位置估计制造技术

描述了一种方法、装置和计算机程序，该方法、装置和计算机程序包括：从用户设备获取在通信系统的多个节点处接收的参考信号；基于所获取的所述参考信号的实部和虚部生成信号签名矩阵；以及通过将基于所生成的所述信号签名矩阵的信号应用于模型的输入，生成针对用户设备的第一三维位置估计。备的第一三维位置估计。备的第一三维位置估计。

Location estimation

【技术实现步骤摘要】
位置估计


[0001]本说明书涉及移动通信系统中的位置估计。

技术介绍

[0002]为移动通信系统的设备生成位置估计对于很多目的是有用的。仍然希望在这个领域有进一步的发展，特别是在垂直位置估计方面。

技术实现思路

[0003]在第一方面，本说明书描述了一种包括用于执行以下操作的部件的装置：从用户设备获取在通信系统(例如，移动通信系统)的多个节点处接收的参考信号(例如，上行链路探测参考信号)；基于所获取的参考信号的实部和虚部生成信号签名矩阵；以及通过将基于所生成的信号签名矩阵的信号应用于模型的输入，生成针对用户设备的第一三维位置估计。节点可以是用户设备的服务节点和相邻节点。在一些示例实施例中，丢失数据点可以作为空数据添加到信号签名矩阵。第一三维位置估计可以是粗略位置估计。
[0004]在一些示例实施例中，位置估计基于具有特定分辨率的网格。因此，每个位置数据变量可以是网格的最接近相应位置的节点。
[0005]一些示例实施例还包括用于执行以下操作的部件：响应于定位请求，接收或部署上述模型。该请求可以是紧急定位请求，诸如UE紧急定位请求。
[0006]一些示例实施例还包括用于执行以下操作的部件：压缩所生成的信号矩阵以生成具有较低维度的矩阵，其中针对用户设备的上述第一三维位置估计通过将压缩矩阵应用于上述模型的输入来生成。上述压缩可以使用PCA、SVD或某些类似的压缩算法来执行。
[0007]用于执行生成上述位置估计的部件可以包括将特征矩阵应用于一个或多个分类器以获取位置估计。例如，可以针对3D位置估计的3D维度的x维度、y维度和z维度中的每个维度提供分类器。
[0008]用于执行生成上述位置估计的部件生成单独的x维度位置估计、y维度位置估计和z维度位置估计。替代布置是可能的，例如第一分类器可以生成x
‑
y位置估计并且第二分类器可以生成z位置估计。
[0009]一些示例实施例还包括用于执行以下操作的部件：使用数据增强(例如，使用GAN原理)在上述信号签名矩阵中生成所估计的丢失数据点。数据增强可以使用机器学习原理基于可用参考信号和用户设备相对于上述多个节点的位置估计来估计丢失数据点。一些示例实施例还包括用于执行以下操作的部件：在信号签名矩阵中的空数据条目的数目高于阈值的情况下和/或在最终估计具有高度不确定性时触发上述数据增强的使用。一些示例实施例还包括用于执行以下操作的部件：通过将所生成的信号签名矩阵(包括所估计的丢失数据点在内)应用于上述模型的输入，生成针对用户设备的第二三维位置估计。
[0010]在第二方面，本说明书描述了一种装置(例如，模型生成器)，该装置包括用于执行以下操作的部件：在通信系统的多个节点(例如，服务节点和相邻节点)处从多个用户设备
获取参考信号(例如，上行链路探测参考信号)，其中每个用户设备在三维空间内具有标识位置(例如，已知位置或估计位置)；使用互相关来隔离在每个通信节点处从个体用户设备接收的参考信号；针对每个用户设备，分别基于所隔离的参考信号的实部和虚部生成第一信号签名矩阵和第二信号签名矩阵；将每个信号签名矩阵映射到对应用户设备的标识位置；以及基于所生成的第一信号签名矩阵和第二信号签名矩阵以及对应的标识位置来训练模型(例如，机器学习模型(诸如CNN、DNN、ResNet等))。上述互相关可以是由特定用户设备发送的已知信号与在通信系统的特定节点处接收的信号之间的互相关。
[0011]一些示例实施例还包括用于执行以下操作的部件：压缩所生成的信号矩阵以生成具有较低维度的矩阵，其中上述模型基于被压缩后的矩阵以及对应标识位置来训练。
[0012]用于执行训练上述模型的部件还可以包括用于执行以下操作的部件：生成从所生成的信号矩阵中导出的多个子矩阵，其中每个子矩阵用于训练多个模型中的一个模型。多个子矩阵中的至少一个可以提供垂直位置估计。在一个示例实施例中，第一模型、第二模型和第三模型分别提供x维度位置估计、y维度位置估计和z维度位置估计。
[0013]一些示例实施例还包括用于执行以下操作的部件：使用数据增强在上述信号签名矩阵中生成丢失数据点。上述数据增强可以使用GAN或其他机器学习原理。一些示例实施例还包括用于执行以下操作的部件：在信号签名矩阵中的空数据条目的数目高于阈值的情况下触发上述数据增强的使用。
[0014]在第一方面和第二方面中，上述部件可以包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，至少一个存储器和计算机程序被配置为与至少一个处理器一起该装置的执行。
[0015]在第三方面，本说明书描述了一种方法，该方法包括：从用户设备获取在通信系统的多个节点处接收的参考信号(例如，上行链路探测参考信号)；基于所获取的参考信号的实部和虚部生成信号签名矩阵；以及通过将基于所生成的信号签名矩阵的信号应用于模型的输入，生成针对用户设备的第一三维位置估计。在一些示例实施例中，丢失数据点可以作为空数据添加到信号签名矩阵。第一三维位置估计可以是粗略位置估计。
[0016]一些示例实施例还包括响应于诸如紧急定位请求等定位请求而接收或部署上述模型。
[0017]一些示例实施例还包括：压缩所生成的信号矩阵以生成具有较低维度的矩阵，其中针对用户设备的上述第一三维位置估计通过将被压缩后的矩阵应用于上述模型的输入来生成。上述压缩可以使用PCA、SVD或某些类似的压缩算法来执行。
[0018]生成上述位置估计可以包括将特征矩阵应用于一个或多个分类器以获取位置估计。
[0019]一些示例实施例还包括：使用数据增强(例如，使用GAN原理)在上述信号签名矩阵中生成所估计的丢失数据点。数据增强可以使用机器学习原理基于可用参考信号和用户设备相对于上述多个节点的位置估计来估计丢失数据点。一些示例实施例还包括：在信号签名矩阵中的空数据条目的数目高于阈值的情况下和/或在最终估计具有高度不确定性时触发上述数据增强的使用。一些示例实施例还包括：通过将所生成的信号特征矩阵包括所估计的丢失数据点在内)应用于上述模型的输入，生成针对用户设备的第二三维位置估计。
[0020]在第四方面，本说明书描述了一种方法，该方法包括：在通信系统的多个节点处从
多个用户设备获取参考信号，其中每个用户设备在三维空间内具有标识位置；使用互相关来隔离在每个通信节点处从个体用户设备接收的参考信号；针对每个用户设备，分别基于所隔离的参考信号的实部和虚部生成第一信号签名矩阵和第二信号签名矩阵；将每个信号签名矩阵映射到对应用户设备的标识位置；以及基于所生成的第一信号签名矩阵和第二信号签名矩阵以及对应标识位置来训练模型。上述互相关可以是由特定用户设备发送的已知信号与在通信系统的特定节点处接收的信号之间的互相关。
[0021]一些示例实施例还包括：压缩所生成的信号矩阵以生成具有较低维度的矩阵，其中上述模型基于所压缩的矩阵和对应标识位置来训练。
[0022]用于执行训练上述模型的部件还可以包括：生成从所生成的信号矩阵中导出的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于定位的装置，包括用于执行以下操作的部件：从用户设备获取在通信系统的多个节点处接收的参考信号；基于所获取的所述参考信号的实部和虚部生成信号签名矩阵；以及通过将基于所生成的所述信号签名矩阵的信号应用于模型的输入，生成针对所述用户设备的第一三维位置估计。2.根据权利要求1所述的装置，还包括用于执行以下操作的部件：响应于定位请求，接收或部署所述模型。3.根据权利要求1或权利要求2所述的装置，还包括用于执行以下操作的部件：压缩所生成的所述信号矩阵以生成具有较低维度的矩阵，其中针对所述用户设备的所述第一三维位置估计通过将被压缩后的所述矩阵应用于所述模型的所述输入来生成。4.根据权利要求1或权利要求2所述的装置，其中用于执行生成所述位置估计的所述部件包括用于将所述特征矩阵应用于一个或多个分类器以获取所述位置估计的部件。5.根据权利要求1或权利要求2所述的装置，其中用于执行生成所述位置估计的所述部件生成单独的x维度位置估计、y维度位置估计和z维度位置估计。6.根据权利要求1或权利要求2所述的装置，还包括用于执行以下操作的部件：使用数据增强在所述信号签名矩阵中生成所估计的丢失数据点。7.根据权利要求6所述的装置，其中所述数据增强使用机器学习原理基于可用参考信号以及所述用户设备相对于所述多个节点的位置估计来估计丢失数据点。8.根据权利要求6所述的装置，还包括用于执行以下操作的部件：在所述信号签名矩阵中的空数据条目的数目高于阈值的情况下触发所述数据增强的所述使用。9.根据权利要求6所述的装置，还包括用于执行以下操作的部件：通过将所生成的包括所估计的所述丢失数据点在内的所述信号签名矩阵应用于所述模型的所述输入，生成针对所述用户设备的第二三维位置估计。10.一种用于定位的装置，包括用于执行以下操作的部件：在通信系统的多个节点处从多个用户设备获...

【专利技术属性】
技术研发人员：OE，
申请(专利权)人：诺基亚技术有限公司，
类型：发明
国别省市：