定位系统、定位方法和存储介质技术方案

用于跟踪车辆的位置的定位系统包括：接收器，其被配置为接收在多个时间点从多个卫星接收的卫星信号的相位测量结果；以及存储器，其被配置为存储递归神经网络，所述递归神经网络被训练为在一些时间点在存在由至少一些卫星信号的多径传输引起的噪声的情况下，根据一组相位测量结果确定车辆的位置。该定位系统的处理器被配置为通过利用递归神经网络处理在每个时间点接收的一组相位测量结果以在每个时间点产生车辆的位置，来在不同时间点跟踪车辆的位置。的位置。

【技术实现步骤摘要】
【国外来华专利技术】定位系统、定位方法和存储介质


[0001]本专利技术总体上涉及全球导航卫星系统(GNSS)，并且更具体地，涉及在至少一些卫星信号的多径传输下的位置估计。

技术介绍

[0002]使用全球定位系统(GPS)、格洛纳斯(GLONASS)、伽利略(Galileo)或北斗(BeiDou)系统的全球导航卫星系统(GNSS)接收器被用于许多应用中。GNSS是一种卫星导航系统，其向四颗或更多颗卫星提供具有视线(LOS)的位置和时间信息。在城市环境中，LOS卫星信号的反射和折射可能导致多径传输，从而影响位置估计的准确性。
[0003]常规的GNSS使用时间和空间分集来最小化卫星信号的多径问题。时间方法使用多径信号和LOS信号之间的时间延迟差异。然而，当多径信号的延迟短时，这些方法在计算上是复杂的并且是无效的。
[0004]空间方法使用多个天线进行多径检测和减轻。例如，在US 7,642,957中描述的方法在希望至少一个天线接收到由相长干扰信号产生的“良好”信号时，使用两个天线来接收信号。然而，不能保证卫星信号的相长干扰，并且这种GNSS系统的所有天线都可能遭受相同的多径衰减。
[0005]因此，仍然需要一种用于在至少一些卫星信号GNSS信号的多径传输下进行位置估计的方法和系统。

技术实现思路

[0006]一些实施方式基于以下理解：自然地，首先检测在卫星信号的传输中的多径，去除从多径传输接收到的信号，然后才基于剩余卫星传输的测量结果来估计位置。然而，多径检测可能是一个复杂过程。因此，这种方法可能在计算量繁重且耗时，从而在存在多径传输的情况下阻止了快速位置估计。
[0007]为此，一些实施方式的目的是在不测试多径传输的情况下估计车辆的位置。避免多径检测可以提高位置估计的速度，减少计算机确定位置的计算负担，和/或使位置估计适于例如可以在云中实现的分布式应用。
[0008]一些实施方式基于以下认识：当来自多个卫星的卫星传输包括多径传输和视线(LOS)传输时，可以将这种传输视为包括由LOS传输表示的纯净信号和由多径传输表示的纯净信号上的噪声的含噪声信号。以此类推，利用多径检测的位置估计等效于利用基于纯净信号的随后位置估计的噪声估计/去除。然而，一些实施方式旨在直接根据含噪声信号执行位置估计。
[0009]一些实施方式基于以下认识：机器学习技术可以应用于根据含噪声信号进行位置估计。使用机器学习，可以在自动位置估计系统中利用所收集的数据，例如卫星信号的相位测量结果，其中，可以通过训练来学习数据的时间依赖性。例如，神经网络是机器学习技术之一，其可以对包括不同类型的含噪声信号的复杂系统进行实际训练。为此，一些实施方式
的目的是提供一种神经网络，该神经网络被训练为直接根据含噪声信号执行位置估计，该含噪声信号包括从LOS和多径传输接收的卫星信号测量的相位。
[0010]但是，与许多含噪声信号形成对照，相位测量结果的含噪声信号中的噪声具有与纯净信号本身相同的性质，即，噪声信号和纯净信号两者都是相位测量结果。例如，可以使用神经网络来识别含噪声语音表达中的词。但是，与位置估计形成对照，含噪声语音表达中的噪声与该表达中的纯净语音具有不同的特性。为此，适合于处理一种类型的含噪声信号的神经网络可能不适用于基于含噪声相位测量结果的位置估计。
[0011]一些实施方式基于以下认识：当针对移动车辆执行位置估计时，多径传输随时间的变化的动力学不同于LOS传输的变化的动力学。以这种方式，对于时间序列相位测量结果，噪声(即，多径传输)的特性的确与纯净信号(即，LOS传输)的特性不同。
[0012]为此，一些实施方式训练递归神经网络(RNN)，以在一些时间点，在存在由至少一些卫星信号的多径传输引起的噪声的情况下，根据一组相位测量结果确定车辆的位置。RNN是一种类型的人工神经网络，其中，节点之间的连接沿序列形成有向图。这允许它呈现针对时间序列的动态时间行为。与前馈神经网络不同，RNN可以使用其内部状态(存储器)来处理输入序列。这使它们可应用于诸如未分段的连接手写识别或语音识别之类的任务。然而，一些实施方式认识到，可以将RNN用于无多径位置估计。
[0013]因此，本公开描述了一种用于跟踪车辆的位置的定位系统，该定位系统包括：接收器，其被配置为接收在多个时间点从多个卫星接收的卫星信号的相位测量结果；以及存储器，其被配置为存储RNN，该RNN被训练为在一些时间点在存在由至少一些卫星信号的多径传输引起的噪声的情况下，根据一组相位测量结果来确定车辆的位置；以及处理器，其被配置为通过利用RNN处理在每个时间点接收到的一组相位测量结果而不测试用于多径传输的相位测量结果以在每个时间点产生车辆的位置，来跟踪车辆在不同时间点的位置。
[0014]例如，在一个实施方式中，RNN响应于接收到一组相位测量结果来使用基于注意力的多模式融合来输出位置。例如，RNN将不同权重应用于至少一些不同相位测量结果，以产生一组加权相位测量结果，并且根据该一组单独加权相位测量结果确定车辆的位置。以这种方式，RNN被训练为例如使用权重来使多径传输对位置估计的负面影响最小化。
[0015]为了训练RNN，需要将相位测量结果与根据没有多径的纯净信号确定的位置估计相关联的数据。一些实施方式基于各种商业上可用的导航器的日志文件可以提供这种数据的认识。为此，一些实施方式利用从那些日志文件提取的信息来训练RNN。实施方式允许使用从相同或不同导航器收集的相同或不同路线的不同日志文件来离线训练RNN。另外地或另选地，一个实施方式使用各种导航器执行在线位置估计，并且使用所利用的导航器的日志文件来训练RNN，直到所训练的RNN实现位置估计的目标精度为止。
[0016]然而，通过实验和测试，一些实施方式基于对RNN的训练是非常需要数据的任务的理解。具体地，与旨在对输入进行分类(诸如，噪声和不是噪声)的神经网络的分类任务相比，位置估计是要求比分类任务多得多的数据用于训练的数值问题。在一些实施方式中，通过在训练RNN上花费更多时间来克服该问题。另外地或另选地，在一些实施方式中，通过减少训练RNN以执行位置估计的区域来克服该问题。
[0017]例如，在一个实施方式中，针对特定路径训练RNN，使得处理器跟踪沿着特定路径的至少一部分行进的车辆的位置。以这种方式，利用从沿着该路径行进收集的数据来针对
该路径训练神经网络，这减少了足以训练RNN的数据量。对于一些应用，该限制甚至不是问题。例如，火车沿着预定路径行进，并且一些实施方式使用RNN，该RNN被训练为确定沿着特定路径行进的火车的位置。
[0018]另外地或另选地，一些实施方式使用针对不同路径训练的多个RNN。这些实施方式增加了位置估计时的灵活性，因为可以分别地(即，彼此独立地)训练和更新不同的RNN。例如，在一个实施方式中，定位系统的存储器存储一组RNN，针对特定路径训练每个RNN，并且定位系统的处理器从该组RNN中选择RNN以用于跟踪。值得注意的是，该实施方式的一种实现方式允许在跟踪期间使本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于跟踪车辆的位置的定位系统，所述定位系统包括：接收器，所述接收器被配置为接收在多个时间点从多个卫星接收的卫星信号的相位测量结果；存储器，所述存储器被配置为存储递归神经网络，所述递归神经网络被训练为在一些时间点在存在由至少一些所述卫星信号的多径传输引起的噪声的情况下，根据一组相位测量结果确定所述车辆的位置；以及处理器，所述处理器被配置为通过利用所述递归神经网络处理在每个时间点接收的一组相位测量结果以在每个时间点产生所述车辆的位置，来在不同时间点跟踪所述车辆的位置。2.根据权利要求1所述的定位系统，其中，所述递归神经网络响应于接收到所述一组相位测量结果，使用基于注意力的多模式融合来输出所述位置。3.根据权利要求1所述的定位系统，其中，所述递归神经网络将不同权重应用于至少一些不同相位测量结果，以产生一组加权相位测量结果，并且根据所述一组加权相位测量结果确定所述车辆的位置。4.根据权利要求1所述的定位系统，其中，所述递归神经网络被训练为：基于所述卫星的相位测量结果的当前时间特征和先前时间特征，确定每个卫星的相位测量结果的单独权重；基于先前联合权重，确定所述多个卫星的组合的单独加权相位测量结果的联合权重；以及根据利用所述联合权重加权的所述组合的单独加权相位测量结果，估计所述车辆的位置。5.根据权利要求4所述的定位系统，其中，所述递归神经网络被进一步训练为：从在当前时间窗口内收集的一系列相位测量结果中提取所述卫星的相位测量结果的当前时间特征；检索针对在先前时间窗口内收集的一系列相位测量结果确定的所述卫星的相位测量结果的先前时间特征、以及针对所述先前时间特征确定的单独权重；以及通过基于所述当前时间特征与所述先前时间特征的比较来调整针对所述先前时间特征确定的单独权重或时间注意力权重，来确定所述当前时间特征的表征在输入的相位测量结果中的时间依赖性的单独权重。6.根据权利要求4所述的定位系统，其中，所述递归神经网络被进一步训练为：组合在当前时间窗口内从所述多个卫星接收的单独加权相位测量结果，以产生针对所述当前时间窗口的组合的单独加权相位测量结果；检索针对先前时间窗口确定的先前组合的单独加权相位测量结果；检索针对所述先前组合的单独加权相位测量结果确定的先前联合权重；以及通过基于组合的单独加权相位测量结果和所述先前组合的单独加权相位测量结果的比较来调整先前联合权重，确定表征整个输入的相位测量结果中的时间依赖性的联合权重。7.根据权利要求1所述的定位系统，其中，针对特定路径训练所述递归神经网络，使得所述处理器跟踪沿着所述特定路径的至少一部分行进的所述车辆的位置。
8.根据权利要求7所述的定位系统，其中，所述车辆是沿着所述特定路径行驶的火车。9.根据权利要求1所述的定位系统，其中，所述存储器存储一组递归神经网络，针对特定路径训练每个递归神经网络，其中，所述处理器基于所述跟踪从所述一组递归神经网络中选择所述递归神经网络。10.根据权利要求1所述的定位系统，其中，所述存储器存储一组递归神经网络，针对特定路径训练每个递归神经...

【专利技术属性】
技术研发人员：金耕进，菲利普，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：