一种基于多载波信号的子载波分集精密测距定位方法

1.本发明属于无线定位导航领域，特别是涉及一种基于多载波信号的子载波分集精密测距定位方法。


背景技术：

2.目前的定位方法主要包括传统的gnss定位、室内无线信号定位(基于wifi、蓝牙、超宽带等)以及多源传感器定位。传统的gnss定位技术由于在室内及城市峡谷地区存在严重的信号衰减和多径现象，无法在这些地区为用户提供高精度稳定的位置服务。基于wifi、蓝牙、超宽带等机会信号的室内无线信号定位技术主要包括指纹定位和几何交汇定位两类。其中，基于信号指纹的室内定位方法需要大量的前期数据采集工作并定时对指纹数据更新，需要耗费大量的人力、物力成本。基于wifi和蓝牙等信号的几何交汇室内定位方法容易受到环境和人类日常活动的影响，虽然其可以在一些特定环境为用户提供较高精度的位置服务，但通常需要额外部署更多的基站实现交汇定位，基站部署和持续供电成本的限制使该方法难以大规模的普及和推广。基于多源传感器的定位技术需要各种传感器的精确测量结果和较严格的时间同步，这往往意味着较高的成本。同时，基于多源传感器的定位技术在使用过程中定位误差会不断累积，难以提供连续的高精度位置服务。
3.多载波信号传输过程中，不同子载波上搭载的信号会受到室内环境不同程度的影响。其中，一些子载波上的信号受环境影响较大，难以反映信号功率随距离的衰减关系；一些子载波上的信号受环境影响较小，可以根据其功率得到准确稳定的距离估算结果。基于多载波信号的子载波分集精密测距定位方法可以充分利用多载波信号的传输特点，选择受环境因素影响较小的子载波信号功率和分集路径损耗模型进行距离的测量，可以有效的提高室内环境中无线信号距离测量的精度和稳定性。同时，由于近年来lte和5g技术的发展，已经形成了全球范围内的大面积组网，基于多载波信号的子载波分集精密测距定位方法可以充分利用现有的大面积覆盖网络，不但可以节约室内定位系统的部署成本，无需考虑基站的供电费用和后期维护，而且能为用户在多种复杂环境下提供移动终端上安全、稳定、高精度的位置服务。


技术实现要素：

4.本发明针对现有技术的不足，提供一种基于多载波信号的子载波分集精密测距定位方法。首先根据采集的多载波信号的协议，完成多载波信号的粗同步，然后根据多载波信号的相关参数及信号起始位置进行信号的解调，提取导频信息，再根据plm原理对不同子载波对应的多载波功率分别训练，得到每个子载波的分集功率衰减模型，利用实时多载波功率和实时多载波信号平均功率的差值筛选衰减模型，建立子载波分集，根据分集内的不同子载波的距离衰减模型和多载波功率计算得到最终的实时距离估算结果，并通过几何交汇的方法实现高精度定位。
5.为了达到上述目的，本发明提供的技术方案是一种基于多载波信号的子载波分集
精密测距定位方法，包括以下步骤：
6.步骤1，信号粗同步及导频提取；
7.步骤1.1，信号粗同步；
8.步骤1.2，信号解调及导频提取；
9.步骤2，子载波分集模型训练；
10.步骤2.1，多载波功率计算；
11.步骤2.2，子载波分集模型训练；
12.步骤3，基于子载波分集模型的距离计算；
13.步骤3.1，实时平均功率计算；
14.步骤3.2，子载波分集模型的选择；
15.步骤3.3，距离计算；
16.步骤4，位置计算。
17.而且，所述步骤1.1是根据采集的多载波信号的协议，采用对应协议下的参考信号与接收信号相关，获取接受信号的起始位置，完成多载波信号的粗同步。
18.而且，所述步骤1.2是根据多载波信号的相关参数及步骤1.1检测到的信号起始位置进行信号的解调，提取对应的导频信息。
19.而且，所述步骤2.1是根据步骤1.2提取到的多载波信号导频信息，分别计算每一个子载波上的信号接收功率，得到每一个子载波上的多载波功率p
l
。
20.而且，所述步骤2.2是根据plm的基本原理，分别对不同子载波上对应的多载波功率进行训练，得到每一个子载波对应的分集功率衰减模型。
21.plm的基本结构如下：
22.p
l
＝a
‑
10
·
nlog
10
(d)+w
ꢀꢀꢀꢀꢀ
(1)
23.其中，a为参考功率，n为环境因子，d为每一个训练点与基站的距离，ω为白噪声。
24.而且，所述步骤3.1是在测试或实际定位时，提取实时多载波功率p
l
′
，求取多个载波上p
l
′
的均值，得到实时多载波信号平均功率p
m
。实时多载波信号平均功率将用于子载波分集模型的选择。
25.而且，所述步骤3.2是通过计算每一个子载波上的实时多载波功率p
l
′
与实时多载波信号平均功率p
m
的差值，选择差值最小的m个子载波上对应的分集功率衰减模型，作为距离计算时应用的衰减模型。
26.而且，所述步骤3.3是将选择模型对应子载波的实时多载波功率p
l
′
分别代入选择的m个分集功率衰减模型中，得到m个不同的距离反演结果，并计算m个不同距离反演结果的均值，得到最终的实时距离估计结果。
27.而且，所述步骤4是根据同时测量到的多个基站与移动终端的距离，通过几何交汇的方法实现高精度定位。
28.与现有技术相比，本发明具有如下优点：本发明充分利用多载波信号的传输特点，选择受环境因素影响较小的子载波信号功率和分集路径损耗模型进行距离的测量，可以有效提高室内环境中无线信号距离测量的精度和稳定性。同时，由于近年来lte和5g技术的发展，已经形成了全球范围内的大面积组网，本发明可以充分利用现有的大面积覆盖网络，不但可以节约室内定位系统的部署成本，无需考虑基站的供电费用和后期维护，而且能为用
户在多种复杂环境下提供移动终端上安全、稳定、高精度的位置服务。
附图说明
29.图1为本发明实施例的流程图。
30.图2为本发明实施例的场景示意图。
31.图3为本发明实施例的误差统计结果图。
具体实施方式
32.本发明提供一种基于多载波信号的子载波分集精密测距定位方法，首先根据采集的多载波信号的协议，完成多载波信号的粗同步，然后根据多载波信号的相关参数及信号起始位置进行信号的解调，提取导频信息，再根据plm原理对不同子载波对应的多载波功率分别训练，得到每个子载波的分集功率衰减模型，利用实时多载波功率和实时多载波信号平均功率的差值筛选衰减模型，建立子载波分集，根据分集内的不同子载波的距离衰减模型和多载波功率计算得到最终的实时距离估算结果，并通过几何交汇的方法实现高精度定位。
33.下面结合附图和实施例对本发明的技术方案作进一步说明。
34.如图1所示，本发明实施例的流程包括以下步骤：
35.步骤1，信号粗同步及导频提取。
36.步骤1.1，信号粗同步。
37.根据采集的多载波信号的协议，采用对应协议下的参考信号与接收信号相关，获取接受信号的起始位置，完成多载波信号的粗同步。
38.步骤1.2，信号解调及导频提取。
39.根据多载波信号的相关参数及步骤1.1检测到的信号起始位置进行信号的解调，并提取对应的导频信息。
40.步骤2，子载波分集模型训练。
41.信号在传输过程中，功率随距离的增加不断衰减。由于环境和人为因素的影响，不同子载波上信号的功率衰减关系是不同的。为了能够更准确地计算移动终端与多载波信号发射基站的距离，根据多载波信号的特点，完成子载波分集模型的训练，具体方法如下：
42.步骤2.1，多载波功率计算。
43.根据步骤1.2提取到的多载波信号导频信息，分别计算每一个子载波上的信号接收功率，得到每一个子载波上的多载波功率p
l
。
44.步骤2.2，子载波分集模型训练。
45.多载波信号每一个子载波上的传输功率随着距离的增加呈现不同指数衰减关系。根据plm的基本原理，分别对不同子载波上对应的多载波功率进行训练，得到每一个子载波对应的分集功率衰减模型。
46.plm的基本结构如下：
47.p
l
＝a
‑
10
·
nlog
10
(d)+w
ꢀꢀꢀꢀꢀꢀ
(1)
48.其中，a为参考功率，n为环境因子，d为每一个训练点与基站的距离，ω为白噪声。
49.步骤3，基于子载波分集模型的距离计算。
50.步骤3.1，实时平均功率计算。
51.测试或实际定位时，提取实时多载波功率p
l
′
，求取多个载波上p
l
′
的均值，得到实时多载波信号平均功率p
m
。实时多载波信号平均功率将用于子载波分集模型的选择。
52.步骤3.2，子载波分集模型选择。
53.计算每一个子载波上的实时多载波功率p
l
′
与实时多载波信号平均功率p
m
的差值，选择差值最小的m个子载波上对应的分集功率衰减模型，作为距离计算时应用的衰减模型。其中，m为经验值，与训练得到的总模型个数m有关，通常情况下m取0.1m和0.3m之间的整数。
54.步骤3.3，距离计算。
55.将选择模型对应子载波的实时多载波功率p
l
′
分别代入选择的m个分集功率衰减模型中，得到m个不同的距离反演结果。计算m个不同距离反演结果的均值，得到最终的实时距离估计结果。
56.步骤4，位置计算。
57.在多载波信号网络中，根据同时测量到的多个基站与移动终端的距离，通过几何交汇的方法实现高精度定位。同时，距离测量结果也可用于与其它定位系统结合提高定位系统的精度和稳定性。
58.下面以室内5g室分基站为实验场景进行室内定位为例，进一步阐述本发明的技术方案。
59.(1)训练点规划及采集
60.如图2所示，图中圆点为规划的训练点位置，三角形为测试点的位置。采集训练数据和测试数据。
61.(2)5g nr信号导频提取
62.根据采集的5g nr信号的协议，提取对应的导频子载波数据。
63.(3)5g nr多载波功率计算
64.根据5g nr的相关协议，分别计算5g nr信号中导频子载波上的信号接收功率，得到每一个子载波上的多载波功率p
l
。
65.(4)5g nr分集模型训练
66.多载波信号每一个子载波上的传输功率随着距离的增加呈现不同指数衰减关系。根据plm的基本原理对不同子载波上的多载波功率分别训练，得到每一个子载波对应的分集功率衰减模型。
67.plm的基本结构如下：
68.p
l
＝a
‑
10
·
nlog
10
(d)+w
ꢀꢀꢀꢀꢀ
(1)
69.其中，a为参考功率，n为环境因子，d为每一个训练点与基站的距离，ω为白噪声。
70.(5)5g nr平均功率计算
71.提取测试数据中，不同测试点实时多载波功率p
l
′
，求取不同载波上p
l
′
的均值，得到实时多载波信号平均功率p
m
。
72.(6)5g nr分集模型选择
73.计算每一个子载波上的实时多载波功率p
l
′
与实时多载波信号平均功率p
m
的差值，选择差值最小的15个子载波上对应的分集功率衰减模型，作为距离计算时的应用的模型。
74.(7)距离计算
75.将与分集模型对应的实时多载波功率p
l
′
分别代入选择的15个选择的子载波分集功率衰减模型中，得到15个不同的距离反演结果。计算15个不同距离反演结果的均值，得到最终的实时距离估计结果。
76.本发明实施例的室内测距误差统计结果如图3所示。基于子载波分集精密测距定位方法的95％cdf为1.67m，即所有测试结果中95％的误差都小于1.67m；基于传统接收信号功率测距定位方法的95％cdf为2.78m，即所有测试结果中95％的误差都小于2.78m。由此可知，本发明提出的基于多载波信号的子载波分集精密测距定位方法的精度更高。
77.具体实施时，以上流程可采用计算机软件技术实现自动运行流程。
78.本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。