CN112929962B - 定位方法、装置、计算机设备和存储介质 - Google Patents

定位方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112929962B
CN112929962B CN202110146480.2A CN202110146480A CN112929962B CN 112929962 B CN112929962 B CN 112929962B CN 202110146480 A CN202110146480 A CN 202110146480A CN 112929962 B CN112929962 B CN 112929962B
Authority
CN
China
Prior art keywords
azimuth
frequency domain
delay
time delay
vector
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
Application number
CN202110146480.2A
Other languages
English (en)
Other versions
CN112929962A (zh
Inventor
潘孟冠
黄永明
刘升恒
齐望东
徐佳
王绍磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Network Communication and Security Zijinshan Laboratory
Original Assignee
Network Communication and Security Zijinshan Laboratory
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Network Communication and Security Zijinshan Laboratory filed Critical Network Communication and Security Zijinshan Laboratory
Priority to CN202110146480.2A priority Critical patent/CN112929962B/zh
Publication of CN112929962A publication Critical patent/CN112929962A/zh
Priority to PCT/CN2021/142371 priority patent/WO2022166477A1/zh
Application granted granted Critical
Publication of CN112929962B publication Critical patent/CN112929962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请涉及定位方法、装置、计算机设备和存储介质，方法包括：通过基站的多个通道接收终端的上行频域探测参考信号；确定信道频域响应向量；将信道频域响应向量转化为代表在基站的信号作用距离‑方位角域内的多个时延‑方位角栅格点处的信道频域响应的超完备响应向量；建立解算方程；利用迭代自适应的幅度相位估计算法，对解算方程进行迭代估计，以确定由各个时延‑方位角栅格点处的信号幅度值形成的时延‑方位角谱；根据时延‑方位角谱，解算确定终端的位置。采用本方法能够提升定位精度和效率。

Description

定位方法、装置、计算机设备和存储介质
技术领域
本申请涉及定位技术领域，特别是涉及一种定位方法、装置、计算机设备和存储介质。
背景技术
随着工业互联网、物联网和车联网的快速发展，高精度定位成为智能机器人、无人车等移动终端不可或缺的关键支撑服务。卫星导航定位技术具有广域覆盖、普适性好的优点，但是因为信号功率低、穿透力弱，主要用于室外开阔环境下的终端定位，无法在受遮蔽的环境和室内环境提供导航定位服务。
5G蜂窝移动网络运用了包括大规模MIMO、超密集组网、大带宽信号等关键技术，随着未来将大量部署的多天线5G基站，利用5G信号实现高精度定位将具有非常广阔的发展前景。
然而，目前基于5G信号进行定位的方法，在定位精度上还存在提升的空间。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提升定位精度的定位方法、装置、计算机设备和存储介质。
一种定位方法，包括：通过基站的多个通道接收来自终端的上行频域探测参考信号；根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量；将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；以所述超完备响应向量作为观测向量，以待解算的各个所述时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据所述观测向量对所述时延-方位角二维谱向量进行解算的解算方程；利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；根据所述时延-方位角谱，解算确定所述终端的位置。
在一个实施例中，所述根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量包括：根据所述多个通道的上行频域探测参考信号，确定所述多个通道的接收信号矩阵；根据所述接收信号矩阵，进行信道估计，得到信道频域响应矩阵；对所述信道频域响应矩阵进行向量化，得到信道频域响应向量。
在一个实施例中，在所述得到信道频域响应矩阵之后，在所述对所述信道频域响应矩阵进行向量化之前，还包括：对所述信道频域响应矩阵的子载波维度进行降维处理。
在一个实施例中，所述将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量，包括：获取所述基站的天线阵的作用距离范围和接收方位角范围；基于所述作用距离范围和所述接收方位角范围，确定所述天线阵的作用距离-方位角域；使用均匀栅格对所述作用距离-方位角域进行分割，以确定作用距离-方位角域上均匀分布的多个时延-方位角栅格点；将所述信道频域响应矩阵转化为在所述多个时延-方位角栅格点处的信道频域响应的超完备响应向量。
在一个实施例中，所述获取所述基站的天线阵的作用距离范围和接收方位角范围包括：根据所述基站的天线阵的结构信息以及所述天线阵的朝向信息，确定所述天线阵的接收方位角范围；根据所述终端的发射功率以及所述天线阵的灵敏度，确定所述天线阵的最大作用距离，根据所述最大作用距离确定所述天线阵的作用距离范围。
在一个实施例中，所述利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱，包括：基于所述超完备响应向量，确定匹配矩阵，进行二维空频匹配滤波，得到所述时延-方位角二维谱向量的初始估计值；基于所述时延-方位角二维谱向量的所述初始估计值，迭代更新功率矩阵的估计值、协方差矩阵的估计值以及所述时延-方位角二维谱向量的估计值，直至当前迭代次数的时延-方位角二维谱向量的估计值与上一迭代次数的时延-方位角二维谱向量的估计值之间的变化度值小于预定阈值时，停止所述迭代更新；获取停止所述迭代更新时的所述当前迭代次数的时延-方位角二维谱向量的估计值对应的各个所述时延-方位角栅格点处的信号幅度值，基于各个所述时延-方位角栅格点处的所述信号幅度值，形成对应的时延-方位角谱。
