CN115702590A - 位置估计 - Google Patents
位置估计 Download PDFInfo
- Publication number
- CN115702590A CN115702590A CN202080101782.1A CN202080101782A CN115702590A CN 115702590 A CN115702590 A CN 115702590A CN 202080101782 A CN202080101782 A CN 202080101782A CN 115702590 A CN115702590 A CN 115702590A
- Authority
- CN
- China
- Prior art keywords
- time delay
- determining
- terminal node
- sight
- metric
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- 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
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- 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
- G01S5/0205—Details
- G01S5/0218—Multipath in signal reception
-
- 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
- G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
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)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种装置包括至少一个处理器;以及包括计算机程序代码的至少一个存储器;至少一个存储器和计算机程序代码被配置为与至少一个处理器一起,使得该装置执行:为终端节点确定针对多个接入节点的至少一个时间延迟值;确定针对接入节点的至少一个度量,该至少一个度量指示终端节点与接入节点之间的视线条件概率;至少部分基于至少一个度量,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值;至少部分基于至少一个度量,确定具有相关视线条件概率低于阈值的第二组时间延迟值;至少部分基于第一组视线时间延迟值,确定终端节点的位置估计;至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及至少部分基于第二组中的至少一个确定的视线时间延迟值,确定终端节点的位置的新估计。
Description
技术领域
本公开的实施例涉及位置估计。一些涉及使用多径信息的终端节点的位置估计。
背景技术
无线网络包括多个网络节点,包括终端节点和接入节点。终端节点与接入节点之间的通信是无线的。
在某些情况下,可以希望提高终端节点的位置估计的准确性。
发明内容
根据各种但不一定是全部实施例,提供了如所附权利要求中所要求保护的示例。
根据各种但不一定是全部实施例,提供了一种装置,该装置包括至少一个处理器;以及
至少一个存储器,包括计算机程序代码;
至少一个存储器和计算机程序代码被配置为与至少一个处理器一起,使得该装置执行:
为终端节点确定针对多个接入节点的至少一个时间延迟值;
确定针对接入节点的至少一个度量,该至少一个度量指示终端节点与接入节点之间的视线条件概率;
至少部分基于至少一个度量,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值;
至少部分基于至少一个度量,确定具有相关视线条件概率低于阈值的第二组时间延迟值;
至少部分基于第一组视线时间延迟值确定终端节点的位置估计;
至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及
至少部分基于第二组中的至少一个确定的视线时间延迟值,确定终端节点的位置的新估计。
在示例中,确定针对多个接入节点的至少一个时间延迟值包括确定针对多个接入节点中的一个或多个接入节点的多个时间延迟值。
在示例中,至少一个度量至少部分基于一个或多个功率延迟分布度量而被确定,一个或多个功率延迟分布度量至少部分基于多个接入节点的至少一个时间延迟值而被确定。
在示例中,一个或多个功率延迟分布度量包括以下中的一项或多项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对接入节点的最高或最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
在示例中,确定至少一个度量包括至少部分基于接入节点中的至少一个接入节点的历史视线信息,确定至少一个度量。
在示例中,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值包括将至少一个度量与至少一个阈值进行比较。
在示例中,确定终端节点的位置估计包括至少部分基于第一组视线时间延迟值,使用观测到的到达时间差方法。
在示例中,确定第二组中的至少一个视线时间延迟值包括将由第二组中的一个或多个时间延迟值表示的距接入节点的距离与终端节点的位置估计进行比较。
在示例中,将由第二组中的时间延迟值表示的距接入节点的距离与终端节点的位置估计进行比较包括确定终端节点的位置估计与由第二组中的时间延迟值中的一个或多个时间延迟值描述的圆或双曲线上的共线点之间的距离。
在示例中,确定终端节点的位置的新估计包括至少部分基于第二组中的至少一个确定的视线时间延迟值更新终端节点的位置估计。
在示例中,至少一个存储器和计算机程序代码被配置为与至少一个处理器一起,使得该装置至少存储针对多个接入节点的至少一个度量和终端节点的位置。
在示例中,至少一个存储器和计算机程序代码被配置为与至少一个处理器一起,使得该装置确定多个接入节点的位置。
在示例中,为终端节点确定针对多个接入节点的至少一个时间延迟值包括从多个接入节点接收一个或多个信号。
在示例中,为终端节点确定针对多个接入节点的至少一个时间延迟值包括从终端节点接收一个或多个信号。
终端节点是用户设备,并且接入节点是gNB。
根据各种但不一定是全部实施例,提供了一种包括本文所述的装置的用户设备。
根据各种但不一定是全部实施例,提供了一种包括本文所述的装置的服务器。
根据各种但不一定是全部实施例,提供了一种方法,该方法包括:
为终端节点确定针对多个接入节点的至少一个时间延迟值;
确定接入节点的至少一个度量,至少一个度量指示终端节点与接入节点之间的视线条件概率;
至少部分基于至少一个度量,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值;
至少部分基于至少一个度量,确定具有相关视线条件概率低于阈值的第二组时间延迟值;
至少部分基于第一组视线时间延迟值,确定终端节点的位置估计;
至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及
至少部分基于第二组中的至少一个确定的视线时间延迟值确定终端节点的位置的新估计。
根据各种但不一定是全部实施例,提供了一种装置,该装置包括用于执行以下操作的部件:
为终端节点确定针对多个接入节点的至少一个时间延迟值;
确定接入节点的至少一个度量,至少一个度量指示终端节点与接入节点之间的视线条件概率;
至少部分基于至少一个度量,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值;
至少部分基于至少一个度量,确定具有相关视线条件概率低于阈值的第二组时间延迟值;
至少部分基于第一组视线时间延迟值,确定终端节点的位置估计;
至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及
至少部分基于第二组中的至少一个确定的视线时间延迟值,确定终端节点的位置的新估计。
根据各种但不一定是全部实施例,提供了一种计算机程序,该计算机程序包括用于使得装置执行至少以下操作或用于执行至少以下操作的指令:
为终端节点确定针对多个接入节点的至少一个时间延迟值;
确定接入节点的至少一个度量,该至少一个度量指示终端节点与接入节点之间的视线条件概率;
至少部分基于至少一个度量,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值;
至少部分基于至少一个度量,确定具有相关视线条件概率低于阈值的第二组时间延迟值;
至少部分基于第一组视线时间延迟值,确定终端节点的位置估计;
至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及
至少部分基于第二组中的至少一个确定的视线时间延迟值,确定终端节点的位置的新估计。
根据各种但不一定是全部实施例,提供了一种装置,该装置包括至少一个处理器;以及
至少一个存储器,包括计算机程序代码;
至少一个存储器和计算机程序代码被配置为与至少一个处理器一起,使得该装置执行:
向终端节点传输至少一个信号,该至少一个信号包括指示请求终端节点至少使用针对终端节点可联系的接入节点的一个或多个功率延迟分布度量进行响应的信息、以及指示终端节点与接入节点之间的视线条件概率的至少一个度量。
在示例中,一个或多个功率延迟分布度量包括以下中的至少一项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对接入节点的最高或最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
根据各种但不一定是全部实施例,提供了一种装置,该装置包括至少一个处理器;以及
至少一个存储器,包括计算机程序代码;
至少一个存储器和计算机程序代码被配置为与至少一个处理器一起,使得该装置执行:
从终端节点向服务器传输至少一个信号,至少一个信号包括指示针对终端节点可联系的接入节点的一个或多个功率延迟分布度量的信息、以及指示终端节点与接入节点之间的视线条件概率的至少一个度量。
在示例中,一个或多个功率延迟分布度量包括以下中的至少一项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对接入节点的最高或最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
附图说明
现在将参考附图描述一些示例,在附图中:
图1示出了本文中描述的主题的示例;
图2示出了本文中描述的主题的另一示例;
图3示出了本文中描述的主题的另一示例;
图4示出了本文中描述的主题的另一示例;
图5示出了本文中描述的主题的另一示例;
图6示出了本文中描述的主题的另一示例;
图7示出了本文中描述的主题的另一示例;
图8A示出了本文中描述的主题的另一示例;
图8B示出了本文中描述的主题的另一示例。
具体实施方式
图1示出了包括多个网络节点(包括终端节点110、接入节点120和一个或多个核心节点129)的网络100的示例。终端节点110和接入节点120彼此通信。一个或多个核心节点129与接入节点120通信。
