室内定位方法、计算机设备、存储介质和程序产品

    公开(公告)号:CN117714976A

    公开(公告)日:2024-03-15

    申请号:CN202311618923.9

    申请日:2023-11-29

    Abstract: 本申请涉及一种室内定位方法、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待定位对象上一时刻的位置信息和速度信息;基于上一时刻的所述位置信息和速度信息,预测所述待定位对象所在的目标平面;基于所述待定位对象相对于所述目标平面的高度在预设范围内,得到所述待定位对象的位置约束条件;基于所述位置约束条件,通过状态空间模型对上一时刻的所述位置信息和速度信息进行处理,得到所述待定位对象在当前时刻的目标位置信息,其中,所述状态空间模型是基于所述待定位对象与基站之间的空间位置关系构建的。采用本方法能够实现对跨楼层移动的终端进行定位。

    定位方法、装置、计算机设备和存储介质

    公开(公告)号:CN117528774A

    公开(公告)日:2024-02-06

    申请号:CN202311777243.1

    申请日:2023-12-21

    Abstract: 本申请涉及一种定位方法、装置、计算机设备和存储介质。本申请的设备侧根据网络侧发送的能力请求信令,将能力信息上报至网络侧,以使网络侧根据该能力信息,匹配对应的定位模型,得到目标定位模型。网络侧或设备侧采用该目标定位模型,对设备侧进行定位,得到定位信息。本申请同时考虑了设备侧的资源配置能力和定位精度需求,在满足设备侧的定位精度需求的同时,也降低了网络侧或设备侧的计算开销和时延。

    终端定位方法、装置、非易失性存储介质及计算机设备

    公开(公告)号:CN116840782A

    公开(公告)日:2023-10-03

    申请号:CN202310889210.X

    申请日:2023-07-19

    Abstract: 本发明公开了一种终端定位方法、装置、非易失性存储介质及计算机设备。其中,该方法包括:获取多个基站各自的距离测量值、多个基站各自的距离测量值对应的测量方差以及多个基站各自的基站位置,其中,距离测量值为采用视距径测量方法测量多个基站分别与终端之间的距离;根据基站位置、距离测量值和测量方差,采用近似最大似然到达时间差算法,确定终端的终端位置。本发明解决了由于场景中的非视距效应导致对终端的定位精度降低的技术问题。

    一种用于无线定位系统的缝隙阵列天线

    公开(公告)号:CN112332094B

    公开(公告)日:2023-04-07

    申请号:CN202011014913.0

    申请日:2020-09-24

    Abstract: 本发明公开了一种用于无线定位系统的缝隙阵列天线,包括缝隙天线单元,若干个所述缝隙天线单元沿直线排列组成天线阵列,相邻所述缝隙天线单元之间设有隔断金属片,相邻缝隙天线单元的间隔为天线中心频率的半波长,缝隙天线单元包括金属反射腔和安装在金属反射腔开口处的缝隙辐射板,缝隙辐射板通过SMA连接器连接U型耦合馈电传输线。本发明通过隔断金属片,有效减小缝隙天线单元之间电磁波的串扰,通过金属反射腔,有效增强信号强度,采用U型耦合馈电传输线结构,能够在宽频带范围内提供理想的阻抗匹配,本发明结构简单、安装方便,天线交叉极化好,阵元相位一致性高,并能解决天线工作频带窄的问题。

    一种用于无线定位系统的微带阵列天线

    公开(公告)号:CN112332114B

    公开(公告)日:2022-11-29

    申请号:CN202011015949.0

    申请日:2020-09-24

    Abstract: 本发明公开了一种用于无线定位系统的微带阵列天线,包括由天线单元组成的天线阵列,天线阵列由四个及以上天线单元沿直线等距离排列组成,位于天线阵列两端的天线单元为虚阵元,剩余的天线单元为中间阵元,相邻天线单元之间及天线阵列四周均竖直分布隔离条。本发明对辐射板形状进行改进,增加了天线阵列两端的虚阵元并且在天线单元之间和天线阵列四周的增设矩形隔离条,减小了阵元间耦合、提高阵元交叉极化性能,提高阵元间大角度范围的相位一致性从而提高定位系统的定位精度。

    信号到达角估计方法、装置、电子设备及存储介质

    公开(公告)号:CN113472415B

    公开(公告)日:2021-12-28

    申请号:CN202111024093.8

    申请日:2021-09-02

    Abstract: 本发明提供一种信号到达角估计方法、装置、电子设备及存储介质,所述方法包括:确定待估计的阵列信号;将所述待估计的阵列信号输入至信号到达角估计模型,获得所述信号到达角估计模型输出的信号到达角的估计结果;其中,所述信号到达角估计模型是基于贝叶斯神经网络,并根据损失函数进行训练得到的,所述损失函数是基于变分估计中的相对熵KL散度计算得到。本发明通过将贝叶斯神经网络引入信号到达角估计模型中,基于变分估计中的KL散度计算损失函数,将损失函数作为神经网络的优化目标函数,为神经网络的权重引入了不确定性,提高了信号到达角估计模型的鲁棒性和信号到达角的估计精度。

Patent Agency Ranking