一种基于大规模天线阵的分布式定位和测速方法技术

本发明专利技术公开了一种基于大规模天线阵的分布式定位和测速方法，包括：通过离线的深度神经网络训练得到深度神经网络模型；利用深度神经网络模型对大规模天线阵列的多路并行接收信号进行实时处理，得到多普勒测量结果；将多个分布式大规模天线阵列测量到的多普勒测量结果汇聚到中心站；在中心站对各分布式大规模天线阵列的上报结果进行关联；利用关联上的多普勒测量结果，进行位置和速度解算。本发明专利技术能够解决传统的定位和测速方法，在大规模天线阵的体制下，存在实时计算复杂度过高的问题。

【技术实现步骤摘要】
一种基于大规模天线阵的分布式定位和测速方法
本专利技术涉及信息处理
，特别是涉及一种基于大规模天线阵的分布式定位和测速方法。
技术介绍
大规模多输入多输出(MassiveMultipleInputMultipleOutput,大规模MIMO)技术作为第五代（5thGeneration,5G）以及后续宽带移动通信的核心技术之一。与传统的MIMO相比，该技术以更大规模的三维天线阵列，采用复杂的三维空间复用技术，极大地提升了5G系统空口时间和频谱资源的复用能力，具有更高的通信容量和更好的服务能力。测速和定位是无线信息系统的典型应用，和常规的均匀线性阵列和均匀圆形阵列相比，大规模阵列天线将天线单元的数量提高了一个数量级，天线单元数量的增加使得接收机可以获得更高的信号空间分辨能力，比如，可以进行方位和俯仰三维空间的分辨，大规模天线阵列结合空间谱（比如，MUSIC、ESPRIT等），可以在密集的信号空间获得优于1度的空间分辨能力，在此基础之上，基于方位交叉可以获得更高的定位精度。以ESPRIT为例：假设位于远场的辐射源同时发射出k个统本文档来自技高网...

【技术保护点】
1.一种基于大规模天线阵的分布式定位和测速方法，其特征在于，包括：/n通过离线的深度神经网络训练得到深度神经网络模型；/n利用深度神经网络模型对大规模天线阵列的多路并行接收信号进行实时处理，得到多普勒测量结果；/n将多个分布式大规模天线阵列测量到的多普勒测量结果汇聚到中心站；/n在中心站对各分布式大规模天线阵列的上报结果进行关联；/n利用关联上的多普勒测量结果，进行位置和速度解算。/n

【技术特征摘要】
1.一种基于大规模天线阵的分布式定位和测速方法，其特征在于，包括：
通过离线的深度神经网络训练得到深度神经网络模型；
利用深度神经网络模型对大规模天线阵列的多路并行接收信号进行实时处理，得到多普勒测量结果；
将多个分布式大规模天线阵列测量到的多普勒测量结果汇聚到中心站；
在中心站对各分布式大规模天线阵列的上报结果进行关联；
利用关联上的多普勒测量结果，进行位置和速度解算。


2.根据权利要求1所述的基于大规模天线阵的分布式定位和测速方法，其特征在于，通过离线的深度神经网络训练得到深度神经网络模型的步骤具体包括：
构建信号训练集，信号训练集包含输入数据矩阵和输出结果，信号训练集包含的每条输出结果是对应的输入数据矩阵经过深度神经网络模型后的准确输出结果，其中，每个输入数据矩阵是N×M维的矩阵，N表示大规模天线阵列的射频链路数，M表示一次训练的信号采样点数，每个输出结果是1×1维的数据，表示多普勒频偏，一个输入数据矩阵与一个输出结果对应，输入数据的每一行对应大规模天线阵列一个射频链路，对应输入到一个输入节点；
信号训练集分组，依次顺序地将两个输入节点编为一组，输入到一个预处理单元，进行预处理；
信号训练集预处理，每个预处理单元对应输入到预处理单元的两路信号之一，延时D个采样点，其中，D是非负数，另一个信号直通，对直通信号和延时信号进行相乘，并求乘法结果的均值；
深度神经网络训练，每个输入数据矩阵经过N/2个预处理单元处理后，得到的N/2个预处理结果，输入到深度神经网络，得到深度神经网络当前的输出结果，利用深度神经网络当前的输出结果和输入数据矩阵对应的输出结果，计算深度神经网络的性能，如此不断训练，直至深度神经网络的性能达到预设门限，得到深度神经网络模型。


3.根据权利要求2所述的基于大规模天线阵的分布式定位和测速方法，其特征在于，在计算深度神经网络的性能时，性能函数选用均方差。


4.根据权利要求2所述的基于大规模天线阵的分...

【专利技术属性】
技术研发人员：王正海，王玉皞，周辉林，袁建军，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西;36