在一个实施例中，所述根据所述时延-方位角谱，解算确定所述终端的位置，包括：对所述时延-方位角谱进行峰值检测，得到多个谱峰，以确定多个路径对应的多组方位角估计值、时延估计值和信号幅度估计值；根据所述多个路径对应的所述多组方位角估计值、时延估计值和信号幅度估计值，从所述多个路径中确定直达径；基于所述直达径对应的所述方位角估计值、所述时延估计值和所述信号幅度估计值，解算确定所述终端的位置。
一种定位装置，包括：探测参考信号接收模块，用于通过基站的多个通道接收来自终端的上行频域探测参考信号；信道频域响应向量确定模块，用于根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量；超完备响应向量确定模块，用于将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；解算方程建立模块，用于以所述超完备响应向量作为观测向量，以待解算的各个所述时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据所述观测向量对所述时延-方位角二维谱向量进行解算的解算方程；时延-方位角谱确定模块，用于利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；位置确定模块，用于根据所述时延-方位角谱，解算确定所述终端的位置。
一种计算机设备，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步骤：通过基站的多个通道接收来自终端的上行频域探测参考信号；根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量；将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；以所述超完备响应向量作为观测向量，以待解算的各个所述时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据所述观测向量对所述时延-方位角二维谱向量进行解算的解算方程；利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；根据所述时延-方位角谱，解算确定所述终端的位置。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现步骤：通过基站的多个通道接收来自终端的上行频域探测参考信号；根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量；将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；以所述超完备响应向量作为观测向量，以待解算的各个所述时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据所述观测向量对所述时延-方位角二维谱向量进行解算的解算方程；利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；根据所述时延-方位角谱，解算确定所述终端的位置。
上述定位方法、装置、计算机设备和存储介质，将信道频域响应向量转化为在基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量，建立解算方程，利用迭代自适应的幅度相位估计算法，对解算方程进行迭代估计，以确定由各个时延-方位角栅格点处的信号幅度值形成的时延-方位角谱，进而解算确定终端的位置。从而能够利用在基站的信号作用距离-方位角域内的超完备表示，根据接收的信号同时确定方位角的估计值和时延的估计值，有效提升了对终端的定位效率和定位精度。
附图说明
图1为一个实施例中定位方法的应用环境图；
图2为一个实施例中定位方法的流程示意图；
图3为一个实施例中确定信道频域响应向量步骤的流程示意图；
图4为一个实施例中转化得到超完备响应向量步骤的流程示意图；
图5为一个实施例中确定时延-方位角谱步骤的流程示意图；
图6为一个实施例中确定终端位置步骤的流程示意图；
图7为一个实施例中二维空频MUSIC算法确定的方位角-距离谱图；
图8为一个实施例中二维空频MUSIC算法确定的方位角-距离谱的方位角维度截面图；
图9为一个实施例中二维空频MUSIC算法确定的方位角-距离谱的距离维度截面图；
图10为一个实施例中二维空频联合IAA-APES算法确定的方位角-距离谱图；
图11为一个实施例中二维空频联合IAA-APES算法确定的方位角-距离谱的方位角维度截面图；
图12为一个实施例中二维空频联合IAA-APES算法确定的方位角-距离谱的距离维度截面图；
图13为一个实施例中定位装置的结构框图。
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。
本申请提供的定位方法，可以应用于如图1所示的应用环境中。其中，定位服务器102与一个或多个基站104通信连接。每个基站104可具有一个或多个天线阵，基站104通过基站104的每个天线阵具有的多个接收通道接收终端106的上行频域探测参考信号(Sounding Reference Signal，SRS)，并且执行本申请各个实施例的定位方法，以对终端106进行定位。其中，终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等。基站104可以是5G基站，或者也可以是其他任何适用于本申请方法进行定位的类型的基站，本申请对此不作限定。
基站104可以是具有单个天线阵的小型基站，或具有分布的多个天线阵的基站，基站104的每个天线阵具有的一组阵元提供一组接收通道，基站104可以分别从其每个天线阵对应的一组接收通道接收来自终端106的一组上行频域探测参考信号，并分别针对每组上行频域探测参考信号执行本申请实施例的定位方法，以确定直达径的一对方位角估计值和时延估计值，然后基站104可以将其针对每个天线阵确定的每个直达径对应的方位角估计值和时延估计值发送至定位服务器102，定位服务器102可以从一个或多个基站104实时接收针对同一终端106的一个或多个直达径对应的方位角估计值和时延估计值，并基于接收的这些直达径对应的方位角估计值和时延估计值解算确定该终端106的位置。
在一个实施例中，如图2所示，提供了一种定位方法，以该方法应用于图1中的基站104为例进行说明，包括以下步骤S210-S260。
步骤S210，通过基站的多个通道接收来自终端的上行频域探测参考信号。
示例地，在本步骤中，基站104通过基站104的天线阵的多个接收通道接收终端发送的上行频域SRS，设基站104的该天线阵共有N个阵元，则该天线阵共有N个接收通道，SRS占用的子载波数量为M0，则从每个接收通道接收的上行频域SRS可表示为向量
Figure GDA0004076450030000061
其中Xm,n表示第n个接收通道、第m个子载波接收的频域SRS。
步骤S220，根据多个通道的上行频域探测参考信号，确定信道频域响应向量。
在一个实施例中，如图3所示，步骤S220可以包括步骤S221、S223和S224。
步骤S221，根据多个通道的上行频域探测参考信号，确定多个通道的接收信号矩阵。
示例地，当在上一步骤S210中接收了每个接收通道的频域SRS向量
