CN116781115B - 扩展目标动态波束跟踪方法、装置及终端设备 - Google Patents
扩展目标动态波束跟踪方法、装置及终端设备 Download PDFInfo
- Publication number
- CN116781115B CN116781115B CN202210227223.6A CN202210227223A CN116781115B CN 116781115 B CN116781115 B CN 116781115B CN 202210227223 A CN202210227223 A CN 202210227223A CN 116781115 B CN116781115 B CN 116781115B
- Authority
- CN
- China
- Prior art keywords
- target
- state
- moment
- communication receiver
- base station
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 120
- 238000005259 measurement Methods 0.000 claims abstract description 83
- 230000007704 transition Effects 0.000 claims abstract description 69
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 229940049705 immune stimulating antibody conjugate Drugs 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提出一种扩展目标动态波束跟踪方法,所述方法包括如下步骤:基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据;获取所述扩展目标的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的位置状态转移;基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据;计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数。本申请使得波束在车辆移动过程中依然能够对准通信接收机,提高了通信性能,确保了目标跟踪成功。
Description
技术领域
本申请属于无线通信技术领域,尤其涉及一种扩展目标动态波束跟踪方法、装置及终端设备。
背景技术
目前,随着车辆网技术的发展,ISAC(Integrated Sensing And Communication,感知通信一体化)应运而生,其通过感知算法来辅助通信数据传输,在车联网通信中正扮演越来越关键的角色。通常基站内有工作在毫米波频段的大规模MIMO(Multiple-InputMultiple-Output,多输入多输出)阵列,其具有距离和角度的高分辨能力,使得实际的车联网通信中多数通信接收机的载体目标呈现出扩展特性。然而,基于ISAC的波束跟踪技术目前仅针对点目标进行处理,因此大规模MIMO的窄波束主瓣并不一定对准或至少覆盖了通信接收机,从而导致通信性能较差,且高速环境中车辆方位角变化过快,传统的波束跟踪技术中波束宽度无法动态调整,容易导致目标跟踪失败。
因此,传统的技术方案中存在大规模MIMO的窄波束主瓣并不一定对准或至少覆盖了通信接收机,从而导致通信性能极差,且高速环境中车辆方位角变化过快,传统的波束跟踪技术中波束宽度无法动态调整,容易导致目标跟踪失败的问题。
发明内容
本申请的目的在于提供一种扩展目标动态波束跟踪方法、装置及终端设备,旨在解决传统的技术方案中存在的通信性能差,容易导致目标跟踪失败的问题。
本申请实施例的第一方面提供了一种扩展目标动态波束跟踪方法,所述方法包括如下步骤:
基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据;
获取所述扩展目标的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的位置状态转移;
基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据;
计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数。
在本申请的一些实施方式中,所述基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据,包括如下步骤:
基于所述回波,得到所述扩展目标中与所述回波对应的各反射点在第一时刻的测量数据;
基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据。
在本申请的一些实施方式中,所述基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据,包括如下步骤:
求取所述各反射点在第一时刻的测量数据的平均值,得到所述扩展目标的质心在第一时刻的测量数据;
基于所述质心在第一时刻的测量数据以及所述通信接收机与所述质心的相对坐标,得到所述通信接收机在第一时刻的状态测量数据。
