CN115932723A - 定位方法、装置、计算机设备、存储介质和程序产品 - Google Patents
定位方法、装置、计算机设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN115932723A CN115932723A CN202211734902.9A CN202211734902A CN115932723A CN 115932723 A CN115932723 A CN 115932723A CN 202211734902 A CN202211734902 A CN 202211734902A CN 115932723 A CN115932723 A CN 115932723A
- Authority
- CN
- China
- Prior art keywords
- data
- positioning
- target terminal
- antenna
- terminal
- 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 69
- 238000005259 measurement Methods 0.000 claims abstract description 108
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 66
- 239000011159 matrix material Substances 0.000 claims description 41
- 239000002245 particle Substances 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000012952 Resampling Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 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
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请涉及一种定位方法、装置、计算机设备、存储介质和程序产品,用于目标终端中,所述方法包括:接收目标基站发送的上行信号测量数据,上行信号测量数据包括AOA数据和TOA数据;将上行信号测量数据以及目标终端上一时刻的定位数据输入至第一定位状态空间模型中,并基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型。采用本方法能够提高定位精度。
Description
技术领域
本申请涉及无线通信技术领域,特别是涉及一种定位方法、装置、计算机设备、存储介质和程序产品。
背景技术
对于终端的2D(Two Dimension,二维)定位,目前是通过无线基站测量终端上行信号的1D(One Dimension,一维)AOA(Angle ofArrival,到达角)信息和TOA(TimeofArrival,到达时间)信息来实现的。由于考虑到无线基站的部署成本,一般采用单个无线基站进行某一区域内的终端2D定位,但是,在大多数实际定位场景中,无线基站与终端之间可能会被障碍物遮挡,导致上行信号进行非视距传播,使得无线基站测量的AOA信息和TOA信息不再可靠,从而导致定位误差大,甚至定位过程中断。而采用多个无线基站可以避免上述单个无线基站定位时存在的问题,但是,部署多个无线基站会使成本增高。因此,在控制成本的基础上准确定位终端的问题亟需解决。
传统技术中,通过单个无线基站测量的1DAOA信息和TOA信息,基于AAOM(AzimuthAngle Observation Model,方位角观测模型)和2D TOA观测模型进行终端2D定位。
然而,AAOM和2D TOA观测模型均是基于终端和无线基站位于同一平面上的假设而构建的,仅适用于终端距离无线基站比较远的情况。当终端距离无线基站比较近时,例如5G微基站室内定位,终端与无线基站间的高度差会导致不可忽略的俯仰角,若仍依据该假设利用AAOM和2D TOA观测模型进行终端2D定位,会导致定位误差显著增大。因此,传统技术在近场终端2D定位中存在定位精度较低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够在远近场终端2D定位中提高定位精度的定位方法、装置、计算机设备、存储介质和程序产品。
第一方面,本申请提供了一种定位方法。所述定位方法包括:接收目标基站发送的上行信号测量数据,上行信号测量数据包括到达角AOA数据和到达时间TOA数据;将上行信号测量数据以及目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,第一入射角观测模型用于表征AOA数据与目标终端的第一天线数据以及目标基站的第二天线数据之间的关系,第一三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第一定位状态模型用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据之间的关系。
在其中一个实施例中,第一定位状态模型具体用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据以及上一时刻的状态转移矩阵、上一时刻的噪声输入矩阵、上一时刻的状态噪声矢量之间的关系。
在其中一个实施例中,上一时刻的状态转移矩阵以及上一时刻的噪声输入矩阵根据跟踪采样间隔得到。
在其中一个实施例中,第一天线数据包括目标终端的天线位置数据,第二天线数据包括目标基站的天线位置数据和天线姿态数据。
在其中一个实施例中,目标终端的天线位置数据包括目标终端的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线位置数据包括目标基站的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线姿态数据包括目标基站的天线在当地直角坐标系中的姿态角。
在其中一个实施例中,定位方法还包括:获取目标终端的惯性测量数据;将上行信号测量数据、惯性测量数据以及目标终端上一时刻的第二定位数据输入至第二定位状态空间模型中,并基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据;其中,第二定位状态空间模型包括第二定位观测模型和第二定位状态模型,第二定位观测模型包括第二入射角观测模型和第二三维TOA观测模型,第二入射角观测模型用于表征AOA数据与第一天线数据以及第二天线数据之间的关系,第二三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第二定位状态模型用于表征目标终端当前时刻的第二定位数据与目标终端上一时刻的第二定位数据以及惯性测量数据之间的关系。
在其中一个实施例中,定位方法还包括:构建目标终端当前时刻的第二定位数据的一阶微分与目标终端当前时刻的第二定位数据以及惯性测量数据之间的目标状态方程;对目标状态方程进行离散化处理,得到第二定位状态模型。
在其中一个实施例中,第二定位数据包括终端姿态数据、终端速度数据以及终端位置数据,目标状态方程包括第一状态方程、第二状态方程以及第三状态方程;第一状态方程为目标终端当前时刻的终端姿态数据的一阶微分与目标终端当前时刻的终端姿态数据以及惯性测量数据之间的状态方程;第二状态方程为目标终端当前时刻的终端速度数据的一阶微分与目标终端当前时刻的终端速度数据以及惯性测量数据之间的状态方程;第三状态方程为目标终端当前时刻的终端位置数据的一阶微分与目标终端当前时刻的终端位置数据以及惯性测量数据之间的状态方程。