Figure GDA0004076450030000071
后，在本步骤中，基站104可以将所有通道的接收信号矩阵表示为：
Figure GDA0004076450030000072
其中/>
Figure GDA0004076450030000073
表示复数空间，/>
Figure GDA0004076450030000074
表示接收信号矩阵X为M0×N维复数矩阵。
在一个实施例中，在步骤S221之后，步骤S223之前，方法还包括：
步骤S222，对多个通道的接收信号矩阵进行天线阵校正；
实际***中，天线阵中各个天线阵元和各射频通道之间都存在相位不一致性。在执行步骤S222之前，可以预先测量得到天线阵的各个阵元在不同子载波上的通道幅相误差和天线幅相误差，合计为
Figure GDA0004076450030000075
Φm,n为第n个通道第m个子载波的总幅相误差，然后利用这些通道幅相误差和天线幅相误差对原接收信号矩阵进行校正，校正后的接收信号矩阵X为：
X＝conj(Φ)⊙X0
其中conj(·)表示取复数共轭，⊙为Hadamard积，X0为校正前的接收信号矩阵。通过以上校正，可以对天线阵中各个天线阵元和各射频通道之间存在的相位不一致性进行补偿，从而实现对信号的准确测量，以实现精确定位。
设SRS频域发送序列为S[m],m＝1,2,…,M0，发送信号中心载频为fc，对应波长为λ，子载波间隔为Δf，不失一般性，以接收信号的天线阵为等距线阵(Uniform Linear ArrayULA)为例，且该等距线阵的阵元间距为d。另外，假设信号传输的总路径数量为K，第k条径的时延、方位角、接收信号幅度分别为：
Figure GDA0004076450030000076
和/>
Figure GDA0004076450030000077
其中，/>
Figure GDA0004076450030000078
定义为信号入射方向与ULA法线方向的夹角。可以理解，在本申请的各个实施例中，信号传输的时延可代表该信号传输的距离，时延与距离之间可以通过运算而相互转化。则多个通道的接收信号矩阵X可表示为：
Figure GDA0004076450030000081
其中，S＝diag([S[1],S[2],...,S[M0]])，diag(·)运算符表示以向量的每个元素作为主对角线元素，获得对角矩阵。
Figure GDA0004076450030000082
为信号时延域匹配矢量，/>
Figure GDA0004076450030000083
表示正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号时延域的匹配向量函数，其输入为路径时延τ，T为所有可能的时延τ组成的空间，即/>
Figure GDA0004076450030000084
其中/>
Figure GDA0004076450030000085
表示实数空间，输出为M维向量。根据信号时延在OFDM多载波上造成的相位差异，/>
Figure GDA0004076450030000086
向量的第m个元素为：/>
Figure GDA0004076450030000087
Figure GDA0004076450030000088
为空域导向矢量，
Figure GDA0004076450030000089
表示接收阵列导向矢量函数，其中j代表虚数单位，有j2＝-1，其输入为信号到达方位角θ，Θ为所有可能的方位角组成的空间，即/>
Figure GDA00040764500300000810
输出为N维向量。/>
Figure GDA00040764500300000811
的具体形式取决于阵列结构，当接收阵为ULA时，其第n个元素为：
Figure GDA00040764500300000812
Figure GDA00040764500300000813
为噪声矩阵，其第m行第n列的元素表示第m个子载波、第n个接收通道上的噪声分量。
步骤S223，根据接收信号矩阵，进行信道估计，得到信道频域响应矩阵。
示例地，在本步骤中，基站104的信道估计模块根据多个接收通道接收的频域SRS构成的接收信号矩阵，进行信道估计，得到信道频域响应矩阵，假设接收机利用已知的SRS序列进行信道估计，则执行多通道频域信道估计得到的信道频域响应矩阵可表示为：
Figure GDA00040764500300000814
上式中，
Figure GDA00040764500300000815
表示信道频域响应矩阵，其第n列为第n个接收通道估计的信道频域响应。/>
Figure GDA00040764500300000816
表示信道频域响应矩阵中的噪声分量。
在一个实施例中，可选地，在步骤S223之后，在步骤S225之前，方法还可以包括：步骤S224，对信道频域响应矩阵的子载波维度进行降维处理。
当基站104为5G基站时，由于5G信道中，子载波间隔较小，子载波数量较大，而空域和频域两维联合后，信号维度较大，为降低运算量，基站104对信道估计矩阵的子载波维进行降维处理，即对信道估计矩阵的子载波维进行抽取，记抽取率为v，抽取后得到的信道频域响应矩阵为
Figure GDA0004076450030000091
其中，/>
Figure GDA0004076450030000092
Figure GDA0004076450030000093
表示向下取整运算符，则H矩阵第m行元素可表示为：
H(m,:)＝H0(vm,:),m＝1,2,...,M
其中，H(m,:)表示矩阵H第m行的所有元素，H0(vm,:)表示矩阵H0的vm行的所有元素。
步骤S225，对信道频域响应矩阵进行向量化，得到信道频域响应向量。
示例地，在本步骤中，基站104对前述步骤得到的信道频域响应矩阵进行向量化，得到信道频域响应向量
Figure GDA0004076450030000094
其中，vec(·)表示矩阵向量化运算符，有：
Figure GDA0004076450030000095
上式中，
Figure GDA0004076450030000096
表示噪声向量，/>
Figure GDA0004076450030000097
表示空域和时延域两维联合匹配矢量函数，两个输入参数分别为时延τ和方位角θ，如前所述，T和Θ分别为所有时延和方位角构成的空间，且有：
Figure GDA0004076450030000098
上式中，
Figure GDA0004076450030000099
和/>
Figure GDA00040764500300000910
分别为步骤S221中引入的信号时延域匹配矢量以及空域导向矢量。
步骤S230，将信道频域响应向量转化为代表在基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量。
通过本步骤，可以建立对接收信号在空域-时延域的超完备表示。
在一个实施例中，如图4所示，步骤S230可以包括步骤S231-步骤S234。
步骤S231，获取基站的天线阵的作用距离范围和接收方位角范围；
在一个实施例中，获取基站的天线阵的作用距离范围和接收方位角范围包括：根据基站的天线阵的结构信息以及天线阵的朝向信息，确定天线阵的接收方位角范围；根据终端的发射功率以及天线阵的灵敏度，确定天线阵的最大作用距离，根据最大作用距离确定天线阵的作用距离范围。
示例地，在本步骤中，基站104根据终端的发射功率、基站接收机的灵敏度等指标，确定基站天线阵的最大作用范围，从而确定基站天线阵能接收SRS的最大时延τmax，该最大时延τmax即可代表天线阵的最大作用距离，如此，天线阵能接受SRS的时延范围为[0,τmax]，该时延范围为[0,τmax]即可代表天线阵的作用距离范围；根据基站的天线阵结构以及阵元方向图主瓣宽度，确定基站天线阵的接收方位角范围[θmin,θmax]。
步骤S232，基于作用距离范围和接收方位角范围，确定天线阵的作用距离-方位角域。
步骤S233，使用均匀栅格对作用距离-方位角域进行分割，以确定作用距离-方位角域上均匀分布的多个时延-方位角栅格点。
示例地，在本步骤中，基站104使用均匀栅格
Figure GDA0004076450030000101
对时延范围[0,τmax]、接收方位角范围[θmin,θmax]进行划分，从而确定时延范围[0,τmax]和接收方位角范围[θmin,θmax]共同确定的二维作用距离-方位角域内均匀分布的多个时延-方位角栅格点。其中，每个时延-方位角栅格点可对应有一个时延-方位角坐标对，示例地，该时延-方位角坐标对可以为该对应的时延-方位角栅格点处的时延和方位角形成的坐标对。每个时延-方位角栅格点还可以用下标来表示，其中，p表示时延域栅格点编号，P表示时延域总栅格点数，τp表示第p个时延域栅格点对应的时延，q表示方位角域栅格点编号，Q表示方位角域总栅格点数，θq表示第q个方位角域栅格点对应的方位角。从而时延-方位角栅格点(p,q)对应有时延-方位角坐标对(τp，θq)。
步骤S234，将信道频域响应矩阵转化为在多个时延-方位角栅格点处的信道频域响应的超完备响应向量。
例如，可以将信道频域响应矩阵转化为在作用距离-方位角域内的所有时延-方位角栅格点处的信道频域响应的超完备响应向量。
示例地，在本步骤中，基站104假设存在pk、qk,k＝1,...,K，使得
Figure GDA0004076450030000111
Figure GDA0004076450030000112
其中，k表示路径编号，K表示环境中的总路径数，包括一条直达径以及(K-1)条反射径，pk表示第k条路径时延对应在时延域栅格集合/>
Figure GDA0004076450030000113
中的编号，qk表示第k条路径方位角对应在方位角域栅格集合/>
Figure GDA0004076450030000114
中的编号，且以γp,q,p＝1,...,P,q＝1,...,Q表示第p个时延域栅格点以及第q个方位角域栅格点上的幅度，根据以上假设，有在p＝pk,q＝qk时为
Figure GDA0004076450030000115
在其它栅格上γp,q＝0。自此基站104得到了信道频域响应矩阵在距离-方位角二维空间上的超完备表示，/>
Figure GDA0004076450030000116
可重新表示为超完备响应向量：
Figure GDA0004076450030000117
上式中，aτ.θ(τp,θq)表示时延为τp、方位角为θq时的空域-时延域两维匹配矢量，
Figure GDA0004076450030000118
其中，/>
Figure GDA0004076450030000119
τp作为可替代的输入变量，aτ(τp)的具体形式可同理地参阅/>
Figure GDA00040764500300001110
的具体形式；θq、/>
Figure GDA00040764500300001111
作为可替代的输入变量，aθ(θq)的具体形式可同理地参阅
Figure GDA00040764500300001112
的具体形式。
步骤S240，以超完备响应向量作为观测向量，以待解算的各个时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据观测向量对时延-方位角二维谱向量进行解算的解算方程。
示例地，在本步骤中，记
Figure GDA00040764500300001113
Figure GDA00040764500300001114
上述Aτ,θ表示空域-时延域二维匹配矩阵，γ表示幅度向量，它们的维度分别为MN×PQ以及PQ×1。因此，可将前述步骤得到的超完备响应向量
Figure GDA00040764500300001115
转化为解算方程：
Figure GDA00040764500300001116
/>
至此，基站104将方位角和距离(时延)的估计问题转化为根据以超完备响应向量
Figure GDA0004076450030000121
为观测向量对时延-方位角二维谱向量γ进行求解的重构问题。
步骤S250，利用迭代自适应的幅度相位估计算法，对解算方程进行迭代估计，以确定由各个时延-方位角栅格点处的信号幅度值形成的时延-方位角谱。
针对步骤S240建立的解算方程，基站104根据解算方程确定目标函数，并利用迭代自适应的幅度相位估计(Iterative Adaptive Approach for Amplitude and PhaseEstimation，IAA-APES)算法来对该目标函数进行求解以获得以上解算方程的解。示例地，IAA-APES算法在求解第(p,q)个栅格点的时延-方位角谱的目标函数为：
Figure GDA0004076450030000122
其中，||·||2表示向量的l2范数，如对n维向量a，有
Figure GDA0004076450030000123
Rp,q表示第(p,q)个栅格点处的干扰协方差矩阵，其中的干扰由当前栅格点(p,q)以外的信号分量构成，即可表示为：
Figure GDA0004076450030000124
其中，
Figure GDA0004076450030000125
为超完备响应向量/>
Figure GDA0004076450030000126
的协方差矩阵，E[·]表示取期望。IAA-APES的目标函数中，R为未知量，因此IAA-APES采用迭代的方式，对R和谱值γ进行交替求解。
APES算法是一类基于自适应窄带滤波器组的谱估计算法，为提高分辨能力，自适应滤波器系数以最小方差无失真响应(Minimum Variance Distortion-less Response,MVDR)为准则计算得到，能够保证当前谱中心能量无损失的前提下，其它谱位置的能量最小化，因此，一方面，APES算法在真实的谱峰位置，幅度和相位的估计较为准确，另一方面，由于抑制了其它位置的谱能量，APES算法的谱峰较为尖锐，具有一定的超分辨能力。
自适应波束形成(Minimum variance distortionless response，MVDR)算法准则下的自适应滤波器系数需要根据协方差矩阵的逆来计算，传统APES算法利用多块拍，或分子阵滑动平均的方式来获得较为准确的协方差矩阵估值。为提高定位***的实时性、降低存储量，本申请实施例中，将IAA-APES算法应用于上行SRS的空域-频域联合处理中，迭代地对协方差矩阵和时延-方位角谱求解。
在一个实施例中，如图5所示，步骤S250包括步骤S251-步骤S254。
步骤S251，基于超完备响应向量，确定匹配矩阵，进行二维空频匹配滤波，得到时延-方位角二维谱向量的初始估计值；
示例地，在本步骤中，基站104对算法进行初始化，初始化时，以基于超完备响应向量确定的解算方程中的Aτ,θ为匹配矩阵，进行二维空频匹配滤波，得到时延-方位角二维谱向量γ的初始估计值：
Figure GDA0004076450030000131
上式中，M表示抽取后子载波总数，N表示天线阵的阵元数，(·)H表示对矩阵或向量取共轭转置的运算符。
步骤S252，基于时延-方位角二维谱向量的初始估计值，迭代更新功率矩阵的估计值、协方差矩阵的估计值以及时延-方位角二维谱向量的估计值，直至当前迭代次数的时延-方位角二维谱向量的估计值与上一迭代次数的时延-方位角二维谱向量的估计值之间的变化度值小于预定阈值时，停止迭代更新；
示例地，在本步骤中，基站104基于二维空频匹配滤波得到的时延-方位角二维谱向量γ的初始估计值γ(0)，利用IAA-APES算法迭代地更新功率矩阵的估计值、协方差矩阵的估计值以及时延-方位角二维谱向量γ的估计值。记i表示第i次迭代，相应地，P(i)、R(i)以及γ(i)分别表示第i次迭代得到的功率矩阵、协方差矩阵以及时延-方位角二维谱向量，迭代过程分别如下：
更新功率矩阵：
P(i)＝diag(|γ1,1|2,...,|γP,Q|2)
更新协方差矩阵：
Figure GDA0004076450030000141
更新γ：
Figure GDA0004076450030000142
在每执行一次更新后，基站104判断算法是否收敛，可以认为前后两次γ向量的估计值结果不再改善时，即前后两次γ向量的估计值之间的变化度值小于预定阈值时，算法收敛。变化度值是表征前后两次γ向量的估计值之间的变化程度的数值，变化度值例如可以是当前次数的γ向量的估计值与前一次数的γ向量的估计值之差的l2范数平方除以前一次数的γ向量的l2范数估计值平方得到的值，即满足下式时可判定算法收敛：
Figure GDA0004076450030000143
ε为设定的门限值。当算法收敛时，得到时延-方位角二维谱的估计值：
Figure GDA0004076450030000144
IAA-APES算法收敛速度较快，一般能够在15次迭代以内收敛。
步骤S253，获取停止迭代更新时的当前迭代次数的时延-方位角二维谱向量的估计值对应的各个时延-方位角栅格点处的信号幅度值，基于各个时延-方位角栅格点处的信号幅度值，形成对应的时延-方位角谱。
示例地，在本步骤中，在算法收敛时，即停止迭代更新时，确定的时延-方位角二维谱的估计值
Figure GDA0004076450030000145
中，包含有确定的各个时延-方位角栅格点处的信号幅度值，而每个时延-方位角栅格点(p,q)对应有时延-方位角坐标对(τp，θq)，从而基站104可以基于各个时延-方位角栅格点(p,q)对应的时延-方位角坐标对(τp，θq)和信号幅度值，生成对应的时延-方位角谱。
步骤S260，根据时延-方位角谱，解算确定终端的位置。
在一个实施例中，如图6所示，步骤S260包括步骤S261-步骤S263。
步骤S261，对时延-方位角谱进行峰值检测，得到多个谱峰，以确定多个路径对应的多组方位角估计值、时延估计值和信号幅度估计值；
示例地，在本步骤中，基站104将各个谱峰对应的时延-方位角栅格点的时延-方位角坐标对中的方位角和时延(τp，θq)，以及谱峰的幅度，确定为各路径的各组时延估计值、方位角估计值和信号幅度估计值
Figure GDA0004076450030000151
Kmax为谱峰总数，k’表示路径编号，/>
Figure GDA0004076450030000152
表示第k’条路径的时延估计值，/>
Figure GDA0004076450030000153
表示第k’条路径的方位角估计值，/>
Figure GDA0004076450030000154
表示第k’条路径的信号幅度估计值。各路径的方位角、时延估计值和信号幅度估计值为本发明所提出的定位***中的参数估计/测量模块的输出。
步骤S262，根据多个路径对应的多组方位角估计值、时延估计值和信号幅度估计值，从多个路径中确定直达径；
示例地，在本步骤中，基站104的直达径识别模块直达径识别模块根据输入的Kmax组路径参数
Figure GDA0004076450030000155
每组包括方位角/>
Figure GDA0004076450030000156
路径时延/>
Figure GDA0004076450030000157
以及信号强度/>
Figure GDA0004076450030000158
对直达径(Line-of-Sight，LOS)进行识别，由于APES类算法能够较准确地恢复各路径的幅度，因此此时可联合利用直达径功率最强和时延最短的准则，或根据多帧数据进行聚类分析的方法进行识别，最后输出识别结果，即从多个路径中确定直达径，并确定直达径对应的时延估计值
Figure GDA0004076450030000159
方位角估计值/>
Figure GDA00040764500300001510
以及信号幅度估计值/>
Figure GDA00040764500300001511
步骤S263，基于直达径对应的方位角估计值、时延估计值和信号幅度估计值，解算确定终端的位置。
在本步骤中，基站104可以将其确定的直达径对应的方位角估计值、时延估计值和信号幅度估计值发送至定位服务器102，由定位服务器102中的定位跟踪模块基于接收的直达径对应的方位角估计值、时延估计值和信号幅度估计值，使用最小二乘方法、卡尔曼滤波算法或粒子滤波等算法，实现对终端106坐标的解算以及其连续定位和跟踪。
在本申请实施例中，定位服务器102可以利用多个基站104分别根据本申请实施的定位方法确定的多个直达径对应的多组方位角估计值、时延估计值和信号幅度估计值来对终端106进行联合定位。所有接收到同一终端106上行SRS信号的U个基站将各自解算的直达径对应的路径参数，包括方位角估计值、时延估计值和信号幅度估计值，即
Figure GDA0004076450030000161
上传至定位服务器102，其中u代表第u个基站；定位服务器102使用最小二乘法、卡尔曼滤波或粒子滤波算法根据各个直达径的路径参数，结合终端106运动模型，对终端106的位置在连续的采样时刻t1,t2,…,tr进行滤波、估计和预测，从而实现对终端106的定位与跟踪。
上述定位方法中，将信道频域响应向量转化为在基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量，建立解算方程，利用迭代自适应的幅度相位估计算法，对解算方程进行迭代估计，以确定由各个时延-方位角栅格点处的信号幅度值形成的时延-方位角谱，进而解算确定终端的位置。从而能够利用在基站的信号作用距离-方位角域内的超完备表示，根据接收的信号同时确定方位角的估计值和时延的估计值，有效提升了对终端的定位效率和定位精度。
应该理解的是，虽然图2-6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2-6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。
仿真实验
存在一种基于WiFi信号的空频二维多重信号分类(Multiple SignalClassification，MUSIC)算法对方位角、时延和信号幅度进行估计的方法，在该方法中，首先对多通道WiFi接收机物理层反馈的信道状态信息(Channel State Information,CSI)进行重排，并结合空域和频域的联合匹配矢量进行方位角-距离二维谱估计，随后通过二维谱峰搜索实现距离和方位角的同时估计。
基于空频二维MUSIC算法对方位角、时延和信号幅度进行估计的方法存在如下问题：(1)在存在多径引起的相干信号时，MUSIC算法中的采样协方差阵会出现秩亏现象，导致信号子空间扩散至噪声子空间，算法失效；(2)为解决相干信号谱估计问题，可采用基于空间平滑的解相干MUSIC算法，然而空间平滑一方面会导致孔径损失，另一方面也增大了运算量；(3)MUSIC算法要求已知入射信号个数，在实际环境中，这个参数不容易获得；(4)MUSIC算法性能依赖于协方差矩阵估计的准确度，因此在少快拍和低SNR下，算法性能显著恶化；(5)空频二维MUSIC算法获得的方位角-距离谱是一种伪谱，即MUSIC谱在各栅格点上的幅值没有实际物理含义，无法反映信号能量，而在多径环境中，各路径的能量信息对于直达径的识别乃至最终的定位都有着至关重要的作用。
通过仿真实验对比多径环境下，二维空频MUSIC算法和本申请实施例所提出的空域-频域(IAA-APES)算法对方位角、时延(可换算成距离)和信号幅度的估计值的估计精度。仿真实验中，设置SRS信号中心频率2.565GHz，子载波间隔为30kHz，SRS占据子载波个数为3264，天线阵的接收阵元数为4，接收阵元间距为5.8cm。设置6条相干路径，6条路径的真实方位角和距离分别为：[34.6196°,14.5595°,-24.3652°,50.3258°,19.6609°,26.7446°]和[27.6448m,7.4385m,18.6720m,29.1222m,23.9435m,14.8057m]。
当信噪比(Signal to Noise Ratio，SNR)＝0dB时，平滑后二维空频MUSIC的距离-方位角谱如图7所示，空频联合IAA-APES算法得到的距离-方位角谱如图10所示。图7与图10中，谱峰用x号表示，目标真实位置用o表示。图8和图9分别为二维空频MUSIC谱在距离维和方位维峰值点处的截面图，图11和图12则分别为空频IAA-APES谱在距离维和方位维峰值点的截面图。从这些图中可以看出，整体上，IAA-APES算法能够获得更准确的时延、方位角参数的估计值；且二维MUSIC算法得到的谱是伪谱，无法反映信号的真实功率，IAA-APES则还能够得到信号功率(即信号幅度)较为准确的估计值。
本申请实施例所提出的基于幅度相位同时估计的上行探测参考信号的定位方法，联合了宽带SRS上行信号以及多通道基站带来的频域和空域信息，并使用二维IAA-APES算法实现距离-方位角谱的二维估计，从估计确定的二维谱中可以提取准确的各路径的时延、方位角以及信号功率的信息。
相比于二维空频MUSIC算法，使用空频二维IAA-APES算法估计确定距离-方位角谱具有以下优点：(1)能够直接处理相干信源，无需进行平滑操作；(2)无需信源个数先验；(3)单快拍情况下，测角和测距精度均优于二维空频MUSIC算法；(4)能够实现各路径功率的准确估计。
在一个实施例中，如图13所示，提供了一种定位装置1300，包括：探测参考信号接收模块1310、信道频域响应向量确定模块1320、超完备响应向量确定模块1330、解算方程建立模块1340、时延-方位角谱确定模块1350和位置确定模块1360，其中：
探测参考信号接收模块1310，用于通过基站的多个通道接收来自终端的上行频域探测参考信号；
信道频域响应向量确定模块1320，用于根据多个通道的上行频域探测参考信号，确定信道频域响应向量；
超完备响应向量确定模块1330，用于将信道频域响应向量转化为代表在基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；
解算方程建立模块1340，用于以超完备响应向量作为观测向量，以待解算的各个时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据观测向量对时延-方位角二维谱向量进行解算的解算方程；
时延-方位角谱确定模块1350，用于利用迭代自适应的幅度相位估计算法，对解算方程进行迭代估计，以确定由各个时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；
位置确定模块1360，用于根据时延-方位角谱，解算确定终端的位置。
关于定位装置1300的具体限定可以参见上文中对于定位方法的限定，在此不再赘述。上述定位装置1300中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种基站，该基站包括基带处理单元以及一个或多个与基带处理单元连接的天线处理单元，每个天线处理单元包括至少一个天线阵，每个天线阵由多个阵元排列而成；每个天线阵包括的多个阵元单元提供对应的多个接收通道。其中，基带处理单元通过各个天线处理单元的天线阵提供的多个接收通道接收来自终端的上行频域探测参考信号，并执行本申请上述任意实施例的定位方法，以对终端进行定位。
基带处理单元可以对从天线阵接收的信号进行处理，示例地，基带处理单元可以包括室内基带处理单元(Building Base Band Unit，BBU)，或者可以包括集中单元(Centralized Unit，CU)和分布单元(Distributed Unit，DU)，或者其他能够实现本申请实施例所需的信号处理功能的任意结构。
每个天线处理单元可以包括与基带处理单元连接的射频拉远单元(Remote RadioUnit)以及通过馈线与射频拉远单元连接的天线阵，或者可以包括与基带处理单元连接的有源天线单元(Active Antenna Unit，AAU)，该有源天线单元内集成有天线阵，或者也可以是包括天线阵的其他任意合适的结构。
进一步地，在一个实施例中，该基站的基带处理单元与定位服务器通信连接，该基在通过上述任意实施例的定位方法确定直达径对应的方位角估计值、时延估计值和信号幅度估计值，并发送至定位服务器，由定位服务器对直达径的方位角估计值、时延估计值和信号幅度估计值进行连续的跟踪滤波，实现对终端的定位。
在另一个实施例中，基站的基带处理单元也可以直接在本端对确定的直达径的方位角估计值、时延估计值和信号幅度估计值进行连续的跟踪滤波，实现对终端的定位。
在一个实施例中，提供了一种定位***，该定位***包括定位服务器以及一个或多个如上任意实施例的基站，该一个或多个基站分别与定位服务器通信连接。其中每个基站分别接收终端的上行频域探测参考信号，并且执行本申请上述各个实施例的定位方法，以对终端进行定位。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
通过基站的多个通道接收来自终端的上行频域探测参考信号；
根据多个通道的上行频域探测参考信号，确定信道频域响应向量；
将信道频域响应向量转化为代表在基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；
以超完备响应向量作为观测向量，以待解算的各个时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据观测向量对时延-方位角二维谱向量进行解算的解算方程；
利用迭代自适应的幅度相位估计算法，对解算方程进行迭代估计，以确定由各个时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；
根据时延-方位角谱，解算确定终端的位置。
在其他实施例中，处理器执行计算机程序时还实现如上任意实施例的定位方法的步骤，并具有相应的有益效果。
在一个实施例中，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以下步骤：
通过基站的多个通道接收来自终端的上行频域探测参考信号；
根据多个通道的上行频域探测参考信号，确定信道频域响应向量；
将信道频域响应向量转化为代表在基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；
以超完备响应向量作为观测向量，以待解算的各个时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据观测向量对时延-方位角二维谱向量进行解算的解算方程；
利用迭代自适应的幅度相位估计算法，对解算方程进行迭代估计，以确定由各个时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；
根据时延-方位角谱，解算确定终端的位置。
在其他实施例中，计算机程序被处理器执行时还实现如上任意实施例的定位方法的步骤，并具有相应的有益效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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发明专利范围的限制。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 (9)

1.一种定位方法，所述方法包括：
通过基站的多个通道接收来自终端的上行频域探测参考信号；
根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量；
将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；
以所述超完备响应向量作为观测向量，以待解算的各个所述时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据所述观测向量对所述时延-方位角二维谱向量进行解算的解算方程；
利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；
根据所述时延-方位角谱，解算确定所述终端的位置；
其中，所述将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量，包括：
获取所述基站的天线阵的作用距离范围和接收方位角范围；
基于所述作用距离范围和所述接收方位角范围，确定所述天线阵的作用距离-方位角域；
使用均匀栅格对所述作用距离-方位角域进行分割，以确定所述作用距离-方位角域上均匀分布的多个时延-方位角栅格点；
将所述信道频域响应向量转化为在所述多个时延-方位角栅格点处的信道频域响应的超完备响应向量。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量包括：
根据所述多个通道的上行频域探测参考信号，确定所述多个通道的接收信号矩阵；
根据所述接收信号矩阵，进行信道估计，得到信道频域响应矩阵；
对所述信道频域响应矩阵进行向量化，得到信道频域响应向量。
3.根据权利要求2所述的方法，其特征在于，在所述得到信道频域响应矩阵之后，在所述对所述信道频域响应矩阵进行向量化之前，还包括：
对所述信道频域响应矩阵的子载波维度进行降维处理。
4.根据权利要求1所述的方法，其特征在于，所述获取所述基站的天线阵的作用距离范围和接收方位角范围包括：
根据所述基站的天线阵的结构信息以及所述天线阵的朝向信息，确定所述天线阵的接收方位角范围；
根据所述终端的发射功率以及所述天线阵的灵敏度，确定所述天线阵的最大作用距离，根据所述最大作用距离确定所述天线阵的作用距离范围。
5.根据权利要求1所述的方法，其特征在于，所述利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱，包括：
基于所述超完备响应向量，确定匹配矩阵，进行二维空频匹配滤波，得到所述时延-方位角二维谱向量的初始估计值；
基于所述时延-方位角二维谱向量的所述初始估计值，迭代更新功率矩阵的估计值、协方差矩阵的估计值以及所述时延-方位角二维谱向量的估计值，直至当前迭代次数的时延-方位角二维谱向量的估计值与上一迭代次数的时延-方位角二维谱向量的估计值之间的变化度值小于预定阈值时，停止所述迭代更新；
获取停止所述迭代更新时的所述当前迭代次数的时延-方位角二维谱向量的估计值对应的各个所述时延-方位角栅格点处的信号幅度值，基于各个所述时延-方位角栅格点处的所述信号幅度值，形成对应的时延-方位角谱。
6.根据权利要求1所述的方法，其特征在于，所述根据所述时延-方位角谱，解算确定所述终端的位置，包括：
对所述时延-方位角谱进行峰值检测，得到多个谱峰，以确定多个路径对应的多组方位角估计值、时延估计值和信号幅度估计值；
根据所述多个路径对应的所述多组方位角估计值、时延估计值和信号幅度估计值，从所述多个路径中确定直达径；
基于所述直达径对应的所述方位角估计值、所述时延估计值和所述信号幅度估计值，解算确定所述终端的位置。
7.一种定位装置，其特征在于，所述装置包括：
探测参考信号接收模块，用于通过基站的多个通道接收来自终端的上行频域探测参考信号；
信道频域响应向量确定模块，用于根据所述多个通道的所述上行频域探测参考信号，确定信道频域响应向量；
超完备响应向量确定模块，用于将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量；
解算方程建立模块，用于以所述超完备响应向量作为观测向量，以待解算的各个所述时延-方位角栅格点处的信号幅度确定时延-方位角二维谱向量，建立根据所述观测向量对所述时延-方位角二维谱向量进行解算的解算方程；
时延-方位角谱确定模块，用于利用迭代自适应的幅度相位估计算法，对所述解算方程进行迭代估计，以确定由各个所述时延-方位角栅格点处的信号幅度值形成的时延-方位角谱；
位置确定模块，用于根据所述时延-方位角谱，解算确定所述终端的位置；
其中，所述信道频域响应向量确定模块在用于将所述信道频域响应向量转化为代表在所述基站的信号作用距离-方位角域内的多个时延-方位角栅格点处的信道频域响应的超完备响应向量时，进一步用于：
获取所述基站的天线阵的作用距离范围和接收方位角范围；
基于所述作用距离范围和所述接收方位角范围，确定所述天线阵的作用距离-方位角域；
使用均匀栅格对所述作用距离-方位角域进行分割，以确定所述作用距离-方位角域上均匀分布的多个时延-方位角栅格点；
将所述信道频域响应向量转化为在所述多个时延-方位角栅格点处的信道频域响应的超完备响应向量。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，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6中任一项所述的方法的步骤。
CN202110146480.2A 2021-02-03 2021-02-03 定位方法、装置、计算机设备和存储介质 Active CN112929962B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110146480.2A CN112929962B (zh) 2021-02-03 2021-02-03 定位方法、装置、计算机设备和存储介质
PCT/CN2021/142371 WO2022166477A1 (zh) 2021-02-03 2021-12-29 定位方法、装置、基站、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110146480.2A CN112929962B (zh) 2021-02-03 2021-02-03 定位方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112929962A CN112929962A (zh) 2021-06-08
CN112929962B true CN112929962B (zh) 2023-03-31

Family

ID=76167850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110146480.2A Active CN112929962B (zh) 2021-02-03 2021-02-03 定位方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112929962B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022166477A1 (zh) * 2021-02-03 2022-08-11 网络通信与安全紫金山实验室 定位方法、装置、基站、计算机设备和存储介质
CN113286363B (zh) * 2021-07-23 2021-10-01 网络通信与安全紫金山实验室 无线定位参数估计方法、装置、计算机设备及存储介质
CN113438738B (zh) * 2021-08-27 2021-10-29 网络通信与安全紫金山实验室 定位参数估计方法、装置、计算机设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10320061B2 (en) * 2016-12-16 2019-06-11 Futurewei Technologies, Inc. High dimensional (HiDi) radio environment characterization and representation
CN108761383A (zh) * 2018-04-13 2018-11-06 中国人民解放军陆军工程大学 一种基于二维矩阵束的时延与角度联合估计方法
CN108919183A (zh) * 2018-04-13 2018-11-30 中国人民解放军陆军工程大学 基于Hadamard积的OFDM信号空时二维定位参数快速估计方法
CN108964726B (zh) * 2018-09-03 2020-06-02 东南大学 一种低复杂度的大规模mimo上行链路传输信道估计方法

Also Published As

Publication number Publication date
CN112929962A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN112929962B (zh) 定位方法、装置、计算机设备和存储介质
Lee et al. Low-complexity estimation of 2D DOA for coherently distributed sources
CN112469119B (zh) 定位方法、装置、计算机设备和存储介质
Astély et al. Spatial signature estimation for uniform linear arrays with unknown receiver gains and phases
Liu et al. Joint estimation of DOA and TDOA of multiple reflections in mobile communications
Tayem et al. Conjugate esprit (c-sprit)
CN108683619B (zh) 一种低复杂度的大规模mimo信道参数估计方法
Akbari et al. MUSIC and MVDR DOA estimation algorithms with higher resolution and accuracy
WO2023000614A1 (zh) 无线定位参数估计方法、装置、***、计算机设备及存储介质
CN112255629B (zh) 基于联合uca的序贯esprit二维不相干分布源参数估计方法
Chen et al. Millidegree-level direction-of-arrival (DoA) estimation and tracking for terahertz wireless communications
Wan et al. An energy efficient DOA estimation algorithm for uncorrelated and coherent signals in virtual MIMO systems
Feng et al. Wireless channel parameter estimation algorithms: Recent advances and future challenges
Qi et al. Time-frequency DOA estimation of chirp signals based on multi-subarray
CN109951216B (zh) 一种基于码本辅助的大规模mimo doa估计方法
Lin et al. 3D wideband mmWave localization for 5G massive MIMO systems
Suleiman et al. Decentralized direction finding using partly calibrated arrays
CN113438738B (zh) 定位参数估计方法、装置、计算机设备和存储介质
Liyanaarachchi et al. Range–angle processing for target detection in joint MIMO-OFDM communications and sensing
WO2022166477A1 (zh) 定位方法、装置、基站、计算机设备和存储介质
Wen et al. HOSVD based multidimensional parameter estimation for massive MIMO system from incomplete channel measurements
Mondal Studies of different direction of arrival (DOA) estimation algorithm for smart antenna in wireless communication
Al-Sadoon et al. A more efficient AOA method for 2D and 3D direction estimation with arbitrary antenna array geometry
Song et al. Deep learning based low-rank channel recovery for hybrid beamforming in millimeter-wave massive MIMO
Li et al. A novel method for DOA and time delay joint estimation in multipath OFDM environment

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