在本申请的一些实施方式中,所述获取所述扩展目标的状态转移模型,包括如下步骤:
获取目标通信接收机在已发生的相邻时刻下的状态值及状态误差值;
基于所述状态值及所述状态误差值,根据所述目标通信接收机在所述相邻时刻下相对基站的几何关系建立所述状态转移模型。
在本申请的一些实施方式中,所述基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据,包括如下步骤:
将所述状态转移模型进行线性化,得到与所述状态转移模型对应的位置状态转移线性预测曲线;
基于所述第一时刻的状态预测数据及所述位置状态转移线性预测曲线,预测得到所述通信接收机在第二时刻的状态预测数据。
在本申请的一些实施方式中,所述状态预测数据中包括角度预测值和距离预测值;所述计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,包括如下步骤:
获取在所述角度预测值和距离预测值下,能将所述扩展目标全部覆盖的波束宽度;
计算发射所述波束宽度对应的波束需要的目标天线数;
将所述目标天线数与基站天线总数进行比较,当所述目标天线数小于或等于基站天线总数时,则将所述目标天线数作为所述基站发射天线数,当所述目标天线数大于所述基站天线总数时,则将所述基站天线总数作为所述基站发射天线数。
在本申请的一些实施方式中,所述状态预测数据中包括角度预测值和距离预测值;在所述计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数之后,还包括如下步骤:
基于所述基站发射天线数,控制目标天线依照所述角度预测值及所述距离预测值,朝向所述扩展目标中的所述通信接收机发送通信波束。
本申请实施例的第二方面提供了一种扩展目标动态波束跟踪装置,包括:
状态测量模块,用于基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据;
模型获取模块,用于获取所述扩展目标的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的位置状态转移;
状态预测模块,用于基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据;
天线计算模块,用于计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
本申请实施例与现有技术相比存在的有益效果是:上述的扩展目标动态波束跟踪方法,通过基于第一时刻的状态测量数据及状态转移模型,预测得到通信接收机在第二时刻的状态预测数据,并计算在第二时刻的状态预测数据下能将扩展目标全部覆盖的波束宽度对应的基站发射天线数,波束宽度能够动态调整,使得波束在车辆移动过程中依然能够对准通信接收机,提高了通信性能,确保了目标跟踪成功。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,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的附图。
图1为本申请提供的扩展目标动态波束跟踪方法的流程示意图;
图2为本申请提供的扩展目标动态波束跟踪方法的S101的流程示意图;
图3为本申请提供的扩展目标动态波束跟踪方法的S1012的流程示意图;
图4为本申请提供的扩展目标动态波束跟踪方法的S102的流程示意图;
图5为本申请提供的扩展目标动态波束跟踪方法的S103的流程示意图;
图6为本申请提供的扩展目标动态波束跟踪方法的S104的流程示意图;
图7为本申请提供的扩展目标动态波束跟踪方法的流程示意图;
图8为本申请提供的扩展目标动态波束跟踪装置的结构示意图;
图9为本申请提供的状态测量模块的结构示意图;
图10为本申请提供的第二测量模块的结构示意图;
图11为本申请提供的模型获取模块的结构示意图;
图12为本申请提供的状态预测模块的结构示意图;
图13为本申请提供的天线计算模块的结构示意图;
图14为本申请提供的扩展目标动态波束跟踪装置的结构示意图;
图15为本申请提供的终端设备的结构示意图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白,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,此处所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。
需要说明的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本实施例的第一方面提供了一种扩展目标动态波束跟踪方法,如图1所示,所述方法包括如下步骤:
S101:基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据。
在本实施例中,需要说明的是,所述扩展目标可以是车辆,所述基于向扩展目标所发送波束的回波,可以是基于基站的大规模MIMO阵列向扩展目标所发送波束的回波,所述得到所述扩展目标的通信接收机在第一时刻的状态测量数据,可以是得到所述扩展目标的通信接收机在第一时刻相对基站的位置状态测量数据,包括通信接收机相对基站的距离测量值、角度测量值,以及速度测量值。
