[go: up one dir, main page]

CN115567868A - 移动通信系统中的定位 - Google Patents

移动通信系统中的定位 Download PDF

Info

Publication number
CN115567868A
CN115567868A CN202210769208.4A CN202210769208A CN115567868A CN 115567868 A CN115567868 A CN 115567868A CN 202210769208 A CN202210769208 A CN 202210769208A CN 115567868 A CN115567868 A CN 115567868A
Authority
CN
China
Prior art keywords
receiver
reference samples
positioning reference
phase
communication node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210769208.4A
Other languages
English (en)
Inventor
O-E·巴尔布
I·Z·科瓦克斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Technologies Oy
Original Assignee
Nokia Technologies Oy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nokia Technologies Oy filed Critical Nokia Technologies Oy
Publication of CN115567868A publication Critical patent/CN115567868A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S1/00—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith
    • G01S1/02—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith using radio waves
    • G01S1/04—Details
    • G01S1/045—Receivers
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S1/00—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith
    • G01S1/02—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith using radio waves
    • G01S1/68—Marker, boundary, call-sign, or like beacons transmitting signals not carrying directional information
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/001—Transmission of position information to remote stations
    • G01S2205/008—Transmission of position information to remote stations using a mobile telephone network

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开涉及一种移动通信中的定位。描述了一种装置，计算机程序产品和方法。该方法包括：在接收机处，在第一操作阶段期间，从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中接收机在第一操作阶段期间以宽波束或全向模式操作；基于针对相应的通信节点所获取的定位参考样本，确定接收机与每个通信节点中的每一个之间的信道的第一响应估计；至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及在接收机处，在第二操作阶段中，使用所选择的接收机波束从多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本。

