CN117278085B - 车载毫米波终端波束跟踪方法、装置、设备和存储介质 - Google Patents
车载毫米波终端波束跟踪方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117278085B CN117278085B CN202311571695.4A CN202311571695A CN117278085B CN 117278085 B CN117278085 B CN 117278085B CN 202311571695 A CN202311571695 A CN 202311571695A CN 117278085 B CN117278085 B CN 117278085B
- Authority
- CN
- China
- Prior art keywords
- time slot
- vehicle
- channel
- vector
- current 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 239000013598 vector Substances 0.000 claims abstract description 226
- 239000011159 matrix material Substances 0.000 claims abstract description 76
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 49
- 238000005457 optimization Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006854 communication Effects 0.000 abstract description 25
- 238000004891 communication Methods 0.000 abstract description 24
- 230000008859 change Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000001914 filtration Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 101100391182 Dictyostelium discoideum forI gene Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例提供车载毫米波终端波束跟踪方法、装置、设备和存储介质，涉及测量计算技术领域。该方法基于当前时隙的位置矢量和航向角得到当前时隙的控制输入，根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角，利用出发角和到达角生成下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。预测当前时隙的信道情况，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，提高基站和车载毫米波终端之间的通信质量和可靠性，综合提升车载毫米波终端波束跟踪的准确率。
Description
技术领域
本申请涉及测量计算技术领域，尤其涉及车载毫米波终端波束跟踪方法、装置、设备和存储介质。
背景技术
车载毫米波终端定位是一种利用毫米波频段的雷达技术，用于车辆的定位和环境感知。毫米波频段的特点是具有较高的穿透能力，可以在各种天气条件下提供稳定可靠的探测性能。因此毫米波雷达具有较高的分辨率和抗干扰能力，能够用于复杂的道路环境和低能见度条件下的车辆定位。
相关技术中，由于车辆高速运动会造成车辆的位置及姿态（即位姿）的剧烈变化，造成基站发送端预编码以及接收端波束成型的过程都会产生较大的波束训练开销，通常需要利用波束跟踪技术来减少波束训练开销。但是相关技术中波束跟踪技术存在跟踪准确率低以及跟踪非实时的问题。
发明内容
本申请实施例的主要目的在于提出车载毫米波终端波束跟踪方法、装置、设备和存储介质，提高车载毫米波终端波束跟踪的准确率以及实时性。
为实现上述目的，本申请实施例的第一方面提出了一种车载毫米波终端波束跟踪方法，包括：
获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；
基于当前时隙的所述航向角和所述位置矢量得到当前时隙的控制输入；
根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；
基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；所述出发角用于毫米波基站生成下行模拟波束成形向量，所述到达角用于车载毫米波终端生成接收模拟波束成形向量；
根据所述下行模拟波束成形向量和所述接收模拟波束成形向量进行波束跟踪。
在一实施例中，所述根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，包括：
获取噪声向量和状态演进矩阵；
根据所述状态演进矩阵、所述信道状态信息和所述控制输入得到所述先验信道状态向量；
根据所述信道状态信息得到前一时隙的信道协方差矩阵；
根据所述信道协方差矩阵、所述状态演进矩阵和所述噪声向量得到所述先验信道协方差矩阵。
在一实施例中，所述基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角，包括：
根据当前时隙的接收信号得到信道量测值，并基于所述先验信道状态向量和所述先验信道协方差矩阵计算卡尔曼增益；
根据所述卡尔曼增益、所述信道量测值和所述先验信道状态向量计算得到后验信道状态向量；
根据所述卡尔曼增益和所述先验信道协方差矩阵计算得到后验信道协方差矩阵；
根据所述后验信道状态向量和所述后验信道协方差矩阵得到所述出发角和所述到达角。
在一实施例中，所述获取当前时隙车辆的位置矢量和航向角，包括：
获取当前时隙的原始雷达点云，并生成所述原始雷达点云的多个有向点，根据所述有向点得到当前时隙的稀疏点云；
根据当前时隙车辆的位置矢量与前一时隙车辆的位置矢量得到相对位置矢量，以及根据当前时隙车辆的航向角与前一时隙车辆的航向角得到相对航向角；
从前一时隙的稀疏点云中选取所述有向点的初始相邻点，基于所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角生成优化目标函数；
对所述优化目标函数进行迭代求解，得到当前时隙车辆的位置矢量和航向角。
在一实施例中，所述获取当前时隙的原始雷达点云，并生成所述原始雷达点云的多个有向点，根据所述有向点得到当前时隙的稀疏点云，包括：
基于预设功率阈值，在所述原始雷达点云中选取第一数量的第一目标点；所述第一目标点构成第一点云；
在所述第一点云中进行网格划分，得到多个小网格，并在所述小网格中选取邻近网格中心的第一目标点作为第二目标点；所述第二目标点构成第二点云；
对所述第二点云中每个所述第二目标点在所述第一点云中选取多个相邻点，并根据所述相邻点得到所述第二目标点对应的所述有向点，根据所述有向点得到所述稀疏点云；所述有向点的坐标根据所述相邻点的坐标均值得到，所述有向点的方向向量根据所述初始相邻点的协方差矩阵的特征向量得到。
在一实施例中，所述从前一时隙的稀疏点云中选取所述有向点的初始相邻点，包括：
将前一时隙的所述有向点作为第一有向点，将当前时隙的所述有向点作为第二有向点，并获取所述第一有向点的第一方向向量，以及获取所述第二有向点的第二方向向量；
选取与所述第二方向向量的夹角小于或等于预设夹角阈值的所述第一方向向量对应的所述第一有向点构成第一点集；
以所述第二有向点为圆心，在所述第一点集中生成预设半径的圆盘区域，选取所述圆盘区域中最邻近所述圆心的所述第一有向点作为所述初始相邻点。
在一实施例中，所述基于所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角生成优化目标函数，包括：
根据所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角计算第一约束函数；
将所述第一约束函数输入预设损失函数，得到第二约束函数；
以最小化为优化目标，根据所述第二约束函数得到所述优化目标函数。
为实现上述目的，本申请实施例的第二方面提出了一种车载毫米波终端波束跟踪装置，包括：
数据获取模块：用于获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；
控制输入计算模块：用于基于当前时隙的所述航向角和所述位置矢量得到当前时隙的控制输入；
信道预测模块：用于根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；
信道更新模块：用于基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；所述出发角用于毫米波基站生成下行模拟波束成形向量，所述到达角用于车载毫米波终端生成接收模拟波束成形向量；
波束跟踪模块：用于根据所述下行模拟波束成形向量和所述接收模拟波束成形向量进行波束跟踪。
为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述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上述第一方面所述的方法。
本申请实施例提出的车载毫米波终端波束跟踪方法、装置、设备和存储介质，通过获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息，基于当前时隙的位置矢量和航向角得到当前时隙的控制输入，根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于生成接收模拟波束成形向量，根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。本申请实施例中利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。
附图说明
图1是本申请实施例中车载毫米波终端波束跟踪系统示意图。
图2为本申请实施例中车载毫米波终端的示意图。
图3为本申请实施例中世界坐标系和车辆坐标系示意图。
图4是本申请实施例中车载毫米波终端波束跟踪方法的一个可选的流程图。
图5是图4中的步骤S110的流程图。
图6为本申请实施例中原始雷达点云的图像的示意图。
图7为本申请实施例中车辆坐标系下的原始雷达点云的图像的示意图。
图8是本申请实施例中车载毫米波终端波束跟踪方法的又一个可选的流程图。
图9为本申请实施例的车载毫米波终端波束跟踪方法的整体流程示意图。
图10是本申请又一实施例提供的车载毫米波终端波束跟踪装置结构框图。
图11是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
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，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请中涉及的若干名词进行解析：
毫米波雷达：是一种利用毫米波频段的雷达技术，用于检测、定位和跟踪目标物体。毫米波指的是波长在几毫米到几十毫米之间的无线电频段。相比于传统的雷达系统使用的微波频段，毫米波雷达具有更高的频率和更短的波长。这使得毫米波雷达在复杂环境或者低能见度条件下，分辨率更高目标探测更精确。
车辆位姿估计：指利用传感器和测量算法来确定车辆在空间中的位置、方向和速度等状态。其中传感器包括惯性测量单元、全球定位系统、毫米波雷达等，测量算法包括传感器融合算法、滤波算法、运动模型以及数据关联等。
车载毫米波终端定位是一种利用毫米波频段的雷达技术，用于车辆的定位和环境感知。毫米波频段的特点是具有较高的穿透能力，可以在各种天气条件下提供稳定可靠的探测性能。因此毫米波雷达具有较高的分辨率和抗干扰能力，能够用于复杂的道路环境和低能见度条件下的车辆定位。
卡尔曼滤波：是一种常用于处理含有噪声的系统测量数据的滤波方法，通过使用系统状态模型和测量模型，对真实状态进行估计，并对不确定度进行更新，从而获得更准确的状态估计结果。卡尔曼滤波适用于：系统模型是线性系统；测量和状态都是连续型的，且可以用高斯分布表示；噪声是高斯白噪声，且有一定的协方差矩阵的场景。卡尔曼滤波的核心思想是：将当前状态估计值（由前一时刻的状态和测量值计算得到）作为当前时刻的预测值，并使用提前计算好的卡尔曼增益，将实际测量值纳入估计中，获得当前时刻的最优状态估计值和对应的不确定度。在不断地进行状态预测和测量更新的过程中，可以不断提高状态估计的准确性和置信度。
相关技术中，为了抵消极高频段所引入的极大的自由空间传播衰减和视距路径遮挡穿透损耗，车载毫米波技术通常采用大规模多输入多输出天线，通过发送端预编码技术和接收端波束成型技术形成与车载毫米波终端对齐的高定向波束。但是由于车辆高速运动会造成车辆的位置及姿态（即位姿）的剧烈变化，造成基站发送端预编码以及接收端波束成型的过程都会产生较大的波束训练开销，通常需要利用波束跟踪技术来减少波束训练开销。但是相关技术中波束跟踪技术存在跟踪准确率低以及跟踪非实时的问题。
