【技术实现步骤摘要】
一种视线状态预测方法、装置及应用
[0001]本专利技术涉及视线状态预测
，尤其是指一种视线状态预测方法
、
装置及应用
。
技术介绍
[0002]基于位置的服务是工业互联网的重要组成部分，它可以为用户提供他们的位置和相关服务，如导航
、
仓库定位和获取附近信息
。
近年来，智能城市
、
智能工厂
、
无人机和无人驾驶等场景对高精度定位的需求迅速兴起
。
定位系统可以对工厂的机器人，传感器，人员和物资等进行实时跟踪，实现生产和管理的数字化，智能化
。
全球定位系统
(GPS)
由于建筑结构引起的多路径效应和
GPS
信号衰减，它在室内环境中并不适用
。
不同的视距和非视距状态明显影响了室内定位精度
。
而且，室内定位系统针对视距和非视距状态通常采用不同的定位方法
。
[0003]目前，室内定位系统大致可分为两种类型：基于参
【技术保护点】
【技术特征摘要】
1.
一种视线状态预测方法，其特征在于，包括：获取待预测室内场景的射线追踪仿真结果，划分为预设个数的接收点，生成接收点集合；获取每个接收点的坐标与真实视线状态进行预处理，构成接收点矩阵；基于所述待预测室内场景的视距环境与非视距环境，构建两态马尔可夫模型；令所述接收点集合中的样本接收点按照不同的预设方向与预设距离进行移动，利用所述两态马尔可夫模型，计算并获取移动后的样本接收点的视距状态与非视距状态之间切换的状态转移概率，构成状态转移矩阵；基于所述状态转移矩阵，分别将每种状态下的状态转移概率进行曲线拟合，获取对应的概率预测拟合方程；获取待定位接收点的初始视线状态，选择目标概率预测拟合方程，将其移动方向与距离输入所述目标概率预测拟合方程，得到状态概率，获取所述待定位接收点移动后的预测视线状态
。2.
根据权利要求1所述的视线状态预测方法，其特征在于，所述获取待预测室内场景的射线追踪仿真结果，划分为预设个数的接收点，生成接收点集合；获取每个接收点的坐标与真实视线状态进行预处理，构成接收点矩阵，包括：将待预测室内场景的射线追踪仿真结果，基于预设网格分辨率，划分为
m*n
个接收点，生成接收点集合；对每个接收点的视距数据或非视距数据进行预处理，获取所述待预测室内场景中每个接收点的信息，构成接收点矩阵
Q
mn
，表示为：其中，
m
表示待预测室内场景的长度除以预设网格分辨率的值，
n
表示待预测室内场景的宽度除以预设网格分辨率的值；
q
αβ
表示第
α
行第
β
列个接收点的信息，其包括接收点的坐标及对应的真实视线状态，
1≤
α
≤m
，
1≤
β
≤n。3.
根据权利要求1所述的视线状态预测方法，其特征在于，所述令所述接收点集合中的样本接收点按照不同的预设方向与预设距离进行移动，利用所述两态马尔可夫模型，计算并获取移动后的样本接收点的视距状态与非视距状态之间切换的状态转移概率，构成状态转移矩阵，包括：令所述接收点集合中的样本接收点按照不同的预设方向
v
与预设距离
d
移动；获取所述样本接收点移动后的视距状态
LoS
与非视距状态
NLoS
转换的单步转换概率；利用基于频率的方法，计算所述样本接收点的视距状态与非视距状态转换的经验转变概率；基于所述经验转变概率，获取所述样本接收点的视距状态与非视距状态转换的状态转移概率，构建包含视距状态转换为视距状态的经验转变概率
、
视距状态转换为非视距状态的经验转变概率
、
非视距状态转换为视距状态的经验转变概率与非视距状态转换为非视距状态的经验转变概率的状态转移矩阵
。4.
根据权利要求3所述的视线状态预测方法，其特征在于，所述单步转换概率
p
ij
(d,v)
，
表示为：
p
ij
(d,v)
＝
Pr(X
k+1
＝
j|X
k
＝
i)
；其中，
d
表示接收点的移动距离，
v
表示接收点的移动方向；
X
k
＝
i
表示当前视线状态为
i
，
X
k+1
＝
j
表示移动后的视线状态为
j
，
Pr(X
k+1
＝
j|X
k
＝
i)
表示当前视线状态由
i
转换为
j
的概率，
i,j∈{LoS,NLoS}。5.
根据权利要求4所述的视线状态预测方法，其特征在于，所述经验转变概率表...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。