在一些示例中,一个或多个核心节点129可以彼此通信。在一些示例中,一个或多个接入节点120可以彼此通信。
网络100可以是蜂窝网络,该蜂窝网络包括多个小区122,至少一个小区122由接入节点120服务。在该示例中,终端节点110与定义小区122的接入节点120之间的接口是无线接口124。
接入节点120是蜂窝无线电收发器。终端节点110是蜂窝无线电收发器。
在所示示例中,蜂窝网络100是第三代合作伙伴计划(3GPP)网络,其中终端节点110是用户设备(UE)并且接入节点120是基站。
在一些示例中,网络100是演进型通用陆地无线电接入网(E-UTRAN)。E-UTRAN由E-UTRAN NodeB(eNB)120组成,E-UTRAN NodeB(eNB)120提供朝向UE 110的E-UTRA用户平面和控制平面(RRC)协议终止。eNB 120通过X2接口126彼此互连。eNBs还通过S1接口128连接到移动性管理实体(MME)129。
在一些示例中,网络100是下一代(或新无线电NR)无线电接入网(NG-RAN)。NG-RAN由gNodeB(gNB)120组成,gNodeB(gNB)120提供朝向UE 110的用户平面和控制平面(RRC)协议终止。gNB120通过X2/Xn接口126彼此互连。gNB还通过N2接口128连接到接入和移动性管理功能(AMF)。
在示例中,网络100包括至少一个服务器112。在所示示例中,服务器112是位置服务器112。
在示例中,一个或多个终端节点110可以与位置服务器112通信,并且包括信息(例如,参见图3和图4)的一个或多个信号162、163可以在一个或多个终端节点110与位置服务器112之间直接或间接地被传输。
在所示示例中,多个终端节点110与位置服务器112之间的接口是无线接口124,但是可以使用任何合适的接口。
在示例中,图1所示的元件之间的通信可以通过任何数目的中间元件进行,包括没有中间元件。
图2示出了方法200的示例。
在示例中,方法200可以在图1的网络100中的一个或多个元件处执行。例如,方法200可以在接入节点110(例如,UE 164)和/或服务器112(例如,位置服务器112)处执行。
关于图2讨论的一个或多个特征可以在一个或多个其他图中找到。
在框202,方法200包括为终端节点110确定针对多个接入节点120的至少一个时间延迟值138。
可以使用任何合适的方法来为终端节点110确定针对多个接入节点120的至少一个时间延迟值138。
如本文中使用的,术语“确定”(及其语法变体)至少可以包括:计算(calculate)、计算(compute)、处理、推导、调查、查找(例如,在表、数据库或其他数据结构中查找)、确认等。此外,“确定”可以包括接收(例如,接收信息)、访问(例如,访问存储器中的数据)等。此外,“确定”可以包括解决、选择(select)、选择(choose)、建立等。
如本文中使用的,时间延迟值138旨在包括指示和/或表示和/或量化一个或多个信号从接入节点120传输到终端节点110所花费的时间的任何测量、度量、值、参数和/或量。在一些示例中,时间延迟值138可以被认为是延迟。
在接入节点120与终端节点110之间的视线条件下,时间延迟值138可以被用于确定接入节点120与终端节点110之间的距离。
在接入节点120与终端节点110之间的视线条件下,视线条件的时间延迟值138可以被认为是视线时间延迟值142或到达时间。
针对多个接入节点120的至少一个时间延迟值138可以具有任何合适的形式。在示例中,时间延迟值138可以是绝对定时和/或相对定时的形式。
例如,针对接入节点120的至少一个时间延迟值可以是从接入节点120的传输到终端节点110的接收之间的延迟的形式。
在一些示例中,针对多个接入节点120的至少一个时间延迟值138可以是参考或锚接入节点120的延迟以及相对于参考或锚接入节点120延迟的时间差的形式。
在示例中,接入节点120经由至少一个路径传输由终端节点110接收的具有恒定功率的时间同步定位参考信号,并且允许终端节点110确定或被使得或被控制来确定针对来自接入节点120的所接收的信号的(多个)时间延迟值138。在一些示例中,终端节点110确定或被使得或被控制来确定相对于锚接入节点120的时间延迟值138的参考信号时间差。
在示例中,可以使用任何合适的方法来确定针对来自接入节点120的所接收信号的至少一个时间延迟值138。例如,信道脉冲响应或基于相关的方法可以被用于确定针对从接入节点120接收的信号的时间延迟值138和相关功率。
在一些示例中,确定针对来自接入节点120的所接收信号的至少一个时间延迟值138包括将所接收信号与本地生成的定位参考信号互相关,并且区分与N个接入节点120相对应的N个不同信道。
因此,在示例中,为终端节点110确定针对多个接入节点120的至少一个时间延迟值138包括从多个接入节点120接收一个或多个信号。
在一些示例中,确定针对多个接入节点120的至少一个时间延迟值138包括确定针对多个接入节点120中的一个或多个接入节点120的多个时间延迟值138。
在示例中,确定针对接入节点120的多个时间延迟值138可以被认为是确定针对接入节点110的多径时间延迟信息。
由接入节点120传输的(多个)信号(例如,定位参考信号)可以经由多条路径到达终端节点110,包括视线(LOS)和/或非视线(NLOS)路径。
在这种示例中,终端节点110可以由于信号的多径到达而确定针对接入节点120的多个不同时间延迟值138。
在示例中,方法200包括确定针对接入节点120的LOS时间延迟值142,LOS时间延迟值142可以被认为是从接入节点接收的信号的到达时间,并且被用于确定终端节点110的位置(position)/定位(location)。
在一些示例中,确定针对接入节点120的LOS时间延迟值142包括确定针对终端节点的多个时间延迟值138中的哪个被认为是或将被认为是LOS时间延迟值142。
从多个时间延迟值138中确定LOS时间延迟值可以使用考虑任何合适因素的任何合适方法以任何合适方式进行。
例如,LOS时间延迟值142可以至少在最初被认为是多个时间延迟值138中具有最高相关功率的时间延迟值。
然而,在某些情况下,与NLOS信号相比,LOS信号的功率可能会衰减,从而导致LOS时间延迟值142的不正确地识别,这可以导致在确定终端节点110的位置(position)/定位(location)时出错。
因此,如本文中使用的,视线(LOS)时间延迟值142可以被认为是具有高和/或最高置信水平和/或概率的来自接入节点120与终端节点110之间的视线条件的时间延迟值138。
在一些示例中,基于可用信息和/或在确定LOS时间延迟值142时考虑的(多个)因素,LOS时间延迟值142可以被认为是当前被认为是LOS时间延迟值142的时间延迟值138。
在示例中,为终端节点110确定针对多个接入节点120的至少一个时间延迟值138包括从终端节点110接收一个或多个信号162。
一个或多个信号162还可以包括用于确定终端节点110的位置(position)/定位(location)的附加信息。例如,一个或多个信号162可以包括一个或多个时间延迟值138和一个或多个度量和/或测量。在一些示例中,一个或多个度量和/或测量可以包括一个或多个功率延迟分布度量。例如,参见框204。
在示例中,在位置服务器112处接收一个或多个信号162。例如,参见图3。
在框204处,方法200包括确定针对接入节点120的至少一个度量140,至少一个度量140指示终端节点110与接入节点120之间的视线条件的概率。
在示例中,至少一个度量140可以被认为指示终端节点110与接入节点120之间的视线条件的置信水平。
在示例中,至少一个度量140是或可以被认为是在视线条件下已接收到的针对接入节点120的LOS时间延迟值142的概率或置信度的估计和/或确定和/或测量。
另外地或替代地,在示例中,至少一个度量140是或可以被认为是对接入节点120的LOS时间延迟值142已经被正确识别的概率或置信度的估计和/或确定和/或测量。
可以使用任何合适的方法确定至少一个度量140。在示例中,确定至少一个度量140包括处理和/或分析多径信息。
在一些示例中,至少一个度量140至少部分基于一个或多个功率延迟分布度量而被确定,该一个或多个功率延迟分布度量至少部分基于针对多个接入节点120的至少一个时间延迟值138而被确定。
功率延迟分布(PDP)可以被认为是作为时间延迟的函数的通过多径信道接收的信号的强度或功率。
因此,在示例中,针对多个接入节点120的功率延迟分布可以表示作为接入节点的至少一个时间延迟值138的函数被接收信号的强度或功率。例如参见图5。
可以使用任何合适的功率延迟分布度量。例如,至少一个功率延迟分布度量可以至少部分基于以下中的一项或多项来确定:信道中的能量、(多个)时间延迟值138的扩展、与(多个)时间延迟值138相关联的功率、时间延迟值138的数目等。
在一些示例中,一个或多个功率延迟分布度量包括以下中的一项或多项:平均过量延迟、均方根延迟扩展、小于针对接入节点120的确定的视线时间延迟值142并且在距该接入节点120的最高或最大接收功率的预定量内的时间延迟值列表138、以及高于预定功率的多径分量的数目。
平均过量延迟(MED)可以被认为是信道中的能量下降到低于最高或最大功率的预定量的时间延迟。
在示例中,可以使用低于最高或最大功率的任何合适的预定量。例如,可以使用7.5dB至12.5dB范围内的预定量。
在示例中,预定量基本上为10dB,并且因此,在这样的示例中,MED是信道中的能量下降到最高或最大值以下10dB的时间延迟。
小的MED值是视线条件的指示。在示例中,几十纳秒量级的MED值被认为是小MED值。在一些示例中,10至100纳秒范围内的MED值可以被认为是小MED值。在一些示例中,30至70纳秒范围内的MED值可以被认为是小MED值。
均方根延迟扩展(RMS-DS)可以被认为是功率延迟分布的第二中心矩的平方根。
小的RMS-DS值是视线条件的指示。在示例中,几十纳秒量级的RMS-DS值被认为是小RMS-DS值。在一些示例中,10至100纳秒范围内的RMS-DS值可以被认为是小RMS-DS值。在一些示例中,30至70纳秒范围内的RMS-DS值可以被认为是小RMS-DS值。
对于小于接入节点120的确定的视线时间延迟值142并且在距该接入节点120的最高或最大接收功率的预定量内的时间延迟值138的列表,可以使用任何合适的预定量。在示例中,该列表可以用Lc表示。
例如可以使用2至4dB范围内的预定量。
在示例中,预定量基本上为3dB,并且在这样的示例中,列表中的时间延迟值138小于针对接入节点120的确定的视线时间延迟值42,并且在距该接入节点120的最高或最大接收功率的3dB以内。
时间延迟值138的列表可以有助于消除当真实LOS时间延迟值142与NLOS时间延迟值138相比被衰减并且没有被正确识别为LOS时间延迟值142时引入的误差。
对于超过预定功率的多径分量的数目,这可以被认为是“信道稀疏性”。
在示例中,可以使用任何合适的预定功率值。例如,可以确定不可忽略功率的多径分量的数目。在一些示例中,噪声本底可以被用于确定信道稀疏性,并且在这样的示例中,噪声本底以上的多径分量的数目被确定。
在确定视线条件是否存在时,信道稀疏性可能是有益的。在示例中,在确定信道是LOS还是NLOS时,可以将信道稀疏性与一个或多个其他功率延迟分布度量结合使用。
在示例中,可以以任何合适的方式使用一个或多个功率延迟分布度量来确定至少一个度量140。
在示例中,至少一个度量140可以是单个度量,例如由PLOS表示,其定义为基于至少一个或多个功率延迟分布度量的阶跃函数。在一些示例中,度量140PLOS可以被定义为基于平均过量延迟、均方根延迟扩展和信道稀疏性的阶跃函数。
在一些示例中,PLOS可以定义为基于MED、RMS-DS和信道稀疏度与相应阈值的比较的阶跃函数。
例如,PLOS可以定义为:
其中:
ηMED、ηRMS和ηK分别是用于MED、RMS-DS和信道稀疏性的阈值。
在示例中,可以使用任何合适的阈值。例如,ηMED可以在250ns至750ns范围内,可以在400ns至600ns范围内,和/或可以在450ns至550ns范围内。在一些示例中,ηMED可以是或可以大约是500ns。
在一些示例中,ηRMS可以在0.5至1.5μs范围内,可以在0.75至1.25μs范围,和/或可以在0.9至1.1μs范围。在一些示例中,ηRMS可以是或可以大约是1μs。
在某些示例中,ηK可以在5至15范围内,可以在7至13范围内,和/或可以在9至11范围内。在一些示例中,在一些示例中,ηK可以是或可以大约是10。
在一些示例中,至少一个度量140可以被确定为LOS概率。例如,PLOS可以表示信道上LOS条件的概率,并且可以至少部分基于一个或多个功率延迟分布度量来被确定。
在一些示例中,一个或多个功率延迟分布度量(例如,MED、RMS-DS、Lc和信道稀疏性中的一个或多个)可以被用作机器学习模块的输入,机器学习模块被配置为输出至少一个度量140。
可以使用任何合适的机器学习模块。例如,一个或多个人工神经网络和/或支持向量机。
在示例中,机器学习模块可以通过有监督学习来实现,例如,作为人工神经网络回归器或分类器,或者使用来自强化学习框架的算法。
在示例中,神经网络可以实现若干隐藏层,这些隐藏层可以通过各种激活函数(如ReLU、线性、tanh等)来表征。
在示例中,机器学习模块在人工生成的信道上进行训练,例如光线跟踪,并且一旦LOS条件检测的误报率被最小化,就可以使用机器学习模块。
在示例中,神经网络可以在受控环境中收集的一组测量上进行训练,例如在已知的LOS/NLOS条件下。
损失函数可以是交叉熵、铰链等。
在一些示例中,在机器学习框架中,可以使用具有输出激活函数(诸如softmax、sigmoid函数或类似的输出激活函数)的神经网络。
在一些示例中,确定至少一个度量140包括假定测试。例如,可以测试一个或多个功率延迟分布度量,以确定它们是从表征LOS还是NLOS条件的分布中被提取的。
在示例中,优化问题被公式化,并且贝叶斯推理方法被使用,例如,用于确定至少一个度量140的概率。
在示例中,确定至少一个度量140包括至少部分基于接入节点120中的至少一个接入节点120的历史视线信息,来确定至少一个度量140。
任何合适的方法可以被使用,以用于至少部分基于接入节点120中的至少一个接入节点120的历史视线信息,来确定至少一个度量140。
在示例中,至少部分基于先前确定或估计的信道来确定至少一个度量140,该信道基本上在终端节点110的当前位置(position)/定位(location)和/或终端节点110当前所在的区域处和/或其邻近和/或附近。
例如,至少一个度量140可以至少部分基于针对接入节点120的至少一个度量140的先前确定的值来被确定。
在一些示例中,至少一个度量140至少部分基于一个或多个其他终端节点110的历史信息来被确定。
例如,至少一个度量140可以至少部分基于至少一个度量140的先前确定的值来被确定,至少一个度量140的先前确定的值是针对终端节点110已经从其接收到一个或多个信号的接入节点120,在终端节点110的当前位置(position)/定位(location)处和/或其邻近和/或附近为至少一个或多个其他终端节点110而被确定的。
在示例中,可以使用为终端节点110的当前位置(position)/定位(location)的基本上或大约10m内的至少一个或多个其他终端节点110而确定的至少一个度量140的先前确定的值。
在示例中,终端节点110的当前位置(position)/定位(location)可以至少部分基于终端节点的(多个)过去位置(position)/定位(location)和估计的速度的信息来被估计。在一些示例中,这个过程可以称为航位推算。
终端节点110的位置(position)/定位(location)的这种估计可以与历史信息一起被用于确定至少一个度量140。
在示例中,针对接入节点120的至少一个度量140被存储或被使得被存储在至少一个数据结构中,例如,至少一个表,该数据结构可以被认为是跟踪数据结构或跟踪表。
在一些示例中,针对接入节点的一个或多个功率延迟分布度量中的一个或多个也被存储在至少一个数据结构中。
例如,当在终端节点110处执行方法200时,所确定的至少一个度量140和(在一些示例中)针对接入节点的至少一个功率延迟分布度量被存储或被引起被存储在具有相关时间戳的跟踪数据结构(例如,跟踪表)中。
在示例中,可以考虑至少一个跟踪数据结构中的信息来追踪(trace)或跟踪(track)来自接入节点120的信道。
跟踪数据结构可以被实现为先进先出(FIFO)跟踪数据结构和/或跟踪表。例如,数据结构可以被实现为FIFO队列,最多有K个条目,其中存储有最近的K个测量。
在示例中,K可以是固定的或可变的。在一些示例中,K可以与终端节点110的能力(例如,速度)成比例。
针对两个接入节点120的跟踪表形式的跟踪数据结构的示例在表1中被示出。在表1的示例中,接入节点120是gNB。
此外,在表1的示例中,所确定的LOS时间延迟值142被表示为“ToA”。
表1
在表1的示例中,LOS时间延迟值142或ToA、至少一个度量PLOS和功率延迟分布度量MED、RMS-DS、Lc以及两个不同时间戳下的信道稀疏性已被存储。
在示例中,在时间戳被确定的信息的至少一部分从终端节点110被传输或被使得被传输到位置服务器112。例如,参见图3。
在框206处,方法200包括至少部分基于至少一个度量140,确定具有相关视线条件概率高于阈值的第一组144视线时间延迟值142。
在示例中,相关概率可以是或被认为是相关的视线条件的置信度和/或置信水平。
任何合适的方法可以被使用来用于至少部分基于至少一个度量140,来确定具有相关视线条件概率高于阈值的第一组144视线时间延迟值142。
确定具有相关视线条件概率高于阈值的第一组144视线时间延迟值142可以被认为是确定相关视线条件概率高于阈值的第一组144时间延迟值138。
在一些示例中,确定具有相关视线条件概率高于阈值的第一组144视线时间延迟值142包括将至少一个度量140与至少一个阈值进行比较。
可以以任何合适的方式将至少一个度量140与至少一个阈值进行比较。例如,将至少一个度量140与至少一个阈值进行比较可以包括确定至少一个度量140大于、大于或等于、小于、还是小于或等于至少一个阈值。
在示例中,至少一个阈值可以以任何合适的方式被确定。例如,确定至少一个阈值可以包括接收至少一个阈值。在示例中,至少一个阈值可以在终端节点110处从位置服务器112被接收。
可以使用以任何合适的方式确定的(多个)任何合适的阈值。在将至少一个度量140确定为阶跃函数的示例中,例如参见等式1,阈值可以为0.5。
在将至少一个度量确定为概率的示例中,阈值可以在40%至60%的范围内和/或在45%至55%的范围内。在一些示例中,阈值可以是或可以大约是50%。
在一些示例中,阈值可以是从一个或多个预定值中选择的预定值。例如,阈值可以从存储器134中被检索。
在示例中,阈值可以至少部分基于一个或多个因素来被确定。可以使用任何合适的因素,例如,终端节点110可用的接入节点120的数目、和/或所请求的位置(position)/定位(location)估计和/或历史视线信息的准确性等。
在表1的示例中,当确定大于或等于阈值0.5时,gNB1或gNB2都不在第一组144中,因为两个gNB在T1和T2二者具有PLOS值0。
在框208,该方法包括至少部分基于至少一个度量140,确定具有相关视线条件概率低于阈值的第二组146时间延迟值138。
在一些示例中,确定具有相关视线条件概率低于阈值的第二组146时间延迟值138,可以被认为是确定具有相关视线条件概率低于阈值的第二组146视线时间延迟值142。
任何合适的方法可以被使用,用于至少部分基于至少一个度量140,确定具有相关视线条件概率低于阈值的第二组146时间延迟值138。
在示例中,确定第二组146时间延迟值138包括将至少一个度量140与关于框206描述的至少一个阈值进行比较,但在相反的意义上。
例如,如果确定第一组144包括确定大于或等于阈值的(多个)相关度量140,则确定第二组146将包括确定小于阈值的(多个)度量140,以此类推。
在一些示例中,确定第二组146时间延迟值138包括确定不在第一组144中的时间延迟值。
因此,在一些示例中,方法200的框206和208可以被组合为单个块或动作,包括将与针对接入节点120的确定的时间延迟值138相关联的至少一个度量140与阈值进行比较。
在示例中,可以认为针对接入节点120的时间延迟值138和/或视线时间延迟值142被分组为具有良好或高视线条件概率或置信度的第一组144和具有不良或低视线条件概率或置信度的第二组146。
在框210,方法200包括至少部分基于第一组144的视线时间延迟值142,来确定终端节点110的位置估计148。
在示例中,确定位置(position)估计148可以被认为是确定定位(location)估计148。
可以使用任何合适的方法用于至少部分基于第一组144视线时间延迟值142,来确定终端节点110的位置估计148。
在示例中,确定终端节点110的位置估计148包括至少部分基于第一组视线时间延迟值142使用观测到的到达时间差方法。
在框212,方法200包括至少部分基于终端节点110的位置估计148,确定第二组146中的至少一个视线时间延迟值142。
在一些示例中,第二组146中的时间延迟值138具有确定的视线时间延迟值142,但具有相关视线条件概率或置信度和/或视线时间延迟值142的正确识别较低。
因此,在示例中,确定第二组146中的至少一个视线时间延迟值142可以被认为和/或包括确定第二组146中的至少一个已更新的或新的视线时间延迟值142。
在一些示例中,确定第二组146中的至少一个视线时间延迟值142可以被认为和/或包括确认第二组146中的至少一个视线时间延迟值142。
可以使用任何合适的方法用于至少部分基于终端节点110的位置估计148,确定第二组146中的至少一个视线时间延迟值142。
在示例中,确定第二组146中的至少一个视线时间延迟值142包括将由第二组146的一个或多个时间延迟值138表示的距接入节点120的距离152与终端节点110的位置估计148进行比较。例如,参见图6和图7。
可以针对第二组146中的一个或多个时间延迟值138进行比较。在一些示例中,可以对列表Lc中的时间延迟值138进行比较。
可以以任何合适的方式来将由第二组146中的时间延迟值138表示的距接入节点120的距离152与位置估计148进行比较。
在一些示例中,将由第二组146中的时间延迟值138表示的距接入节点120的距离152与终端节点110的位置估计148进行比较,包括确定终端节点110的位置估计148与由第二组146中的一个或多个时间延迟值138描述的圆156或双曲线上的共线点154之间的距离152。例如,参见图6。
例如,可以使用终端节点110的位置估计148与由一个或多个时间延迟值138描述的圆156或双曲线上的共线点154之间的欧几里德距离或曼哈顿距离152。但是,可以使用任何合适的距离测量或度量。
在示例中,第二组146中的针对接入节点120的视线时间延迟值142被确定为具有针对该接入节点120的最小确定距离152的时间延迟值138。
在一些示例中,视线时间延迟值142或到达时间可以被定义为:
其中:
d(A,B(t1))是终端节点110(A)的位置估计148与由t1(B)表示的圆156上的共线点154之间的距离;以及
d(A,B(t2))是终端节点110(A)的位置估计148与由t2(B)表示的圆156上的共线点154之间的距离。
在等式2的示例中,考虑了两个时间延迟值138(t1和t2)。但是可以考虑针对接入节点120的任何合适数目的时间延迟值138。
在框214,方法200包括至少部分基于第二组146中的至少一个确定的视线时间延迟值142,来确定终端节点110的位置的新估计。
可以使用任何合适的方法用于至少部分基于第二组146中的至少一个确定的视线时间延迟值142,来确定终端节点110的位置的新估计。
在一些示例中,确定终端节点110的位置的新估计包括至少部分基于第二组146中的至少一个确定的视线时间延迟值142,来更新终端节点110的位置估计。
至少部分基于第二组146中的至少一个确定的视线时间延迟值142来更新终端节点110的位置,可以以任何合适的方式进行。
在一些示例中,更新终端节点110的位置估计包括使用在框212确定的第一组144中的视线时间延迟值142和第二组146中的(多个)视线时延值142重新计算终端节点110的位置。
例如,更新终端节点110的位置估计可以包括至少部分基于在框212确定的第一组视线时间延迟值142和第二组146中的(多个)视线时间延迟值142,来使用观测到的到达时间差方法。
在一些示例中,更新终端节点110的位置估计包括至少部分基于在框212确定的第二组146中的(多个)视线时间延迟值142来细化和/或改变和/或修改和/或移动终端节点100的位置估计。
例如,终端节点110的第二位置估计可以至少部分基于在框212确定的第二组146中的(多个)视线时间延迟值142、以及至少部分基于位置估计和第二位置估计而确定的终端节点110的位置的新估计来被确定。
在示例中,确定终端节点110的第二位置估计包括至少部分基于在框212确定的第二组146中的(多个)视线时间延迟值142来使用观测到的到达时间差方法。
在一些示例中,终端节点110的新位置被定义为由终端节点110的位置估计148和终端节点110的第二位置估计定义的分段的中点。
由方法200提供的技术优点是提高了终端节点110(例如,用户设备(UE)164)的位置(position)/定位(location)确定的准确性。
在示例中,该技术益处通过使用从具有高视线条件概率或置信度的接入节点120的视线时间延迟值142中导出的终端的位置估计来被提供,以从具有初始较低视线条件概率或置信度的其他接入节点120的多径数据,来确定一个或多个视线时间延迟值142。
例如,这提供了终端节点110的在位置估计的误差的缓解,该误差是由于将NLOS时间延迟值138不正确地识别为LOS时间延迟值142或到达时间而引起的。
在框216处,方法200包括使得至少存储针对多个接入节点120的至少一个度量140和终端节点110的位置。
例如,在框214确定的至少一个度量140和终端节点110的位置的新估计可以被存储在存储器134中。
在一些示例中,还可以存储另外的信息。例如,一个或多个功率延迟分布度量。
这提供了技术优势。例如,它使得终端节点110(例如,UE 164)和/或服务器112(例如,位置服务器112)能够维持信道跟踪信息,该信道跟踪信息可以被用于改进至少一个度量140的未来的确定。因此,这提供了例如随时间的更准确和/或更高效的位置确定。例如,参见框204。
另外地或替代地,LOS地图可以被构建,例如由位置服务器112构建,并且被提供给一个或多个服务接入节点120以用于资源分配目的、更动态的MCS调节等。
因此,所提供的技术优势还在于例如网络100中的高效资源分配。
在一些示例中,方法200包括确定多个接入节点120的位置。
可以使用任何合适的方法用于确定多个接入节点120的位置。
例如,确定多个接入节点120的位置可以包括接收多个接入节点120的位置和/或从存储器134中检索多个接入节点120的位置。
在示例中,确定多个接入节点120的位置作为框212的一部分来执行。
因此,图2示出了一种方法,该方法包括:
为终端节点110确定针对多个接入节点120的至少一个时间延迟值138;
确定接入节点120的至少一个度量140,至少一个度量140指示终端节点110与接入节点120之间的视线条件概率;
至少部分基于至少一个度量140,确定具有相关视线条件概率高于阈值的第一组144的视线时间延迟值142;
至少部分基于至少一个度量140,确定具有相关视线条件概率低于阈值的第二组146时间延迟值138;
至少部分基于第一组144视线时间延迟值142,来确定终端节点110的位置估计148;
至少部分基于终端节点110的位置估计148,确定第二组146中的至少一个视线时间延迟值142;以及
至少部分基于第二组146中的至少一个确定的视线时间延迟值142,来确定终端节点110的位置的新估计。
图3示出了终端节点110的位置估计的示例。
图3还可以被认为公开了方法300。
在图3的示例中,多个装置通过网络进行通信。在示例中,可以使用任何合适的网络设置的任何合适形式的通信。例如,可以使用图1的网络100。
在所示示例中,终端节点110正在与服务器112通信。在图3的示例中,终端节点110是用户设备(UE)164,并且服务器是位置服务器112。
在框302,从位置服务器112向UE 164传输至少一个信号163。
图3示出了在位置服务器112与UE 164之间一个或多个信号的传输的一个或多个动作。图3还示出了对应的传输/引起传输特征。
类似地,对于任何传输/引起传输特征,图3也示出了对应接收动作。
例如,框302因此还示出了从位置服务器112接收至少一个信号163。
在图3的示例中,至少一个信号163包括指示请求终端节点110至少使用针对终端节点可联系的接入节点120的一个或多个功率延迟分布度量进行响应的信息、以及指示终端节点110与接入节点120之间的视线条件的概率的至少一个度量140。
在示例中,至少一个度量140和/或一个或多个功率延迟分布度量可以如关于图2的框204所述。
可以使用任何合适的信息指示终端节点110使用该信息进行响应的请求。
例如,至少一个信号163可以包括指示终端节点110应当使用哪些信息进行响应的一个或多个标志。例如,至少一个信号可以包括用于指示终端节点110应当使用哪个(如果有的话)功率延迟分布度量进行响应的一个或多个标志。
另外地或替代地,至少一个信号163可以包括用于确定时间延迟值列表Lc的功率阈值。例如,参见图2的框204。
另外地或替代地,至少一个信号163可以包括用于确定第一组144和第二组146时间延迟值142、138的阈值。例如,参见图2的框206和208。
在示例中,一个或多个信号163包括指示请求终端节点110使用针对多个接入节点120的一个或多个时间延迟值138进行响应的信息。
可以使用指示该请求的任何合适信息。
响应于接收到至少一个信号163,终端节点110(在图3的示例中是UE 164)确定所请求的信息。
在图3的示例中,UE 164确定针对多个接入节点120的至少一个时间延迟值138。这可以如关于图2的框202所述,并且因此在图3中表示为202。
在图3的示例中,UE 164还确定针对多个接入节点120的至少一个度量140和所请求的功率延迟分布度量。这可以如关于图2的框204所述,并且因此在图3中表示为204。
在图3的示例中,UE还存储多个针对接入节点216的至少一个度量140以供将来使用。这可以如关于图2的框216所述,并且因此在图3中表示为216。
在框304,至少一个信号162从终端节点110被传输到服务器112,以向服务器112提供所请求的至少一个度量140和一个或多个功率延迟分布度量。
在图3的示例中,一个或多个时间延迟值138在至少一个信号162中被提供。
因此,图3示出了从终端节点向服务器112传输至少一个信号162,至少一个信号162包括指示针对终端节点110可联系的接入节点120的一个或多个功率延迟分布度量的信息、以及指示终端节点110与接入节点120之间的视线条件概率的至少一个度量140。
可以使用指示功率延迟分布度量和至少一个度量140的任何合适信息。例如,为度量而确定的值可以在至少一个信号162中被提供。
在示例中,表1所示的数据结构中的最新条目在至少一个信号162中被提供。
在图3的示例中,位置服务器112然后至少部分基于在至少一个信号162中从终端节点110接收的信息来执行图2的方法200,以确定UE 164的位置(position)/定位(location)估计。
因此,在图3的示例中,确定至少一个时间延迟值138(方法200的框202)和确定至少一个度量140(方法200中的框204)包括从终端节点110接收一个或多个信号162。
在示例中,位置服务器112可以使用拓扑信息和/或历史信息(例如,由位于基本相同区域中的不同终端节点110报告的(多个)过去的度量140),来细化和/或校正为接入节点120而接收的至少一个度量140。
尽管在图3的示例中,动作是在终端节点110处被执行,但应当理解的是,至少部分基于从终端节点110接收的信息,方法200在服务器112处被执行。
在示例中,传输至少一个信号可以包括传输至少一个消息。
在一些示例中,图3的示例可以包括在服务器112与终端节点110之间传输/接收一个或多个附加信号(未示出)。
例如,一个或多个附加信号可以在服务器112与终端节点110之间被传输,以确定终端节点110的能力和/或向终端节点110提供附加信息,例如接入节点标识和/或位置。
图3的示例中所示的方法300可以被认为是UE辅助定位。在该示例中,位置服务器112至少部分基于由UE 164提供的信息来确定位置估计。
在其他示例中,定位可以基于UE。例如,参见图4。
图4示出了终端节点110的位置估计的示例。
图4也可以被认为公开了一种方法400。
图4的示例类似于图3所示的示例,并且还示出了与服务器112通信的终端节点110。在图4的示例中,终端节点110是用户设备(UE)164,并且服务器112是位置服务器112。
在框402,至少一个信号163从位置服务器112被传输到UE 164。在示例中,至少一个信号163可以如图3所述。
在一些示例中,图4中的至少一个信号163可以不同,并且包括指示请求终端节点110使用终端节点110的位置(position)/定位(location)估计进行响应的信息。在一些示例中,图4的至少一个信号163可以被认为是激活信号。
响应于接收到至少一个信号163,终端节点110(在所示示例中为UE 164)执行图2的方法200,以确定终端节点110的位置(position)/定位(location)估计。这在图4的示例中由标记为200的框示出。
因此,在图4的示例中,方法200的框202包括从多个接入节点120接收一个或多个信号。
在框404,从终端节点110向服务器112传输至少一个信号162。
在示例中,至少一个信号162可以如关于图3所述。
在一些示例中,图4的示例中的至少一个信号162不同,并且包括终端节点110的位置(position)/定位(location)估计。
在一些示例中,图4的示例可以包括在服务器112与终端节点110之间传输/接收一个或多个附加信号(未示出)。
例如,一个或多个附加信号可以在服务器112与终端节点110之间被传输,以确定终端节点110的能力和/或向终端节点110提供附加信息,例如接入节点标识和/或位置。
图4的示例中所示的方法400可以被认为是基于UE的定位。在该示例中,UE 164确定位置估计并且将其提供给位置服务器112。
图5示出了针对多个接入节点120的功率延迟分布的示例。
在图5的示例中,功率延迟分布由终端节点110(例如,UE 164)确定。
在图5中,示出了针对五个接入节点120的功率延迟分布。在所示示例中,功率延迟分布被标记为A至E。
功率延迟分布示出了针对接入节点120-A至E的多个时间延迟值138。在所示示例中,功率延迟分布已经通过将所接收的定位参考信号与本地生成的定位参考信号序列互相关而被确定。
从图5中可以看出,功率延迟分布A至D包括多个时间延迟值138。功率延迟分布A至D因此包括多径信息。
在图5的示例中,已经为分布B、D和E确定了具有相关视线条件概率高于阈值的视线时间延迟值142。该确定可以如图2的框208所述。
因此,在图5的示例中,分布B、D和E的视线时间延迟值142被确定为在第一组144中。
然而,分布A和C的时间延迟值138被确定为具有低于阈值的相关视线条件概率,并且因此被确定为在第二组146中。
在图5的分布A中,用于确定列表Lc的阈值被示出为虚线166,用于确定信道稀疏性的阈值被示出为点划线168。例如,参见图2的框204。
在示例中,可以为分布A和C确定视线时间延迟值142,但是在图5中没有被标记,因为确定已经确定了分布A和C的正确的视线时间延迟值142的概率或置信度不足。
例如,具有最高功率的时间延迟值138最初可以被确定为针对分布A和C的视线时间延迟值142。其是针对分布A和C两者的时间延迟值,标记为“3”。
在图5的示例中,至少部分基于第一组144中的视线时间延迟值142,来确定终端节点110的位置估计148。也就是说,分布B、D和E的视线时间延迟值142。这可以如图2的框210所述。
如关于图2所述,位置估计148可以用于改进用于分布A和D的视线时间延迟值142的确定。例如,参见图6和图7。
图6示出了示例场景。图6示出了至少部分基于终端节点110的位置估计148来确定视线时间延迟值138的示例。
图6的示例对应于图5的分布A。
在图6的示例中,绘制了圆,示出了图5中由标记为“1”和“2”的第一时间延迟值和第二时间延迟值138描述的圆、以及相应接入节点120的位置。
在所示示例中,这些可以被认为是针对分布A的列表Lc中存在的延迟。
图6中还示出了相对于接入节点120的位置的位置估计148。
在图6中,还示出了位置估计148与圆上的共线点之间的距离152。
可以看出,第二时间延迟值138的距离152小于第一时间延迟值138的距离152。
因此,在该示例中,分布A的第二时间延迟值138被确定为视线时间延迟值142。
这在图7的示例中示出,图7示出了标有“A”的功率延迟分布,其中指示了所确定的视线时间延迟值142。
在示例中,针对图5的分布C可以遵循类似的过程。
因此,针对终端节点110的新位置估计可以基于针对一些或所有分布A至E的视线时间延迟值142来被确定,从而通过使用多径信息提高针对终端节点的位置估计的准确性。
图8A示出了装置130的示例,该装置可以是诸如终端节点110(例如UE 164)或服务器112(例如位置服务器112)等装置或设备的控制器。
装置130的实现可以是控制器电路系统。装置130可以单独以硬件实现,在软件中具有某些方面,包括单独的固件,或者可以是硬件和软件(包括固件)的组合。
如图8A所示,装置130可以使用启用硬件功能的指令来实现,例如,通过使用可以存储在计算机可读存储介质(磁盘、存储器等)上以由这样的处理器132执行的通用或专用处理器132中的计算机程序136的可执行指令。
处理器132被配置为从存储器134读取和向存储器134写入。处理器132还可以包括处理器132经由其输出数据和/或命令的输出接口、以及数据和/或命令经由其被输入到处理器132的输入接口。
存储器134存储包括计算机程序指令(计算机程序代码)的计算机程序136,该计算机程序指令(计算机程序代码)在被加载到处理器132中时控制装置130的操作。计算机程序136的计算机程序指令提供使得装置能够执行图2、图3、和/或图4所示的方法的逻辑和例程。处理器132通过读取存储器134而能够加载和执行计算机程序136。
因此,装置130包括:
至少一个处理器132;以及
至少一个存储器134,包括计算机程序代码
至少一个存储器134和计算机程序代码被配置为与至少一个处理器132一起,使得装置130至少执行:
为终端节点确定针对多个接入节点的至少一个时间延迟值;
确定针对接入节点的至少一个度量,该至少一个度量指示终端节点与接入节点之间的视线条件概率;
至少部分基于至少一个度量,确定相关视线条件概率高于阈值的第一组视线时间延迟值;
至少部分基于至少一个度量,确定相关视线条件概率低于阈值的第二组时间延迟值;
至少部分基于第一组视线时间延迟值,确定终端节点的位置估计;
至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及
至少部分基于第二组中的至少一个确定的视线时间延迟值,确定终端节点的位置的新估计。
如图8A所示,计算机程序136可以经由任何合适的传递机制137到达装置130。传递机制137可以是例如包括或有形地体现计算机程序136的机器可读介质、计算机可读介质、非暂态计算机可读存储介质、计算机程序产品、存储器设备、诸如光盘只读存储器(CD-ROM)或数字多功能盘(DVD)或固态存储器等记录介质、制品。传递机制可以是被配置为可靠地传送计算机程序136的信号。装置130可以传播或传输计算机程序136作为计算机数据信号。
计算机程序指令用于使得装置至少执行以下操作或用于执行至少以下操作:
为终端节点确定针对多个接入节点的至少一个时间延迟值;
确定针对接入节点的至少一个度量,该至少一个度量指示终端节点与接入节点之间的视线条件概率;
至少部分基于至少一个度量,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值;
至少部分基于至少一个度量,确定具有相关视线条件概率低于阈值的第二组时间延迟值;
至少部分基于第一组视线时间延迟值,确定终端节点的位置估计;
至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及
至少部分基于第二组中的至少一个确定的视线时间延迟值,确定终端节点的位置的新估计。
计算机程序指令可以被包括在计算机程序、非暂态计算机可读介质、计算机程序产品、机器可读介质中。在一些但不一定是所有示例中,计算机程序指令可以分布在一个以上的计算机程序之上。
尽管存储器134被示出为单个组件/电路系统,但它可以被实现为一个或多个单独的组件/电路系统,其中的一些或全部组件/电路系统可以是集成的/可移除的和/或可以提供永久/半永久/动态/高速缓存的存储。
在示例中,存储器134包括随机存取存储器170和只读存储器172。在示例中,计算机程序136可以被存储在只读存储器172中。例如,参见图8B
在一些示例中,存储器134可以被拆分成随机存取存储器170和只读存储器172。
尽管处理器132被示出为单个组件/电路系统,但它可以被实现为一个或多个单独的组件/电路系统,其中的一些或全部组件/电路系统可以是集成的/可移除的。处理器132可以是单核或多核处理器。
对“计算机可读存储介质”、“计算机程序产品”、“有形体现的计算机程序”等或“控制器”、“计算机”、“处理器”等的引用应当理解为不仅涵盖具有不同架构的计算机,诸如单/多处理器架构和顺序(Von Neumann)/并行架构,但也包括专用电路,诸如现场可编程门阵列(FPGA)、专用电路(ASIC)、信号处理设备和其他处理电路系统。对计算机程序、指令、代码等的引用应当理解为涵盖可编程处理器或固件的软件,例如硬件设备的可编程内容,无论是处理器的指令,还是固定功能设备、门阵列或可编程逻辑器件等的配置设置。
如本申请中使用的,术语“电路系统”可以是指以下中的一项或多项或全部:
(a)纯硬件电路实现(诸如仅使用模拟和/或数字电路的实现),以及
(b)硬件电路和软件的组合,诸如(如适用):
(i)(多个)模拟和/或数字硬件电路与软件/固件的组合,以及
(ii)具有软件的(多个)硬件处理器(包括(多个)数字信号处理器)、软件和(多个)存储器任何部分,这些部分一起工作以引起装置(诸如移动电话或服务器)执行各种功能,以及
(c)(多个)硬件电路和/或(多个)处理器,诸如(多个)微处理器或(多个)微处理器的一部分,其需要软件(例如,固件)进行操作,但软件可能在操作不需要它时不存在。
该电路系统的定义适用于该术语在本申请中的所有使用,包括在任何权利要求中。作为另一示例,如在本申请中使用的,术语电路系统还涵盖仅硬件电路或处理器及其(或它们的)随附软件和/或固件的实现。例如,如果适用于特定权利要求元素,术语电路系统还涵盖用于移动设备的基带集成电路、或者服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。
图2、图3和/或图4所示的框可以表示方法中的步骤和/或计算机程序136中的代码段。对框的特定顺序的说明并不一定表示框具有所需要的或优选的顺序,并且框的顺序和布置可以改变。此外,可以省略一些框。例如,图2的框216可以省略。
在结构特征已经被描述的情况下,它可以被替换为用于执行结构特征的一个或多个功能的部件,无论该功能或这些功能是被明确还是隐含地描述。
因此,该装置可以包括用于以下操作的部件:
为终端节点确定针对多个接入节点的至少一个时间延迟值;
确定接入节点的至少一个度量,该至少一个度量指示终端节点与接入节点之间的视线条件概率;
至少部分基于至少一个度量,确定具有相关视线条件概率高于阈值的第一组视线时间延迟值;
至少部分基于至少一个度量,确定具有相关视线条件概率低于阈值的第二组时间延迟值;
至少部分基于第一组视线时间延迟值,确定终端节点的位置估计;
至少部分基于终端节点的位置估计,确定第二组中的至少一个视线时间延迟值;以及
至少部分基于第二组中的至少一个确定的视线时间延迟值,确定终端节点的位置的新估计。
系统、设备、方法和计算机程序可以使用机器学习,机器学习可以包括统计学习。机器学习是计算机科学的一个领域,它使计算机能够在没有明确编程的情况下学习。计算机从经验E中学习某类任务T的知识,如果它在T中的任务表现(由P测量)随着经验E而提高,则学习性能度量P。计算机通常可以从先前训练数据中学习以做出关于未来数据的预测。机器学习包括完全或部分有监督学习和完全或部分无监督学习。它可以实现离散输出(例如,分类、聚类)和连续输出(例如,回归)。机器学习例如可以使用不同的方法来实现,例如成本函数最小化、人工神经网络、支持向量机和贝叶斯网络。例如,成本函数最小化可以用于线性和多项式回归以及K均值聚类。例如,具有一个或多个隐藏层的人工神经网络对输入向量与输出向量之间的复杂关系进行建模。支持向量机可以用于有监督学习。贝叶斯网络是表示多个随机变量的有条件独立性的有向非循环图。
上述示例可以用作以下组件的启用组件:
汽车系统;电信系统;电子系统,包括消费电子产品;分布式计算系统;用于生成或渲染媒体内容的媒体系统,包括音频、视觉和视听内容以及混合、中介、虚拟和/或增强现实;个人系统,包括个人健康系统或个人健身系统;导航系统;用户界面,也称为人机界面;网络,包括蜂窝、非蜂窝和光网络;自组织网络;互联网;物联网;虚拟化网络;以及相关的软件和服务。
本文档中使用的术语“包括”具有包容性而非排他性。也就是说,对包括Y的X的任何引用表示X可以仅包括一个Y或可以包括多于一个Y。如果意在使用具有排他性含义的“包括”,则将在上下文中通过提及“包括仅一个……”或使用“由……组成”来明确说明。
在本说明书中,参考了各种示例。与示例相关的特征或功能的描述表明那些特征或功能存在于该示例中。在文本中对术语“示例”或“例如”或“可能”或“可以”的使用表示,无论是否明确说明,这样的特征或功能至少存在于所描述的示例中,无论是否描述为示例,并且它们可以但不一定存在于某些或所有其他示例中。因此,“示例”、“例如”、“可能”或“可以”是指一类示例中的特定实例。实例的属性可以是仅该实例的属性或类的属性或包括类中的一些但不是所有实例的类的子类的属性。因此,隐含地公开了参考一个示例而不是参考另一示例描述的特征可以在可能的情况下在该另一示例中用作工作组合的一部分,但不一定必须在该另一示例中使用。
尽管在前面的段落中已经参考各种示例描述了示例,但是应当理解,在不脱离权利要求的范围的情况下,可以对所给出的示例进行修改。
前面描述中描述的特征可以以除了上面明确描述的组合之外的其他组合使用。
尽管已经参考某些特征描述了功能,但是这些功能可以由其他特征执行,无论是否描述。
尽管已经参考某些示例描述了特征,但是这些特征也可以存在于其他示例中,无论是否描述。
本文件中使用的术语“一个(a)”或“该(the)”具有包容性而非排他性。也就是说,对包括一个(a)/该(the)Y的X的任何引用表示X可以仅包括一个Y或可以包括多于一个Y,除非上下文清楚地表明相反。如果意在使用具有排他性含义的“一个(a)”或“该(the)”,则将在上下文中明确说明。在某些情况下,可以使用“至少一个”或“一个或多个”来强调包容性的含义,但不应当将这些术语的缺失视为推断和排他性的含义。
权利要求中的特征(或特征组合)的存在是对该特征或(特征组合)本身的引用、以及对实现基本相同技术效果的特征(等效特征)的引用。等效特征包括例如作为变体并且以基本相同的方式实现基本相同结果的特征。等效特征包括例如以基本相同的方式执行基本相同的功能以实现基本相同的结果的特征。
在本说明书中,参考了各种示例,使用形容词或形容词短语来描述示例的特性。与示例相关的特性的这种描述表明该特性在一些示例中完全如所描述的那样存在并且在其他示例中基本上如所描述的那样存在。
尽管在前述说明书中力图引起人们对那些被认为是重要的特征的关注,但应当理解,申请人可以通过权利要求就上文提及和/或附图中所示的任何可专利特征或特征组合寻求保护,无论是否强调。
Claims (66)
1.一种装置(130),包括:
至少一个处理器(132);以及
至少一个存储器(134),包括计算机程序代码(136);
所述至少一个存储器(134)和所述计算机程序代码(136)被配置为与所述至少一个处理器(132)一起,使得所述装置(130)执行:
为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138);
确定针对所述接入节点(120)的至少一个度量(140),所述至少一个度量(140)指示所述终端节点(110)与所述接入节点(120)之间的视线条件概率;
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率高于阈值的第一组(144)视线时间延迟值(142);
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率低于所述阈值的第二组(146)时间延迟值(138);
至少部分基于所述第一组(144)视线时间延迟值(142),确定所述终端节点(110)的位置估计(148);
至少部分基于所述终端节点(110)的所述位置估计(148),确定所述第二组(146)中的至少一个视线时间延迟值(142);以及
至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),确定所述终端节点(110)的位置的新估计。
2.根据权利要求1所述的装置(130),其中确定针对多个接入节点(120)的所述至少一个时间延迟值(138)包括:确定所述多个接入节点(120)中的一个或多个接入节点(120)的多个时间延迟值(138)。
3.根据权利要求1或2所述的装置(130),其中所述至少一个度量(140)至少部分基于一个或多个功率延迟分布度量而被确定,所述一个或多个功率延迟分布度量至少部分基于所述多个接入节点(120)的所述至少一个时间延迟值(138)而被确定。
4.根据权利要求3所述的装置(130),其中所述一个或多个功率延迟分布度量包括以下中的一项或多项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对所述接入节点的最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
5.根据任一前述权利要求所述的装置(130),其中确定所述至少一个度量(140)包括:至少部分基于所述接入节点(120)中的至少一个接入节点(120)的历史视线信息,确定所述至少一个度量(140)。
6.根据任一前述权利要求所述的装置(130),其中确定具有相关视线条件概率高于阈值的第一组(144)视线时间延迟值(142)包括:将所述至少一个度量(140)与至少一个阈值进行比较。
7.根据任一前述权利要求所述的装置(130),其中确定所述终端节点(110)的位置估计(148)包括:至少部分基于所述第一组(144)视线时间延迟值(142),使用观测到的到达时间差方法。
8.根据任一前述权利要求所述的装置(130),其中确定所述第二组(146)中的至少一个视线时间延迟值(142)包括:将由所述第二组(146)中的一个或多个时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(110)的所述位置估计(148)进行比较。
9.根据权利要求8所述的装置(130),其中将由所述第二组(146)中的时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(110)的所述位置估计(148)进行比较包括:确定所述终端节点(110)的所述位置估计(148)与由所述第二组(146)中的所述时间延迟值(138)中的一个或多个时间延迟值(138)描述的圆或双曲线上的共线点之间的距离(152)。
10.根据任一前述权利要求所述的装置(130),其中确定所述终端节点(110)的位置的新估计包括:至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),更新所述终端节点(110)的所述位置估计(148)。
11.根据任一前述权利要求所述的装置(130),其中所述至少一个存储器(134)和所述计算机程序代码(136)被配置为与所述至少一个处理器(132)一起,使得所述装置(130)至少存储所述多个接入节点(120)的所述至少一个度量(140)、以及所述终端节点(110)的位置。
12.根据任一前述权利要求所述的装置(130),其中所述至少一个存储器(134)和所述计算机程序代码(136)被配置为与所述至少一个处理器(132)一起,使得所述装置(130)确定所述多个接入节点(120)的位置。
13.根据任一前述权利要求所述的装置(130),其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述多个接入节点(120)接收一个或多个信号。
14.根据权利要求1至12中任一项所述的装置(130),其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述终端节点(110)接收一个或多个信号(162)。
15.根据任一前述权利要求所述的装置(130),其中所述终端节点(110)是用户设备(164),并且所述接入节点是gNB。
16.一种用户设备(164),包括根据权利要求1至15中至少一项所述的装置(130)。
17.一种服务器(112),包括根据权利要求1至12、14和15中至少一项所述的装置(130)。
18.一种方法(200),包括:
为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138);
确定针对所述接入节点(120)的至少一个度量(140),所述至少一个度量(140)指示所述终端节点(110)与所述接入节点(120)之间的视线条件概率;
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率高于阈值的第一组(144)视线时间延迟值(142);
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率低于所述阈值的第二组(146)时间延迟值(138);
至少部分基于所述第一组(144)视线时间延迟值(142),确定所述终端节点(110)的位置估计(148);
至少部分基于所述终端节点(110)的所述位置估计(148),确定所述第二组(146)中的至少一个视线时间延迟值(142);以及
至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),确定所述终端节点(110)的位置的新估计。
19.根据权利要求18所述的方法(200),其中确定针对多个接入节点(120)的所述至少一个时间延迟值(138)包括:确定针对所述多个接入节点(120)中的一个或多个接入节点(120)的多个时间延迟值(138)。
20.根据权利要求18或19所述的方法(200),其中所述至少一个度量(140)至少部分基于一个或多个功率延迟分布度量而被确定,所述一个或多个功率延迟分布度量至少部分基于针对所述多个接入节点(120)的所述至少一个时间延迟值(138)而被确定。
21.根据权利要求20所述的方法(200),其中所述一个或多个功率延迟分布度量包括以下中的一项或多项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对所述接入节点的最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
22.根据权利要求18至21中任一项所述的方法(200),其中确定所述至少一个度量(140)包括:至少部分基于所述接入节点(120)中的至少一个接入节点(120)的历史视线信息,确定所述至少一个度量(140)。
23.根据权利要求18至22中任一项所述的方法(200),其中确定具有相关视线条件概率高于阈值的第一组视线时间延迟值(142)包括:将所述至少一个度量(140)与至少一个阈值进行比较。
24.根据权利要求18至23中任一项所述的方法(200),其中确定所述终端节点(110)的位置估计(148)包括:至少部分基于所述第一组视线时间延迟值(138),使用观测到的到达时间差方法。
25.根据权利要求18至24中任一项所述的方法(200),其中确定所述第二组(146)中的至少一个视线时间延迟值(142)包括:将由所述第二组(146)中的一个或多个时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(110)的所述位置估计(148)进行比较。
26.根据权利要求25所述的方法(200),其中将由所述第二组(146)中的时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(110)的所述位置估计(148)进行比较包括:确定所述终端节点(110)的所述位置估计(148)与由所述第二组(146)中的所述时间延迟值(138)中的一个或多个时间延迟值(138)描述的圆或双曲线上的共线点之间的距离(152)。
27.根据权利要求18至26中任一项所述的方法(200),其中确定所述终端节点(110)的位置的新估计包括:至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),更新所述终端节点(110)的所述位置估计(148)。
28.根据权利要求18至27中任一项所述的方法(200),其中所述方法(200)包括:使得至少存储针对所述多个接入节点(120)的所述至少一个度量(140)、以及所述终端节点(110)的位置。
29.根据权利要求18至28中任一项所述的方法(200),其中所述方法(200)包括:确定所述多个接入节点(120)的位置。
30.根据权利要求18至29中任一项所述的方法(200),其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述多个接入节点(120)接收一个或多个信号。
31.根据权利要求18至29中任一项所述的方法(200),其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述终端节点(110)接收一个或多个信号(162)。
32.根据权利要求18至31中任一项所述的方法(200),其中所述终端节点(110)是用户设备(164),并且所述接入节点(120)是gNB。
33.一种装置(130),包括用于执行以下操作的部件:
为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138);
确定针对所述接入节点(120)的至少一个度量(140),所述至少一个度量(140)指示所述终端节点(110)与所述接入节点(120)之间的视线条件概率;
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率高于阈值的第一组(144)视线时间延迟值(142);
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率低于所述阈值的第二组(146)时间延迟值(138);
至少部分基于所述第一组(144)视线时间延迟值(138),确定所述终端节点(110)的位置估计(148);
至少部分基于所述终端节点(110)的所述位置估计(148),确定所述第二组(146)中的至少一个视线时间延迟值(142);以及
至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),确定所述终端节点(110)的位置的新估计。
34.根据权利要求33所述的装置(130),其中确定针对多个接入节点(120)的所述至少一个时间延迟值(138)包括:确定针对所述多个接入节点(120)中的一个或多个接入节点(120)的多个时间延迟值(138)。
35.根据权利要求33或34所述的装置(130),其中所述至少一个度量(140)至少部分基于一个或多个功率延迟分布度量而被确定,所述一个或多个功率延迟分布度量至少部分基于针对所述多个接入节点(120)的所述至少一个时间延迟值(138)而被确定。
36.根据权利要求35所述的装置(130),其中所述一个或多个功率延迟分布度量包括以下中的一项或多项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对所述接入节点的最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
37.根据权利要求33至36中任一项所述的装置(130),其中确定所述至少一个度量(140)包括:至少部分基于所述接入节点(120)中的至少一个接入节点的历史视线信息,确定所述至少一个度量(140)。
38.根据权利要求33至37中任一项所述的装置(130),其中确定具有相关视线条件概率高于阈值的第一组(144)视线时间延迟值(142)包括:将所述至少一个度量(140)与至少一个阈值进行比较。
39.根据权利要求33至38中任一项所述的装置(130),其中确定所述终端节点(110)的位置估计(148)包括:至少部分基于所述第一组(144)视线时间延迟值(142),使用观测到的到达时间差方法。
40.根据权利要求33至39中任一项所述的装置(130),其中确定所述第二组(146)中的至少一个视线时间延迟值(142)包括:将由所述第二组(146)中的一个或多个时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(110)的所述位置估计(148)进行比较。
41.根据权利要求40所述的装置(130),其中将由所述第二组(146)中的时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(110)的所述位置估计(148)进行比较包括:确定所述终端节点(110)的所述位置估计(148)与由所述第二组(146)中的所述时间延迟值(138)中的一个或多个时间延迟值(138)描述的圆或双曲线上的共线点之间的距离(152)。
42.根据权利要求33至41中任一项所述的装置(130),其中确定所述终端节点(110)的位置的新估计包括:至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),更新所述终端节点(110)的所述位置估计(148)。
43.根据权利要求33至42中任一项所述的装置(130),其中所述部件还被配置为使得至少存储针对所述多个接入节点(120)的所述至少一个度量(140)、以及所述终端节点的位置。
44.根据权利要求33至43中任一项所述的装置(130),其中所述部件还被配置为确定所述多个接入节点(120)的位置。
45.根据权利要求33至44中任一项所述的装置(130),其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述多个接入节点(120)接收一个或多个信号。
46.根据权利要求33至44中任一项所述的装置(130),其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述终端节点(110)接收一个或多个信号(162)。
47.根据权利要求33至46中任一项所述的装置(130),其中所述终端节点(110)是用户设备(164),并且所述接入节点(120)是gNB。
48.一种计算机程序,包括用于使得装置(130)执行至少以下操作或用于执行至少以下操作的指令:
为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138);
确定针对所述接入节点(120)的至少一个度量(140),所述至少一个度量(140)指示所述终端节点(110)与所述接入节点(120)之间的视线条件概率;
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率高于阈值的第一组(144)视线时间延迟值(142);
至少部分基于所述至少一个度量(140),确定具有相关视线条件概率低于所述阈值的第二组(146)时间延迟值(138);
至少部分基于所述第一组(144)视线时间延迟值(142),确定所述终端节点(110)的位置估计(148);
至少部分基于所述终端节点(110)的所述位置估计(148),确定所述第二组(146)中的至少一个视线时间延迟值(142);以及
至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),确定所述终端节点(110)的位置的新估计。
49.根据权利要求48所述的计算机程序,其中确定多个接入节点(120)的所述至少一个时间延迟值(138)包括:确定所述多个接入节点(120)中的一个或多个接入节点的多个时间延迟值(138)。
50.根据权利要求48或49所述的计算机程序,其中所述至少一个度量(140)至少部分基于一个或多个功率延迟分布度量而被确定,所述一个或多个功率延迟分布度量至少部分基于针对所述多个接入节点(120)的所述至少一个时间延迟值(138)而被确定。
51.根据权利要求50所述的计算机程序,其中所述一个或多个功率延迟分布度量包括以下中的一项或多项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对所述接入节点的最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
52.根据权利要求48至51中任一项所述的计算机程序,其中确定所述至少一个度量(140)包括:至少部分基于所述接入节点中的至少一个接入节点的历史视线信息,确定所述至少一个度量。
53.根据权利要求48至52中任一项所述的计算机程序,其中确定具有相关视线条件概率高于阈值的第一组视线时间延迟值(142)包括:将所述至少一个度量(140)与至少一个阈值进行比较。
54.根据权利要求48至53中任一项所述的计算机程序,其中确定所述终端节点(110)的位置估计(148)包括:至少部分基于所述第一组(144)视线时间延迟值(142),使用观测到的到达时间差方法。
55.根据权利要求48至54中任一项所述的计算机程序,其中确定所述第二组(146)中的至少一个视线时间延迟值(142)包括:将由所述第二组(146)中的一个或多个时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(120)的所述位置估计(148)进行比较。
56.根据权利要求55所述的计算机程序,其中将由所述第二组(146)中的时间延迟值(138)表示的距所述接入节点(120)的距离(152)与所述终端节点(110)的所述位置估计(148)进行比较包括:确定所述终端节点(110)的所述位置估计(148)与由所述第二组(146)中的所述时间延迟值(138)中的一个或多个时间延迟值(138)描述的圆或双曲线上的共线点之间的距离(152)。
57.根据权利要求48至56中任一项所述的计算机程序,其中确定所述终端节点(110)的位置的新估计包括:至少部分基于所述第二组(146)中的所述至少一个确定的视线时间延迟值(142),更新所述终端节点(110)的所述位置估计(148)。
58.根据权利要求48至57中任一项所述的计算机程序,其中所述计算机程序包括用于使得装置(130)执行使得至少存储针对所述多个接入节点(120)的所述至少一个度量(140)、以及所述终端节点(110)的位置的指令。
59.根据权利要求48至58中任一项所述的计算机程序,其中所述计算机程序包括用于使得装置(130)执行确定所述多个接入节点(120)的位置的指令。
60.根据权利要求48至59中任一项所述的计算机程序,其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述多个接入节点(120)接收一个或多个信号。
61.根据权利要求48至59中任一项所述的计算机程序,其中为终端节点(110)确定针对多个接入节点(120)的至少一个时间延迟值(138)包括:从所述终端节点(110)接收一个或多个信号(162)。
62.根据权利要求48至61中任一项所述的计算机程序,其中所述终端节点(110)是用户设备(164),并且所述接入节点是gNB。
63.一种装置(130),包括:
至少一个处理器(132);以及
至少一个存储器(134),包括计算机程序代码(136);
所述至少一个存储器(134)和所述计算机程序代码(136)被配置为与所述至少一个处理器(132)一起使得所述装置(130)执行:
向终端节点(110)传输至少一个信号(163),所述至少一个信号(163)包括指示请求所述终端节点(110)至少使用针对所述终端节点(110)可联系的接入节点(120)的一个或多个功率延迟分布度量进行响应的信息、以及指示所述终端节点(110)与所述接入节点(120)之间的视线条件概率的至少一个度量(140)。
64.根据权利要求63所述的装置(130),其中所述一个或多个功率延迟分布度量包括以下中的至少一项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对所述接入节点的最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
65.一种装置(130),包括:
至少一个处理器(132);以及
至少一个存储器(134),包括计算机程序代码;
所述至少一个存储器(134)和所述计算机程序代码(136)被配置为与所述至少一个处理器(132)一起使得所述装置(130)执行:
从终端节点(110)向服务器(112)传输至少一个信号(162),所述至少一个信号(162)包括指示针对所述终端节点(110)可联系的接入节点(120)的一个或多个功率延迟分布度量的信息、以及指示所述终端节点(110)与所述接入节点(120)之间的视线条件概率的至少一个度量(140)。
66.根据权利要求65所述的装置,其中所述一个或多个功率延迟分布度量包括以下中的至少一项:平均过量延迟、均方根延迟扩展、小于针对接入节点的确定的视线时间延迟值并且在距针对所述接入节点的最大接收功率的预定量内的时间延迟值列表、以及高于预定功率的多径分量的数目。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2020/059786 WO2021204351A1 (en) | 2020-04-06 | 2020-04-06 | Position estimation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115702590A true CN115702590A (zh) | 2023-02-14 |
Family
ID=70285651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080101782.1A Pending CN115702590A (zh) | 2020-04-06 | 2020-04-06 | 位置估计 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230156658A1 (zh) |
EP (1) | EP4133815A1 (zh) |
JP (1) | JP2023521333A (zh) |
CN (1) | CN115702590A (zh) |
WO (1) | WO2021204351A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5615232A (en) * | 1993-11-24 | 1997-03-25 | Novatel Communications Ltd. | Method of estimating a line of sight signal propagation time using a reduced-multipath correlation function |
CN1173509C (zh) * | 2001-12-30 | 2004-10-27 | 华为技术有限公司 | Cdma移动通信系统中可视与非可视信道的识别方法 |
JP2006023267A (ja) * | 2004-06-09 | 2006-01-26 | Ntt Docomo Inc | マルチパス遅延成分を用いた位置測定装置および位置測定方法 |
JP2008267973A (ja) * | 2007-04-19 | 2008-11-06 | Ntt Docomo Inc | 測位システム、移動通信端末、測位方法、測位サーバ、測位用icチップ、及び測位プログラム |
US9307432B2 (en) * | 2013-01-03 | 2016-04-05 | Qualcomm Incorporated | Processing delay estimate based on crowdsourcing data |
JP6311211B2 (ja) * | 2016-03-30 | 2018-04-18 | マツダ株式会社 | 障害物検出装置 |
-
2020
- 2020-04-06 WO PCT/EP2020/059786 patent/WO2021204351A1/en unknown
- 2020-04-06 EP EP20718611.5A patent/EP4133815A1/en active Pending
- 2020-04-06 US US17/917,378 patent/US20230156658A1/en active Pending
- 2020-04-06 JP JP2022561034A patent/JP2023521333A/ja active Pending
- 2020-04-06 CN CN202080101782.1A patent/CN115702590A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021204351A1 (en) | 2021-10-14 |
EP4133815A1 (en) | 2023-02-15 |
US20230156658A1 (en) | 2023-05-18 |
JP2023521333A (ja) | 2023-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508044A (zh) | 人工智能ai模型的评估方法、系统及设备 | |
US20210065011A1 (en) | Training and application method apparatus system and stroage medium of neural network model | |
US8660018B2 (en) | Machine learning approach for estimating a network path property | |
CN113573284B (zh) | 大规模机器类通信基于机器学习的随机接入退避方法 | |
CN111683274A (zh) | 弹幕广告展示方法、装置、设备及计算机可读存储介质 | |
WO2019134549A1 (zh) | 基于深度学习的定位方法、装置、计算机设备及存储介质 | |
CN111787280A (zh) | 基于边缘计算的视频实时目标追踪方法及装置 | |
CN101893707B (zh) | 非视距传播识别方法、装置与基站 | |
CN107104747B (zh) | 无线时变信道中的多径分量的分簇方法 | |
CN115702590A (zh) | 位置估计 | |
CN112465055A (zh) | 一种基于卷积神经网络的网络故障诊断方法 | |
CN116362328A (zh) | 一种基于公平性特征表示的联邦学习异构模型聚合方法 | |
Baldvinsson et al. | Il-gan: Rare sample generation via incremental learning in gans | |
CN112861115B (zh) | 基于区块链安全认证的加密策略调用方法及云认证服务器 | |
CN115577797A (zh) | 一种基于本地噪声感知的联邦学习优化方法及系统 | |
US20220245448A1 (en) | Method, device, and computer program product for updating model | |
Jumantara et al. | M2EW Algorithm for increasing the degree of precision of vertical handover network selection | |
CN113408349A (zh) | 动作评价模型的训练方法、动作评价方法及相关设备 | |
CN113298115A (zh) | 基于聚类的用户分组方法、装置、设备和存储介质 | |
CN113469204A (zh) | 数据处理方法、装置、设备和计算机存储介质 | |
CN112311839A (zh) | 信息推送方法、装置、设备及可读介质 | |
Chua et al. | Mobile Edge Adversarial Detection for Digital Twinning to the Metaverse with Deep Reinforcement Learning | |
Zhang et al. | Fine‐grained CSI fingerprinting for indoor localisation using convolutional neural network | |
US12022496B2 (en) | Systems and methods for dynamic selection of a physical uplink control channel format | |
CN118113421B (zh) | 云工作站的云资源池容量规划方法、装置及计算机设备 |
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 |