在其中一个实施例中,惯性测量数据包括:目标终端上搭载的陀螺仪在载体坐标系上的白噪声、载体坐标系和导航坐标系之间的旋转矩阵、目标终端上搭载的加速度计在载体坐标系上的白噪声、载体坐标系相对于导航坐标系的角速度在载体坐标系上的投影分量、陀螺仪在载体坐标系上的随机常数漂移、加速度计在载体坐标系上输出的比力和加速度计在载体坐标系上的随机常数漂移。
在其中一个实施例中,基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据,包括:获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据。
在其中一个实施例中,基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据,包括:获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据。
在其中一个实施例中,预设算法为粒子滤波算法。
第二方面,本申请还提供了一种定位装置。所述定位装置包括:接受模块,用于接收目标基站发送的上行信号测量数据,上行信号测量数据包括AOA数据和TOA数据;计算模块,用于将上行信号测量数据以及目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,第一入射角观测模型用于表征AOA数据与目标终端的第一天线数据以及目标基站的第二天线数据之间的关系,第一三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第一定位状态模型用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据之间的关系。
在其中一个实施例中,第一定位状态模型具体用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据以及上一时刻的状态转移矩阵、上一时刻的噪声输入矩阵、上一时刻的状态噪声矢量之间的关系。
在其中一个实施例中,上一时刻的状态转移矩阵以及上一时刻的噪声输入矩阵根据跟踪采样间隔得到。
在其中一个实施例中,第一天线数据包括目标终端的天线位置数据,第二天线数据包括目标基站的天线位置数据和天线姿态数据。
在其中一个实施例中,目标终端的天线位置数据包括目标终端的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线位置数据包括目标基站的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线姿态数据包括目标基站的天线在当地直角坐标系中的姿态角。
在其中一个实施例中,定位装置还包括:获取模块,用于获取目标终端的惯性测量数据;计算模块,还用于将上行信号测量数据、惯性测量数据以及目标终端上一时刻的第二定位数据输入至第二定位状态空间模型中,并基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据;其中,第二定位状态空间模型包括第二定位观测模型和第二定位状态模型,第二定位观测模型包括第二入射角观测模型和第二三维TOA观测模型,第二入射角观测模型用于表征AOA数据与第一天线数据以及第二天线数据之间的关系,第二三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第二定位状态模型用于表征目标终端当前时刻的第二定位数据与目标终端上一时刻的第二定位数据以及惯性测量数据之间的关系。
在其中一个实施例中,该装置还包括:构建目标终端当前时刻的第二定位数据的一阶微分与目标终端当前时刻的第二定位数据以及惯性测量数据之间的目标状态方程;对目标状态方程进行离散化处理,得到第二定位状态模型。
在其中一个实施例中,第二定位数据包括终端姿态数据、终端速度数据以及终端位置数据,目标状态方程包括第一状态方程、第二状态方程以及第三状态方程;第一状态方程为目标终端当前时刻的终端姿态数据的一阶微分与目标终端当前时刻的终端姿态数据以及惯性测量数据之间的状态方程;第二状态方程为目标终端当前时刻的终端速度数据的一阶微分与目标终端当前时刻的终端速度数据以及惯性测量数据之间的状态方程;第三状态方程为目标终端当前时刻的终端位置数据的一阶微分与目标终端当前时刻的终端位置数据以及惯性测量数据之间的状态方程。
在其中一个实施例中,惯性测量数据包括:目标终端上搭载的陀螺仪在载体坐标系上的白噪声、载体坐标系和导航坐标系之间的旋转矩阵、目标终端上搭载的加速度计在载体坐标系上的白噪声、载体坐标系相对于导航坐标系的角速度在载体坐标系上的投影分量、陀螺仪在载体坐标系上的随机常数漂移、加速度计在载体坐标系上输出的比力和加速度计在载体坐标系上的随机常数漂移。
在其中一个实施例中,计算模块,具体用于获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据。
在其中一个实施例中,计算模块,还具体用于基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据,包括:获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据。
在其中一个实施例中,预设算法为粒子滤波算法。
第三方面,本申请还提供了一种计算机设备。所述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上述第一方面任一项所述的方法的步骤。
第四方面,本申请还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,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上述第一方面任一项所述的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤。
上述定位方法、装置、计算机设备、存储介质和程序产品,通过接收目标基站发送的上行信号测量数据,上行信号测量数据包括AOA数据和TOA数据,然后将上行信号测量数据以及目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,第一入射角观测模型用于表征AOA数据与目标终端的第一天线数据以及目标基站的第二天线数据之间的关系,第一三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第一定位状态模型用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据之间的关系。本申请通过第一入射角观测模型和第一三维TOA观测模型可以考虑到目标终端与目标基站间的高度,进而在远近场终端2D定位中提高了定位精度。
附图说明
图1为一个实施例中一种定位方法的流程示意图;
图2为一个实施例中一种定位方法的应用环境图;
图3为一个实施例中另一种定位方法的流程示意图;
图4为一个实施例中一种基于粒子滤波算法求解第一定位状态空间模型的流程示意图;
图5为一个实施例中一种基于粒子滤波算法求解第二定位状态空间模型的流程示意图;
图6为一个实施例中一种近场情况下两种定位算法的仿真图;
图7为一个实施例中一种远场情况下两种定位算法的仿真图;
图8为一个实施例中一种定位装置的结构框图;
图9为一个实施例中一种计算机设备的内部结构图。
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。
在一个实施例中,如图1所示,提供了一种定位方法的流程示意图,本实施例应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的***,并通过终端和服务器的交互实现,其中终端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、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本申请实施例中,该方法包括以下步骤:
步骤101、接收目标基站发送的上行信号测量数据,上行信号测量数据包括AOA数据和TOA数据。
步骤102、将上行信号测量数据以及目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,第一入射角观测模型用于表征AOA数据与目标终端的第一天线数据以及目标基站的第二天线数据之间的关系,第一三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第一定位状态模型用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据之间的关系。
可选的,如图2所述,提供了一种定位方法的应用环境图,目标基站为单个无线基站,当目标终端向目标基站发送上行信号后,目标基站会对接收到的上行信号进行测量,得到AOA数据和TOA数据,并将AOA数据、TOA数据、目标基站的第二天线数据通过天线发送给目标终端,目标终端包括天线、CPU(central processing unit,中央处理器),天线用于接收目标基站发送的上述多个数据,CPU用于根据AOA数据、TOA数据以及目标终端上一时刻的定位数据计算目标终端当前时刻的第一定位数据。
另外,目标基站也可以将AOA数据、TOA数据、目标基站的第二天线数据发送给服务器,服务器将根据AOA数据、TOA数据以及目标终端上一时刻的第一定位数据计算目标终端当前时刻的第一定位数据。
可选的,第一定位状态空间模型为
xk=Fk-1xk-1+Gk-1wk-1 (1)
ξk=ψ(xk)+υk (2)
其中
ψ(xk)=[h(xk)g(xk)]T (6)
α=cosψcosγ-sinψsinθsinγ (9)
β=sinψcosγ+cosψsinθsinγ (10)
υk=[vkτk]T (13)
上述公式(1)是第一定位状态模型,公式(2)是第一定位观测模型,公式(14)是第一入射角观测模型(Incidence Angle Observation Model,IAOM),公式(15)是第一三维TOA观测模型。xk表示目标终端当前时刻(k时刻)的第一定位数据,xk-1是目标终端上一时刻(k-1时刻)的第一定位数据。公式(1)至公式(16)中各量的释义如下:
和是目标终端的第一天线数据,为目标终端的天线位置数据,具体为k时刻目标终端的天线相位中心在当地直角坐标系中的水平2D坐标;和分别表示k时刻目标终端的天线相位中心在当地直角坐标系x轴和y轴上的速度分量;Fk-1为k-1时刻的状态转移矩阵;Gk-1为k-1时刻的噪声输入矩阵;wk-1为k-1时刻的状态噪声矢量;T为跟踪采样间隔;ξk表示k时刻的目标基站测量的AOA和TOA观测矢量;表示k时刻目标终端的天线相位中心在目标基站天线坐标系中的入射角,即k时刻目标基站测量的AOA数据;为k时刻目标基站测量的TOA数据;ψ(xk)表示k时刻的目标终端测量的初始AOA和初始TOA观测矢量;h(xk)为k时刻目标终端测量的初始AOA数据;g(xk)为k时刻目标终端测量的初始TOA数据,这里省略光速c;ψ、θ、γ和是目标基站的第二天线数据,其中ψ、θ和γ为目标基站的天线姿态数据,具体为目标基站的天线在当地直角坐标系中的姿态角,分别为方位角、俯仰角和横滚角,和为目标基站的天线位置数据,具体为目标基站的天线相位中心在当地直角坐标系中的位置坐标;是目标终端的第一天线数据,为目标终端的天线位置数据,具体为k时刻目标终端的天线相位中心在当地直角坐标系中的高度坐标;arccos(·)为反余弦函数;υk为k时刻目标基站总的观测噪声矢量,vk为k时刻目标基站的AOA观测噪声,τk为k时刻目标基站的TOA观测噪声;
将目标基站测量的AOA数据和TOA数据、目标基站的第二天线数据以及目标终端上一时刻的第一定位数据输入至公式(1)和(2),然后基于贝叶斯滤波算法对第一定位状态空间模型求解,可以求得目标终端当前时刻的第一定位数据。
综上所述,通过接收目标基站发送的上行信号测量数据,上行信号测量数据包括AOA数据和TOA数据,然后将上行信号测量数据以及目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,第一入射角观测模型用于表征AOA数据与目标终端的第一天线数据以及目标基站的第二天线数据之间的关系,第一三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第一定位状态模型用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据之间的关系。本申请通过第一入射角观测模型和第一三维TOA观测模型可以考虑到目标终端与目标基站间的高度,进而在远近场终端2D定位中提高了定位精度。
在其中一个实施例中,第一定位状态模型具体用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据以及上一时刻的状态转移矩阵、上一时刻的噪声输入矩阵、上一时刻的状态噪声矢量之间的关系。
在其中一个实施例中,上一时刻的状态转移矩阵以及上一时刻的噪声输入矩阵根据跟踪采样间隔得到。
其中,公式(1)和公式(16)中的xk是目标终端当前时刻的第一定位数据,公式(1)中的xk-1是目标终端上一时刻的第一定位数据,公式(1)和公式(3)中的Fk-1是上一时刻的状态转移矩阵,公式(1)和公式(4)中的Gk-1是上一时刻的噪声输入矩阵,公式(1)中的wk-1是上一时刻的状态噪声矢量,公式(3)和公式(4)中的T是跟踪采样间隔。通过在目标终端改变T值,可以改变上一时刻的状态转移矩阵以及上一时刻的噪声输入矩阵,进而改变了目标终端当前时刻的第一定位数据。
在其中一个实施例中,第一天线数据包括目标终端的天线位置数据,第二天线数据包括目标基站的天线位置数据和天线姿态数据。
在其中一个实施例中,目标终端的天线位置数据包括目标终端的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线位置数据包括目标基站的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线姿态数据包括目标基站的天线在当地直角坐标系中的姿态角。
其中,第一定位状态空间模型中的和为k时刻目标终端的天线相位中心在当地直角坐标系中的位置坐标,和为目标基站的天线相位中心在当地直角坐标系中的位置坐标,ψ、θ、γ为目标基站的天线在当地直角坐标系中的姿态角。
在一个实施例中,如图3所示,提供了另一种定位方法的流程示意图,该方法包括以下步骤:
步骤301,接收目标基站发送的上行信号测量数据,并获取目标终端的惯性测量数据获取目标终端的惯性测量数据,上行信号测量数据包括AOA数据和TOA数据;
步骤302,将上行信号测量数据、惯性测量数据以及目标终端上一时刻的第二定位数据输入至第二定位状态空间模型中,并基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据;其中,第二定位状态空间模型包括第二定位观测模型和第二定位状态模型,第二定位观测模型包括第二入射角观测模型和第二三维TOA观测模型,第二入射角观测模型用于表征AOA数据与第一天线数据以及第二天线数据之间的关系,第二三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第二定位状态模型用于表征目标终端当前时刻的第二定位数据与目标终端上一时刻的第二定位数据以及惯性测量数据之间的关系。
可选的,目标基站为单个无线基站,当目标终端向目标基站发送上行信号后,目标基站会对接收到的上行信号进行测量,得到AOA数据和TOA数据,并将AOA数据、TOA数据、目标基站的第二天线数据通过天线发送给目标终端,目标终端包括天线、CPU和IMU,天线用于接收目标基站发送的上述多个数据,IMU包括陀螺仪和加速度计,用于测量目标终端的惯性测量数据,CPU用于根据AOA数据、TOA数据、惯性测量数据以及目标终端上一时刻的第二定位数据计算目标终端当前时刻的二定位数据。
另外,目标基站也可以将AOA数据、TOA数据、目标基站的第二天线数据发送给服务器,目标终端也将惯性测量数据发送给服务器,服务器将根据AOA数据、TOA数据、惯性测量数据以及目标终端上一时刻的第二定位数据计算目标终端当前时刻的第二定位数据。
可选的,目标状态方程为
其中,表示x(t)的一阶微分;ψ、θ和γ分别为载体坐标系相对于“东-北-天”导航坐标系的方位角、俯仰角和横滚角;vE、vN和vU分别为目标终端在“东-北-天”导航坐标系中的东向速度、北向速度和天向速度;L、λ和h分别为目标终端在地心地固坐标系中的纬度、经度和高度;εbx、εby、εbz、和为惯性测量数据,其中εbx、εby和εbz分别为目标终端上的陀螺仪在载体坐标系中的x轴、y轴和z轴方向上的随机常值漂移,和分别为目标终端上的加速度计在载体坐标系中的x轴、y轴和z轴方向上的随机常值漂移,为载体坐标系和导航坐标系间的旋转矩阵,01×9表示维度为9的纯零行矢量,和分别为陀螺仪在载体坐标系中的x轴、y轴和z轴方向上的白噪声,和分别为加速度计在载体坐标系中的x轴、y轴和z轴方向上的白噪声;w(t)表示t时刻目标终端的IMU的总测量白噪声。
f[·]的具体含义参见公式(22)至公式(27)
其中,和fbx、fby、fbz为惯性测量数据,和分别为载体坐标系相对于“东-北-天”导航坐标系的角速度在载体坐标系中的x轴、y轴和z轴方向上的投影分量,fbx、fby和fbz分别为加速度计在载体坐标系中的x轴、y轴和z轴方向上输出的比力,g为重力加速度,ωie为地球自转角速度,RM为地球子午圈主曲率半径,RN为地球卯酉圈主曲率半径。
应用Euler离散化方法对目标状态方程进行离散化处理,可以得到第二定位状态模型,第二定位状态模型如下:
xk=Fk-1xk-1+wk-1 (28)
其中,xk表示目标终端当前时刻(k时刻)的状态信息,xk-1是目标终端上一时刻(k-1时刻)的状态信息,Fk-1是函数f[·]的离散形式,wk-1是w(t)的离散形式,ψkθkγk vE,k vN,kvU,k Lkλk hkεbx,kεby,kεbz,k 为k时刻目标终端当前时刻(k时刻)的第二定位数据。
可选的,第二定位观测模型为
ξk=ψ[Ξ(xk)]+υk (30)
α=cosψcosγ-sinψsinθsinγ (37)
β=sinψcosγ+cosψsinθsinγ (38)
υk=[vkτkσk]T (41)
公式(43)和(44)分别为第二入射角观测模型和第二三维TOA观测模型;其中,ξk表示k时刻的目标基站测量的AOA和TOA观测矢量;表示k时刻目标终端的天线相位中心在目标基站天线坐标系中的入射角,即k时刻目标基站测量的AOA数据;为k时刻目标基站测量的TOA数据;ψ(χk)表示k时刻的目标终端测量的初始AOA和初始TOA观测矢量;h(χk)为k时刻目标终端测量的初始AOA数据;g(χk)为k时刻目标终端测量的初始TOA数据,这里省略光速c;h(xk)的含义就是h(χk);g(xk)的含义就是g(χk);ψ、θ、γ和 是目标基站的第二天线数据,其中ψ、θ和γ为目标基站的天线姿态数据,具体为目标基站的天线在当地直角坐标系中的天线姿态数据,分别为方位角、俯仰角和横滚角, 和为目标基站的天线位置数据,具体为目标基站的天线相位中心在当地直角坐标系中的天线位置数据;和是目标终端的第一天线数据,为目标终端的天线位置数据,具体为k时刻目标终端的天线相位中心在当地直角坐标系中的天线位置数据;arccos(g)为反余弦函数;υk为k时刻目标基站总的观测噪声矢量,vk为k时刻目标基站的AOA观测噪声,τk为k时刻目标基站的TOA观测噪声;为k时刻目标终端的天线相位中心在当地直角坐标系中的高度坐标;为目标基站测量的已知的含误差量σk的k时刻目标终端的天线相位中心在当地直角坐标系中的高度坐标,σk表示相应的观测噪声;f通常取1/298.257223563;Lk、λk和hk分别为k时刻目标终端的天线相位中心在地心地固坐标系中的纬度、经度和高度,表示地心地固坐标系到当地直角坐标系的坐标转换函数,可由当地直角坐标系的原点坐标直接得到,即
其中,和为当地直角坐标系原点在地心地固坐标系中的坐标,L0和λ0分别为当地直角坐标系原点在地心地固坐标系中的纬度和经度,xe、ye和ze为自变量,是目标终端在地心地固坐标系中的x轴、y轴和z轴方向上的坐标。
因此,二定位状态空间模型为
xk=Fk-1xk-1+wk-1
ξk=ψ[Ξ(xk)]+υk (46)
将目标基站测量的AOA数据和TOA数据、角速度比力fbx、fby、fbz以及目标终端上一时刻的第二定位数据输入至公式(46),然后基于贝叶斯滤波算法对第二定位状态空间模型求解,可以求得目标终端当前时刻的第二定位数据。
在其中一个实施例中,定位方法还包括:构建目标终端当前时刻的第二定位数据的一阶微分与目标终端当前时刻的第二定位数据以及惯性测量数据之间的目标状态方程;对目标状态方程进行离散化处理,得到第二定位状态模型。
其中,目标终端当前时刻的第二定位数据的一阶微分为目标终端当前时刻的第二定位数据为ψ θ γ vE vN vU L λ h εbx εby εbz ▽bx ▽by ▽bz,惯性测量数据为和fbx、fby、fbz,构建的目标状态方程为公式(17)至(27)。然后应用Euler离散化方法对目标状态方程进行离散化处理,得到如公式(28)和(29)的定位状态模型。
在其中一个实施例中,第二定位数据包括终端姿态数据、终端速度数据以及终端位置数据,目标状态方程包括第一状态方程、第二状态方程以及第三状态方程;第一状态方程为目标终端当前时刻的终端姿态数据的一阶微分与目标终端当前时刻的终端姿态数据以及惯性测量数据之间的状态方程;第二状态方程为目标终端当前时刻的终端速度数据的一阶微分与目标终端当前时刻的终端速度数据以及惯性测量数据之间的状态方程;第三状态方程为目标终端当前时刻的终端位置数据的一阶微分与目标终端当前时刻的终端位置数据以及惯性测量数据之间的状态方程。
在其中一个实施例中,惯性测量数据包括:目标终端上搭载的陀螺仪在载体坐标系上的白噪声、载体坐标系和导航坐标系之间的旋转矩阵、目标终端上搭载的加速度计在载体坐标系上的白噪声、载体坐标系相对于导航坐标系的角速度在载体坐标系上的投影分量、陀螺仪在载体坐标系上的随机常数漂移、加速度计在载体坐标系上输出的比力和加速度计在载体坐标系上的随机常数漂移。
其中,终端姿态数据是公式(18)至(22)中的ψ、θ和γ,分别表示载体坐标系相对于“东-北-天”导航坐标系的方位角、俯仰角和横滚角。终端速度数据是公式(18)、公式(19)和公式(23)至(25)中的vE、vN和vU,分别表示目标终端在“东-北-天”导航坐标系中的东向速度、北向速度和天向速度。终端位置数据是公式(18)、公式(19)、公式(24)和公式(25)中的L、λ和h,分别表示目标终端在地心地固坐标系中的纬度、经度和高度。惯性测量数据包括公式(17)至(27)中的fbx、fby、fbz、εbx、εby、εbz、和其中和表示目标终端上搭载的陀螺仪在载体坐标系上的白噪声;和表示目标终端上搭载的加速度计在载体坐标系上的白噪声;和表示载体坐标系相对于导航坐标系的角速度在载体坐标系上的投影分量;fbx、fby和fbz表示加速度计在载体坐标系上输出的比力;εbx、εby和εbz表示陀螺仪在载体坐标系上的随机常数漂移;和表示加速度计在载体坐标系上的随机常数漂移;表示载体坐标系和导航坐标系之间的旋转矩阵。需要说明的是,公式(29)中带脚标k的定位数据和惯性测量数据与上述对应的量的含义相同,均是k时刻的定位数据和惯性测量数据,如ψk、θk和γk,分别表示k时刻载体坐标系相对于“东-北-天”导航坐标系的方位角、俯仰角和横滚角。
另外,第一状态方程是公式(22);第二状态方程是公式(23);第三状态方程是(25)。
为了便于阅读,公式(22)、公式(23)和(25)再次陈述如下。
在其中一个实施例中,基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据,包括:获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据。
在其中一个实施例中,预设算法为粒子滤波算法。
可选的,约束条件为
其中
如图4所示,提供了一种基于粒子滤波算法求解第一定位状态空间模型的流程示意图,基于粒子滤波算法以及约束条件对第一定位状态空间模型求解的过程如下:
根据目标基站的AOA和TOA测量值,得到先验概率密度函数p(x0),然后进行粒子滤波器初始化,即从先验概率密度函数p(x0)中抽取Λ个粒子初始粒子权重为随后进行重要性采样,利用公式(12)获取Λ个粒子即
然后进行粒子权重更新即
其中,为粒子的似然函数,ξk和的含义与公式(5)至公式(15)中的含义一致,Rk为目标基站的观测噪声矢量υk的协方差矩阵,为归一化后的权重,随后进行重采样得到新的粒子集相应的粒子权重为重采样指的是在粒子经过权重更新即公式(53)后,根据粒子更新后的权重大小,从大到小按比例复制粒子,直到粒子数达到Λ个。例如,有5个粒子,它们更新后的权重分别为0.6,0.4、0、0、0,则重采样后,5个粒子中3个粒子是0.6对应的粒子,2个粒子是0.4对应的粒子。最后,目标终端当前时刻的第一定位数据可以表示为
在其中一个实施例中,基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据,包括:获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据。
可选的,如图5所示,提供了一种基于粒子滤波算法求解第二定位状态空间模型的流程示意图,基于粒子滤波算法以及约束条件对第二定位状态空间模型求解的过程如下:
根据目标基站的AOA和TOA测量值,得到先验概率密度函数p(x0),然后进行粒子滤波器初始化,即从先验概率密度函数p(x0)中抽取Λ个粒子初始粒子权重为随后进行重要性采样,利用公式(28)获取Λ个粒子即
然后进行粒子权重更新即
其中,为粒子的似然函数,ξk和的含义与公式(30)至公式(34)中的含义一致,Rk为目标基站的观测噪声矢量υk的协方差矩阵,为归一化后的权重,随后进行重采样得到新的粒子集相应的粒子权重为重采样指的是在粒子经过权重更新即公式(59)后,根据粒子更新后的权重大小,从大到小按比例复制粒子,直到粒子数达到Λ个。
最后,目标终端当前时刻的第二定位数据可以表示为
另外,在上述计算过程中,由于目标基站的AOA和TOA测量值ξk需要先在目标基站侧进行计算,然后下发给目标终端,因此,目标终端收到的目标基站的AOA和TOA测量值ξk存在一定的时间延迟,由于该时间延迟可以预先估计其长度范围,因此,针对这一问题,可以在目标终端中存储从当前时刻到之前某一时刻(早于目标基站的AOA和TOA测量值ξk发生时刻)的惯性测量数据,当目标基站的AOA和TOA测量值ηk到达终端时,可以依据存储的惯性测量数据进行目标基站的AOA和TOA测量值ξk发生时刻的目标终端的定位数据估计,随后使用存储的惯性测量数据推断当前时刻目标终端的定位数据。
本申请还通过仿真实验证明了本申请的有效性,仿真中设置目标基站的位置坐标为和姿态角为ψ=270°,θ=0和γ=0,目标基站的AOA观测误差标准差为1度,TOA观测误差标准差为1米,粒子滤波器的粒子数均设置为500,共进行100次蒙特卡洛仿真。
近场情况下,进行传统单基站定位算法和本申请单基站定位算法的定位性能分析,其中目标终端的初始定位数据均设置为
如图6所示,为近场情况下两种定位算法的仿真图,其中传统单基站定位算法的平均均方根定位误差为1.83m,本申请单基站定位算法的平均均方根定位误差为0.308m,因此,近场情况下,本申请在终端2D定位中具有更高的定位精度,定位性能大幅改善,可以解决传统单基站定位算法在近场情况下定位误差大的问题。
远场情况下,进行传统单基站定位算法和本申请单基站定位算法的定位性能分析,其中目标终端的初始定位数据均设置为
如图7所示,为远场情况下两种定位算法的仿真图,其中传统单基站定位算法的平均均方根定位误差为1.10m,本申请单基站定位算法的平均均方根定位误差为1.04m,因此,远场情况下,本申请在终端2D定位中也具有更高的定位精度,所以,本申请能够在终端2D定位中提高定位精度。
综上所述,本申请最详细实施如下:首先接收目标基站发送的上行信号测量数据,上行信号测量数据包括AOA数据和TOA数据。然后将上行信号测量数据以及目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并获取第一天线数据以及第二天线数据之间的约束条件,再基于粒子滤波算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,第一入射角观测模型用于表征AOA数据与目标终端的第一天线数据以及目标基站的第二天线数据之间的关系,第一三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第一定位状态模型用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据之间的关系。其中第一定位状态模型具体用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据以及上一时刻的状态转移矩阵、上一时刻的噪声输入矩阵、上一时刻的状态噪声矢量之间的关系,而上一时刻的状态转移矩阵以及上一时刻的噪声输入矩阵根据跟踪采样间隔得到。第一天线数据包括目标终端的天线位置数据,第二天线数据包括目标基站的天线位置数据和天线姿态数据。目标终端的天线位置数据包括目标终端的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线位置数据包括目标基站的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线姿态数据包括目标基站的天线在当地直角坐标系中的姿态角。
此外,本申请另一个最详细实施例如下:首先接收目标基站发送的上行信号测量数据,并获取目标终端的惯性测量数据,上行信号测量数据包括AOA数据和TOA数据,惯性测量数据包括:目标终端上搭载的陀螺仪在载体坐标系上的白噪声、载体坐标系和导航坐标系之间的旋转矩阵、目标终端上搭载的加速度计在载体坐标系上的白噪声、载体坐标系相对于导航坐标系的角速度在载体坐标系上的投影分量、陀螺仪在载体坐标系上的随机常数漂移、加速度计在载体坐标系上输出的比力和加速度计在载体坐标系上的随机常数漂移。然后再将上行信号测量数据、惯性测量数据以及目标终端上一时刻的第二定位数据输入至第二定位状态空间模型中。最后获取第一天线数据以及第二天线数据之间的约束条件,基于粒子滤波算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据;其中,第二定位状态空间模型包括第二定位观测模型和第二定位状态模型,第二定位观测模型包括第二入射角观测模型和第二三维TOA观测模型,第二入射角观测模型用于表征AOA数据与第一天线数据以及第二天线数据之间的关系,第二三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第二定位状态模型用于表征目标终端当前时刻的第二定位数据与目标终端上一时刻的第二定位数据以及惯性测量数据之间的关系。定位状态模型的构建过程包括:构建目标终端当前时刻的第二定位数据的一阶微分与目标终端当前时刻的第二定位数据以及惯性测量数据之间的目标状态方程;对目标状态方程进行离散化处理,得到第二定位状态模型。第二定位数据包括终端姿态数据、终端速度数据以及终端位置数据,目标状态方程包括第一状态方程、第二状态方程以及第三状态方程;第一状态方程为目标终端当前时刻的终端姿态数据的一阶微分与目标终端当前时刻的终端姿态数据以及惯性测量数据之间的状态方程;第二状态方程为目标终端当前时刻的终端速度数据的一阶微分与目标终端当前时刻的终端速度数据以及惯性测量数据之间的状态方程;第三状态方程为目标终端当前时刻的终端位置数据的一阶微分与目标终端当前时刻的终端位置数据以及惯性测量数据之间的状态方程。
总之,本申请通过第一入射角观测模型和第一三维TOA观测模型,或者通过通过第二入射角观测模型和第二三维TOA观测模型均可以考虑到目标终端与目标基站间的高度,进而在远近场终端2D定位中提高了定位精度。
另外,需要说明的是,第一定位状态模型即公式(1),第一定位观测模型即公式(2)包含了目标基站测量的AOA数据和TOA数据,其中公式(14)为第一IAOM,公式(15)为第一3DTOA观测模型。第一定位状态模型和第一定位观测模型构成第一定位状态空间模型使得仅使用目标基站的AOA数据和TOA数据就可实现对目标终端的高精度连续2D定位。保证第一定位状态空间模型在远近场终端2D定位中能够实现连续高精度定位有两个方面,一方面是已知的k时刻目标终端的天线相位中心在当地直角坐标系中的高度坐标,另一方面是约束条件即公式(47)。
此外,第二定位状态模型即公式(28)中包含了目标终端上的IMU的测量值,第二定位观测模型即公式(30)包含了目标基站测量的AOA数据和TOA数据,其中公式(43)为第二IAOM,公式(44)为第二3D TOA观测模型。第二定位状态模型和第二定位观测模型构成第二定位状态空间模型即公式(29)实现了目标基站的AOA和TOA与目标终端的IMU的紧耦合定位算法。而同时使用目标基站的AOA数据和TOA数据以及目标终端的IMU测量值可以实现对目标终端的高精度连续2D定位。保证第二定位状态空间模型在远近场终端2D定位中能够实现连续高精度定位有两个方面,一方面是已知的含误差量的k时刻目标终端的天线相位中心在当地直角坐标系中的高度坐标即另一方面是约束条件即公式(47)。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的定位方法的定位装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个定位装置实施例中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。
在一个实施例中,如图8所示,提供了一种定位装置的结构框图,该定位装置800包括:接收模块801和计算模块802,其中:
接受模块801,用于接收目标基站发送的上行信号测量数据,上行信号测量数据包括AOA数据和TOA数据。
计算模块802,用于将上行信号测量数据以及目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据;其中,第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,第一入射角观测模型用于表征AOA数据与目标终端的第一天线数据以及目标基站的第二天线数据之间的关系,第一三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第一定位状态模型用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据之间的关系。
在其中一个实施例中,第一定位状态模型具体用于表征目标终端当前时刻的第一定位数据与目标终端上一时刻的第一定位数据以及上一时刻的状态转移矩阵、上一时刻的噪声输入矩阵、上一时刻的状态噪声矢量之间的关系。
在其中一个实施例中,上一时刻的状态转移矩阵以及上一时刻的噪声输入矩阵根据跟踪采样间隔得到。
在其中一个实施例中,第一天线数据包括目标终端的天线位置数据,第二天线数据包括目标基站的天线位置数据和天线姿态数据。
在其中一个实施例中,目标终端的天线位置数据包括目标终端的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线位置数据包括目标基站的天线的相位中心在当地直角坐标系中的位置坐标;目标基站的天线姿态数据包括目标基站的天线在当地直角坐标系中的姿态角。
在其中一个实施例中,定位装置还包括:获取模块,用于获取目标终端的惯性测量数据;计算模块802,还用于将上行信号测量数据、惯性测量数据以及目标终端上一时刻的第二定位数据输入至第二定位状态空间模型中,并基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据;其中,第二定位状态空间模型包括第二定位观测模型和第二定位状态模型,第二定位观测模型包括第二入射角观测模型和第二三维TOA观测模型,第二入射角观测模型用于表征AOA数据与第一天线数据以及第二天线数据之间的关系,第二三维TOA观测模型用于表征TOA数据与第一天线数据以及第二天线数据之间的关系,第二定位状态模型用于表征目标终端当前时刻的第二定位数据与目标终端上一时刻的第二定位数据以及惯性测量数据之间的关系。
在其中一个实施例中,该装置还包括:构建目标终端当前时刻的第二定位数据的一阶微分与目标终端当前时刻的第二定位数据以及惯性测量数据之间的目标状态方程;对目标状态方程进行离散化处理,得到第二定位状态模型。
在其中一个实施例中,第二定位数据包括终端姿态数据、终端速度数据以及终端位置数据,目标状态方程包括第一状态方程、第二状态方程以及第三状态方程;第一状态方程为目标终端当前时刻的终端姿态数据的一阶微分与目标终端当前时刻的终端姿态数据以及惯性测量数据之间的状态方程;第二状态方程为目标终端当前时刻的终端速度数据的一阶微分与目标终端当前时刻的终端速度数据以及惯性测量数据之间的状态方程;第三状态方程为目标终端当前时刻的终端位置数据的一阶微分与目标终端当前时刻的终端位置数据以及惯性测量数据之间的状态方程。
在其中一个实施例中,惯性测量数据包括:目标终端上搭载的陀螺仪在载体坐标系上的白噪声、载体坐标系和导航坐标系之间的旋转矩阵、目标终端上搭载的加速度计在载体坐标系上的白噪声、载体坐标系相对于导航坐标系的角速度在载体坐标系上的投影分量、陀螺仪在载体坐标系上的随机常数漂移、加速度计在载体坐标系上输出的比力和加速度计在载体坐标系上的随机常数漂移。
在其中一个实施例中,计算模块802,具体用于获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第一定位状态空间模型求解,得到目标终端当前时刻的第一定位数据。
在其中一个实施例中,计算模块802,还具体用于基于预设算法对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据,包括:获取第一天线数据以及第二天线数据之间的约束条件;基于预设算法以及约束条件对第二定位状态空间模型求解,得到目标终端当前时刻的第二定位数据。
在其中一个实施例中,预设算法为粒子滤波算法。
上述定位装置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,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种定位方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
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上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric RandomAccess Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(RandomAccess Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static RandomAccess Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccessMemory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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本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,本申请的保护范围应以所附权利要求为准。
Claims (16)
1.一种定位方法,其特征在于,所述定位方法包括:
接收目标基站发送的上行信号测量数据,所述上行信号测量数据包括到达角AOA数据和到达时间TOA数据;
将所述上行信号测量数据以及所述目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对所述第一定位状态空间模型求解,得到所述目标终端当前时刻的第一定位数据;
其中,所述第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,所述第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,所述第一入射角观测模型用于表征所述AOA数据与所述目标终端的第一天线数据以及所述目标基站的第二天线数据之间的关系,所述第一三维TOA观测模型用于表征所述TOA数据与所述第一天线数据以及所述第二天线数据之间的关系,所述第一定位状态模型用于表征所述目标终端当前时刻的第一定位数据与所述目标终端上一时刻的第一定位数据之间的关系。
2.根据权利要求1所述的方法,其特征在于,所述第一定位状态模型具体用于表征所述目标终端当前时刻的第一定位数据与所述目标终端上一时刻的第一定位数据以及上一时刻的状态转移矩阵、上一时刻的噪声输入矩阵、上一时刻的状态噪声矢量之间的关系。
3.根据权利要求2所述的方法,其特征在于,所述上一时刻的状态转移矩阵以及所述上一时刻的噪声输入矩阵根据跟踪采样间隔得到。
4.根据权利要求1所述的方法,其特征在于,所述第一天线数据包括所述目标终端的天线位置数据,所述第二天线数据包括所述目标基站的天线位置数据和天线姿态数据。
5.根据权利要求4所述的方法,其特征在于,所述目标终端的天线位置数据包括所述目标终端的天线的相位中心在当地直角坐标系中的位置坐标;
所述目标基站的天线位置数据包括所述目标基站的天线的相位中心在当地直角坐标系中的位置坐标;
所述目标基站的天线姿态数据包括所述目标基站的天线在当地直角坐标系中的姿态角。
6.根据权利要求1所述的方法,其特征在于,所述定位方法还包括:
获取所述目标终端的惯性测量数据;
将所述上行信号测量数据、所述惯性测量数据以及所述目标终端上一时刻的第二定位数据输入至第二定位状态空间模型中,并基于预设算法对所述第二定位状态空间模型求解,得到所述目标终端当前时刻的第二定位数据;
其中,所述第二定位状态空间模型包括第二定位观测模型和第二定位状态模型,所述第二定位观测模型包括第二入射角观测模型和第二三维TOA观测模型,所述第二入射角观测模型用于表征所述AOA数据与所述第一天线数据以及所述第二天线数据之间的关系,所述第二三维TOA观测模型用于表征所述TOA数据与所述第一天线数据以及所述第二天线数据之间的关系,所述第二定位状态模型用于表征所述目标终端当前时刻的第二定位数据与所述目标终端上一时刻的第二定位数据以及所述惯性测量数据之间的关系。
7.根据权利要求6所述的方法,其特征在于,所述定位方法还包括:
构建所述目标终端当前时刻的第二定位数据的一阶微分与所述目标终端当前时刻的第二定位数据以及所述惯性测量数据之间的目标状态方程;
对所述目标状态方程进行离散化处理,得到所述第二定位状态模型。
8.根据权利要求7所述的方法,其特征在于,所述第二定位数据包括终端姿态数据、终端速度数据以及终端位置数据,所述目标状态方程包括第一状态方程、第二状态方程以及第三状态方程;
所述第一状态方程为所述目标终端当前时刻的终端姿态数据的一阶微分与所述目标终端当前时刻的终端姿态数据以及所述惯性测量数据之间的状态方程;
所述第二状态方程为所述目标终端当前时刻的终端速度数据的一阶微分与所述目标终端当前时刻的终端速度数据以及所述惯性测量数据之间的状态方程;
所述第三状态方程为所述目标终端当前时刻的终端位置数据的一阶微分与所述目标终端当前时刻的终端位置数据以及所述惯性测量数据之间的状态方程。
9.根据权利要求8所述的方法,其特征在于,所述惯性测量数据包括:所述目标终端上搭载的陀螺仪在载体坐标系上的白噪声、载体坐标系和导航坐标系之间的旋转矩阵、所述目标终端上搭载的加速度计在载体坐标系上的白噪声、载体坐标系相对于导航坐标系的角速度在载体坐标系上的投影分量、所述陀螺仪在载体坐标系上的随机常数漂移、所述加速度计在载体坐标系上输出的比力和所述加速度计在载体坐标系上的随机常数漂移。
10.根据权利要求1所述的方法,其特征在于,所述基于预设算法对所述第一定位状态空间模型求解,得到所述目标终端当前时刻的第一定位数据,包括:
获取所述第一天线数据以及所述第二天线数据之间的约束条件;
基于所述预设算法以及所述约束条件对所述第一定位状态空间模型求解,得到所述目标终端当前时刻的第一定位数据。
11.根据权利要求6所述的方法,其特征在于,所述基于预设算法对所述第二定位状态空间模型求解,得到所述目标终端当前时刻的第二定位数据,包括:
获取所述第一天线数据以及所述第二天线数据之间的约束条件;
基于所述预设算法以及所述约束条件对所述第二定位状态空间模型求解,得到所述目标终端当前时刻的第二定位数据。
12.根据权利要求1和11任一所述的方法,其特征在于,所述预设算法为粒子滤波算法。
13.一种定位装置,其特征在于,用于目标终端中,所述定位装置包括:
接收模块,用于接收目标基站发送的上行信号测量数据,所述上行信号测量数据包括AOA数据和TOA数据;
计算模块,用于将所述上行信号测量数据以及所述目标终端上一时刻的第一定位数据输入至第一定位状态空间模型中,并基于预设算法对所述第一定位状态空间模型求解,得到所述目标终端当前时刻的第一定位数据;
其中,所述第一定位状态空间模型包括第一定位观测模型和第一定位状态模型,所述第一定位观测模型包括第一入射角观测模型和第一三维TOA观测模型,所述第一入射角观测模型用于表征所述AOA数据与所述目标终端的第一天线数据以及所述目标基站的第二天线数据之间的关系,所述第一三维TOA观测模型用于表征所述TOA数据与所述第一天线数据以及所述第二天线数据之间的关系,所述第一定位状态模型用于表征所述目标终端当前时刻的第一定位数据与所述目标终端上一时刻的第一定位数据之间的关系。
14.一种计算机设备,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12中任一项所述的方法的步骤。
15.一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12中任一项所述的方法的步骤。
16.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211734902.9A CN115932723A (zh) | 2022-12-31 | 2022-12-31 | 定位方法、装置、计算机设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211734902.9A CN115932723A (zh) | 2022-12-31 | 2022-12-31 | 定位方法、装置、计算机设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115932723A true CN115932723A (zh) | 2023-04-07 |
Family
ID=86556071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211734902.9A Pending CN115932723A (zh) | 2022-12-31 | 2022-12-31 | 定位方法、装置、计算机设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115932723A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118034304A (zh) * | 2024-03-05 | 2024-05-14 | 广州市东鼎智能装备有限公司 | 一种基于实时建模的机器人路径规划方法及*** |
-
2022
- 2022-12-31 CN CN202211734902.9A patent/CN115932723A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118034304A (zh) * | 2024-03-05 | 2024-05-14 | 广州市东鼎智能装备有限公司 | 一种基于实时建模的机器人路径规划方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Pedestrian dead reckoning for MARG navigation using a smartphone | |
US10724863B2 (en) | Method and device for calibration of a three-axis magnetometer | |
CN114018274B (zh) | 车辆定位方法、装置及电子设备 | |
CN112288853B (zh) | 三维重建方法、三维重建装置、存储介质 | |
Cai et al. | Accelerometer calibration with nonlinear scale factor based on multi-position observation | |
US20090265407A1 (en) | Method and System For Determining Altitude, Longitude, and Lattitude From Earth Orthogonal Coordinate System | |
CN110440827B (zh) | 一种参数误差的标定方法、装置及存储介质 | |
CN114646992A (zh) | 定位方法、装置、计算机设备、存储介质和计算机程序产品 | |
CN108508463B (zh) | 基于Fourier-Hermite正交多项式扩展椭球集员滤波方法 | |
CN115932723A (zh) | 定位方法、装置、计算机设备、存储介质和程序产品 | |
Wang et al. | Application of the spherical harmonic gravity model in high precision inertial navigation systems | |
CN114061611A (zh) | 目标对象定位方法、装置、存储介质和计算机程序产品 | |
Xue et al. | Dynamic positioning configuration and its first-order optimization | |
CN112577518A (zh) | 一种惯性测量单元标定方法及装置 | |
KR102095135B1 (ko) | 실내 측위 방법 및 이를 수행하는 장치들 | |
CN110940336B (zh) | 捷联惯导仿真定位解算方法、装置及终端设备 | |
CN115962760A (zh) | 投影参数确定方法、装置、计算机设备、存储介质 | |
CN114485594B (zh) | 天线位姿信息测量方法、装置、设备、介质和程序产品 | |
CN115480212A (zh) | 定位方法、装置、基站、存储介质和计算机程序产品 | |
CN116243350A (zh) | 电离层产品的产品数据处理方法、装置和计算机设备 | |
WO2024140654A1 (zh) | 定位方法、装置、计算机设备、存储介质和程序产品 | |
WO2024140646A1 (zh) | 定位方法、装置、计算机设备、存储介质和程序产品 | |
CN109059915B (zh) | 重力补偿方法、***和装置 | |
CN114234982A (zh) | 基于方位角定位的三维轨迹规划方法、***、设备及介质 | |
CN116338570A (zh) | 定位方法、装置、计算机设备、存储介质和程序产品 |
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 |