Description

移动通信系统中的定位
技术领域
本说明书涉及移动通信系统中的定位。
背景技术
在移动通信系统中，用于确定用户设备的定位的下行链路参考信号(诸如定位参考信号)的使用以及类似的算法是已知的。已经为5G新无线电(NR)开发了与无线电接入技术(RAT)相关的定位方法，并且在支持高定位精度的3GPP Rel-16中进行了增强。在Rel-17和后续版本中，更高精度的趋势仍然相同。在该领域仍然存在进一步开发的需求。
发明内容
在第一方面，本说明书描述了一种装置，包括用于执行以下的部件：在接收机处，在第一操作阶段期间，从移动通信系统的多个通信节点(例如，传输接收点(TRP)或基站)中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；基于针对相应的通信节点所获取的定位参考样本，确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计(其可以是“粗数据”)；至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及在所述接收机处，在第二操作阶段中，使用所选择的接收机波束(例如，窄带波束)从所述多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本。因此，粗数据可被用于选择在第二操作阶段中使用的最佳接收机波束(根据某些度量)。
一些示例实施例进一步包括用于执行以下的部件：针对在所述第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计到达时间(TOA)和/或距离估计。可以使用多个通信节点的到达时间和/或距离估计来生成接收机位置的估计。
可以使用机器学习分类器(MLC)来选择接收机波束。一些示例实施例进一步包括用于执行以下的部件：将估计的距离与已知距离进行比较以形成用于在训练机器学习分类器时使用的代价(cost)函数。可以使用反向传播来训练机器学习分类器。
一些示例实施例进一步包括用于执行以下的部件：对第一信道响应估计进行过滤，其中基于经过滤的第一信道响应估计来选择接收机波束。所述过滤可以包括使用阈值水平和/或通过填充数据，内插等。
第一信道响应估计可以是信道脉冲响应估计。可以使用信道脉冲响应(CIR)估计器(例如，使用数字信号处理器)来生成这样的信道脉冲响应估计。
接收机可以形成用户设备或用户装置(UE)的一部分。
该部件可以包括：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，所述至少一个存储器和计算机程序代码被配置为与所述至少一个处理器一起引起所述装置的执行。
在第二方面，本说明书描述了一种方法，包括：在接收机处，在第一操作阶段期间，从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；基于针对相应的通信节点所获取的定位参考样本，确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及在所述接收机处，在第二操作阶段中，使用所选择的接收机波束从所述多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本。
该方法还可以包括：针对在所述第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计到达时间和/或距离估计。该方法还可以包括：基于多个通信节点的到达时间和/或距离估计来生成位置估计。
可以使用机器学习分类器来选择接收机波束。一些示例实施例进一步包括：将估计的距离与已知距离进行比较以形成用于在训练机器学习分类器时使用的代价函数。
一些示例实施例进一步包括：对第一信道响应估计进行过滤，其中基于经过滤的第一信道响应估计来选择接收机波束。
在第三方面，本说明书描述了一种方法，该方法包括：在接收机处从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；用从接收机到所述相应的通信节点的已知距离来标记所述第一下行链路定位参考样本；基于针对相应的通信节点所获取的定位参考样本，确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；至少部分地基于相应的第一信道响应估计，使用机器学习分类器为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；在所述接收机处使用所选择的接收机波束从所述多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本；针对在所述第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计距离；将所估计的距离与所述已知距离进行比较以形成用于在训练所述机器学习分类器时使用的代价函数；以及使用反向传播来训练所述机器学习分类器。
在第四方面，本说明书描述了一种装置，被配置为执行(至少)如参考第二方面或第三方面所描述的任何方法。
在第五方面，本说明书描述了一种计算机可读指令，其在由计算装置执行时使得该计算装置执行(至少)如参考第二方面或第三方面描述的任何方法。
在第六方面，本说明书描述了一种计算机可读介质(诸如非暂时性计算机可读介质)，该计算机可读介质包括存储在其上的用于执行(至少)如参考第二方面或第三方面所描述的任何方法的程序指令。
在第七方面，本说明书描述了一种装置，该装置包括：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，当所述计算机程序代码由所述至少一个处理器执行时，使得所述装置执行(至少)如参考所述第二方面或第三方面所描述的任何方法。
在第八方面，本说明书描述了一种计算机程序，其包括用于使装置至少执行以下的指令：在接收机处，在第一操作阶段期间，从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；基于针对相应的通信节点所获取的定位参考样本，确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及在所述接收机处，在第二操作阶段，使用所选择的接收机波束从所述多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本。
在第九方面，本说明书描述了一种计算机程序，包括用于使装置至少执行以下的指令：在接收机处从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；用从接收机到相应的通信节点的已知距离来标记所述第一下行链路定位参考样本；基于针对相应的通信节点所获取的定位参考样本，确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；至少部分地基于相应的第一信道响应估计，使用机器学习分类器为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；在所述接收机处使用所选择的接收机波束从所述多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本；针对在所述第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计距离；将所估计的距离与所述已知距离进行比较以形成用于在训练所述机器学习分类器时使用的代价函数；以及使用反向传播来训练所述机器学习分类器。
在第十方面，本说明书描述了一种装置，该装置包括：相关模块(或一些其他部件)，用于在第一操作阶段期间在接收机处从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；信道估计器模块，诸如信道脉冲响应估计器(或一些其他部件)，用于基于针对相应的通信节点所获取的定位参考样本来确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；分类器(或一些其它部件)，用于至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及接收机(或一些部件)，用于在第二操作阶段中使用所选择的接收机波束从所述多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本。
在第十一方面，本说明书描述了一种装置，包括：相关模块(或一些其他部件)，用于在接收机处从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；控制模块(或一些其他部件)，用于用从所述接收机到相应的通信节点的已知距离来标记所述第一下行链路定位参考样本；信道估计器模块，诸如信道脉冲响应估计器(或一些其他部件)，用于基于针对相应的通信节点所获取的定位参考样本来确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；机器学习分类器(或一些部件)，用于至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；接收机(或一些其他部件)，用于使用所选择的接收机波束从所述多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本；数字信号处理器(或一些其它部件)，用于针对在所述第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计距离；代价函数生成器(或一些其他部件)，用于将估计的距离与已知距离进行比较以形成用于在训练机器学习分类器时使用的代价函数；以及训练模块(或一些其他部件)，用于使用反向传播来训练机器学习分类器。
附图说明
现在将参考以下示意性附图通过非限制性示例来描述示例实施例，其中：
图1是根据示例实施例的系统的框图；
图2是根据示例实施例的示出算法的流程图；
图3是根据示例实施例的系统的框图；
图4是根据示例实施例的示出算法的流程图；
图5是根据示例实施例的系统的框图；
图6至图8是根据示例实施例的模块的框图；
图9是根据示例实施例的示出算法的流程图；
图10是根据示例实施例的系统的框图；
图11是根据示例实施例的系统的组件的框图；以及
图12A和图12B分别示出了存储计算机可读代码的有形介质，可移动非易失性存储器单元和光盘(CD)，当由计算机运行时，所述计算机可读代码执行根据示例实施例的操作。
具体实施方式
本发明的各种实施例所要求的保护范围由独立权利要求给出。在说明书中描述的未落入独立权利要求的范围内的实施例和特征(如果有的话)将被解释为对于理解本发明的各种实施例有用的示例。
在说明书和附图中，相同的附图标记始终表示相同的元件。
图1是根据示例性实施例的总体上由附图标记10表示的系统的框图。系统10包括用户设备12、第一基站14和第二基站15。基站14和15是传输接收点(TRP)的示例。
为了基于从第一基站14和/或第二基站15接收的定位参考信号(或一些其它下行链路参考信号)在用户设备12处实现高精度定位，发射机(例如，相关基站或一些其它TRP)和接收机(例如，用户设备)两者都可以应用空间波束成形，即，在空间上将它们自身朝向彼此定向。然而，为此，发射机和接收机可以首先利用它们的所有TX/RX波束扫描环境，并选择提供最佳链路质量的波束。
在下行链路(DL)定位中，链路质量可与相关波束的波束参考信号接收功率(RSRP)，到达时间(TOA)、到达角度(AOA)的准确度等相关。为了用户设备12为用户设备从其接收定位参考信号的多个TRP(例如，基站)中的每一者选择最佳UE RX波束，用户设备12可使用每一RX波束执行穷尽扫描并循序测量数十个信号。这导致计算和报告开销以及定位延迟。该定位延迟可能是不可接受的，因为用户设备应该在足够短的时间内使用它自己的波束中的每个波束来检测并报告数十个TRP波束，以确保定位完整性，即用户设备应该在其位置或方向改变之前完成测量，所有这些都同时满足网络延迟要求。
采取以下示例场景：
假设用户设备12具有用于提供LTE定位协议(LPP)定位测量报告的延迟要求：MaxLat＝10ms。还假设用户设备12配备有R＝4个RX波束，并且由位置管理功能(LMF)指示来测量6个TRP，每个TRP具有P＝4个波束。每个波束只重复一次。换句话说，用户设备12需要检测96个波束化的定位参考信号(PRS)。
假设其中PRS信号在码和空间中正交化的最佳情况场景，因此所有TRP能够同时发送它们的波束中的每一个：
-时隙1：(波束1，TRP1)，(波束1，TRP2)，…，(波束1，TRP6)。
-时隙i：(波束i，TRP1)，…，(波束i，TRP6)。
这意味着PRS传输持续P＝4个时隙。如果这些时隙被连续地分配，则用户设备没有足够的时间在其自己的RX波束之间切换(波束切换时间可以是大约3ms)，因此波束化的PRS必须被重复R＝4次，以便用户设备具有被激活的和被测量的其所有R＝4个UE RX波束。因此，测量过程持续T＝PR时隙+delta>>PR ms＝16ms，其中delta说明UE波束切换延迟。报告过程占用额外的V个时隙(用户设备获得分配并传输报告所需的)。这意味着网络在(T+V)个时隙中获得用户设备测量，(T+V)时隙＝PR+delta+V>>>16ms>MaxLat。
与穷尽UE RX波束扫描相关联的总延迟通常大于(例如，显著大于)所允许的延迟，因此必须采用其它方法。
图2是根据示例性实施例示出总体上由附图标记20表示的算法的流程图。
算法20开始于操作22，其中，在第一操作阶段期间，从移动通信系统的多个通信节点(例如，TRPs)中的每个通信节点接收(例如，在用户设备处)一个或多个第一下行链路定位参考样本，其中，在第一操作阶段期间，接收机以宽波束或全向模式操作。获取步骤22可以通过将接收的信号与(已知的)发射的定位参考信号相关来实现，尽管也可以使用其他检测方法(例如，检查从多个TRP波束中的每个TRP波束所接收的PRS功率)。
在操作24，为每个通信节点选择接收机波束，用于从相应的通信节点接收定位信号。如下面详细讨论的，操作24可以通过基于为相应的通信节点获得的定位参考样本来确定接收机和每个通信节点之间的信道的第一响应估计(例如信道脉冲响应)来实现。然后可以基于相应的第一信道响应估计来选择接收机波束。
在操作26，使用在操作24中选择的接收机波束从多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本。
该算法试图基于粗信道数据来选择用于接收定位参考信号(在操作24中)的最佳波束，粗信道数据基于宽波束信号(在操作22中获取)被确定。如果可以选择最佳波束，则可以确保良好的链路质量并因此确保良好的用户设备定位，而不需要穷尽波束扫描。此外，在位置管理功能(MLF)处以较低的延迟进行测量报告(例如，TOA细节)可以是可行的。
图3是根据示例性实施例的总体上由附图标记30表示的系统的框图。系统30可被用于实现上述算法20。
系统30包括信道估计模块32，波束选择模块34，接收机36和到达时间(TOA)或距离估计器38。
在系统30中，信号31被接收。信号31具有第一相位(时间周期t1)和第二相位(时间周期t2)。
在时间段t1期间，用户设备在全向或宽波束接收模式中收集信号样本(从而实现算法20的操作22)。由信道估计模块32使用所接收的样本来计算信道估计(例如，信道脉冲响应(CIR)估计，功率延迟分布，功率度量等)。信道估计模块32可使用常规的数字信号处理器(DSP)CIR估计器来实施。
由波束选择模块34处理信道估计以生成用于第二操作模式的用户设备波束索引(或波束识别符)j。如下文详细论述，可使用机器学习分类器(MLC)来实施波束选择模块34。从而波束选择模块34实现算法20的操作24。
在时间段t2期间，接收机36使用由波束选择模块34输出的波束索引j来收集信号样本，从而实现算法20的操作26。
由接收机36获取的信号样本被提供给TOA/距离估计器38，它可以使用数字信号处理器(DSP)来实现。如下面进一步讨论的，TOA/距离估计器38可被用于针对在第二操作阶段期间接收的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计到达时间和/或距离。由估计器38获取的TOA/距离估计可被用于生成用户设备的位置估计(例如，使用三角测量原理)。
因此，在一些示例实施例中，系统30寻求获取用于下行链路PRS接收的最佳用户设备RX窄波束，以实现高精度下行链路定位。如下面详细讨论的，系统30可以通过将数字信号处理(DSP)块与机器学习分类器(MLC)级联以创建混合结构来实现，该混合结构使用基于每个发射机和接收机之间的几何距离的代价函数从宽波束/全向接收中重构窄波束信道。应注意，可使用其它代价函数(例如，基于位置估计误差的代价函数)。
图4是根据示例性实施例示出总体上由附图标记40表示的算法的流程图。算法40可被用于训练机器学习分类器以用作上述的波束选择模块34。
算法40开始于操作42处，在操作42处估计用户设备处的接收机与发射机之间的距离，如上文所论述。
在操作44，将所估计的距离与已知距离进行比较，以生成用于在训练机器学习分类器时使用的代价函数。(注意，在该示例性实施例中，训练阶段对距离估计进行优化，而不针对接收信号强度。)
在操作46，使用反向传播(例如，通过机器学习分类器和用于生成信道脉冲响应和/或距离估计的数字信号处理器(DSP)的反向传播)来训练用于实现波束选择模块(例如，上面讨论的模块34)的机器学习分类器。
图5是根据示例性实施例的总体上由附图标记50表示的系统的框图。系统50类似于如上所述的系统30，但提供了更多细节。系统50可被用于实现算法40。
系统50接收如上所述的信号31(该信号具有第一相位(时间段t1)和第二相位(时间段t2))。
系统50包括CIR提取器模块51，CIR过滤模块52，机器学习分类器53，RX波束发生器54，TOA估计模块55，TOA到距离转换模块56和代价函数生成器57。
CIR提取器模块51和CIR过滤模块52可被用于实现系统30的信道估计模块32。机器学习分类器53可被用于实现系统30的波束选择模块34。RX波束发生器54可被用于实现系统30的接收机36。TOA估计模块55和TOA到距离转换模块56可被用于实现系统30的到达时间(TOA)或距离估计器38(并实现算法40的操作42)。此外，代价函数生成器57可被于实现算法40的操作44。
在系统50的使用中，由网络指示的下行链路定位接收机在给定时间间隔T＝(t1,t2)内监听一个或多个PRS p(t)。
在信号31的第一小接收窗口t1期间，用户设备使用无/宽RX波束成形来监听p(t)，并收集N个宽波束样本r(1)，…r(N)(从而实现上述算法20的操作22)。接收的信号是所有TXPRS的叠加，每个TX PRS与它们自己的信道脉冲响应(CIR)卷积并被加性高斯白噪声(AWGN)破坏。CIR提取器模块51使用这些样本来获取宽波束信道状态信息，例如功率延迟分布(PDP)、信道脉冲响应(CIR)和信道频率响应(CFR)。如下面进一步讨论的，CIR提取器模块51可以输出具有UE特定分辨率的延迟网格上的抽头(tap)的CIR简档(profile)(每个检测到的TRP)。
因此，用户设备应用RX宽/无波束形成器且收集所接收的定位参考信号(PRS)样本r(1:N)。注意，这些PRS可能已经或可能没有在TRP处被TX波束成形。如上所述，可以使用其它下行链路参考信号来代替本实施例中讨论的位置参考信号。
CIR过滤模块52可被用于通过应用用户设备特定的过滤器将由CIR提取器模块51输出的宽波束CIR简档(也称为全向CIR)限幅到例如固定长度。例如，过滤器可以保留X个最强抽头(每个具有实部，虚部和指数延迟)，或者保留具有距离最大功率抽头的Y dB范围内的功率的抽头。
由CIR过滤模块52输出的经过滤的全向CIR被提供给机器学习分类器53，该分类器设法为每个检测到的TRP输出最佳用户设备RX窄波束的索引j。分类器53可以是多类的，并且可以实现对最佳波束索引的独热(one-hot)编码输出。在另一实现中，可以用最相关抽头的相位来代替CIR，并将其馈送到分类器。
在第二时间间隔t2期间，用户设备应用所选择的RX波束形成器Wj(作为MLC的输出并由RX波束生成器54实现)，其中wj是用于生成具有索引j的RX波束的波束形成权重的向量，并且观察UE波束形成的信号并收集波束形成的信号样本y(N+1:M)。
窄波束信号
Figure BDA0003723326870000111
被TOA估计模块55用来估计TOA，以及被TOA到距离转换模块56用来生成距离估计(从而实现算法40的操作42)。估计的距离可以被校正(d＝cτ+ξ)以解决AWGN误差和其他UE非线性，例如时钟漂移。
为了训练MLC 53，在训练阶段中，将所得到的估计距离
Figure BDA0003723326870000121
与真实距离进行比较，并且计算代价函数
Figure BDA0003723326870000122
例如真实距离和估计距离之间的欧几里德范数(参见算法40的操作44)。代价函数由代价函数发生器57生成并被反向传播以训练MLC 53，从而实现算法40的操作46。
图6是根据示例性实施例的总体上由附图标记60表示的模块的框图。模块60是如上所述的CIR过滤模块52的示例实现。
在模块60中，CIR抽头的过滤具有使提供给MLC的输入的数据均匀化的作用。例如，输入向量长度可以是固定的。为此，取决于所估计的CIR长度，该过滤可以包括以下一项或多项：
-移除具有低于特定阈值的功率的抽头，例如相对于最大功率抽头，或者相对于估计的SNR水平(图中的示例性实现)。
-在严重稀疏的初始估计的情况下对估计进行零填充。
-内插缺失值等。
图7是根据示例性实施例的总体上由附图标记70表示的模块的框图。系统70是机器学习分类器(MLC)53的示例实现。ML分类器设法以例如二进制向量(包含在最佳索引的位置上的1)或概率向量的形式输出最佳波束索引，在概率向量中第i个条目对应于最佳波束是波束i的概率。如上所述，MLC 53接收全向CIR估计作为输入，并可被实现为如图7所示的深度神经网络。应当注意，模块70是以示例的方式提供的；存在其他实现方式。
图8是根据示例性实施例的总体上由附图标记80表示的模块的框图。模块80，其可形成如上所述的TOA到距离转换模块56的一部分，包括(例如)用于校正时钟漂移的机构。
图9是根据示例性实施例示出总体上由附图标记90表示的算法的流程图。算法90可被用于训练上述MLC 53。
算法90开始于操作92，其中在接收机处从移动通信系统的多个通信节点中的每个通信节点获取一个或多个第一下行链路定位参考样本(或一些其它下行链路参考信号)。接收机在宽波束或全向模式操作，以便获取宽波束接收样本。
操作92可以包括收集全CIR测量(例如，使用CIR提取器模块51)以及可选地过滤CIR测量(例如，使用CIR过滤模块52)。
在操作93，用从接收机到相应的通信节点的已知距离来标记第一下行链路定位参考样本。这些标记可被用于训练目的，如下面进一步讨论的。
在操作94，接收机波束被选择用于从相应的通信节点接收定位信号。操作94可以包括确定接收机与所述每个通信节点中的每一个之间的信道的第一响应估计，以及基于相应的第一信道响应估计来选择接收机波束(例如，使用上述MLC 53)。例如，由算法90训练的分类器可被用于实现操作94。
在操作95，使用在操作94中选择的接收机波束从多个通信节点中的每个通信节点接收一个或多个第二下行链路定位参考样本(例如，使得使用窄TX-RX波束)。
在操作96，为多个下行链路定位参考样本中的每个下行链路定位参考样本估计距离。
在操作97，将估计的距离与已知距离(基于操作93中生成的标记)进行比较，以形成用于在训练机器学习分类器(MLC)时使用的代价函数。例如，可以使用上述代价函数发生器57。
最后，在操作98，使用反向传播来训练MLC。注意，MLC可以首先在云中被训练并在相关的用户设备处被下载，或者在用户设备处(例如在实验室环境中)直接训练。
图10是根据示例性实施例的总体上由附图标记100表示的系统的框图。
系统100包括如上所述的系统50的CIR提取器模块51，CIR过滤模块52，机器学习分类器53，RX波束发生器54，TOA估计模块55和TOA到距离转换模块56。然而，虽然系统50包括代价函数生成器57(用于训练)，但是系统100包括用于部署这里描述的原理的定位报告生成模块102。模块102例如可以生成LTE定位协议(LPP)报告。当然，示例系统可以包括代价函数生成器57和定位报告生成模块102(分别用于训练和部署)。
为完整起见，图11是先前描述的一个或多个示例实施例的组件的示意图，下文将其统称为处理系统300。处理系统300例如可以是(或可以包括)在以下权利要求中提及的装置。
处理系统300可以具有处理器302，紧密耦合到处理器并包括RAM 314和ROM 312的存储器304，以及可选地，用户输入310和显示器318。处理系统300可以包括一个或多个网络/装置接口308，用于连接到网络/装置，例如可以是有线或无线的调制解调器。网络/装置接口308还可以作为到诸如不是网络侧装置的设备/装置的其它装置的连接来操作。因此，没有网络参与的设备/装置之间的直接连接是可能的。
处理器302被连接到其它组件中的每一个以控制其操作。
存储器304可以包括非易失性存储器，例如硬盘驱动器(HDD)或固态驱动器(SSD)。存储器304的ROM 312尤其存储操作系统315并且可以存储软件应用316。存储器304的RAM314被处理器302用于临时存储数据。操作系统315可以包含代码，该代码在由处理器执行时实现上述算法和消息序列20、40和90的各方面。注意，在小设备/装置的情况下，存储器可以最适合于小尺寸使用，即不总是使用硬盘驱动器(HDD)或固态驱动器(SSD)。
处理器302可以采取任何适当的形式。例如，它可以是微控制器，多个微控制器，处理器或多个处理器。
处理系统300可以是独立的计算机，服务器，控制台或其网络。处理系统300和所需的结构部分可以被全部在设备/装置内，例如嵌入到非常小尺寸的IoT设备/装置。
在一些示例实施例中，处理系统300还可以与外部软件应用相关联。这些应用可以是存储在远程服务器设备/装置上的应用，并且可以部分地或专门地在远程服务器设备/装置上运行。这些应用可以被称为云主机应用。处理系统300可以与远程服务器设备/装置通信，以便利用存储在那里的软件应用。
图12A和12B分别示出了存储计算机可读代码的有形介质，可移动存储单元365和光盘(CD)368，计算机可读代码在由计算机运行时可以执行根据上述示例性实施例的方法。可移动存储单元365可以是具有存储计算机可读代码的内部存储器366的存储棒，例如USB存储棒。计算机系统可以经由连接器367访问内部存储器366。CD 368可以是CD-ROM或DVD或类似物。可以使用其它形式的有形存储介质。有形介质可以是能够存储数据/信息的任何设备/装置，数据/信息可以在设备/装置/网络之间交换。
本发明的实施例可以用软件，硬件，应用逻辑，或软件、硬件和应用逻辑的组合来实现。软件、应用逻辑和/或硬件可以驻留在存储器或任何计算机介质上。在示例实施例中，应用逻辑、软件或指令集被维护在各种常规计算机可读介质中的任何一个上。在本文档的上下文中，“存储器”或“计算机可读介质”可以是能够包含，存储，传送，传播或传输由指令执行系统，装置或设备(例如计算机)使用或与其结合使用的指令的任何非瞬态介质或装置。
在相关的地方，对“计算机可读介质”、“计算机程序产品”、“有形地具体化的计算机程序”等，或“处理器”或“处理电路”等的引用应被理解为不仅包括具有不同体系结构(例如单/多处理器体系结构和定序器/并行体系结构)的计算机，而且还包括专用电路，诸如现场可编程门阵列FPGA，应用专用电路ASIC，信号处理设备/装置和其它设备/装置。对计算机程序，指令，代码等的引用应被理解为表示用于可编程处理器固件的软件，诸如作为用于处理器的指令的硬件设备/装置的可编程内容，或者用于固定功能设备/装置、门阵列、可编程逻辑设备/装置等的被配置的设置或配置设置。
如果需要，这里讨论的不同功能可以以不同的顺序和/或彼此同时执行。此外，如果需要，一个或多个上述功能可以是可选的或可以被组合。类似地，还应当理解，图2，图4和图9的流程图和消息序列仅是示例，并且其中描述的各种操作可以被省略，重新排序和/或组合。
应当理解，上述示例性实施例仅仅是说明性的，并不限制本发明的范围。在阅读本说明书后，其它变化和修改对于本领域技术人员将是显而易见的。
此外，本申请的公开内容应被理解为包括在此明确地或隐含地公开的任何新颖特征或特征的任何新颖组合或其任何概括，并且在本申请或从其导出的任何申请的审查期间，可以制定新的权利要求以覆盖任何这样的特征和/或这样的特征的组合。
尽管在独立权利要求中阐述了本发明的各个方面，但是本发明的其他方面包括来自所描述的示例性实施例和/或从属权利要求的特征与独立权利要求的特征的其他组合，而不仅仅是在权利要求中明确阐述的组合。
这里还要注意，虽然上面描述了各种示例，但是这些描述不应被视为具有限制意义。相反，在不脱离由所附权利要求限定的本发明的范围的情况下，可以进行多种变化和修改。

Claims (15)

1.一种用于定位的装置，包括用于执行以下的部件：
在接收机处，在第一操作阶段期间，获取来自移动通信系统的多个通信节点中的每个通信节点的一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；
基于针对相应的通信节点所获取的所述定位参考样本，确定所述接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；
至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及
在所述接收机处，在第二操作阶段，使用所选择的所述接收机波束，接收来自所述多个通信节点中的每个通信节点的一个或多个第二下行链路定位参考样本。
2.如权利要求1所述的装置，还包括用于执行以下的部件：
针对在所述第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计到达时间和/或距离估计。
3.如权利要求1或权利要求2所述的装置，其中使用机器学习分类器来选择所述接收机波束。
4.如权利要求3所述的装置，还包括用于执行以下的部件：
将估计的距离与已知距离进行比较以形成用于在训练所述机器学习分类器时使用的代价函数。
5.如权利要求4所述的装置，还包括用于执行以下的部件：
使用反向传播来训练所述机器学习分类器。
6.如前述权利要求中任一项所述的装置，还包括用于执行以下的部件：
对所述第一信道响应估计进行过滤，其中所述接收机波束是基于经过滤的所述第一信道响应估计被选择的。
7.如前述权利要求中任一项所述的装置，其中所述第一信道响应估计是信道脉冲响应估计。
8.如前述权利要求中任一项所述的装置，其中所述接收机形成用户设备的一部分。
9.如前述权利要求中任一项所述的装置，其中所述部件包括：
至少一个处理器；以及
至少一个存储器，包括计算机程序代码，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起引起所述装置的执行。
10.一种用于定位的方法，包括：
在接收机处，在第一操作阶段期间，获取来自移动通信系统的多个通信节点中的每个通信节点的一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；
基于针对相应的通信节点所获取的所述定位参考样本，确定所述接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；
至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及
在所述接收机处，在第二操作阶段，使用所选择的所述接收机波束，接收来自所述多个通信节点中的每个通信节点的一个或多个第二下行链路定位参考样本。
11.如权利要求10所述的方法，还包括：
针对在所述第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计到达时间和/或距离估计。
12.如权利要求10或权利要求11所述的方法，其中使用机器学习分类器来选择所述接收机波束。
13.如权利要求12所述的方法，还包括：
将估计的距离与已知距离进行比较以形成用于在训练所述机器学习分类器时使用的代价函数。
14.一种用于定位的方法，包括：
在接收机处，获取来自移动通信系统的多个通信节点中的每个通信节点的一个或多个第一下行链路定位参考样本，其中所述接收机在第一操作阶段期间以宽波束或全向模式操作；
用从所述接收机到相应的通信节点的已知距离来标记所述第一下行链路定位参考样本；
基于针对所述相应的通信节点所获取的所述定位参考样本，确定所述接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；
至少部分地基于相应的第一信道响应估计，使用机器学习分类器，为每个通信节点选择用于从所述相应的通信节点接收定位信号的接收机波束；
在所述接收机处，使用所选择的所述接收机波束，接收来自所述多个通信节点中的每个通信节点的一个或多个第二下行链路定位参考样本；
针对在第二操作阶段期间接收到的多个下行链路定位参考样本中的每个下行链路定位参考样本，估计距离；
将估计的所述距离与所述已知距离进行比较，以形成用于在训练所述机器学习分类器时使用的代价函数；以及
使用反向传播来训练所述机器学习分类器。
15.一种计算机程序，包括指令，所述指令用于使装置执行至少以下各项：
在接收机处，在第一操作阶段期间，获取来自移动通信系统的多个通信节点中的每个通信节点的一个或多个第一下行链路定位参考样本，其中所述接收机在所述第一操作阶段期间以宽波束或全向模式操作；
基于针对相应的通信节点所获取的所述定位参考样本，确定所述接收机与所述每个通信节点中的每一个之间的信道的第一响应估计；
至少部分地基于相应的第一信道响应估计，为每个通信节点选择用于从相应的通信节点接收定位信号的接收机波束；以及
在所述接收机处，在第二操作阶段，使用所选择的所述接收机波束，接收来自所述多个通信节点中的每个通信节点的一个或多个第二下行链路定位参考样本。
CN202210769208.4A 2021-07-01 2022-06-30 移动通信系统中的定位 Pending CN115567868A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP21183016.1A EP4130777A1 (en) 2021-07-01 2021-07-01 Positioning in mobile communication systems
EP21183016.1 2021-07-01

Publications (1)

Publication Number Publication Date
CN115567868A true CN115567868A (zh) 2023-01-03

Family

ID=76744629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210769208.4A Pending CN115567868A (zh) 2021-07-01 2022-06-30 移动通信系统中的定位

Country Status (3)

Country Link
US (1) US12339385B2 (zh)
EP (1) EP4130777A1 (zh)
CN (1) CN115567868A (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3095288A1 (en) * 2014-01-17 2016-11-23 Idac Holding, Inc. 3gpp mmw access link system architecture
WO2016143917A1 (ko) * 2015-03-09 2016-09-15 엘지전자 주식회사 밀리미터 웨이브를 지원하는 무선 접속 시스템에서 스캐닝 수행 방법 및 이를 지원하는 장치
US10841925B2 (en) * 2017-05-05 2020-11-17 National Instruments Corporation Wireless communication system that performs beam reporting based on a combination of reference signal receive power and channel state information metrics
CN109995405A (zh) * 2017-12-29 2019-07-09 索尼公司 用于无线通信系统的电子设备、方法、装置和存储介质
US11792607B2 (en) * 2020-07-22 2023-10-17 Qualcomm Incorporated Positioning signal frequency hop aggregation

Also Published As

Publication number Publication date
EP4130777A1 (en) 2023-02-08
US20230003831A1 (en) 2023-01-05
US12339385B2 (en) 2025-06-24

Similar Documents

Publication Publication Date Title
KR102416604B1 (ko) 무선통신 시스템의 정밀 측위 방법 및 장치
WO2022190122A1 (en) Method of positioning a node in a cellular network
CN101378278B (zh) 无线多入多出通信系统的信道测量
JP5267900B2 (ja) 到来方向推定装置およびそれを備えた無線通信装置
CN101489238B (zh) 一种时间差的测量方法、系统及装置
JP2019207210A (ja) 位置推定方法および位置推定装置
CN101893707B (zh) 非视距传播识别方法、装置与基站
CN107171981B (zh) 通道校正方法及装置
WO2024136703A1 (en) Method and apparatus for beam tracking
CN118524517B (zh) 一种终端定位方法及相关装置
JP7310033B2 (ja) 関数ベースのマッチングパターンを使用するフィンガープリンティングのための方法および装置
CN115766349A (zh) 定位测量
CN115567868A (zh) 移动通信系统中的定位
EP4296705A1 (en) Positioning information
CN106796277A (zh) 移动通信网络中的位置调整
EP4414738A1 (en) Aiml positioning receiver for flexible carrier aggregation
CN108495365B (zh) 基于窄带物联网时延估计的终端定位方法
KR102125996B1 (ko) 무선 통신 시스템에서의 단말의 위치 측정 방법
WO2021030819A2 (en) System and method for map-assisted location estimation
US20250212089A1 (en) Methods and apparatuses relating to wireless communications
CN116636265B (zh) 确定无线通信网络中移动无线设备的位置的方法和装置
EP4113857A1 (en) Beam switching
WO2024073911A1 (en) Method and device for determining a position of a mobile wireless device in a wireless communication network
WO2025010690A9 (zh) 感知信息的反馈方法、装置、设备及存储介质
Gkiouzepi et al. Joint Message Detection and User Position Estimation for Cell-Free Networks in Realistic Propagation Environments

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination