一种面向毫米波车联网的序贯车辆指纹定位方法及装置制造方法及图纸

本发明专利技术公开了一种面向毫米波车联网的序贯车辆指纹定位及装置，所述方法包括：将毫米波检测站覆盖的目标区域划分为至少一个小区域，并在每个小区域中设置参考点；对目标车辆在所述目标区域的信号状态和稀疏位置进行联合建模，获得所述目标车辆的动态变化模型；记录所述检测站接收每个参考点信号的方位角和信号强度，以构建所述目标区域的指纹矩阵；根据当前的目标车辆信号，并基于所述动态变化模型和所述指纹矩阵，对所述目标车辆当前的信号状态后验概率和稀疏位置后验概率进行序贯估计，以获得所述目标车辆当前的信号状态和稀疏位置，从而有效提高定位的准确性。

A Sequential Vehicle Fingerprint Location Method and Device for Millimeter Wave Vehicle Networking

The invention discloses a sequential vehicle fingerprint positioning and device for millimeter wave vehicle networking. The method includes: dividing the target area covered by millimeter wave detection station into at least one small area and setting reference points in each small area; jointly modeling the signal state and sparse position of the target vehicle in the target area, and obtaining the dynamic change of the target vehicle. The target area fingerprint matrix is constructed by recording the azimuth and signal intensity of each reference point received by the detection station. According to the current target vehicle signal, and based on the dynamic change model and the fingerprint matrix, the posterior probabilities of the current signal state and sparse position of the target vehicle are estimated sequentially to obtain the target area. The current signal status and sparse position of the marked vehicle can effectively improve the accuracy of positioning.

【技术实现步骤摘要】
一种面向毫米波车联网的序贯车辆指纹定位方法及装置
本专利技术涉及通信
，特别是指一种面向毫米波车联网的序贯车辆指纹定位方法及装置。
技术介绍
作为蓬勃发展的物联网(InternetofThing，IoT)的一个重要分支，车辆网(InternetofVehicle，IoV)技术在智慧城市、智能交通、安全驾驶等领域都起着至关重要的作用。在车联网技术中，车辆的实时位置是各种应用与服务的基础。因此，精确快速获取车辆的实时位置是车联网高效部署与大规模应用的关键。此外，基于大规模天线部署的毫米波(millimeterWave，mmWave)通信技术以其高精度波束指向与高带宽、高速率、长距离的通信优势，被认为是车联网领域广泛应用的关键技术之一。然而，将毫米波技术应用于车联网实时定位应用时，将面临信号传播复杂的挑战。具体来说，毫米波信号在密集城市环境、富散射环境等复杂电磁环境下，其传播参数具有极强的不确定性，为车辆实时位置的高效获取造成了极大的困难。针对该问题，一种广泛研究的定位手段是基于指纹的定位技术。该技术主要分为两阶段：离线阶段，毫米波检测站的覆盖范围被划分为若干小区域，在每个小区域中都设置有参考点(ReferencePoint，RP)，事先在每个参考点处对其信号参数进行记录，形成范围内完整的信号传播指纹地图；在线阶段，实测车辆进入毫米波检测站的覆盖范围，对其发射信号进行接收与处理，并基于指纹地图获取目标车辆的实时位置。传统的指纹定位技术以静态定位技术为主。即，以每次获取的目标车辆信号处理得出其当前时刻的位置，而忽视之前时刻对目标车辆位置的估计结果。然而，动态序贯性是车辆的一大特性，若只考虑车辆的静态定位技术，使其位置获取精度不高。然而考虑车辆动态性将不免带来目标车辆观测值缺失问题。具体来说，毫米波信号频段较高，易受环境干扰，可能由障碍物阻挡而导致某时刻观测信号缺失。此外，目标车辆的短暂静默也可能导致观测缺失，这些不利条件将为实时位置获取造成障碍。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种面向毫米波车联网的序贯车辆指纹定位方法及装置，能够有效提高定位的准确性。基于上述目的本专利技术提供的面向毫米波车联网的序贯车辆指纹定位方法，包括：将毫米波检测站覆盖的目标区域划分为至少一个小区域，并在每个小区域中设置参考点；对目标车辆在所述目标区域的信号状态和稀疏位置进行联合建模，获得所述目标车辆的动态变化模型；记录所述检测站接收每个参考点信号的方位角和信号强度，以构建所述目标区域的指纹矩阵；根据当前的目标车辆信号，并基于所述动态变化模型和所述指纹矩阵，对所述目标车辆当前的信号状态后验概率和稀疏位置后验概率进行序贯估计，以获得所述目标车辆当前的信号状态和稀疏位置。进一步地，所述对目标车辆在所述目标区域的信号状态和稀疏位置进行联合建模，获得所述目标车辆的动态变化模型，具体包括：获取目标车辆在所述目标区域的随机有限集合Xt的概率分布f(Xt)，所述随机有限集合Xt包括所述目标车辆在t时刻的信号状态和稀疏位置；根据所述随机有限集合Xt的概率分布f(Xt)，构建所述目标车辆从t-1时刻到t时刻的动态变化模型φt|t-1(Xt|Xt-1)；其中，表示t时刻未检测到目标车辆，{lt}表示t时刻检测到目标车辆，lt表示目标车辆在t时刻的稀疏位置，p表示接收目标车辆信号的概率，h(lt)表示t时刻的稀疏位置分布，p{lt}|Xt-1表示目标车辆从t-1时刻到t时刻的信号状态变化概率，πt|t-1(lt|lt-1)为转移概率密度，表示目标车辆从t-1时刻到t时刻的稀疏位置变化概率。进一步地，所述目标区域为正方形区域；所述检测站位于所述目标区域的底部中心位置；所述将毫米波检测站覆盖的目标区域划分为至少一个小区域，并在每个小区域中设置参考点，具体包括：将所述目标区域的每条边等分为N1/2段，使所述目标区域等分为N个正方形小区域；N≥1；在每个小区域的中心位置处设置参考点。进一步地，所述检测站配备有均匀线性天线阵列，所述均匀线性天线阵列包括M个天线阵元；所述记录所述检测站接收每个参考点信号的方位角和信号强度，以构建所述目标区域的指纹矩阵，具体包括：获取所述检测站接收第i个参考点信号的方位角θi和信号强度Pi；1≤i≤N，θi∈[0,π]；根据所述方位角θi，计算获得所述M个天线阵元接收第i个参考点信号的指向向量α(θi)；根据所述信号强度Pi和所述指向向量α(θi)，计算获得所述M个天线阵元接收第i个参考点信号的信号向量gi；将所有参考点对应的信号向量记录为所述目标区域的指纹矩阵G＝[g1,g2,...,gi,...,gN]。进一步地，所述信号向量gi的计算公式为：Pi＝PT-PR(d0)-10βlg(di/d0)+ni；其中，PT为信号发射功率，d0为参考距离，di为第i个参考点与检测站之间的传播距离，PR(d0)为传播距离是d0时的平均信号强度衰减，β为路径损耗参数，ni为第i个参考点的信号噪声，j为虚数单位，s为天线阵元间隔距离，λ为信号波长。进一步地，所述根据当前的目标车辆信号，并基于所述动态变化模型和所述指纹矩阵，对所述目标车辆当前的信号状态后验概率和稀疏位置后验概率分布进行序贯估计，以获得所述目标车辆当前的信号状态和稀疏位置，具体包括：根据上一时刻估计的Xt-1后验概率分布和所述动态变化模型φt|t-1(Xt|Xt-1)，对当前时刻的Xt后验概率分布进行估计；获得当前时刻t目标车辆信号的信号向量gt，并根据似然函数和所述指纹矩阵G，对估计的Xt后验概率分布进行更新，获得所述目标车辆在当前时刻t的信号状态后验概率pt|t和稀疏位置后验概率ht|t(lt)；采用粒子滤波方法对所述信号状态后验概率pt|t和稀疏位置后验概率ht|t(lt)进行近似计算，获得所述目标车辆在当前时刻t的信号状态和稀疏位置。进一步地，所述信号状态后验概率pt|t和稀疏位置后验概率ht|t(lt)分别为：其中，Gm,i为指纹矩阵中第m个天线阵元接收第i个参考点信号的信号向量。进一步地，所述采用粒子滤波方法对所述信号状态后验概率pt|t和稀疏位置后验概率ht|t(lt)进行近似计算，获得所述目标车辆在当前时刻t的信号状态和稀疏位置，具体包括：设置一组数量为W的粒子系统{x(i),w(i)}i＝1W；x(i)∈RN×1表示粒子状态，以模拟t时刻的稀疏位置lt，w(i)表示粒子状态x(i)的权重；所述目标车辆在t时刻的稀疏位置分布表示为ht(lt)＝Σiwt(i)δ(x-xt(i))；基于所述粒子系统对所述信号状态后验概率pt|t进行近似计算，并根据计算结果获得所述目标车辆在当前时刻t的信号状态；基于所述粒子系统和所述稀疏位置后验概率ht|t(lt)，对所述稀疏位置进行近似计算，获得所述目标车辆在当前时刻t的稀疏位置进一步地，所述信号状态后验概率pt|t的近似计算公式为：其中，若计算结果pt|t>0.5，则判定t时刻存在目标车辆的信号；若计算结果pt|t≤0.5，则判定t时刻不存在目标车辆的信号；所述稀疏位置的计算公式为：相应地，本专利技术实施例还提供一种面向毫米波车联网的序贯车辆指纹定位装置，能够实现上述面向毫米波车联网的序贯车辆指纹定位方法，所述装置包括本文档来自技高网...

【技术保护点】
1.一种面向毫米波车联网的序贯车辆指纹定位方法，其特征在于，包括：将毫米波检测站覆盖的目标区域划分为至少一个小区域，并在每个小区域中设置参考点；对目标车辆在所述目标区域的信号状态和稀疏位置进行联合建模，获得所述目标车辆的动态变化模型；记录所述检测站接收每个参考点信号的方位角和信号强度，以构建所述目标区域的指纹矩阵；根据当前的目标车辆信号，并基于所述动态变化模型和所述指纹矩阵，对所述目标车辆当前的信号状态后验概率和稀疏位置后验概率进行序贯估计，以获得所述目标车辆当前的信号状态和稀疏位置。

【技术特征摘要】
1.一种面向毫米波车联网的序贯车辆指纹定位方法，其特征在于，包括：将毫米波检测站覆盖的目标区域划分为至少一个小区域，并在每个小区域中设置参考点；对目标车辆在所述目标区域的信号状态和稀疏位置进行联合建模，获得所述目标车辆的动态变化模型；记录所述检测站接收每个参考点信号的方位角和信号强度，以构建所述目标区域的指纹矩阵；根据当前的目标车辆信号，并基于所述动态变化模型和所述指纹矩阵，对所述目标车辆当前的信号状态后验概率和稀疏位置后验概率进行序贯估计，以获得所述目标车辆当前的信号状态和稀疏位置。2.根据权利要求1所述的面向毫米波车联网的序贯车辆指纹定位方法，其特征在于，所述对目标车辆在所述目标区域的信号状态和稀疏位置进行联合建模，获得所述目标车辆的动态变化模型，具体包括：获取目标车辆在所述目标区域的随机有限集合Xt的概率分布f(Xt)，所述随机有限集合Xt包括所述目标车辆在t时刻的信号状态和稀疏位置；根据所述随机有限集合Xt的概率分布f(Xt)，构建所述目标车辆从t-1时刻到t时刻的动态变化模型φt|t-1(Xt|Xt-1)；其中，表示t时刻未检测到目标车辆，{lt}表示t时刻检测到目标车辆，lt表示目标车辆在t时刻的稀疏位置，p表示接收目标车辆信号的概率，h(lt)表示t时刻的稀疏位置分布，p{lt}|Xt-1表示目标车辆从t-1时刻到t时刻的信号状态变化概率，πt|t-1(lt|lt-1)为转移概率密度，表示目标车辆从t-1时刻到t时刻的稀疏位置变化概率。3.根据权利要求2所述的面向毫米波车联网的序贯车辆指纹定位方法，其特征在于，所述目标区域为正方形区域；所述检测站位于所述目标区域的底部中心位置；所述将毫米波检测站覆盖的目标区域划分为至少一个小区域，并在每个小区域中设置参考点，具体包括：将所述目标区域的每条边等分为N1/2段，使所述目标区域等分为N个正方形小区域；N≥1；在每个小区域的中心位置处设置参考点。4.根据权利要求3所述的面向毫米波车联网的序贯车辆指纹定位方法，其特征在于，所述检测站配备有均匀线性天线阵列，所述均匀线性天线阵列包括M个天线阵元；所述记录所述检测站接收每个参考点信号的方位角和信号强度，以构建所述目标区域的指纹矩阵，具体包括：获取所述检测站接收第i个参考点信号的方位角θi和信号强度Pi；1≤i≤N，θi∈[0,π]；根据所述方位角θi，计算获得所述M个天线阵元接收第i个参考点信号的指向向量α(θi)；根据所述信号强度Pi和所述指向向量α(θi)，计算获得所述M个天线阵元接收第i个参考点信号的信号向量gi；将所有参考点对应的信号向量记录为所述目标区域的指纹矩阵G＝[g1,g2,...,gi,...,gN]。5.根据权利要求4所述的面向毫米波车联网的序贯车辆指纹定位方法，其特征在于，所述信号向量gi的计算公式为：Pi＝PT-PR(d0)-10βlg(di/d0)+ni；其中，PT为信号发射功率，d0为参考距离，di为第i个参考点与检测站之间的传播距离，PR(d0)为传播距离是d0时的平均信号强度衰减，β为路径损耗参数，ni为第i个参考点的信号噪声，j为虚数单位，s为天线...

【专利技术属性】
技术研发人员：李斌，陶艺文，赵成林，许方敏，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11