基于此，本申请实施例提供一种车载毫米波终端波束跟踪方法、装置、设备和存储介质，利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。
本申请实施例提供车载毫米波终端波束跟踪方法、装置、设备和存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的车载毫米波终端波束跟踪系统。
图1为本申请实施例中车载毫米波终端波束跟踪系统示意图。图2为本申请实施例中车载毫米波终端的示意图。
图1中车载毫米波终端波束跟踪系统包括：毫米波基站100和毫米波终端200，参照图2，毫米波终端200设置在车辆300上，能够随着车辆300的移动而移动。其中，毫米波基站100上配备天线数目为N的均匀线性天线阵列，构成基站天线阵列，车辆300上配备天线数目为M的均匀线性天线阵列，构成车载天线阵列。
在该车辆位姿估计系统中，以毫米波基站100为原点，构建世界坐标系(xw,yw,zw)，以毫米波终端200为原点构建车辆坐标系(xv,yv,zv)，其中第k个时隙时，车辆300在世界坐标系中的坐标为(xk,yk,0)。本实施例中，由于毫米波所固有的极稀疏的角度域空间散射和极大的路径传播损耗，使得毫米波信道的主要信道为视距信道Hk，视距信道是指在传输过程中，毫米波基站100作为发送端和车载天线阵列作为接收端之间没有明显障碍物或干扰物的情况下，通过直线传播的无线通信信道。在视距信道中，信号可以以近乎直线的方式传输，没有明显的多径效应。
参照图3，图3为本申请实施例中世界坐标系和车辆坐标系示意图，图3中示出第k个时隙车辆的位姿示意图，其中车辆位姿包括车辆的位置矢量和航向角。在世界坐标系中，毫米波基站100的基站天线阵列向车辆300的车载天线阵列发送信号的出发角为，在车辆坐标系中，车载天线阵列接收信号的到达角为/>。接着根据车辆在世界坐标系中的坐标得到位置矢量，位置矢量表示为/>，再根据位置矢量在车辆坐标系中的坐标得到航向角/>。
接下来描述本申请实施例提供的车载毫米波终端波束跟踪方法。
图4是本申请实施例提供的车载毫米波终端波束跟踪方法的一个可选的流程图，图4中的方法可以包括但不限于包括步骤S110至步骤S150。同时可以理解的是，本实施例对图4中步骤S110至步骤S150的顺序不做具体限定，可以根据实际需求调整步骤顺序或者减少、增加某些步骤。
步骤S110：获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息。
在一实施例中，参照图5，获取当前时隙车辆的位置矢量和航向角的步骤包括步骤S111至步骤S114：
步骤S111：获取当前时隙的原始雷达点云，并根据原始雷达点云中多个有向点得到稀疏点云。
在一实施例中，参照图6，图6为本申请实施例中原始雷达点云的图像的示意图。图6中以极坐标下原始雷达点云进行示意，极坐标的横轴为车辆周围物体与车辆的距离，纵轴为车辆周围物体与车辆的相对方位角。参照图7，图7为本申请实施例中车辆坐标系下的原始雷达点云的图像的示意图。可见图7更直观地示意了车辆周围物体相对于车辆的距离和方位角信息。通过处理在第k个时隙采集的原始雷达点云，车辆坐标系相对于世界坐标系的位置矢量和航向角/>可以经过估计得到。
由于原始雷达点云中会包括较多的噪声，为了提升计算准确度，需要对原始雷达点云进行去噪。在一实施例中，利用稀疏化过程进行去噪，参照图8，根据原始雷达点云中多个有向点得到稀疏点云的过程具体包括步骤S1111至步骤S1113：
步骤S1111：基于预设功率阈值，在原始雷达点云中选取第一数量的第一目标点。
其中，第一目标点构成第一点云。具体地，对于极坐标下的原始雷达点云中每个方位角都选取第一数量（例如K）个功率超过预设功率阈值Kmin的点作为第一目标点，这个过程称为保守滤波，能够在失去一定的点云信息的代价下，减少原始雷达点云中的检测噪声的检测误差。经过保守滤波之后，原始雷达点云变成由第一目标点构成的第一点云。
步骤S1112：在第一点云中进行网格划分，得到多个小网格，并在小网格中选取邻近网格中心的第一目标点作为第二目标点。
其中，第二目标点构成第二点云。将极坐标系下的第一点云转换到世界坐标系，然后用边长为/>的网格对其进行降采样，得到多个小网格，接着在这些小网格中仅保留最靠近网格中心的第一目标点作为第二目标点，将经过降采样后的第一点云/>记作第二点云/>。
上述为一个距离参数，用于控制计算每个有向点所需的初始相邻点的个数。/>为取值不小于1.0的重采样因子，用于调整第二点云/>的密度。一般情况下，/>可取值为3.5米，/>可取值为1.0。
步骤S1113：对第二点云中每个第二目标点在第一点云中选取多个相邻点，并根据相邻点得到第二目标点对应的有向点，根据有向点得到稀疏点云。
在一实施例中，第二点云中第二目标点表示为/>，/>表示坐标值，在第一点云/>中以/>为圆心，以/>为半径选取得到多个相邻点，相邻点表示为：
将的有向点表示为/>，/>表示有向点的坐标，/>表示有向点的方向向量，其中，有向点的坐标/>根据相邻点/>的坐标均值得到，坐标/>表示为：
其中，为第二点云/>中的第二目标点/>在第二点云/>中的所有相邻点/>所构成的集合，/>表示该集合中相邻点的数量。
有向点的方向向量是根据相邻点的协方差矩阵的最小特征值所对应的特征向量得到，第i个相邻点的协方差矩阵表示为：
通过对第二点云中的所有第二目标点/>逐个计算其对应的有向点/>，从而获得原始雷达点云的稀疏点云/>，表示为：/>。
步骤S112：根据当前时隙车辆的位置矢量与前一时隙车辆的位置矢量得到相对位置矢量，以及根据当前时隙车辆的航向角与前一时隙车辆的航向角得到相对航向角。
在一实施例中，如果当前时隙为k，则前一时隙为k-1。在世界坐标系下，车辆在第k个时隙的位姿（包括待估计的位置矢量和航向角）可以表示成一个齐次变换矩阵，具体表示为：
,/>
其中， 表示第k个时隙的位置矢量，/>表示第k个时隙的航向角，/>表示关于航向角/>的二维旋转矩阵。
从第k-1个时隙到第k个时隙，车辆的相对位姿表示为：
，/>
其中，表示当前时隙车辆的位置矢量与前一时隙车辆的位置矢量得到的相对位置矢量，/>表示当前时隙车辆的航向角与前一时隙车辆的航向角得到的相对航向角，/>表示关于相对航向角的二维旋转矩阵。
步骤S113：从前一时隙的稀疏点云中选取有向点的初始相邻点，基于有向点、初始相邻点、相对位置矢量和相对航向角生成优化目标函数。
在一实施例中，在已知车辆于第k-1个时隙的位姿的条件下，通过对时间上相邻的稀疏点云/>、/>进行点云配准，实现对车辆于第k个时隙位姿/>的估计。
下面描述点云配准的具体过程。本实施例中，点云配准可以转化成目标函数为点到直线(point-to-line, P2L)距离的无约束最小化问题，优化目标函数表示为：
其中，表示描述点到直线距离最小的函数，/>表示在给定前后时隙的稀疏点云/>条件下，根据第k-1时隙的位姿估计第k个时隙的位姿。
上述实施例中，根据优化目标设定：当前时隙的稀疏点云中的有向点/>与其在前一时隙的稀疏点云/>中的初始相邻点/>的点到直线距离之和最小，则优化目标函数可等价为基于有向点、初始相邻点、相对位置矢量和相对航向角生成优化目标函数，过程具体包括：
首先根据有向点、初始相邻点、相对位置矢量和相对航向角计算第一约束函数，表示为：
然后将第一约束函数输入预设损失函数，得到第二约束函数。其中预设损失函数为Huber损失函数，用于削减目标函数对于离群值的敏感程度，因此第二约束函数表示为：
接着以最小化为优化目标，根据第二约束函数得到优化目标函数，表示为：
在一实施例中，从前一时隙的稀疏点云中选取有向点/>的初始相邻点/>的过程具体包括：
首先将前一时隙的有向点作为第一有向点，将当前时隙的有向点作为第二有向点/>，并获取第一有向点/>的第一方向向量/>，以及获取第二有向点/>的第二方向向量/>。
然后选取与第二方向向量的夹角小于或等于预设夹角阈值的第一方向向量/>对应的第一有向点/>构成第一点集，即第一点集中包括的第一方向向量/>，其与第二方向向量之间的夹角不大于预设夹角阈值/>。
接着在满足夹角要求的第一点集中，以第二有向点为圆心，在第一点集中生成预设半径/>的圆盘区域，选取圆盘区域中最邻近圆心/>的第一有向点/>作为初始相邻点。
至此，得到上述优化目标函数，该优化目标函数中包括有向点坐标、初始相邻点坐标、相对位置矢量和相对航向角。
步骤S114：对优化目标函数进行迭代求解，得到当前时隙车辆的位置矢量和航向角。
在一实施例中，优化目标函数为无约束优化问题，具体是一个带有损失函数的最小二乘问题，选择合适的优化问题求解器即可进行求解。例如使用优化问题求解器GoogleCeres Solver，在集成开发环境Visual Studio 2022中通过C++语言实现该优化目标函数的迭代求解。在求解过程中，代价函数设置为公式(10)中不带损失函数的最小二乘目标函数（即第一约束函数），损失函数设置为求解器提供的Huberloss函数，线搜索方法设置为求解器提供的BFGS方法，同时设定最大迭代次数为100，通过调用Google Ceres Solver求解器，即可输出优化目标函数的最优数值解，该最优数值解即第k个时隙的车辆位姿估计结果/>，其中，/>表示估计得到的第k个时隙的位置矢量，/>表示估计得到的第k个时隙的航向角。
在一实施例中，在得到当前时隙的位置矢量和航向角后，再获取前一时隙的信道状态信息。
在一实施例中，对于第k个时隙来说，毫米波基站和车载天线阵列之间的视距信道可以通过信道状态信息进行定义，可以表示为：
上式中，表示第k个时隙的状态向量，/>、/>和/>分别表示毫米波视距信道在第k个时隙的路径增益的幅度、出发角和到达角。
在车载毫米波终端波束跟踪时，从第k-1个时隙到第k个时隙，毫米波视距信道的状态演进模型可表示为：
上式中，为第k个时隙下信道状态向量的真实值。/>表示第k个时隙的状态演进矩阵，/>表示第k-1个时隙的信道状态信息，/>表示第k个时隙的确定性的控制输入，/>表示噪声向量。
上述状态演进矩阵进一步表示为：
上式中，表示第k个时隙的增益系数，/>表示第k-1个时隙的位置矢量，/>表示第k个时隙的预测的位置矢量，/>表示路径损耗指数，这里的路径损耗指数可以根据实际通信环境设定。由此可见，增益系数/>可根据前一时隙的位置矢量和当前时隙的位置矢量计算得到。
上述控制输入进一步表示为：
上式中，表示第k个时隙的预测的航向角，/>表示第k-1个时隙的估计的航向角，(/>,/>)表示第k个时隙的预测位置矢量的对应坐标，(/>,/>)表示第k-1个时隙的估计的位置矢量的对应坐标。由此可见，根据前一时隙和当前时隙的位置矢量以及航向角能够得到控制输入。
上述噪声向量符合高斯分布，为零均值、协方差矩阵为/>的高斯分布过程噪声，其中/>进一步表示为：
上式中，为毫米波基站和车载的毫米波终端预先约定好的，由毫米波基站在第k个时隙发送的功率归一化信号，即该功率归一化信号是双方均已知的信号。/>表示第k个时隙的增益系数，/>、/>表示车辆的位置矢量的位置估计误差的标准差和航向角的角度估计误差的标准差，/>表示第k-1个时隙的路径增益的幅度。这里的位置估计误差的标准差和角度估计误差的标准差可以根据经验值设定。
按照上述过程，对于第k-1个时隙来说，第k-2个时隙的信道状态信息可以是已知的。按照上述信道状态信息的计算过程，此时第k-1个时隙的信道状态信息表示为：
步骤S120：基于当前时隙的位置矢量和航向角得到当前时隙的控制输入。
其中，当前时隙的控制输入根据前一时隙和当前时隙的位置矢量以及航向角能够得到。
步骤S130：根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵。
在一实施例中，步骤130具体包括以下过程：获取噪声向量和状态演进矩阵；根据状态演进矩阵、信道状态信息和控制输入得到先验信道状态向量；根据信道状态信息得到前一时隙的信道协方差矩阵；根据信道协方差矩阵、状态演进矩阵和噪声向量得到先验信道协方差矩阵。
具体地，在第k-1个时隙的信道状态信息已知时，基于扩展卡尔曼滤波算法，根据第k-1个时隙的信道状态信息/>得到第k个时隙的先验信道状态向量/>，表示为：
其中，为/>的先验估计量，/>为第k-1个时隙下信道状态向量的真实值，而为/>的后验估计量，也就是第k-1个时隙的后验信道状态向量。
接着获取第k-1个时隙的信道协方差矩阵，其中信道协方差矩阵可以根据第k-1个时隙的实际位置矢量和航向角得到。因此根据第k-1个时隙的信道协方差矩阵得到第k个时隙的先验信道协方差矩阵/>，表示为：
上述先验信道状态向量和先验信道协方差矩阵/>中状态演进矩阵/>包括第k-1个时隙的位置矢量和第k个时隙的位置矢量，控制输入/>包括第k-1个时隙的位置矢量、第k-1个时隙的航向角、第k个时隙的位置矢量和第k个时隙的航向角。协方差矩阵为包括第k-1个时隙的位置矢量和第k个时隙的位置矢量。
步骤S140：基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角。
在一实施例中，步骤S140具体包括：根据当前时隙的接收信号得到信道量测值，并基于先验信道状态向量和先验信道协方差矩阵计算卡尔曼增益，根据卡尔曼增益、信道量测值和先验信道状态向量计算得到后验信道状态向量，根据卡尔曼增益和先验信道协方差矩阵计算得到后验信道协方差矩阵，根据后验信道状态向量和后验信道协方差矩阵得到出发角和到达角。
在一实施例中，视距信道可以视为几何信道，因此视距信道可以表示为：
其中，d1表示基站天线阵列中天线阵列的间距，d2表示车载天线阵列中天线阵列的间距，d1可以和d2相等，表示载波波长。/>表示第k个时隙下基站天线阵列向车载天线阵列发送信号的出发角，/>表示车载天线阵列接收信号的到达角，/>表示基站天线阵列的发送响应向量，/>表示车载天线阵列的接收响应向量。
其中，毫米波基站和毫米波终端均采用模拟波束成型技术实现定向的发送波束和接收波束，毫米波基站生成针对车辆的下行模拟波束成形向量，毫米波终端生成接收模拟波束成形向量。
因此，在第k个时隙，车辆的毫米波终端根据下行模拟波束成形向量和接收模拟波束成形向量确定的接收信号表示为：
其中，表示下行模拟波束成形向量，/>表示接收模拟波束成形向量，/>表示零均值、方差为/>的加性高斯白噪声，/>表示已知的第k-1个时隙下基站天线阵列向车载天线阵列发送信号的出发角，/>表示已知的第k-1个时隙下车载天线阵列接收信号的到达角。
此时，第k个时隙下，根据当前时隙的接收信号得到的信道量测值表示为：
其中，表示视距信道的量测函数，/>为零均值、方差为的高斯分布量测噪声。
得到信道量测值后，基于先验信道状态向量和先验信道协方差矩阵/>计算第k个时隙的卡尔曼增益/>，卡尔曼增益表示为：
/>
其中，表示信道的量测函数h(∙)对先验信道状态向量/>的梯度，在本实施例的滤波算法中，/>表示第k个时隙下基站天线阵列向车载天线阵列发送信号的出发角的真实值，/>表示第k个时隙下基站天线阵列向车载天线阵列发送信号的出发角的先验估计量，/>表示/>的后验估计量；/>表示第k个时隙下车载天线阵列接收信号的到达角的真实值，/>表示第k个时隙下车载天线阵列接收信号的到达角的先验估计量，/>表示的后验估计量；/>表示第k个时隙下路径增益幅度的真实值，/>表示第k个时隙下路径增益幅度的先验估计量，/>表示/>的后验估计量。/>表示第k个时隙下基站天线阵列发送响应向量的先验估计量，/>表示第k个时隙下车载天线阵列接收响应向量的先验估计量。
上式中和/>分别为N阶和M阶的复方阵，表示为：
其中，，/>。
在一实施例中，为/>的后验估计量，也就是第k个时隙的后验信道状态向量，表示为：
第k个时隙的后验信道协方差矩阵表示为：
其中，表示单位矩阵。
经过上述公式过程，由于后验信道状态向量是根据第k个时隙的先验信道状态向量/>以及第k个时隙的信道量测值综合计算得到，而先验信道状态向量/>根据已知的第k-1个时隙的信道状态信息/>预测得到，因此后验信道状态向量/>的值比这两者都准确，从而进一步提升车辆位姿的估计准确率，解决波束跟踪准确率低、跟踪周期短以及跟踪非实时等诸多难题，有效减少波束训练开销，并且在全球导航卫星系统失效、外部环境条件恶劣和计算资源有限的情况下同步地实现高精度、实时的车载毫米波终端的位姿估计，以及车载的毫米波终端与毫米波基站之间上行及下行的波束跟踪。
信道校正过程具体是：在进行车载毫米波终端波束跟踪前，预先设定初始信道状态向量、初始信道协方差矩阵/>、初始幅度/>、初始出发角/>、初始到达角/>、幅度阈值/>、到达角阈值/>和出发角阈值/>。其中，初始信道状态向量/>，初始信道协方差矩阵/>，/>是进行信道估计得到的，和实际信道状态有关。初始幅度/>、初始出发角/>、初始到达角/>、幅度阈值/>、到达角阈值/>和出发角阈值/>根据经验值设定，其中幅度阈值/>、到达角阈值/>和出发角阈值/>均大于0。然后从后验信道状态向量/>中提取经过扩展卡尔曼滤波输出的第k个时隙的路径增益的幅度/>、出发角/>和到达角/>。
如果、/>或/>，则认为当前的信道波束跟踪已经不准确，因此需要借助毫米波信道估计技术获取对视距信道在第k个时隙的后验信道状态向量/>进行更新，以确保波束跟踪的准确性与时效性。
如果、/>或/>，则根据后验信道状态向量提取当前时隙的出发角和到达角，出发角用于毫米波基站在下一时隙生成针对车辆的下行模拟波束成形向量，到达角用于在下一时隙车辆生成接收模拟波束成形向量。
步骤S150：根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。
在一实施例中，毫米波基站利用下行模拟波束成形向量进行下行波束跟踪，车载天线阵列根据接收模拟波束成形向量进行上行波束追踪。相关技术中，由于车辆高速运动会造成车辆的位置及姿态（即位姿）的剧烈变化，造成基站发送端预编码以及接收端波束成型的过程产生巨大的波束训练开销，如果不能降低这种开销，则会导致产生较大的误差，影响车载毫米波终端波束跟踪的实时性和准确性。本申请实施例的车载毫米波终端波束跟踪方法能够有效地减少波束训练开销，同时实现高跟踪准确率、长跟踪周期和实时的上下行波束跟踪。
下面描述本申请实施例的整体流程，参照图9，图9为本申请实施例的车载毫米波终端波束跟踪方法的整体流程示意图。
步骤S901中将车辆的初始位置、初始航向角/>、初始的原始雷达点云的稀疏点云以及毫米波终端在第k个时隙所采集的原始雷达点云作为输入。在第1个时隙进行位姿估计时，其前一时隙的数据为该步骤输入的初始值。
步骤S902中借助毫米波信道估计技术进行初始状态下的信道估计，得到初始信道状态向量。
步骤S903中对用到的参数进行初始化，包括：时隙索引k=0、初始信道状态向量以及初始信道协方差矩阵/>，同时，设定幅度阈值/>、到达角阈值/>和出发角阈值/>等。
步骤S904用于更新时隙索引，例如在第k个时隙的车载毫米波终端波束跟踪时，时隙索引为k，在第k个时隙的车载毫米波终端波束跟踪完成后，将时隙索引变为k+1。
下面以第k个时隙的车载毫米波终端波束跟踪为例进行说明。
步骤S905将第k个时隙采集的原始雷达点云作保守滤波，得到第一点云。
步骤S906对保守滤波后的第一点云作网格化降采样，得到第二点云。
步骤S907根据滤波后的第一点云和降采样后的第二点云得到稀疏点云。
步骤S908进行点云配准，对第k个时隙和第k-1个时隙的稀疏点云做配准，得到车辆在第k个时隙的位姿估计结果，即第k个时隙的位置矢量和航向角。
步骤S909在第k-1个时隙，毫米波基站根据输出的出发角，计算第k个时隙的发送模拟波束成形向量/>，以实现下行波束跟踪。
步骤S910在第k-1时隙，毫米波终端根据输出的到达角，计算第k个时隙的接收模拟波束成形向量/>，以实现上行波束跟踪。
步骤S911根据第k个时隙的位置矢量和航向角进行信道预测，得到第k个时隙的先验信道状态向量和第k个时隙的先验信道协方差矩阵/>，表示为：
步骤S912根据先验信道状态向量和先验信道协方差矩阵进行信道更新，得到第k个时隙的卡尔曼增益、后验信道状态向量和后验信道协方差矩阵，表示为：
步骤S913根据后验信道状态向量提取第k个时隙的幅度、出发角/>、到达角/>，并将判断是否满足：
、/>或/>
根据判断结果进行信道校正，如果满足上述条件，则认为当前的信道波束跟踪已经不准确，需要对当前时隙的毫米波视距信道进行信道估计来进行信道校正。
步骤S914输出第k个时隙车辆的位置矢量、航向角以及第k个时隙的后验信道状态向量。
步骤S915判断是否迭代结束，如果未结束则执行步骤S904，更新时隙索引，继续对第k+1个时隙下车辆的位姿进行估计，根据位姿估计结果进行波束跟踪。否则执行步骤S916结束通信过程。
在执行步骤S904后的下一轮迭代过程中，本申请实施例的算法将利用跟踪的后验信道状态向量中的出发角和到达角分别在毫米波基站端和车载天线阵列端配置发送模拟波束成形向量和接收模拟波束成形向量（如步骤S909、S910所示）以实现下行和上行波束跟踪，确保车载毫米波终端波束跟踪过程中能够保证实时性和准确性。
本申请实施例提供的技术方案，通过获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息，基于当前时隙的位置矢量和航向角得到当前时隙的控制输入，根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于生成接收模拟波束成形向量，根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。本申请实施例中利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。
本申请实施例还提供一种车载毫米波终端波束跟踪装置，可以实现上述车载毫米波终端波束跟踪方法，参照图10，该装置包括：
数据获取模块1010：用于获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；
控制输入计算模块1020：用于基于当前时隙的位置矢量和航向角得到当前时隙的控制输入；
信道预测模块1030：用于根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；
信道更新模块1040：用于基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于车载毫米波终端生成接收模拟波束成形向量；
波束跟踪模块1050：用于根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。
本实施例的车载毫米波终端波束跟踪装置的具体实施方式与上述车载毫米波终端波束跟踪方法的具体实施方式基本一致，在此不再赘述。
本申请实施例还提供了一种电子设备，包括：
至少一个存储器；
至少一个处理器；
至少一个程序；
所述程序被存储在存储器中，处理器执行所述至少一个程序以实现本申请实施例上述的车载毫米波终端波束跟踪方法。该电子设备可以为包括手机、平板电脑、个人数字助理（Personal Digital Assistant，简称PDA）、车载电脑等任意智能终端。
请参阅图11，图11示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器1101，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；存储器1102，可以采用ROM（ReadOnlyMemory，只读存储器）、静态存储设备、动态存储设备或者RAM(RandomAccessMemory，随机存取存储器)等形式实现。存储器1102可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1102中，并由处理器1101来调用执行本申请实施例的车载毫米波终端波束跟踪方法；输入/输出接口1103，用于实现信息输入及输出；通信接口1104，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；和总线1105，在设备的各个组件（例如处理器1101、存储器1102、输入/输出接口1103和通信接口1104）之间传输信息；其中处理器1101、存储器1102、输入/输出接口1103和通信接口1104通过总线1105实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质，该存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述车载毫米波终端波束跟踪方法。
存储器作为一种非暂态存储介质，可用于存储非暂态性软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提出的车载毫米波终端波束跟踪方法、装置、电子设备、存储介质，通过获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息，基于当前时隙的位置矢量和航向角得到当前时隙的控制输入，根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于生成接收模拟波束成形向量，根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。本申请实施例中利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (10)
1.一种车载毫米波终端波束跟踪方法，其特征在于，包括：
获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；
基于当前时隙的所述航向角和所述位置矢量得到当前时隙的控制输入；
根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；
基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；所述出发角用于毫米波基站生成下行模拟波束成形向量，所述到达角用于车载毫米波终端生成接收模拟波束成形向量；
根据所述下行模拟波束成形向量和所述接收模拟波束成形向量进行波束跟踪。
2.根据权利要求1所述的车载毫米波终端波束跟踪方法，其特征在于，所述根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，包括：
获取噪声向量和状态演进矩阵；
根据所述状态演进矩阵、所述信道状态信息和所述控制输入得到所述先验信道状态向量；
根据所述信道状态信息得到前一时隙的信道协方差矩阵；
根据所述信道协方差矩阵、所述状态演进矩阵和所述噪声向量得到所述先验信道协方差矩阵。
3.根据权利要求2所述的车载毫米波终端波束跟踪方法，其特征在于，所述基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角，包括：
根据当前时隙的接收信号得到信道量测值，并基于所述先验信道状态向量和所述先验信道协方差矩阵计算卡尔曼增益；
根据所述卡尔曼增益、所述信道量测值和所述先验信道状态向量计算得到后验信道状态向量；
根据所述卡尔曼增益和所述先验信道协方差矩阵计算得到后验信道协方差矩阵；
根据所述后验信道状态向量和所述后验信道协方差矩阵得到所述出发角和所述到达角。
4.根据权利要求1所述的车载毫米波终端波束跟踪方法，其特征在于，所述获取当前时隙车辆的位置矢量和航向角，包括：
获取当前时隙的原始雷达点云，并生成所述原始雷达点云的多个有向点，根据所述有向点得到当前时隙的稀疏点云；
根据当前时隙车辆的位置矢量与前一时隙车辆的位置矢量得到相对位置矢量，以及根据当前时隙车辆的航向角与前一时隙车辆的航向角得到相对航向角；
从前一时隙的稀疏点云中选取所述有向点的初始相邻点，基于所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角生成优化目标函数；
对所述优化目标函数进行迭代求解，得到当前时隙车辆的位置矢量和航向角。
5.根据权利要求4所述的车载毫米波终端波束跟踪方法，其特征在于，所述获取当前时隙的原始雷达点云，并生成所述原始雷达点云的多个有向点，根据所述有向点得到当前时隙的稀疏点云，包括：
基于预设功率阈值，在所述原始雷达点云中选取第一数量的第一目标点；所述第一目标点构成第一点云；
在所述第一点云中进行网格划分，得到多个小网格，并在所述小网格中选取邻近网格中心的第一目标点作为第二目标点；所述第二目标点构成第二点云；
对所述第二点云中每个所述第二目标点在所述第一点云中选取多个相邻点，并根据所述相邻点得到所述第二目标点对应的所述有向点，根据所述有向点得到所述稀疏点云；所述有向点的坐标根据所述相邻点的坐标均值得到，所述有向点的方向向量根据所述初始相邻点的协方差矩阵的特征向量得到。
6.根据权利要求5所述的车载毫米波终端波束跟踪方法，其特征在于，所述从前一时隙的稀疏点云中选取所述有向点的初始相邻点，包括：
将前一时隙的所述有向点作为第一有向点，将当前时隙的所述有向点作为第二有向点，并获取所述第一有向点的第一方向向量，以及获取所述第二有向点的第二方向向量；
选取与所述第二方向向量的夹角小于或等于预设夹角阈值的所述第一方向向量对应的所述第一有向点构成第一点集；
以所述第二有向点为圆心，在所述第一点集中生成预设半径的圆盘区域，选取所述圆盘区域中最邻近所述圆心的所述第一有向点作为所述初始相邻点。
7.根据权利要求6所述的车载毫米波终端波束跟踪方法，其特征在于，所述基于所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角生成优化目标函数，包括：
根据所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角计算第一约束函数；
将所述第一约束函数输入预设损失函数，得到第二约束函数；
以最小化为优化目标，根据所述第二约束函数得到所述优化目标函数。
8.一种车载毫米波终端波束跟踪装置，其特征在于，包括：
数据获取模块：用于获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；
控制输入计算模块：用于基于当前时隙的所述航向角和所述位置矢量得到当前时隙的控制输入；
信道预测模块：用于根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；
信道更新模块：用于基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；所述出发角用于毫米波基站生成下行模拟波束成形向量，所述到达角用于车载毫米波终端生成接收模拟波束成形向量；
波束跟踪模块：用于根据所述下行模拟波束成形向量和所述接收模拟波束成形向量进行波束跟踪。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的车载毫米波终端波束跟踪方法。
10.一种存储介质，所述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权利要求1至7中任一项所述的车载毫米波终端波束跟踪方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311571695.4A CN117278085B (zh) | 2023-11-23 | 2023-11-23 | 车载毫米波终端波束跟踪方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311571695.4A CN117278085B (zh) | 2023-11-23 | 2023-11-23 | 车载毫米波终端波束跟踪方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117278085A CN117278085A (zh) | 2023-12-22 |
| CN117278085B true CN117278085B (zh) | 2024-01-30 |
Family
ID=89204913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311571695.4A Active CN117278085B (zh) | 2023-11-23 | 2023-11-23 | 车载毫米波终端波束跟踪方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117278085B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105245261A (zh) * | 2015-06-26 | 2016-01-13 | 上海华为技术有限公司 | 一种波束成形装置和方法 |
| KR102154481B1 (ko) * | 2020-03-25 | 2020-09-10 | 전남대학교산학협력단 | 딥러닝을 이용한 대규모 mimo 시스템의 빔포밍 장치 및 방법 |
| CN115987351A (zh) * | 2022-12-12 | 2023-04-18 | 东南大学 | 一种基于异形波束的毫米波无线通信波束跟踪方法 |
| CN116939711A (zh) * | 2023-07-26 | 2023-10-24 | 吉林大学 | 协同通信中基于鞅的预测性多用户联合中继选择策略 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109660284A (zh) * | 2017-10-11 | 2019-04-19 | 索尼公司 | 无线通信系统中的电子设备、通信方法和存储介质 |
| US11943038B2 (en) * | 2020-06-19 | 2024-03-26 | Rutgers, The State University Of New Jersey | Relay beamforming with predictive relay selection for millimeter wave communications |
-
2023
- 2023-11-23 CN CN202311571695.4A patent/CN117278085B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105245261A (zh) * | 2015-06-26 | 2016-01-13 | 上海华为技术有限公司 | 一种波束成形装置和方法 |
| KR102154481B1 (ko) * | 2020-03-25 | 2020-09-10 | 전남대학교산학협력단 | 딥러닝을 이용한 대규모 mimo 시스템의 빔포밍 장치 및 방법 |
| CN115987351A (zh) * | 2022-12-12 | 2023-04-18 | 东南大学 | 一种基于异形波束的毫米波无线通信波束跟踪方法 |
| CN116939711A (zh) * | 2023-07-26 | 2023-10-24 | 吉林大学 | 协同通信中基于鞅的预测性多用户联合中继选择策略 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117278085A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Salehi et al. | Flash: Federated learning for automated selection of high-band mmwave sectors | |
| EP3001217A1 (en) | Method and apparatus for object localization | |
| EP3394633B1 (en) | Device in a car for communicating with at least one neighboring device, corresponding method and computer program product. | |
| US20160124069A1 (en) | Systems and methods for estimating a two-dimensional position of a receiver | |
| CN117278085B (zh) | 车载毫米波终端波束跟踪方法、装置、设备和存储介质 | |
| WO2016069593A1 (en) | Cooperative communication link mapping and classification | |
| KR102649097B1 (ko) | 이동 통신 시스템에서 드라이브 테스트를 수행하는 방법 및 장치 | |
| Meles et al. | Drone localization based on 3D-AoA signal measurements | |
| Komamiya et al. | Precise angle estimation by jointly using spatial/temporal change of channel state information and its application in pedestrian positioning | |
| EP3001214A1 (en) | Method and apparatus for object localization | |
| KR102131688B1 (ko) | 확장된 타원체 맞춤을 이용한 분산 mimo 레이더를 위한 표적위치 추정방법 | |
| WO2020244521A1 (zh) | 一种运动状态确定方法及装置 | |
| KR102144004B1 (ko) | 타원체 맞춤을 이용한 분산 mimo 레이더를 위한 표적위치 추정방법 | |
| KR101459915B1 (ko) | 위치인식 방법 | |
| Cao et al. | Direct Self-Position Awareness Based on Array-Sensing Multiple Source Data Fitting | |
| EP3657197A1 (en) | Vehicle positioning based on wireless signal transmission | |
| CN115802282B (zh) | 无线信号场的协同定位方法及装置 | |
| Khalil et al. | Hybrid TOA/AOA localization for indoor multipath-assisted next-generation wireless networks | |
| KR102600224B1 (ko) | 밀리미터파 및 테라헤르츠파 무선통신시스템에서 다중 센서를 이용한 빔 제어 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| Adelipour et al. | Constrained optimization of sensors trajectories for moving source localization using TDOA and FDOA measurements | |
| Guo et al. | Multi-channel and Multi-RSS based BLE Range Estimation for Indoor Tracking of Commercial Smartphones | |
| US20220394653A1 (en) | Method and apparatus of positioning for accomodating wireless-environment change | |
| Zhang et al. | Multi-Point Vehicular Positioning via Millimeter-Wave Transmissions | |
| Friedewald et al. | Analysis of the radio propagation model at RFID applications | |
| CN116087875B (zh) | 基于环境信息的室内非视距场景无源标签三维定位方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |