CN116391138A - 定位方法、装置、设备、系统以及存储介质 - Google Patents
定位方法、装置、设备、系统以及存储介质 Download PDFInfo
- Publication number
- CN116391138A CN116391138A CN202080106905.0A CN202080106905A CN116391138A CN 116391138 A CN116391138 A CN 116391138A CN 202080106905 A CN202080106905 A CN 202080106905A CN 116391138 A CN116391138 A CN 116391138A
- Authority
- CN
- China
- Prior art keywords
- output value
- positioning
- imu
- satellite
- time
- 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 116
- 238000005259 measurement Methods 0.000 claims abstract description 149
- 238000005070 sampling Methods 0.000 claims abstract description 63
- 238000003062 neural network model Methods 0.000 claims description 45
- 238000012549 training Methods 0.000 claims description 38
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 description 21
- 238000010168 coupling process Methods 0.000 description 21
- 238000005859 coupling reaction Methods 0.000 description 21
- 239000013598 vector Substances 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration 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
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
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
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请涉及定位方法、装置、设备、系统以及存储介质。其中方法包括：获取待定位时刻，待定位时刻为定位设备上装载的IMU的IMU采样时刻；获取在待定位时刻的IMU的IMU输出值；当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
Description
本申请涉及定位技术领域，特别是涉及一种定位方法、装置、设备、系统以及存储介质。
定位技术被广泛应用于各种需要对自身位置、姿态等进行估计的设备中，例如手机、平板电脑、车辆等等。
定位技术包括卫星导航技术、超宽带(Ultra Wide Band,UWB)技术等，其中卫星导航技术在室外等空旷区域具有较高的定位精度，然而在室内会由于信号不足等导致定位精度低，超宽带技术可以实现室内的高精度定位，但是在室外定位能力弱。
可以通过将不同定位技术结合起来进行定位以提高定位精度，例如在室内使用超宽带技术进行定位，在室外空旷区域使用卫星导航技术进行定位，但是这两者均是在室内或室外的局部空间进行定位，并且这两者在室内和室外的衔接较差，在需要定位的设备从室内转向室外，或室外转向室内时，定位将出现较大的跳转，无法实现空间上的连续高精度定位。
因此，上述定位技术仍然存在着改进的空间。
发明内容
基于此，有必要提供一种定位方法、装置、设备、系统以及存储介质。
一方面，提供一种定位方法，包括：获取待定位时刻；获取在待定位时刻定位设备上装载的惯性测量单元(Inertial Measurement Unit，IMU)的IMU输出值；当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
另一方面，提供一种定位装置，包括：时刻获取模块，用于获取待定位时刻；IMU值获取模块，用于获取在待定位时刻定位设备上装载的IMU的IMU输出值；第一定位模块，用于当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；以及第二定位模块，用于当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
另一方面，提供一种定位设备，包括IMU模块、5G模块、卫星定位模块、存储器和处理器，IMU模块、5G模块、卫星定位模块和存储器分别与处理器连接；IMU模块在IMU采样时刻获取定位设备的IMU输出值，并将IMU输出值输出至处理器；5G模块从5G基站接收由5G基站在5G采样时刻测量的定位设备的上行参考信号的第一测量信号，并将第一测量信号输出至处理器；卫星定位模块从导航卫星接收由导航卫星在卫星采样时刻观测的定位设备的第二测量信号，并将第二测量信号输出至处理器；存储器存储有计算机程序；并且处理器执行计算机程序时实现如下方法：获取待定位时刻；获取在待定位时刻定位设备上装载的IMU的IMU输出值；当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
另一方面，提供一种定位系统，包括5G基站、导航卫星和定位设备，定位设备分别与导航卫星和5G基站通信连接；5G基站在5G采样时刻测量定位设备的上行参考信号的第一测量信号，并将第一测量信号发送至定位设备；导航卫星在卫星采样时刻观测定位设备的第二测量信号，并将第二测量信号输出至定位设备；定位设备执行如下方法：获取待定位时刻；获取在待定位时刻定位设备上装载的IMU的IMU输出值；当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如下方法：获取待定位时刻；获取在待定位时刻定位设备上装载的IMU的IMU输出值；当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征、目的和优点将从说明书、附图以及权利要求书变得明显。
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1为本申请一个实施例中的BDS、5G和UWB定位技术的空间有效覆盖率示意图。
图2为本申请一个实施例中的BDS+5G和BDS+UWB组合定位技术的空间有效覆盖率示意图。
图3为本申请一个实施例中的应用环境示意图。
图4为本申请一个实施例中的定位方法流程图。
图5为本申请一个实施例中的定位方法的时间流的示意图。
图6为本申请一个实施例中的定位方法流程图。
图7为本申请一个实施例中的定位方法示意图。
图8为本申请一个实施例中的5G和IMU时间配准方法的时间流的示意图。
图9为本申请一个实施例中的估算第二5G输出值步骤的流程图。
图10为本申请一个实施例中的对神经网络进行训练步骤的流程图。
图11为本申请一个实施例中的确定定位设备的定位信息步骤的流程图。
图12为本申请一个实施例中的定位装置的示意框图。
图13为本申请一个实施例中的定位设备的结构示意图。
图14为本申请一个实施例中的定位系统的结构示意图。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了在空间上实现连续高精度定位，可以对空间按照定位方法的特点和局限性进行划分， 即从乡村到城市，从室外到室内，如图1所示，其中空间有效覆盖率指的是可进行高精度定位的空间区域所占比例。卫星导航系统，以北斗卫星导航系统(BeiDou Navigation Satellite System，BDS)为例，仅能进行室外空旷区域的高精度定位，包括乡村和城郊，由于城市内高楼林立，一方面会遮挡卫星信号，另一方面多径效应严重，因此其定位精度和空间有效覆盖率大大降低，此外，UWB仅能进行室内高精度定位，依据图1可知BDS和UWB的定位空间并不存在很强的互补性，因此，如图2所示，BDS和UWB相结合无法实现定位在空间上的连续性和有效性，即无法实现时-空普适高精度定位。
第五代移动通信技术(5th-Generation，5G)定位是目前新兴的定位技术，在5G基站密集布设情况下可以达到分米级甚至厘米级的定位精度，5G定位与UWB相比无需额外的人工及设备成本，更重要的是其空间有效覆盖范围远高于UWB，与BDS形成很强的空间互补性，由图1可知，从乡村到室内，BDS的空间有效覆盖率逐渐降低，而5G的空间有效覆盖率逐渐增大，两者在空间上具有很强的互补关系，因此两者的深度融合可以实现定位在空间上的连续性。如图2所示，其中在乡村到城郊范围以BDS定位为主5G定位为辅，在市区到室内范围以5G定位为主BDS定位为辅，此外，由于建筑物、车辆和树木等的遮挡，BDS+5G难以实现时间上的连续高精度定位，因此，在本申请中，还进一步结合惯性测量单元(Inertial Measurement Unit，IMU)来实现时间上的连续高精度定位，即BDS+5G和IMU在时间上是互补关系。
因此，在本申请下述各个实施例提供的定位方法中，将卫星导航系统、5G和IMU进行深度融合，形成优势互补，从而有效提升定位在时间和空间上的连续性和有效性，即实现时-空普适高精度定位。
本申请提供的定位方法，可以应用于如图3中所示的应用环境中。该应用环境包括定位设备301、卫星导航系统302以及5G基站303。定位设备301分别与卫星导航系统302和5G基站303通信连接。卫星导航系统302可以包括多个卫星，定位设备301中可以配置有卫星定位模块、5G模块以及IMU，卫星定位模块可以包括接收机，定位设备301可以通过接收机接收卫星导航系统302中一个或多个卫星的第一测量信号，定位设备302还可以通过5G模块接收5G基站303的第二测量信号，此外，定位设备302还可以读取IMU输出的定位设备302的位置、速度、姿态等IMU输出值。定位设备301执行本申请任意实施例的定位方法，从而确定定位设备302自身的例如位置、速度和姿态等定位信息，以实现对自身的精确定位。
在一个实施例中，参考图4和图5，提供了一种定位方法，以该定位方法应用于如图3所示的定位设备301中为例，可以包括：
步骤S402，获取待定位时刻。
其中，待定位时刻是指，在该时刻对应的定位设备的定位信息需要被确定的时刻。待定位时刻可以根据定位设备的定位需求而定。在本步骤中，定位设备确定当前需要定位的待定位时刻。
步骤S404，获取在待定位时刻定位设备上装载的IMU的IMU输出值。
其中，定位设备是指的需要被定位的设备。定位设备可以是执行本申请定位方法的设备，从而定位设备可以通过执行本申请的定位方法来确定自身的定位信息。
定位设备上装载有IMU，IMU可以包括加速度计和陀螺仪等传感器。参见图5所示，为本申请一个实施例的定位方法的示意图，其中T
I1、T
I2、T
I3、……、T
In表示IMU数据的采样时刻，即IMU输出数据链，IMU可以在每个IMU采样时刻T
In输出机械编排的IMU输出值。IMU输出值可以包括由IMU直接测量得到的原始数据和/或基于这些原始数据计算得到的数据，例如可以包括装载IMU的载体(在本文中可以为定位设备)的加速度、位置、速度和姿态(姿态包括航向角、俯仰角和横滚角)等。其中，IMU输出的位置可以根据其初始位置(已知)/上一时刻的位置结合当前时刻测量的原始数据计算得到。
步骤S406，当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息。
其中，待定位时刻周围的第一预定时间区间可以根据实际情况确定，例如可以根据所需的第一测量信号的个数确定。在本步骤中，第一预定时间区间内可以需要接收一个或多个第一测量信号。以需要在第一预定时间区间内接收连续三个5G采样时刻的连续三个第一测量信号为例，在本实施例中，可以取待定位时刻之后最近的一个5G测量时刻以及该5G测量时刻之前的两个的5G测量时刻所在的最大可能时间区间作为该第一预定时间区间，例如若IMU采样间隔为每1ms采样一次，5G采样间隔为每9ms采样一次，待定位时刻为第35ms，则第一预定时间区间可以设定为(8ms，44ms)。
5G基站的第一测量信号，是5G基站对定位设备进行观测得到的用于对定位设备进行定位的信号。5G基站在5G采样间隔对其观测范围内的定位设备进行观测得到第一测量信号并发送至该定位设备。
定位信息是表示定位设备的定位结果的信息，定位信息例如可以包括定位设备的位置、速度和姿态等。
在本步骤中，如果定位设备在待定位时刻周围的第一预定时间区间均接收到来自5G基站的第一测量信号时，说明当前来自5G基站的第一测量信号状态良好，则可以采用第一测量信号结合IMU输出值以准确获取待定位时刻的定位信息。如图5所示，例如若在T
B时刻5G基站的第一测量信号或估计值下发到定位设备，则使用该第一测量信号和IMU输出值对定位设备进行定位。
步骤S408，当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
其中，步骤S408中的待定位时刻周围第二预定时间区间的设定可以与步骤S406中的待定位时刻周围第一预定时间区间的设定同理，第二预定时间区间可以与第一预定时间区间相同或不同，例如可以根据在该第二预定时间区间内所需接收到的第二测量信号的个数确定第二预定时间区间，具体细节在此不再赘述。
导航卫星是指导航卫星系统中的一个或多个导航卫星，导航卫星系统例如可以是全球卫星导航系统(Global Navigation Satellite System，GNSS)，例如导航卫星系统可以包括北斗卫星导航系统(BeiDou Navigation Satellite System，BDS)、全球定位系统(Global Positioning System，GPS)、伽利略卫星导航系统(Galileo Navigation Satellite System，Galileo)和/或格洛纳斯卫星导航系统(Global Orbiting Navigation Satellite System，GLONASS)等。
导航卫星的第二测量信号，是导航卫星对定位设备进行观测得到的用于对定位设备进行定位的信号。导航卫星在卫星采样时刻对定位设备进行观测得到第二测量信号并发送至该定位设备。
在本步骤中，如果定位设备在待定位时刻周围的第二预定时间区间均接收到来自导航卫星的第二测量信号时，说明当前来自导航卫星的第二测量信号状态良好，则可以采用第二测量信号结合IMU输出值以准确获取待定位时刻的定位信息。如图5所示，例如若在T
