本创新方案聚焦于电子通信与无线定位技术,专注于实现远距离蜂窝网络定位。特别适用于隧道、城市峡谷等复杂地形环境,优化LTE信号在特殊场景下的定位准确性。
背景技术
近些年来,全球使用最多的定位系统当属卫星定位,例如全球定位系统(GPS)或是北斗全球定位导航系统。GPS全球定位系统是通过卫星对地面进行导航,地球上98%面积的区域都被GPS覆盖,如今的GPS技术可以提供高精度的定位性能,速度测量和授时信息,GPS的平均定位精度一般在10m左右。
然而,GNSS导航解决方案在城市峡谷深处会显著退化。尽管GNSS系统经过半个多世纪的发展,己经基本解决了室外的定位与导航难题,但卫星信号在室内、城市峡谷等复杂环境下,信号传输衰减较快,甚至被完全遮挡,从而难以提供高性能、可持续的位置服务。因此,研究蜂窝数据定位(LTE/NR)以适应室内外的复杂环境成为了定位与导航的新发展方向。
在2G/3G网络普及的时候,其实已经可以使用蜂窝数据进行定位,在早些年就已经有单基站和多基站定位的方法,不过由于2G/3G网络频带较窄,传输速率低,网络不稳定,延迟较高,因此基于2G/3G网络实现的定位往往精度不高,通常都在百米以上,并没有太大的参考价值。4G网络的到来很好地改善了这些缺点,LTE信号的主要优势如下:频带带宽能够达到20MHz,下行数据速率达到100Mbps,上行数据速率达到50Mbps。同时提高了小区容量,大大地降低了通信系统的延时。这些优势让LTE信号在定位方面可以拥有出色的表现。并且,在3GPP最新的文档中也指出了目标利用蜂窝数据实现室内小于3m和室外小于10m的定位精度。毫无疑问,使用蜂窝数据进行高精度定位的前景非常广阔。
结合多种定位技术对增强系统的鲁棒性和环境适应性,保证导航定位的高精度等方面具有重要意义。而精确定位中使用的最佳估计方法是卡尔曼滤波(Kalman Filtering,KF),而针对导航定位这类非线性明显的系统,更为广泛使用的非线性估计方法是扩展卡尔曼滤波方法(Extended Kalman Filtering,EKF)。通过扩展卡尔曼滤波实现融合定位的动态位置估计,可以提高系统定位精度和增强系统的鲁棒性和环境适应性。
在信息论和统计推断领域,信源估计是一项重要的任务,尤其当面对未知信源数量时,问题变得更具挑战性。MDL原则是一种广泛应用的理论框架,它结合了贝叶斯推断与熵编码的思想,用于数据建模和模型选择,它的核心思想是通过寻找能够最简洁地描述数据的模型,即模型复杂度和拟合数据的精度之间的平衡,找到最小的描述长度来预测目标变量和传输数据模型,在本发明研究的问题中,MDL原则用来估计信道的多径数量。
ESPRIT是一种借助旋转不变技术估计信号参数的方法。ESPRIT算法主要有两种,分别是基于阵列空间和基于波束空间。
现有技术没有结合上述几种方法用于基于LTE信号的车载定位系统的解决方案。
实现思路