不是LOS，则AoA测量结果也可能是不能用的。不排除AoA的部分测量结果丢失的其他原因。

图42示出了根据本公开的实施例的如可以由UE(例如，图1所示的111至116)执行的基于单元的定位的方法4200的流程图。图42所示的方法4200的实施例仅用于说明。图42所示的组件中的一个或多个组件可以在被配置为执行所提到的功能的专用电路中实现，或者所述组件中的一个或多个组件可以由执行用于执行所提到的功能的指令的一个或多个处理器实现。

如图42所示，方法4200在步骤4202处开始。在步骤4202中，UE从多个锚节点接收用于定位的信号。

然后，在步骤4204中，UE基于信号的距离和到达角(AoA)对信号执行测距测量。

然后，在步骤4204中，UE基于测距测量确定是否未检测到多个锚节点中的至少一个锚节点。

接着，在步骤4206中，UE根据基于测距测量未检测到至少一个锚节点的确定，确定多个锚节点中的至少一个其他锚节点是否位于电子设备的视线(LOS)上，其中，基于信号的AoA确定LOS。

最后，在步骤4208中，UE基于至少一个其他锚节点执行定位。

在一个实施例中，如果测距测量的结果不满足基于标记物在定位区域内的位置确定的条件，则UE丢弃对信号的测距测量的结果。

在一个实施例中，UE基于对信号的测距测量识别各自包括不同动态阶的扩展卡尔曼滤波器(EKF)集合，并且基于测距测量和在第一时刻处的第一状态估计生成所述EKF集合中的对应的EKF在第二时刻处的第一状态估计，其中在第一时刻处的第一状态估计是用于生成在第二时刻处的第一状态估计的输入估计值。

在一个实施例中，UE基于所述EKF集合之间包括转换概率的马尔可夫链计算所述EKF集合中的对应的EKF在第二时刻处的第一状态估计的概率；使用所计算的概率更新用于选择所述EKF集合中的一个EKF的模型选择概率；以及将更新后的模型选择概率与在第一时刻处的第一状态估计混合，以生成在第二时刻处的第一状态估计。

在一个实施例中，UE基于更新后的模型选择概率组合所述EKF集合中的对应的EKF在第二时刻处的第一状态估计的集合，并且基于所述EKF集合中的对应的EKF在第二时刻处的组合后的第一状态估计的集合生成混合状态估计。

在一个实施例中，UE基于位置和精度阈值从至少一个锚节点选择一个或多个锚节点；根据从所选择的一个或多个锚节点接收的信号执行测距测量；以及基于测距测量执行定位。

在一个实施例中，UE基于预定估计精度阈值识别精度阈值，其中，精度阈值基于包括多个锚节点的函数的精度度量。

在一个实施例中，UE获得至少一个锚节点中的锚节点在全局坐标系(GCS)中的位置；识别最大几何精度稀释(GDOP)阈值和包括一维定位模式、二维定位模式和三维定位模式的定位模式；基于所识别的GDOP阈值和所识别的定位模式减少来自至少一个锚节点的锚节点的数量；以及识别减少后的数量个锚节点的索引和减少后的数量个锚节点操作的定位模式的距离。

在一个实施例中，UE识别与至少一个锚节点或用于基于单元的定位的锚节点集合相关联的空间区域；以及基于与至少一个锚节点或锚节点集合相关联的空间区域，生成包括基于网格化后的空间区域配置的连通图集合的状态图。

在一个实施例中，UE对来自至少一个锚节点的信号执行测距测量；基于动态模式或根据测距测量计算的似然率值更新状态概率；以及基于似然率值生成指示至少一个锚节点中的目标锚节点的位置在单元中的概率的置信度值。

尽管已经利用示例性实施例描述了本公开，但是本领域技术人员可以明了各种改变和修改。本公开意在包括落在所附权利要求范围内的这些改变和修改。本申请中的描述不应被解读为暗示任意特定的要素、步骤或功能是必须包括在权利要求范围中的基本要素。

Claims (15)

1.一种用于在无线通信系统中执行定位的电子设备，所述电子设备包括：

收发机，被配置为从多个锚节点接收用于定位的信号；以及

处理器，能够操作地连接到所述收发机，所述处理器被配置为：

基于所述信号的距离和到达角AoA对所述信号执行测距测量；

基于所述测距测量确定是否未检测到所述多个锚节点中的至少一个锚节点；

根据基于所述测距测量未检测到所述至少一个锚节点的确定，确定所述多个锚节点中的至少一个其他锚节点是否位于所述电子设备的视线LOS上，其中，基于所述信号的所述AoA确定所述LOS；以及

基于所述至少一个其他锚节点执行定位。

2.根据权利要求1所述的电子设备，其中，所述处理器还被配置为：如果所述测距测量的结果不满足基于标记物在定位区域之中的位置确定的条件，则丢弃对所述信号的测距测量的结果。

3.根据权利要求1所述的电子设备，其中，

所述处理器还被配置为：

基于对所述信号的测距测量识别各自包括不同动态阶的扩展卡尔曼滤波器EKF集合，以及

基于所述测距测量和第一状态估计，生成所述EKF集合中的对应的EKF的第二状态估计；以及

在第一时刻处的所述第一状态估计是用于生成在第二时刻处的所述第一状态估计的输入估计值。

4.根据权利要求3所述的电子设备，其中，所述处理器还被配置为：

基于所述EKF集合之间的包括转换概率的马尔可夫链，计算所述EKF集合中的对应的EKF的第二状态估计的概率；以及

使用所计算的概率更新用于选择所述EKF集合中的一个EKF的模型选择概率。

5.根据权利要求4所述的电子设备，其中，所述处理器还被配置为：

基于更新后的模型选择概率，组合所述EKF集合中的对应的EKF的第二状态估计的集合；以及

基于所述EKF集合中的对应的EKF的组合后的第二状态估计的集合生成混合状态估计。

6.根据权利要求1所述的电子设备，其中，所述处理器还被配置为：

基于位置和精度阈值从所述多个锚节点中选择一个或多个锚节点；

根据从所选择的一个或多个锚节点接收的所述信号执行测距测量；以及

基于所述测距测量执行定位。

7.根据权利要求6所述的电子设备，其中：

所述处理器还被配置为基于预定估计精度阈值识别所述精度阈值；并且

所述精度阈值基于包括所述多个锚节点的函数的精度度量。

8.根据权利要求1所述的电子设备，其中，所述处理器还被配置为：

识别与所述至少一个其他锚节点或用于基于单元的定位的锚节点集合相关联的空间区域；以及

基于与所述至少一个其他锚节点或所述锚节点集合相关联的所述空间区域，生成包括基于网格化后的空间区域配置的连通图集合的状态图。

9.一种用于在无线通信系统中执行定位的电子设备的方法，所述方法包括：

从多个锚节点接收用于定位的信号；

基于所述信号的距离和到达角AoA对所述信号执行测距测量；

基于所述测距测量确定是否未检测到所述多个锚节点中的至少一个锚节点；

根据基于所述测距测量未检测到所述至少一个锚节点的确定，确定所述多个锚节点中的至少一个其他锚节点是否位于所述电子设备的视线LOS上，其中，基于所述信号的所述AoA确定所述LOS；以及

基于所述至少一个其他锚节点执行定位。

10.根据权利要求9所述的方法，还包括：如果所述测距测量的结果不满足基于标记物在定位区域之中的位置确定的条件，则丢弃对所述信号的测距测量的结果。

11.根据权利要求9所述的方法，还包括：

基于对所述信号的测距测量识别各自包括不同动态阶的扩展卡尔曼滤波器EKF集合；以及

基于所述测距测量和第一状态估计，生成所述EKF集合中的对应的EKF的第二状态估计，其中，在第一时刻处的所述第一状态估计是用于生成在第二时刻处的所述第一状态估计的输入估计值。

12.根据权利要求11所述的方法，还包括：

基于所述EKF集合之间的包括转换概率的马尔可夫链，计算所述EKF集合中的对应的EKF的第二状态估计的概率；以及

使用所计算的概率更新用于选择所述EKF集合中的一个EKF的模型选择概率。

13.根据权利要求12所述的方法，还包括：

基于更新后的模型选择概率，组合所述EKF集合中的对应的EKF的第二状态估计的集合；以及

基于所述EKF集合中的对应的EKF的组合后的第二状态估计的集合生成混合状态估计。

14.根据权利要求9所述的方法，还包括：

基于位置和精度阈值从所述多个锚节点中选择一个或多个锚节点；

根据从所选择的一个或多个锚节点接收的所述信号执行测距测量；以及

基于所述测距测量执行定位。

15.根据权利要求14所述的方法，还包括：基于预定估计精度阈值识别所述精度阈值，其中，所述精度阈值基于包括所述多个锚节点的函数的精度度量。

Images