G时刻导航卫星的第二测量信号下发到定位设备，则使用第二测量信号和IMU输出值对定位设备进行定位。
上述定位方法，结合5G和IMU紧耦合定位以及卫星导航系统和IMU紧耦合定位，在当待定位时刻周围的第一预定时间区间接收到来自5G基站的第一测量信号时，结合第一测量信号和IMU输出值以确定定位设备的定位信息，同时在当待定位时刻周围的第二预定时间区间接收到来自导航卫星的第二测量信号时，结合第二测量信号和IMU输出值以确定定位设备的定位信息，由于5G定位和卫星定位在室内外环境下具有良好的互补性，因此本申请的将卫星导航系统、5G和IMU进行深度融合的定位方法，能够有效提升定位在时间和空间上的连续性和有效性。
下面将对步骤S406中涉及的5G和IMU紧耦合定位方法进行详细描述。
由于5G基站和IMU的采样时刻往往不同，因此上述步骤S406中得到的第一测量信号的5G采样时刻与IMU输出值的IMU采样时刻之间一般存在时间差，因此需要解决两者之间的高精度时时间配准问题，即，需要估算5G基站和IMU在同一时刻的输出值以用于定位。
在一个实施例中，如图6和图7所示，上述步骤S402中的待定位时刻为定位设备上装载的IMU的IMU采样时刻，上述步骤S406中的第一测量信号可以包括第一5G输出值以及5G基站的基站位置，步骤S406中的当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息可以包括：
步骤S602，当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，第一测量信号包括第一5G输出值以及5G基站的基站位置，基于第一5G输出值，估算5G基站在待定位时刻的第二5G输出值；以及
步骤S604，基于IMU输出值以及基站位置，计算IMU在待定位时刻的第三5G输出值，结合第二5G输出值以及第三5G输出值确定定位设备的定位信息。
在本实施例中，将待定位时刻设定为属于IMU采样时刻，以IMU采样时刻为准，通过估算5G基站在待定位时刻的第二5G输出值，同时基于IMU输出值以及基站位置计算IMU在待定位时刻的第三5G输出值，从而能够方便快速地确定在同一待定位时刻的并且具有相同形式的IMU的第三5G输出值和5G基站的第二5G输出值，以便于后续结合IMU和5G基站的数据进行定位解算。
其中，上述步骤S602和S604中的第一5G输出值、第二5G输出值和第三5G输出值指代与5G基站输出的用于进行定位的数据具有相同形式的数据。在一个实施例中，第一5G输出值、第二5G输出值和第三5G输出值可以均包括到达角(Angle of Arrival,AoA)和到达时间(Time Of Arrival,TOA)。
如图8所示，其中T
In表示IMU输出机械编排值的第n个IMU采样时刻，相应的IMU在待定位时刻的第三5G输出值可表示为
其中
分别为装载IMU的定位设备在5G基站本地球坐标系下的径向距离、方位角和俯仰角值。T
Bn表示5G基站输出测量值或者估计值的5G采样时刻，相应的第一5G输出值表示为
其中
分别为装载5G模块的定位设备在5G基站本地球坐标系下的径向距离、方位角和俯仰角值，其中
和
为5G基站获取的AOA信息，
为5G基站获取的TOA信息，c为光速。当5G基站在待定位的T
I19时刻(即图3中虚线框内的时刻)周围第一预定时间区间内的第3个输出值B
I3下发到定位设备时，需要估计出T
I19时刻的5G基站的第二5G输出值，以便后续对T
I19时刻的IMU的第三5G输出值和5G基站的第二5G输出值进行融合计算。
在一个实施例中，上述第一5G输出值可以包括：在第一预定时间区间内的5G基站的M个5G采样时刻，由5G基站测量的定位设备的上行参考信号的M个第一5G输出值，M为正整数。
M的取值可以根据实际需求确定，在本申请实施例中，可以取M≥2。例如M可以取3。而在其他实施例中，M可以取更多或更少的数值。
根据M的不同取值，可以采用不同的方法对5G基站在待定位时刻的第二5G输出值进行估算。例如当M＝1时，即仅有一个第一5G输出值时，则可以采用外推法估算对应的第二5G输出值，该外推法可以是现有的任意一种外推估算方法。
在一个实施例中，当M≥2时，步骤S602中涉及的5G和IMU之间的时间配准方法，即基于第一5G输出值，估算5G基站在待定位时刻的第二5G输出值的步骤可以包括：基于M个5G采样时刻、M个第一5G输出值以及待定位时刻，采用插值法估算5G基站在待定位时刻的第二5G输出值。
根据M不同取值，可以采用不同的插值法估算第二5G输出值。例如，当M＝2时，可以采用现有的任意一种内插法估算对应的第二5G输出值；而当M＝3时，例如，可以采用拉格 朗日三点插值法估算对应的第二5G输出值，等等。
以M＝3为例，例如，如图8中所示，根据在T
I19时刻周围第一预定时间区间内下发到定位设备的连续三个第一5G输出值B
I1、B
I2、B
I3，可以通过如下拉格朗日三点插值法的公式来估算5G基站在T
I19时刻的第二5G输出值：
在本实施例中，通过插值法，可以根据待定位时刻周围的多个已知时刻的第一5G输出值估算获取待定位时刻的第二5G输出值。
进一步地，除了使用插值法估算第二5G输出值，还可以进一步结合神经网络对第二5G输出值进行估算。
在另一个实施例中，如图9所示，步骤S602中的基于第一5G输出值，估算5G基站在待定位时刻的第二5G输出值的步骤也可以包括：
步骤S902，在定位设备开启后的第一时间段内的每个待定位时刻，基于M个5G采样时刻、M个第一5G输出值以及待定位时刻，采用插值法估算5G基站在待定位时刻的第二5G输出值。
同样以M＝3为例，可以在定位设备执行定位方法的初期，即定位设备开启后的第一时间段内(
时段)，采用拉格朗日三点插值法估算5G基站在待定位时刻的第二5G输出值，以图3中为例，
时段内的待定位的T
I19时刻的第二5G输出值同样可以通过式(1)计算。
步骤S904，在第一时间段内，基于第一时间段内的N个5G采样时刻、N个5G采样时刻的N个第一5G输出值构成的训练集，对神经网络模型进行训练，N≥2；待训练完成并获得训练后的神经网络模型时，进入第二时间段。
在执行步骤S702中利用插值法估算第二5G输出值的同时，在本步骤S704中，在第一时间段内，即
时段，还同时运行基于神经网络的高精度时间配准方法。
以该神经网络采用长短时记忆神经网络(Long Short Term Memory Neural Network,LSTMNN)，并且M＝3为例，在
时段，可以实时获取每相邻3个5G采样时刻以及该相邻3个5G采样时刻中首尾两个5G采样时刻的两个第一5G输出值作为LSTMNN的输入值，该相邻3个5G采样时刻中中间一个5G采样时刻对应的一个第一5G输出值作为对应的LSTMNN的输出值，获取多对这样的输入值-输出值以构成训练集，利用该训练集实时对LSTMNN进行训练。其中，输入值-输出值对的数目可以根据实际情况确定，例如可以是获取50对这样的输入值-输出值，或者更多或更少的输入值-输出值对。相应地N的取值可以根据输入值-输出值对的数目设定。以需要获取50对这样的输入值-输出值为例，相应的N可以例如取值为52，即获取连续的52个5G采样时刻的52个第一5G输出值，其中每相邻3个5G采样时刻和对应的3个第一5G输出值构成如上所述的一对输入值-输出值。相应地，在LSTMNN训练阶段，其在k时刻的输入矢量为[T
Bk-1,B
Ik-1,T
Bk+1,B
Ik+1,T
Bk]
T，输出为B
Ik。
LSTMNN采用在线训练模式，训练算法采用基于无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)的训练方法，在时刻
处，LSTMNN已收敛，即可以获得训练后的神经网络模型，进入第二时间段。
步骤S906，在第二时间段内的每个待定位时刻，将待定位时刻输入训练后的神经网络模型，将所神经网络模型的输出值作为估算的5G基站在待定位时刻的第二5G输出值。
同样以LSTMNN为例，在本步骤中，在第二时间段内，即时刻
之后，定位设备可以使用基于LSTMNN的高精度时间配准方法进行5G和IMU时间配准。
在进行高精度时间配准时，可以将任意待定位时刻α的输入矢量[T
Bk-1,B
Ik-1,T
Bk+1,B
Ik+1,T
Iα]
T输入至LSTMNN，即可以得到输出值为B
Iα，其中T
Bk-1≤T
Iα≤T
Bk+1，该输出值B
Iα即为5G基站在待定位时刻α的第二5G输出值。
神经网络相较于插值估算法而言具有更高的估计精准度，但是神经网络需要一定的训练时间。在本实施例中，在定位设备进行定位的初期，采用插值法估算在待定位时刻的第二5G输出值，同时在定位设备进行定位的初期，同步对神经网络进行训练，待神经网络训练完成后，使用神经网络估算在待定位时刻的第二5G输出值，能够在兼顾整体时间利用效率的同时提升定位时间配准备的精度。
在一个实施例中，如图10所示，步骤S904中的基于训练集，对神经网络进行训练包括：
步骤S1002，初始化神经网络模型的可调参数，可调参数包括神经网络模型的权重以及偏置值。
其中，神经网络模型可以具有设定的隐藏层数目以及输入层、隐藏层和输出层各层的节点数。在对神经网络模型进行训练时，可以初始化神经网络的可调参数，包括各层的偏置值及边的权重等，以初步得初始化的神经网络模型。
步骤S1004，建立关于神经网络模型的可调参数的状态空间模型。
以LSTMNN为例，为使用UKF算法训练LSTMNN，应先建立关于LSTMNN可调参数的状态空间模型。通过利用该状态空间模型，UKF算法可以递归估计LSTMNN中的可调参数。关于LSTMNN可调参数的状态空间模型为：
θ(k)＝θ(k-1)+w(k-1)
y(k)＝h[θ(k),u(k)]+v(k) (2)
其中θ(k)是k时刻LSTMNN可调参数的集合矢量即LSTMNN的权重矩阵和偏置矢量，u(k)＝[T
Bk-1,B
Ik-1,T
Bk+1,B
Ik+1,T
Bk]
T和y(k)＝B
Ik分别为LSTMNN的输入矢量和输出值，h[·]表示LSTMNN的内部动力学过程，w(k-1)和v(k)分别为状态和观测噪声矢量。通过使用式(2)所示的状态空间模型，UKF算法就可以递归估计LSTMNN中的可调参数。
步骤S1006，基于状态空间模型以及训练集，利用UKF算法对可调参数进行递归估计，直至神经网络模型的输出误差达到预定误差范围内，以确定训练后的可调参数；以及
在本步骤中，可以利用式(2)所示的状态空间模型，将训练集中的各对输入输出值分别代入LSTMNN中进行递归估计，直至LSTMNN的输出误差达到预定误差范围内，即LSTMNN收敛，此时的可调参数为训练后的可调参数。
步骤S1008，基于训练后的可调参数，生成训练后的神经网络模型。
在本步骤中，利用训练后的可调参数即相应地确定了训练后的神经网络模型。
在本实施例中，通过使用UKF法对神经网络进行训练，可利用二阶导数信息，收敛速度快，不易陷入局部极小值，因而最终训练得到的神经网络模型的的时间配准精度，即估算第二5G输出值的精度高。
以上以LSTMNN作为示例对本申请的神经网络进行了描述，LSTMNN作为一种递归神经网络，应用于本申请提供的时间配准方法能够有效的提升时间配准的精准度，但是本申请的神经网络不限于此。例如，本申请的神经网络也可以选用多层感知器(Multi-Layer Perceptron，MLP)，并且同样可以使用UKF算法对MLP进行训练，又例如，本申请的神经网络还可以选用(Radial Basis Function，RBF)神经网络等等。
在一个实施例中，如图11所示，步骤S604中的基于IMU输出值以及基站位置，计算IMU 在待定位时刻的第三5G输出值，结合第二5G输出值以及第三5G输出值确定定位设备的定位信息包括：
步骤S1102，基于IMU输出值以及基站位置，计算IMU在待定位时刻的第三5G输出值。
在前述步骤S404中，获取的IMU输出值可以包括定位设备的加速度、位置、速度和姿态等。具体地，位置可以包括定位设备在地固坐标系下的经纬度和高度，速度可以包括定位设备在导航坐标系下的东向速度、北向速度和天向速度，姿态可以包括定位设备在载体坐标系相对于导航坐标系的航向角、俯仰角和横滚角。
在本步骤中，定位设备可以基于上述IMU输出值，以及基站位置，计算IMU在待定位时刻的第三5G输出值，该第三5G输出值可表示为
步骤S1104，基于前一已定位时刻解算的定位设备的定位信息，以及前一已定位时刻的IMU输出值，构造待定位时刻的5G和IMU的误差状态方程。
例如，定位设备可以构造当前待定位时刻的5G和IMU误差状态方程如下式(3)-(5)，其中IMU采用三轴加速度计和三轴陀螺仪。
其中φ为计算得到的导航坐标系相对于理想导航坐标系的失准角，
为失准角的一阶微分，δv
n为导航坐标系下的速度误差矢量，
为速度误差矢量的一阶微分，δp＝[δL δλ δh]
T为地固坐标系下的位置误差矢量，分别为地固坐标系下的纬度误差、经度误差和高度误差，
为位置误差矢量的一阶微分，ε
b为陀螺仪零漂误差矢量，
为加速度计零漂误差矢量，定义导航坐标系为“东—北—天”地理坐标系，
为载体坐标系到导航坐标系的坐标变换矩阵。
在上式(3)-(5)中：
M
ap＝M
1+M
2 (11)
M
vp＝(v
n×)(2M
1+M
2)+M
3 (14)
其中v
n＝[v
E v
N v
U]
T分别为定位设备在前一已定位时刻解算得到的在导航坐标系下的东向速度、北向速度和天向速度，p＝[L λ h]分别为定位设备在前一已定位时刻解算得到的在在地固坐标系下的纬度、经度和高度。ω
ie为地球自转角速率，R
M为子午圈主曲率半径，R
N为卯酉圈主曲率半径,g
e为赤道重力，g
p为极点重力，R
e为赤道半径，f通常取1/298.257223563，β
2通常取3.08×10
-6s
-2,β
3通常取8.08×10
-9s
-2,
为在前一已定位时刻在IMU中的加速度计的测量值。
5G和IMU误差状态方程用于建模IMU的机械编排值与真实值误差的演化，其输入值为 上一个时刻误差状态卡尔曼滤波器(Error State Kalman Filter，ESKF)输出的估计值即状态误差估计值，输出值为下一时刻状态误差预测值，输出值作用于误差观测方程中的[δL δλ δh]，5G和IMU误差状态方程用于对下一时刻的状态误差进行预测。
步骤S1106，基于待定位时刻的第二5G输出值以及第三5G输出值，构造待定位时刻的5G和IMU的误差观测方程。
在本步骤中，定位设备可以构造当前待定位时刻的5G和IMU误差观测方程如下式(24)所示。
在上述式(24)中：
其中
为装载有IMU的定位设备在5G基站本地笛卡尔坐标系下的坐标值，w
B为5G基站的观测噪声矢量，
为地固坐标系到5G基站本地坐标系的坐标变换矩阵，
步骤S1108，联立5G和IMU的误差状态方程和5G和IMU的误差观测方程，并使用ESKF法对定位设备的定位信息进行迭代估计，以确定定位设备的定位信息。
在本步骤中，定位设备通过联立式(3)-(5)和式(24)，利用误差观测方程以及ESKF可对误差状态方程输出的状态误差预测值进行修正得到最终的状态误差估计值，输入值为5G观测值和IMU机械编排值，输出值为状态误差估计值，IMU机械编排值减去状态误差估计值就是最终的定位设备的状态估计值(即位置、速度和姿态)，从而通过利用式(3)-(5)中的误差状态方程和式(24)中的误差观测方程以及ESKF可以递推估计状态误差，进行定位设备的当前待定位时刻的位置、速度和姿态的迭代估计，以确定定位设备在当前待定位时刻的定位信息。该定位信息可以包括定位设备的位置、速度和姿态。
以上对步骤S406中涉及的5G和IMU紧耦合定位方法进行了详细描述，在下文中，将继续对步骤S408中涉及的卫星导航系统和IMU紧耦合定位方法进行详细描述。在以下对卫星导航系统和IMU紧耦合定位方法中描述的许多细节均与以上5G和IMU紧耦合定位方法相 似，例如以上对5G和IMU的时间配准方法可以同理地使用于对卫星导航系统和IMU的时间配准方法中，这些相似的执行细节以及有益效果可以参见上述对5G和IMU紧耦合定位方法的描述。
在一个实施例中，如图6所示，上述步骤S402中的待定位时刻为定位设备上装载的IMU的IMU采样时刻，上述步骤S408中的第二测量信号可以包括第一卫星输出值以及导航卫星的卫星位置，步骤S408中的当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息可以包括：
步骤S606，当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，第二测量信号包括第一卫星输出值以及导航卫星的卫星位置，基于第一卫星输出值，估算导航卫星在待定位时刻的第二卫星输出值；以及
步骤S608，基于IMU输出值以及卫星位置，计算IMU在待定位时刻的第三卫星输出值，结合第二卫星输出值以及第三卫星输出值确定定位设备的定位信息。
在本实施例中，将待定位时刻设定为属于IMU采样时刻，以IMU采样时刻为准，通过估算导航卫星在待定位时刻的第二卫星输出值，同时基于IMU输出值以及卫星位置计算IMU在待定位时刻的第三卫星输出值，从而能够方便快速地确定在同一待定位时刻的并且具有相同形式的IMU的第三卫星输出值和导航卫星的第二卫星输出值，以便于后续结合IMU和导航卫星的数据进行定位解算。
其中，上述步骤S606和S608中的第一卫星输出值、第二卫星输出值和第三卫星输出值指代与导航卫星输出的用于进行定位的数据具有相同形式的数据。在一个实施例中，第一卫星输出值、第二卫星输出值和第三卫星输出值均包括伪距和伪距率。
在一个实施例中，上述第一卫星输出值包括：在第二预定时间区间内的导航卫星的X个卫星采样时刻，由导航卫星观测的定位设备的X个第一卫星输出值，X为正整数。
X的取值可以根据实际需求确定，在本申请实施例中，可以取X≥2。例如X可以取3。而在其他实施例中，X可以取更多或更少的数值。
根据X的不同取值，可以采用不同的方法对导航卫星在待定位时刻的第二卫星输出值进行估算。当X取不同值时采用的不同估算方法的具体示例，可以参见上述当M取不同值时对5G基站在待定位时刻的第二5G输出值进行估算的具体示例，在此不再赘述。
在一个实施例中，步骤S606中涉及的卫星和IMU之间的时间配准方法，即基于第一卫星输出值，估算导航卫星在待定位时刻的第二卫星输出值的步骤可以包括：基于X个卫星采样时刻、X个第一卫星输出值以及待定位时刻，采用插值法估算导航卫星在待定位时刻的第二卫星输出值。
本实施例中采用插值法对导航卫星在待定位时刻的第二卫星输出值进行估算的具体示例以及有益效果，可以参见上述采用插值法对5G基站在待定位时刻的第二5G输出值进行估算的具体示例以及有益效果，在此不再赘述。
在另一个实施例中，步骤S606中基于第一卫星输出值，估算导航卫星在待定位时刻的第二卫星输出值包括：
在定位设备开启后的第一时间段内的每个待定位时刻，基于X个卫星采样时刻、X个第一卫星输出值以及待定位时刻，采用插值法估算导航卫星在待定位时刻的第二卫星输出值；
在第一时间段内，基于第一时间段内的Y个卫星采样时刻、Y个卫星采样时刻的Y个第一卫星输出值构成的训练集，对神经网络模型进行训练，Y≥2；待训练完成并获得训练后的神经网络模型时，进入第二时间段；
在第二时间段内的每个待定位时刻，将待定位时刻输入训练后的神经网络模型，将神经网络模型的输出值作为估算的导航卫星在待定位时刻的第二卫星输出值。
本实施例中采用插值法结合神经网络模型对导航卫星在待定位时刻的第二卫星输出值进行估算的具体示例以及有益效果，可以参见上述步骤S902-S906中采用插值法结合神经网络模型对5G基站在待定位时刻的第二5G输出值进行估算的具体示例以及有益效果，在此不再 赘述。
在一个实施例中，上述基于训练集，对神经网络进行训练包括：
初始化神经网络模型的可调参数，可调参数包括神经网络模型的权重以及偏置值；
建立关于神经网络模型的可调参数的状态空间模型；
基于状态空间模型以及训练集，利用UKF算法对可调参数进行递归估计，直至神经网络模型的输出误差达到预定误差范围内，以确定训练后的可调参数；以及
基于训练后的可调参数，生成训练后的神经网络模型。
本实施例中对神经网络模型进行训练的具体示例以及有益效果，可以参见上述5G和IMU紧耦合定位方法的步骤S1002-S1008中对神经网络模型进行训练的具体示例以及有益效果，在此不再赘述。
本申请的上述卫星导航系统和IMU紧耦合定位方法中，步骤S608中的计算公式等具体实现细节，可以采用任何现有的卫星导航系统和IMU组合定位方法来实现。例如可以采用参考文献[1]Titterton D H,Weston J L.Strapdown inertial navigation technology[M].2004.以及参考文献[2]Noureldin A,Karamat T B,Georgy J.Fundamentals of Inertial Navigation,Satellite-based Positioning and their Integration[M].2013.中公开的卫星导航系统和IMU组合定位方法来实现，这些参考文献的公开内容通过引用并入本文中。
在本申请的定位方法中，当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号，并且在待定位时刻周围第一预定时间区间内也接收到来自5G基站的第一测量信号时，定位设备可以在步骤S406和步骤S408中选择其一来执行，从而使用5G和IMU紧耦合定位方法以及卫星导航系统和IMU紧耦合定位方法之一来对定位设备进行定位，或者，定位设备还可以结合5G和IMU紧耦合定位方法以及卫星导航系统和IMU紧耦合定位方法两者来对定位设备进行定位。
在一个实施例中，本申请的定位方法还可以包括：
当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号，并且在待定位时刻周围第一预定时间区间内也接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；基于该定位信息以及第二测量信号，确定定位设备的最终定位信息。
进一步地，在一个实施例中，第一测量信号包括第一5G输出值以及5G基站的基站位置，第二测量信号包括第一卫星输出值以及导航卫星的卫星位置，上述定位方法可以包括：
当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号，并且在待定位时刻周围第一预定时间区间内也接收到来自5G基站的第一测量信号时，基于第一5G输出值，估算5G基站在待定位时刻的第二5G输出值；基于IMU输出值以及基站位置，计算IMU在待定位时刻的第三5G输出值，结合第二5G输出值以及第三5G输出值确定定位设备的定位信息；基于第一卫星输出值，估算导航卫星在待定位时刻的第二卫星输出值；基于所确定的定位信息以及卫星位置，计算5G和IMU紧耦合子系统在待定位时刻的第四卫星输出值；结合第二卫星输出值以及第四卫星输出值确定定位设备的最终定位信息。
可替代地，在另一个实施例中，本申请的定位方法还可以包括：
当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号，并且在待定位时刻周围第一预定时间区间内也接收到来自5G基站的第一测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息；基于该定位信息以及第一测量信号，确定定位设备的最终定位信息。
进一步地，在一个实施例中，第一测量信号包括第一5G输出值以及5G基站的基站位置，第二测量信号包括第一卫星输出值以及导航卫星的卫星位置，上述定位方法可以包括：
当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号，并且在待定位时刻周围第一预定时间区间内也接收到来自5G基站的第一测量信号时，基于第一卫 星输出值，估算导航卫星在待定位时刻的第二卫星输出值；基于IMU输出值以及卫星位置，计算IMU在待定位时刻的第三卫星输出值，结合第二卫星输出值以及第三卫星输出值确定定位设备的定位信息；基于第一5G输出值，估算5G基站在待定位时刻的第二5G输出值；基于所确定的定位信息以及基站位置，计算卫星导航系统和IMU紧耦合子系统在待定位时刻的第四5G输出值，结合第二5G输出值以及第四5G输出值确定定位设备的定位信息。
以上两个实施例的技术方案，结合了5G和IMU紧耦合定位方法以及卫星导航系统和IMU紧耦合定位方法两者来对定位设备进行定位，其相应的计算公式等细节以及有益效果均可以参考上述对5G和IMU紧耦合定位方法以及卫星导航系统和IMU紧耦合定位方法的有关描述，在此不再赘述。
在以上两个实施例中，当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号，并且在待定位时刻周围第一预定时间区间内也接收到来自5G基站的第一测量信号时，定位设备结合5G和IMU紧耦合定位方法以及卫星导航系统和IMU紧耦合定位方法两者来对定位设备进行定位，从而进一步提高了定位精度。
应该理解的是，虽然图4、图6和图9-11的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图4、图6和图9-11中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，参考图12，还提供了一种定位装置1200，包括：时刻获取模块1201、IMU值获取模块1202、第一定位模块1203、以及第二定位模块1204。
时刻获取模块1201用于获取待定位时刻。
IMU值获取模块1202用于获取在待定位时刻的IMU的IMU输出值。
第一定位模块1203用于当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息。
第二定位模块1204用于当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
本实施例的定位装置，结合5G和IMU紧耦合定位以及卫星导航系统和IMU紧耦合定位，在当待定位时刻周围的第一预定时间区间接收到来自5G基站的第一测量信号时，结合第一测量信号和IMU输出值以确定定位设备的定位信息，同时在当待定位时刻周围的第二预定时间区间接收到来自导航卫星的第二测量信号时，结合第二测量信号和IMU输出值以确定定位设备的定位信息，由于5G定位和卫星定位在室内外环境下具有良好的互补性，因此本申请的将卫星导航系统、5G和IMU进行深度融合的定位方法，能够有效提升定位在时间和空间上的连续性和有效性。
在一个实施例中，参考图13，还提供了一种定位设备1300，包括IMU模块1301、5G模块1302、卫星定位模块1303、存储器1304和处理器1305，IMU模块1301、5G模块1302、卫星定位模块1303和存储器1304分别与处理器1305连接；
IMU模块1301在IMU采样时刻获取定位设备的IMU输出值，并将IMU输出值输出至处理器1305；
5G模块1302从5G基站接收由5G基站在5G采样时刻测量的定位设备的上行参考信号的第一测量信号，并将第一测量信号输出至处理器1305；
卫星定位模块1303从导航卫星接收由导航卫星在卫星采样时刻观测的定位设备的第二测量信号，并将第二测量信号输出至处理器1305；
存储器1304存储有计算机程序；并且
处理器1305执行计算机程序时实现如下方法：
获取待定位时刻，待定位时刻为定位设备上装载的IMU的IMU采样时刻；
获取在待定位时刻的IMU的IMU输出值；
当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；
当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
在其他实施例中，上述定位设备1300中的处理器1305执行计算机程序时还实现以上任一实施例的定位方法。
在一个实施例中，定位设备1300可以是手机、平板电脑、便携式可穿戴设备、车辆、轮船中的任意一种。在其他实施例中，定位设备1300也可以是装载于手机、平板电脑、便携式可穿戴设备、车辆或轮船上的部件。
在一个实施例中，参考图14，还提供了一种定位系统1400，包括5G基站1401、导航卫星1402和定位设备1300，定位设备1300分别与5G基站1401和导航卫星1402通信连接；
5G基站1401在5G采样时刻测量定位设备的上行参考信号的第一测量信号，并将第一测量信号发送至定位设备；
导航卫星1402在卫星采样时刻观测定位设备的第二测量信号，并将第二测量信号输出至定位设备；
定位设备1300执行如下方法：
获取待定位时刻；
获取在待定位时刻的IMU的IMU输出值；
当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；
当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
在其他实施例中，上述定位设备1300还实现以上任一实施例的定位方法。
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如下方法：
获取待定位时刻；
获取在待定位时刻的IMU的IMU输出值；
当在待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于IMU输出值以及第一测量信号，确定定位设备的定位信息；
当在待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于IMU输出值以及第二测量信号，确定定位设备的定位信息。
在其他实施例中，上述计算机程序被处理器执行时还实现以上任一实施例的定位方法。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (20)
- 一种定位方法，包括：获取待定位时刻；获取在所述待定位时刻的所述IMU的IMU输出值；当在所述待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于所述IMU输出值以及所述第一测量信号，确定所述定位设备的定位信息；当在所述待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于所述IMU输出值以及所述第二测量信号，确定所述定位设备的定位信息。
- 根据权利要求1所述的定位方法，其中，所述待定位时刻为定位设备上装载的IMU的IMU采样时刻，所述第一测量信号包括第一5G输出值以及所述5G基站的基站位置，所述基于所述IMU输出值以及所述第一测量信号，确定所述定位设备的定位信息包括：基于所述第一5G输出值，估算所述5G基站在所述待定位时刻的第二5G输出值，并基于所述IMU输出值以及所述基站位置，计算所述IMU在所述待定位时刻的第三5G输出值，结合所述第二5G输出值以及所述第三5G输出值确定所述定位设备的定位信息。
- 根据权利要求2所述的定位方法，其中，所述第一5G输出值、所述第二5G输出值和所述第三5G输出值均包括到达角和到达时间。
- 根据权利要求2所述的定位方法，其中，所述第一5G输出值包括：在所述第一预定时间区间内的所述5G基站的M个5G采样时刻，由所述5G基站测量的所述定位设备的上行参考信号的M个第一5G输出值，M≥2。
- 根据权利要求4所述的定位方法，其中，所述基于所述第一5G输出值，估算所述5G基站在所述待定位时刻的第二5G输出值包括：基于所述M个5G采样时刻、所述M个第一5G输出值以及所述待定位时刻，采用插值法估算所述5G基站在所述待定位时刻的第二5G输出值。
- 根据权利要求4所述的定位方法，其中，所述基于所述第一5G输出值，估算所述5G基站在所述待定位时刻的第二5G输出值包括：在所述定位设备开启后的第一时间段内的每个所述待定位时刻，基于所述M个5G采样时刻、所述M个第一5G输出值以及所述待定位时刻，采用插值法估算5G基站在所述待定位时刻的第二5G输出值；在所述第一时间段内，基于所述第一时间段内的N个5G采样时刻、N个5G采样时刻的N个第一5G输出值构成的训练集，对神经网络模型进行训练，N≥2；待所述训练完成并获得训练后的神经网络模型时，进入第二时间段；在所述第二时间段内的每个所述待定位时刻，将所述待定位时刻输入所述训练后的所述神经网络模型，将所神经网络模型的输出值作为估算的所述5G基站在所述待定位时刻的第二5G输出值。
- 根据权利要求6所述的定位方法，其中，所述基于所述训练集，对所述神经网络进行训练包括：初始化神经网络模型的可调参数，所述可调参数包括所述神经网络模型的权重以及偏置值；建立关于所述神经网络模型的可调参数的状态空间模型；基于所述状态空间模型以及所述训练集，利用UKF算法对所述可调参数进行递归估计， 直至所述神经网络模型的输出误差达到预定误差范围内，以确定训练后的可调参数；以及基于所述训练后的可调参数，生成训练后的所述神经网络模型。
- 根据权利要求2所述的定位方法，其中，所述基于所述IMU输出值以及所述基站位置，计算所述IMU在所述待定位时刻的第三5G输出值，结合所述第二5G输出值以及所述第三5G输出值确定所述定位设备的定位信息包括：基于所述IMU输出值以及所述基站位置，计算所述IMU在所述待定位时刻的第三5G输出值；基于前一已定位时刻解算的所述定位设备的定位信息，以及所述前一已定位时刻的所述IMU输出值，构造所述待定位时刻的5G和IMU的误差状态方程；基于所述待定位时刻的所述第二5G输出值以及所述第三5G输出值，构造所述待定位时刻的5G和IMU的误差观测方程；联立所述5G和IMU的误差状态方程和所述5G和IMU的误差观测方程，并使用ESKF法对所述定位设备的定位信息进行迭代估计，以确定所述定位设备的所述定位信息。
- 根据权利要求1所述的定位方法，其中，所述待定位时刻为定位设备上装载的IMU的IMU采样时刻，所述第二测量信号包括第一卫星输出值以及所述导航卫星的卫星位置，所述基于所述IMU输出值以及所述第二测量信号，确定所述定位设备的定位信息包括：基于所述第一卫星输出值，估算所述导航卫星在所述待定位时刻的第二卫星输出值，并基于所述IMU输出值以及所述卫星位置，计算所述IMU在所述待定位时刻的第三卫星输出值，结合所述第二卫星输出值以及所述第三卫星输出值确定所述定位设备的定位信息。
- 根据权利要求9所述的定位方法，其中，所述第一卫星输出值、所述第二卫星输出值和所述第三卫星输出值均包括伪距和伪距率。
- 根据权利要求9所述的定位方法，其中，所述第一卫星输出值包括：在所述第二预定时间区间内的所述导航卫星的X个卫星采样时刻，由所述导航卫星观测的所述定位设备的X个第一卫星输出值，X≥2。
- 根据权利要求11所述的定位方法，其中，所述基于所述第一卫星输出值，估算所述导航卫星在所述待定位时刻的第二卫星输出值包括：基于所述X个卫星采样时刻、所述X个第一卫星输出值以及所述待定位时刻，采用插值法估算所述导航卫星在所述待定位时刻的第二卫星输出值。
- 根据权利要求11所述的定位方法，其中，所述基于所述第一卫星输出值，估算所述导航卫星在所述待定位时刻的第二卫星输出值包括：在所述定位设备开启后的第一时间段内的每个所述待定位时刻，基于所述X个卫星采样时刻、所述X个第一卫星输出值以及所述待定位时刻，采用插值法估算所述导航卫星在所述待定位时刻的第二卫星输出值；在所述第一时间段内，基于所述第一时间段内的Y个卫星采样时刻、Y个卫星采样时刻的Y个第一卫星输出值构成的训练集，对神经网络模型进行训练，Y≥2；待所述训练完成并获得训练后的神经网络模型时，进入第二时间段；在所述第二时间段内的每个所述待定位时刻，将所述待定位时刻输入所述训练后的所述神经网络模型，将所述神经网络模型的输出值作为估算的所述导航卫星在所述待定位时刻的第二卫星输出值。
- 根据权利要求13所述的定位方法，其中，所述基于所述训练集，对所述神经网络进行训练包括：初始化神经网络模型的可调参数，所述可调参数包括所述神经网络模型的权重以及偏置值；建立关于所述神经网络模型的可调参数的状态空间模型；基于所述状态空间模型以及所述训练集，利用UKF算法对所述可调参数进行递归估计，直至所述神经网络模型的输出误差达到预定误差范围内，以确定训练后的可调参数；以及基于所述训练后的可调参数，生成训练后的所述神经网络模型。
- 根据权利要求1所述的定位方法，其中，所述IMU输出值包括：所述定位设备的位置、速度和姿态。
- 一种定位装置，包括：时刻获取模块，用于获取待定位时刻；IMU值获取模块，用于获取在所述待定位时刻的所述IMU的IMU输出值；第一定位模块，用于当在所述待定位时刻周围第一预定时间区间内接收到来自5G基站的第一测量信号时，基于所述IMU输出值以及所述第一测量信号，确定所述定位设备的定位信息；以及第二定位模块，用于当在所述待定位时刻周围第二预定时间区间内接收到来自导航卫星的第二测量信号时，基于所述IMU输出值以及所述第二测量信号，确定所述定位设备的定位信息。
- 一种定位设备，包括IMU模块、5G模块、卫星定位模块、存储器和处理器，所述IMU模块、所述5G模块、所述卫星定位模块和所述存储器分别与所述处理器连接；所述IMU模块在IMU采样时刻获取所述定位设备的IMU输出值，并将所述IMU输出值输出至所述处理器；所述5G模块从5G基站接收由所述5G基站在5G采样时刻测量的所述定位设备的上行参考信号的第一测量信号，并将所述第一测量信号输出至所述处理器；所述卫星定位模块从导航卫星接收由所述导航卫星在卫星采样时刻观测的所述定位设备的第二测量信号，并将所述第二测量信号输出至所述处理器；所述存储器存储有计算机程序；并且所述处理器执行所述计算机程序时实现如权利要求1-15任意一项所述的定位方法。
- 根据权利要求17所述的定位设备，其中，所述定位设备为手机、平板电脑、便携式可穿戴设备、车辆、轮船中的任意一种。
- 一种定位系统，包括5G基站、导航卫星和定位设备，所述定位设备分别与所述导航卫星和所述5G基站通信连接；所述5G基站在5G采样时刻测量所述定位设备的上行参考信号的第一测量信号，并将所述第一测量信号发送至所述定位设备；所述导航卫星在卫星采样时刻观测所述定位设备的第二测量信号，并将所述第二测量信号输出至所述定位设备；所述定位设备执行如权利要求1-15任意一项所述的定位方法。
- 一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-15任意一项所述的定位方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/125174 WO2022088018A1 (zh) | 2020-10-30 | 2020-10-30 | 定位方法、装置、设备、系统以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116391138A true CN116391138A (zh) | 2023-07-04 |
Family
ID=81383507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080106905.0A Pending CN116391138A (zh) | 2020-10-30 | 2020-10-30 | 定位方法、装置、设备、系统以及存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230403675A1 (zh) |
| CN (1) | CN116391138A (zh) |
| WO (1) | WO2022088018A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115355907A (zh) * | 2022-10-19 | 2022-11-18 | 东南大学 | 基于毫米波通感一体化无人设备的自主导航系统及方法 |
| CN117213481B (zh) * | 2023-11-09 | 2024-01-16 | 深圳易行机器人有限公司 | 一种用于agv的全局定位方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106054226B (zh) * | 2016-08-12 | 2018-06-08 | 大连理工大学 | 一种移动蜂窝网与卫星导航系统联合卫星信号盲区定位方法 |
| NL2018961B1 (en) * | 2017-05-22 | 2018-12-04 | Cyclomedia Tech B V | Mobile device, and method for estimating a position of a mobile device |
| CN110879071B (zh) * | 2019-12-06 | 2021-05-25 | 成都云科新能汽车技术有限公司 | 基于车路协同的高精度定位系统及定位方法 |
-
2020
- 2020-10-30 US US18/034,695 patent/US20230403675A1/en active Pending
- 2020-10-30 CN CN202080106905.0A patent/CN116391138A/zh active Pending
- 2020-10-30 WO PCT/CN2020/125174 patent/WO2022088018A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022088018A1 (zh) | 2022-05-05 |
| US20230403675A1 (en) | 2023-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cheng et al. | Seamless outdoor/indoor navigation with WIFI/GPS aided low cost Inertial Navigation System | |
| Morales et al. | Tightly coupled inertial navigation system with signals of opportunity aiding | |
| CN110487301A (zh) | 一种雷达辅助机载捷联惯性导航系统初始对准方法 | |
| CN105509739A (zh) | 采用固定区间crts平滑的ins/uwb紧组合导航系统及方法 | |
| CN107710017A (zh) | 用于在实时运动模式和相对定位模式之间切换的卫星导航接收器及方法 | |
| CN104729497A (zh) | 超小型双涵道无人机组合导航系统及双模式导航方法 | |
| CN111982106A (zh) | 导航方法、装置、存储介质及电子装置 | |
| CN105424041A (zh) | 一种基于bd/ins紧耦合的行人定位算法 | |
| CN109541647B (zh) | 基于半天球格网点模型的gnss多路径效应修正方法 | |
| CN109507706B (zh) | 一种gps信号丢失的预测定位方法 | |
| CN112556696B (zh) | 一种对象定位方法、装置、计算机设备以及存储介质 | |
| CN116391138A (zh) | 定位方法、装置、设备、系统以及存储介质 | |
| CN110662163A (zh) | 基于rss和aoa的三维无线传感网络协作定位方法 | |
| CN111156986A (zh) | 一种基于抗差自适应ukf的光谱红移自主组合导航方法 | |
| KR20130036145A (ko) | 이동 정보 결정 장치, 수신기 및 그에 의한 방법 | |
| CN112068173A (zh) | 一种基于环路和积数据关联算法的协同导航方法 | |
| CN108759825A (zh) | 面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法及系统 | |
| CN105527639A (zh) | 一种基于平滑与外推的卫星定位方法 | |
| Sirikonda et al. | Integration of low-cost IMU with MEMS and NAVIC/IRNSS receiver for land vehicle navigation | |
| CN117320148A (zh) | 多源数据融合定位方法、系统、电子设备及存储介质 | |
| CN116047567B (zh) | 基于深度学习辅助的卫惯组合定位方法及导航方法 | |
| AU2019201349B2 (en) | Magnetic-inertial global positioning system | |
| Vana et al. | Benefits of motion constraining for robust, low-cost, dual-frequency GNSS PPP+ MEMS IMU navigation | |
| CN115406439A (zh) | 车辆定位方法、系统、装置及非易失性存储介质 | |
| CN114025320A (zh) | 一种基于5g信号的室内定位方法 |
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 |