S102:获取所述扩展目标的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的位置状态转移。
在本实施例中,需要说明的是,所述获取所述扩展目标的状态转移模型,可以是从数据库中调取预构建的状态转移模型,或者是实时构建一个新的与当前扩展目标对应的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的距离、角度和速度转移。
S103:基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据。
在本实施例中,需要说明的是,所述基于所述第一时刻的状态测量数据及所述状态转移模型,预测得到所述通信接收机在第二时刻的状态预测数据,可以是基于所述第一时刻的状态测量数据及所述状态转移模型,通过扩展卡尔曼滤波等跟踪算法预测得到所述通信接收机在第二时刻的状态预测数据,所述第二时刻的状态预测数据包括通信接收机相对基站的距离和角度预测值。
S104:计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数。
在本实施例中,需要说明的是,所述计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,可以是计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站的大规模MIMO阵列的发射天线数。
通过预测得到所述通信接收机在第二时刻的状态预测数据,计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,能够使得第二时刻下基站发射的波束可以完全覆盖扩展目标,提高了通信性能,确保跟踪目标。
可选地,如图2所示,S101基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据,包括如下步骤:
S1011:基于所述回波,得到所述扩展目标中与所述回波对应的各反射点在第一时刻的测量数据。
在本实施例中,需要说明的是,所述得到所述扩展目标中与所述回波对应的各反射点在第一时刻的测量数据,可以是得到所述扩展目标中与所述回波对应的各反射点在第一时刻的相对基站的距离、角度测量数据,以及速度测量数据。
S1012:基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据。
在本实施例中,需要说明的是,所述基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据,可以通过所述各反射点与所述通信接收机之间的相对位置关系得到,该相对位置对一个扩展目标来说是固定的,可预先获知。
通过基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据,能够将所述扩展目标的通信接收机在第一时刻的状态测量数据用于预测得到所述通信接收机在第二时刻的状态预测数据。
可选地,如图3所示,S1012基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据,包括如下步骤:
S10121:求取所述各反射点在第一时刻的测量数据的平均值,得到所述扩展目标的质心在第一时刻的测量数据。
在本实施例中,需要说明的是,所述扩展目标中与所述回波对应的各反射点可认为近似均匀分布在规则的几何形状内,因而通过求取所述各反射点在第一时刻的测量数据的平均值即可得到所述扩展目标的质心在第一时刻的测量数据。
S10122:基于所述质心在第一时刻的测量数据以及所述通信接收机与所述质心的相对坐标,得到所述通信接收机在第一时刻的状态测量数据。
在本实施例中,需要说明的是,所述通信接收机与所述质心的相对坐标Δx和Δy是固定的,可预先获知。
在本实施例中,基站收集的第n时刻的测量数据由K个可分辨出的反射点回波叠加:
其中,表示阵列增益,Nt,n表示发射天线数,Nr表示接收天线数,pn表示发射功率,μk,n,βk,n和τk,n分别表示第k个反射点在第n时刻的多普勒频率,复反射系数和时延,a(θ)表示发射导向向量,b(θ)表示接收导向向量,fn表示波束成形向量,sn(t)表示发射信号,zr(t)表示噪声向量。经过时延-多普勒域进行二维匹配滤波和MUSIC(MUltipleSIgnal Classification,多信号分类)处理,得到各个反射点的角度、距离和速度的测量结果,再利用坐标的平均得到通信接收机在第n时刻的状态测量方程:
其中,c表示光速,fc表示载频,表示第k个反射点的多普勒测量方差,zφ、zd和zv分别表示通信接收机的角度、距离和速度的测量噪声,利用上述公式即可得到通信接收机在第n时刻的状态测量数据,其中/>表示角度测量值,/>表示距离测量值,/>表示速度测量值。
通过基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据,能够将所述通信接收机在第一时刻的状态测量数据用于预测得到所述通信接收机在第二时刻的状态预测数据。
可选地,如图4所示,S102获取所述扩展目标的状态转移模型,包括如下步骤:
S1021:获取目标通信接收机在已发生的相邻时刻下的状态值及状态误差值。
在本实施例中,需要说明的是,所述目标通信接收机为与当前感知的通信接收机为同类型的或者为同一个接收机,已发生的相邻时刻为第二时刻之前的两时刻,对所述状态转移模型的预构建发生在对第二时刻的状态预测数据进行预测之前。
S1022:基于所述状态值及所述状态误差值,根据所述目标通信接收机在所述相邻时刻下相对基站的几何关系建立所述状态转移模型。
在本实施例中,基于第n时刻与第n+1时刻建立的所述状态转移模型如下:
其中,ΔT表示间隔时长,ωφ、ωd和ωv分别表示通信接收机的角度、距离和速度的状态噪声。
通过获取所述扩展目标的状态转移模型,能够将所述状态转移模型用于预测得到所述通信接收机在第二时刻的状态预测数据。
可选地,如图5所示,S103基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据,包括如下步骤:
S1031:将所述状态转移模型进行线性化,得到与所述状态转移模型对应的位置状态转移线性预测曲线。
在本实施例中,需要说明的是,所述将所述状态转移模型进行线性化,可以是求该模型关于未知参数向量的雅可比矩阵。
S1032:基于所述第一时刻的状态预测数据及所述位置状态转移线性预测曲线,预测得到所述通信接收机在第二时刻的状态预测数据。
在本实施例中,需要说明的是,所述预测得到所述通信接收机在第二时刻的状态预测数据,可以是通过扩展卡尔曼滤波等跟踪算法预测得到所述通信接收机在第二时刻的状态预测数据。
通过基于所述第一时刻的状态测量数据及所述状态转移模型,预测得到所述通信接收机在第二时刻的状态预测数据,能够将所述第二时刻的状态预测数据用于计算基站发射天线数。
可选地,所述状态预测数据中包括角度预测值和距离预测值;如图6所示,S104计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,包括如下步骤:
S1041:获取在所述角度预测值和距离预测值下,能将所述扩展目标全部覆盖的波束宽度。
在本实施例中,需要说明的是,所述能将所述扩展目标全部覆盖的波束宽度可以是大于或等于车辆长度的波束宽度。
S1042:计算发射所述波束宽度对应的波束需要的目标天线数。
在本实施例中,需要说明的是,所述计算发射所述波束宽度对应的波束需要的目标天线数,可以是计算发射所述波束宽度对应的波束需要的基站的大规模MIMO阵列的目标天线数。
S1043:将所述目标天线数与基站天线总数进行比较,当所述目标天线数小于或等于基站天线总数时,则将所述目标天线数作为所述基站发射天线数,当所述目标天线数大于所述基站天线总数时,则将所述基站天线总数作为所述基站发射天线数。
在本实施例中,基站发射天线数的计算公式为:
其中,Δd表示能将所述扩展目标全部覆盖的波束宽度,和/>分别表示通信接收机基于第n时刻预测得到的第n+1时刻的角度预测值和距离预测值,Nt,max表示基站天线总数。
通过计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,能够在第二时刻下发射波束将所述扩展目标全部覆盖,从而提高通信性能,确保目标跟踪成功。
可选地,所述状态预测数据中包括角度预测值和距离预测值;如图7所示,在S104计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数之后,还包括如下步骤:
S105:基于所述基站发射天线数,控制目标天线依照所述角度预测值及所述距离预测值,朝向所述扩展目标中的所述通信接收机发送通信波束。
在本实施例中,需要说明的是,在第二时刻下,基于所述基站发射天线数,基站可控制大规模MIMO阵列的目标天线依照所述角度预测值及所述距离预测值,朝向所述扩展目标中的所述通信接收机发送通信波束,使波束主瓣全覆盖扩展目标并对准通信接收机:
通过基于所述基站发射天线数,控制目标天线依照所述角度预测值及所述距离预测值,朝向所述扩展目标中的所述通信接收机发送通信波束,能够确保波束在第二时刻下能全部覆盖扩展目标并对准通信接收机。
本实施例提供的这种扩展目标动态波束计算方法,通过基于第一时刻的状态测量数据及状态转移模型,预测得到通信接收机在第二时刻的状态预测数据,并计算在第二时刻的状态预测数据下能将扩展目标全部覆盖的波束宽度对应的基站发射天线数,波束宽度能够动态调整,使得波束在车辆移动过程中依然能够对准通信接收机,提高了通信性能,确保了目标跟踪成功。
本实施例的第二方面提供了一种扩展目标动态波束跟踪装置,如图8所示,包括:
状态测量模块,用于基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据;
模型获取模块,用于获取所述扩展目标的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的位置状态转移;
状态预测模块,用于基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据;
天线计算模块,用于计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数。
可选地,如图9所示,所述状态测量模块包括:
第一测量模块,用于基于所述回波,得到所述扩展目标中与所述回波对应的各反射点在第一时刻的测量数据;
第二测量模块,用于基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据。
可选地,如图10所示,所示第二测量模块包括:
质心测量模块,用于求取所述各反射点在第一时刻的测量数据的平均值,得到所述扩展目标的质心在第一时刻的测量数据;
目标测量模块,用于基于所述质心在第一时刻的测量数据以及所述通信接收机与所述质心的相对坐标,得到所述通信接收机在第一时刻的状态测量数据。
可选地,如图11所示,所述模型获取模块包括:
状态获取模块,用于获取目标通信接收机在已发生的相邻时刻下的状态值及状态误差值;
模型建立模块,用于基于所述状态值及所述状态误差值,根据所述目标通信接收机在所述相邻时刻下相对基站的几何关系建立所述状态转移模型。
可选地,如图12所示,所述状态预测模块包括:
线性处理模块,用于将所述状态转移模型进行线性化,得到与所述状态转移模型对应的位置状态转移线性预测曲线;
数据预测模块,用于基于所述第一时刻的状态预测数据及所述位置状态转移线性预测曲线,预测得到所述通信接收机在第二时刻的状态预测数据。
可选地,如图13所示,所述天线计算模块包括:
宽度获取模块,用于获取在所述角度预测值和距离预测值下,能将所述扩展目标全部覆盖的波束宽度;
数量计算模块,用于计算发射所述波束宽度对应的波束需要的目标天线数;
数量确定模块,用于将所述目标天线数与基站天线总数进行比较,当所述目标天线数小于或等于基站天线总数时,则将所述目标天线数作为所述基站发射天线数,当所述目标天线数大于所述基站天线总数时,则将所述基站天线总数作为所述基站发射天线数。
可选地,如图14所示,所述扩展目标动态波束跟踪装置还包括:
波束发送模块,用于基于所述基站发射天线数,控制目标天线依照所述角度预测值及所述距离预测值,朝向所述扩展目标中的所述通信接收机发送通信波束。
本实施例的第三方面提供了一种终端设备,如图15所示,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上所述的方法。
本实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种扩展目标动态波束跟踪方法,其特征在于,所述方法包括如下步骤:
基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据;
获取所述扩展目标的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的位置状态转移;
基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据;
计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,所述扩展目标为车辆,所述车辆呈现扩展特性,所述能将所述扩展目标全部覆盖的波束宽度大于或等于所述车辆的车辆长度。
2.如权利要求1所述的一种扩展目标动态波束跟踪方法,其特征在于,所述基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据,包括如下步骤:
基于所述回波,得到所述扩展目标中与所述回波对应的各反射点在第一时刻的测量数据;
基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据。
3.如权利要求2所述的一种扩展目标动态波束跟踪方法,其特征在于,所述基于所述各反射点在第一时刻的测量数据,得到所述通信接收机在第一时刻的状态测量数据,包括如下步骤:
求取所述各反射点在第一时刻的测量数据的平均值,得到所述扩展目标的质心在第一时刻的测量数据;
基于所述质心在第一时刻的测量数据以及所述通信接收机与所述质心的相对坐标,得到所述通信接收机在第一时刻的状态测量数据。
4.如权利要求1所述的一种扩展目标动态波束跟踪方法,其特征在于,所述获取所述扩展目标的状态转移模型,包括如下步骤:
获取目标通信接收机在已发生的相邻时刻下的状态值及状态误差值;
基于所述状态值及所述状态误差值,根据所述目标通信接收机在所述相邻时刻下相对基站的几何关系建立所述状态转移模型。
5.如权利要求1所述的一种扩展目标动态波束跟踪方法,其特征在于,所述基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据,包括如下步骤:
将所述状态转移模型进行线性化,得到与所述状态转移模型对应的位置状态转移线性预测曲线;
基于所述第一时刻的状态预测数据及所述位置状态转移线性预测曲线,预测得到所述通信接收机在第二时刻的状态预测数据。
6.如权利要求1所述的一种扩展目标动态波束跟踪方法,其特征在于,所述状态预测数据中包括角度预测值和距离预测值;所述计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,包括如下步骤:
获取在所述角度预测值和距离预测值下,能将所述扩展目标全部覆盖的波束宽度;
计算发射所述波束宽度对应的波束需要的目标天线数;
将所述目标天线数与基站天线总数进行比较,当所述目标天线数小于或等于基站天线总数时,则将所述目标天线数作为所述基站发射天线数,当所述目标天线数大于所述基站天线总数时,则将所述基站天线总数作为所述基站发射天线数。
7.如权利要求1所述的一种扩展目标动态波束跟踪方法,其特征在于,所述状态预测数据中包括角度预测值和距离预测值;在所述计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数之后,还包括如下步骤:
基于所述基站发射天线数,控制目标天线依照所述角度预测值及所述距离预测值,朝向所述扩展目标中的所述通信接收机发送通信波束。
8.一种扩展目标动态波束跟踪装置,其特征在于,包括:
状态测量模块,用于基于向扩展目标所发送波束的回波,得到所述扩展目标的通信接收机在第一时刻的状态测量数据;
模型获取模块,用于获取所述扩展目标的状态转移模型,所述状态转移模型用于指示不同时刻下所述扩展目标相对基站发生的位置状态转移;
状态预测模块,用于基于所述第一时刻的状态测量数据及所述状态转移模型,利用扩展卡尔曼滤波算法对所述通信接收机进行跟踪,从而预测得到所述通信接收机在第二时刻的状态预测数据;
天线计算模块,用于计算在所述第二时刻的状态预测数据下能将所述扩展目标全部覆盖的波束宽度对应的基站发射天线数,所述扩展目标为车辆,所述车辆呈现扩展特性,所述能将所述扩展目标全部覆盖的波束宽度大于或等于所述车辆的车辆长度。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227223.6A CN116781115B (zh) | 2022-03-08 | 2022-03-08 | 扩展目标动态波束跟踪方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227223.6A CN116781115B (zh) | 2022-03-08 | 2022-03-08 | 扩展目标动态波束跟踪方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116781115A CN116781115A (zh) | 2023-09-19 |
CN116781115B true CN116781115B (zh) | 2024-03-26 |
Family
ID=87994998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210227223.6A Active CN116781115B (zh) | 2022-03-08 | 2022-03-08 | 扩展目标动态波束跟踪方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116781115B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1866620A (zh) * | 2005-05-18 | 2006-11-22 | 普天信息技术研究院 | 自适应调整智能天线波束宽度的方法 |
CN108809371A (zh) * | 2018-06-08 | 2018-11-13 | 北京邮电大学 | 一种大规模天线系统中波束宽度优化方法及切换方法 |
CN109188422A (zh) * | 2018-08-08 | 2019-01-11 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于lu分解的卡尔曼滤波目标跟踪方法 |
CN109347525A (zh) * | 2018-10-18 | 2019-02-15 | 南京邮电大学 | 毫米波高铁车地通信的自适应多波束成形与波束切换方法 |
KR102067114B1 (ko) * | 2018-08-22 | 2020-01-16 | 한양대학교 산학협력단 | 밀리미터 통신을 위한 딥러닝 기반 빔추적 및 예측 방법 그리고 시스템 |
WO2020238659A1 (zh) * | 2019-05-24 | 2020-12-03 | Oppo广东移动通信有限公司 | 波束跟踪方法、装置及计算机存储介质和终端设备 |
CN113258965A (zh) * | 2021-05-17 | 2021-08-13 | 东南大学 | 基于无迹卡尔曼滤波的毫米波分布式mimo系统aoa跟踪方法 |
KR20210115526A (ko) * | 2020-03-13 | 2021-09-27 | 한양대학교 산학협력단 | 무선 통신 시스템에서 적응적으로 빔 폭을 제어하기 위한 장치 및 방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11758411B2 (en) * | 2020-01-23 | 2023-09-12 | Nant Holdings Ip, Llc | Beam alignment and beam tracking in vehicle-to-vehicle communications |
US20210373147A1 (en) * | 2020-05-27 | 2021-12-02 | Utah State University | Tracking a target using doppler shift |
-
2022
- 2022-03-08 CN CN202210227223.6A patent/CN116781115B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1866620A (zh) * | 2005-05-18 | 2006-11-22 | 普天信息技术研究院 | 自适应调整智能天线波束宽度的方法 |
CN108809371A (zh) * | 2018-06-08 | 2018-11-13 | 北京邮电大学 | 一种大规模天线系统中波束宽度优化方法及切换方法 |
CN109188422A (zh) * | 2018-08-08 | 2019-01-11 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于lu分解的卡尔曼滤波目标跟踪方法 |
KR102067114B1 (ko) * | 2018-08-22 | 2020-01-16 | 한양대학교 산학협력단 | 밀리미터 통신을 위한 딥러닝 기반 빔추적 및 예측 방법 그리고 시스템 |
CN109347525A (zh) * | 2018-10-18 | 2019-02-15 | 南京邮电大学 | 毫米波高铁车地通信的自适应多波束成形与波束切换方法 |
WO2020238659A1 (zh) * | 2019-05-24 | 2020-12-03 | Oppo广东移动通信有限公司 | 波束跟踪方法、装置及计算机存储介质和终端设备 |
KR20210115526A (ko) * | 2020-03-13 | 2021-09-27 | 한양대학교 산학협력단 | 무선 통신 시스템에서 적응적으로 빔 폭을 제어하기 위한 장치 및 방법 |
CN113258965A (zh) * | 2021-05-17 | 2021-08-13 | 东南大学 | 基于无迹卡尔曼滤波的毫米波分布式mimo系统aoa跟踪方法 |
Non-Patent Citations (2)
Title |
---|
Sai Wu ; Baojuan Ma ; Zhongkai Sun ; Juanjuan Sun ; Weiping Shao ; Weijun Zheng.Dynamic Beam Tracking for Mobile Users.《CCME 2020》.2021,全文. * |
认知雷达发射资源管理方法及软件实现;高雨婷;《信息科技》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116781115A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108089183B (zh) | 一种用于异步多基地雷达系统的检测跟踪一体化方法 | |
CN111537966A (zh) | 一种适用于毫米波车载雷达领域的阵列天线误差校正方法 | |
CN108387864A (zh) | 一种到达角计算方法及装置 | |
CN107343315B (zh) | 基于无线局域网络多频点联合测量的定位系统及方法 | |
CN108896985B (zh) | 基于射频隐身的组网雷达多目标跟踪采样间隔控制方法 | |
WO2021129581A1 (zh) | 一种信号处理方法及装置 | |
WO2023142273A1 (zh) | 运动目标速度解模糊方法、装置、电子设备及存储介质 | |
CN111446999A (zh) | 基于多臂强盗的位置辅助波束对准方法及其系统 | |
KR101988109B1 (ko) | 다중입출력시스템에서 거리 추정값을 이용한 신호원 위치 추정 방법 | |
Sirignano et al. | A comparative analysis of deterministic detection and estimation techniques for MIMO SFCW radars | |
WO2022190122A1 (en) | Method of positioning a node in a cellular network | |
CN116781115B (zh) | 扩展目标动态波束跟踪方法、装置及终端设备 | |
Xu et al. | Ambiguity function-based ESPRIT algorithm for FDA-MIMO radar target localization | |
US11269052B2 (en) | Signal processing method | |
Tian et al. | MIMO CSI-based super-resolution AoA estimation for Wi-Fi indoor localization | |
WO2023116590A1 (zh) | 感知、感知配置方法、装置及通信设备 | |
WO2023142272A1 (zh) | 运动目标速度解模糊方法、装置、电子设备及存储介质 | |
CN113543017B (zh) | 毫米波车联网的波束切换方法及相关设备 | |
CN115932743A (zh) | 一种基于波形自适应选择的认知雷达方法与装置 | |
CN111398894A (zh) | 一种基于移动通信网络的低慢小目标检测追踪系统及检测追踪方法 | |
CN112689773A (zh) | 雷达信号处理方法和雷达信号处理装置 | |
US20240027602A1 (en) | Methods and devices for detecting motion | |
CN113766424B (zh) | 一种无人机室内定位方法、装置、计算机设备及存储介质 | |
WO2021207929A1 (zh) | 信号处理方法和装置 | |
WO2024001409A1 (zh) | 通信方法以及通信装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |