一种基于智能反射表面无线定位方法技术

本发明专利技术公开了一种基于智能反射表面进行无线定位方法，S1、获取定位场景下的基站以及至少两个智能反射表面的位置信息S2、接收端通过接收信号进行定时估计分别得到经过每个智能反射表面的反射径与路径AB的到达时间差，利用时间差通过定时估计算法获得待测目标的最佳估计值；S3、根据获得的最佳估计值，通过最优化算法得到的最优解，即待测用户端位置的最佳估计值。该方法给出利用多RIS计算虚拟基站的方法以及基于虚拟基站进行目标定位的方法。本发明专利技术给出的基于RIS进行无线定位的方法能够在RIS场景下的定位系统中有效估计用户的准确位置。置。置。

【技术实现步骤摘要】
一种基于智能反射表面无线定位方法


[0001]本专利技术涉及无线定位领域，特别是一种基于智能反射表面无线定位方法。

技术介绍

[0002]毫米波(mmWave)信号和大型天线阵列被认为是未来5G网络的关键技术，通过利用mmWave频段上的大宽带，它的数据传输速率可以达到每秒千兆比特，但是由于mmWave信号在过程中产生的路径损耗很大，所以通信传输质量就会受到影响。为了有效提高未来5G网络的数据传输速率和通信服务质量，目前更加灵活和更有竞争力的物理层技术方案也在探索之中。虽然mm Wave信号在实现高数据速率通信方面的好处是众所周知的，但它在精确定位方面的潜在优势在很大程度上尚未被发现。
[0003]作为未来无线通信领域一个很有前途的技术方案，智能反射表面(RIS)的制作成本低、耗能小、部署方便且可以通过连接的控制器智能的控制入射信号的反射相移，从而加强信号的传输。而RIS不仅能增强信道的无线通信传输，还能增强基于成像和定位的应用，特别是在定位领域。
[0004]但是，在定位领域，在基站分布不均匀的情况下，很多时候难以解决由于非路径引起的信号严重衰减问题，这样使得终端获取基站数据出现严重延时，影响定位精度。
[0005]另外，现有的无线网络定位技术至少需要三个及以上基站才能实现对目标位置的有效估计，由于需要在多个基站间进行信号传输，它们之间的数据交换需要复杂的消息和同步指令，不仅加重了网络负担且故障率高，而且受功率限制及高频组网覆盖的影响，不能够确保多个基站一起参与定位，定位精度和可靠性得不到保证，且多基站的布置成本也较高。

技术实现思路

[0006]针对现有技术存在的不足，提供一种基于智能反射表面无线定位方法，基于RIS进行无线定位的方法能够在RIS场景下的定位系统中有效估计用户的准确位置。
[0007]为了达到上述的目的，采取以下技术方案：
[0008]一种基于智能反射表面无线定位方法，包括如下步骤：
[0009]S1、获取定位场景下的基站以及至少两个智能反射表面的位置信息，所述基站位置为A、待定位用户B、智能反射表面位置为G
n
(n＝1,2,3
…
,)，RIS_1的位置为RIS_2的位置为待定位用户坐标为B(x,y)，其中x，y是未知的；
[0010]S2、接收端通过接收信号进行定时估计分别得到经过每个智能反射表面的反射径与路径AB的到达时间差D
n
(n＝1,2,3
…
,)，D
n
(n＝1,2,3
…
,)通过定时估计算法获得待测目标的最佳估计值
[0011]S3、根据获得的最佳估计值通过最优化算法得到的最优解即待测用户端位置的最佳估计值
[0012]S3
‑
1、通过最优化算法搜索样本并进行适应度计算，存储目前样本最好的适应度值；
[0013]S3
‑
2、进行趋向性循环操作，更新样本的位置；
[0014]S3
‑
3、进行复制循环操作，对每个样本的适应度值进行累加获得能量，最终得到的能量值的最大值所对应的样本位置为最优解即待测用户端位置的最佳估计值。
[0015]作为优选，所述基站为单天线，并且获取两个智能反射表面的位置信息分别为RIS_1的位置为RIS_2的位置为其中，基站位置为A(x
A
,y
A
)，待定位用户坐标为B(x,y)，其中x，y是未知的。
[0016]作为优选，所述步骤S2中，根据智能反射表面RIS_1和RIS_2的位置信息，分别得到到达时间差D1和D2。
[0017]作为优选，所述步骤S2中，定时估计算法具体步骤如下：
[0018]定义：
[0019]其中，R1表示从BS到用户的距离，R2表示从BS到RIS_1的距离，R3表示从RIS_1到待定位用户的距离，R4表示从BS到RIS_2的距离，R5表示从RIS_2到待定位用户的距离，表示从RIS_2到待定位用户的距离，c是光速，
[0020]在基站A、RIS_1和用户B构成的ΔABG1中，由余弦定理计算得到点A'的坐标(x
A'
,y
A'
)，
[0021]相同，对于基站A、RIS_2和用户B构成的ΔABG2中，由余弦定理计算得到A”的坐标(x
A”,y
A”)；
[0022]其中以RIS_1所在位置为圆心，R2为半径画弧形与RIS_1到用户的反射径的延长线G1B相交，设交点为A'，则点A'到RIS_1的距离值为R2；以RIS_2所在位置为圆心，R4为半径画弧形与RIS_2到用户的反射径的延长线G2B相交，设交点为A”，则点A”到RIS_2的距离值为R4；
[0023]定义：
[0024][0025][0026][0027][0028]定义向量γ，可表示为：
[0029]γ＝[a(x,y),b(x,y),c(x,y),d(x,y)]T
[0030]向量γ是一个包含有未知参数x和y的函数，将未知参数记为X＝[x,y]；
[0031]取目标函数为F(x,y)＝||γ||2，采用如下最优化算法搜索X使得F(x,y)最小化，即：
[0032][0033]当时，目标函数F(x,y)将取得最小值，此时正为待测目标的最佳估计值。
[0034]作为优选，所述步骤S3
‑
1的具体方法如下：
[0035]初始化参数搜索空间的维度,通过最优化算法进行搜索得到样本总数S＝50～20,0
[0036]接着对于每个样本i，计算其适应度函数：
[0037]J
i
(j,k)＝F(P
i
(j,k))
[0038]其中，P
i
(j,k)表示样本i在第j次趋向操作、第k次复制操作后所在的位置，假设每个样本的初始位置P
i
(1,1)＝(0,0)，令表示样本i存储的目前最好的适应度值。
[0039]作为优选，所述步骤S3
‑
2的具体方法如下：
[0040]进行趋向性循环操作，更新样本的位置函数：
[0041]P
i
(j+1,k)＝P
i
(j,k)+δ*Δ(i)
[0042]其中，Δ(i)(i＝1,2,...,S)为值在[
‑
1,1]上的随机数，步长单位δ＝0.001，
[0043]计算相应的适应度值：
[0044]βJ
i
(j+1,k)＝F(P
i
(j+1,k))
[0045]如果当前的适应度值J
i
(j+1,k)大于则保存到当前值
[0046][0047]计算每个样本新的移动方向：
[0048][0049][0050]其中
[0051]其中，C本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能反射表面无线定位方法，其特征在于，包括如下步骤：S1、获取定位场景下的基站以及至少两个智能反射表面的位置信息，所述基站位置为A、待定位用户B、智能反射表面位置为G
n
(n＝1,2,3
…
,)，RIS_1的位置为RIS_2的位置为待定位用户坐标为B(x,y)，其中x，y是未知的；S2、接收端通过接收信号进行定时估计分别得到经过每个智能反射表面的反射径与路径AB的到达时间差D
n
(n＝1,2,3
…
,)，D
n
(n＝1,2,3
…
,)通过定时估计算法获得待测目标的最佳估计值S3、根据获得的最佳估计值通过最优化算法得到的最优解即待测用户端位置的最佳估计值S3
‑
1、通过最优化算法搜索样本并进行适应度计算，存储目前样本最好的适应度值；S3
‑
2、进行趋向性循环操作，更新样本的位置；S3
‑
3、进行复制循环操作，对每个样本的适应度值进行累加获得能量，最终得到的能量值的最大值所对应的样本位置为最优解即待测用户端位置的最佳估计值。2.根据权利要求1所述的基于智能反射表面无线定位方法，其特征在于，所述基站为单天线，并且获取两个智能反射表面的位置信息分别为RIS_1的位置为RIS_2的位置为其中，基站位置为A(x
A
,y
A
)，待定位用户坐标为B(x,y)，其中x，y是未知的。3.根据权利要求2所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S2中，根据智能反射表面RIS_1和RIS_2的位置信息，分别得到到达时间差D1和D2。4.根据权利要求3所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S2中，定时估计算法具体步骤如下：定义：其中，R1表示从BS到用户的距离，R2表示从BS到RIS_1的距离，R3表示从RIS_1到待定位用户的距离，R4表示从BS到RIS_2的距离，R5表示从RIS_2到待定位用户的距离，表示从RIS_2到待定位用户的距离，c是光速，在基站A、RIS_1和用户B构成的ΔABG1中，由余弦定理计算得到点A'的坐标(x
A'
,y
A'
)，相同，对于基站A、RIS_2和用户B构成的ΔABG2中，由余弦定理计算得到A”的坐标(x
A”,y
A”)；
其中以RIS_1所在位置为圆心，R2为半径画弧形与RIS_1到用户的反射径的延长线G1B相交，设交点为A'，则点A'到RIS_1的距离值为R2；以RIS_2所在位置为圆心，R4为半径画弧形与RIS_2到用户的反射径的延长线G2B相交，设交点为A”，则点A”到RIS_2的距离值为R4；定义：定义：定义：定义：定义向量γ，可表示为：γ＝[a(x,y),b(x,y),c(x,y),d(x,y)]
T
向量γ是一个包含有未知参数x和y的函数，将未知参数记为X＝[x,y]；取目标函数为F(x,y)＝||γ||2，采用如下最优化算法搜索X使得F(x,y)最小化，即：当时，目标函数F(x,y)将取得最小值，此时正为待测目标的最佳估计值。5.根据权利要求4所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S3
‑
1的具体方法如下：初始化参数搜索空间的维度,通过最优化算法进行搜索得到样本总数S＝50～20,0接着对于每个样本i，计算其适应度函数：J
i
(j,k)＝F(P

【专利技术属性】
技术研发人员：陈铭鑫，曾嵘，马汉良，包建荣，王浩，应娜，姜斌，易志强，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：