面向6G毫米波通感一体化系统的车辆定位与测速方法

面向6g毫米波通感一体化系统的车辆定位与测速方法
技术领域
1.本发明涉及车辆定位与测速的技术领域，更具体地，涉及一种面向6g毫米波通感一体化系统的车辆定位与测速方法。


背景技术：

2.通信感知一体化是指同时实现感知与通信功能协同的新型信息处理技术，其将广泛应用于未来的车对物(v2x)网络中。车对物v2x网络不仅需要在高移动环境下实现低时延的数据传输，更需要高精度位置与速度估计。
3.5g通信技术能够利用大规模多输入多输出(multiple input multiple output，mimo)天线阵列和毫米波频段来满足v2x网络的定位与通信功能，其中，mimo天线阵列通过深度挖掘空间维度资源，能显著提升通信网络容量，而毫米波频带具有丰富的可用带宽，并且由于其信道稀疏，只包含几个多径分量，不仅可以实现更高的数据传输效率，而且还显著提高了距离分辨率，非常有利于车辆定位。车联网路边单元(road side unit，rsu)通过接收车辆信息分析道路状况，指挥交通，若检测到有事故风险，发送警告信息给相关车辆，有助于提高车辆的行驶安全性。路边单元通过配备大规模天线阵列形成窄波束，能够对环境和目标状态进行感知，同时还可以利用目标位置、速度信息可以帮助路边单元进行波束赋形、建立通信链路，并在移动场景下完成实时波束跟踪，增强数据传输的可靠性。因此有必要在路边单元同时实现通信与感知功能。
4.现有技术中公开了一种利用车辆反射的回波信号，估计路边单元与车辆形成的角度和距离的方法，以实现车辆定位，但没有考虑车辆运动造成的影响，而且车辆运动会产生多普勒频移，使接收的回波信号频率发生变化，多普勒频移会对车辆定位造成影响，影响定位精度；此外，也有学者通过匹配滤波器来估计车辆的径向速度，但没有考虑复信道以及时延多普勒耦合对匹配滤波造成的影响，使得匹配的结果不准，且只能获得车辆运行的径向速度，无法得知实际运行速度；也有学者通过车辆接收到的路边单元信号进行定位，再让车辆发送自身位置与速度信息给路边单元，该方法虽然能实现定位与测速，但开支较大，实时性也不强。


技术实现要素：

5.为解决在面向通信感知一体化车联网应用时，如何高精度实现车辆定位与测速的问题，本发明提出一种面向6g毫米波通感一体化系统的车辆定位与测速方法，同时估计车辆距离、方位角、径向速度及信道增益，消除时延估计时多普勒频移的影响，融合多个路边单元的信息，获得车辆实际运行的速度，具有更好的车辆定位与测速性能。
6.为了达到上述技术效果，本发明的技术方案如下：
7.一种面向6g毫米波通感一体化系统的车辆定位与测速方法，所述方法面向6g毫米波通信感知一体化的车联网系统，包括以下步骤：
8.s1.构建路边单元，设置每个路边单元的发射天线与接收天线的个数；
9.s2.设共有多个路边单元，每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号，并形成每个路边单元到车辆的信道模型以及路边单元接收到的车辆回波信号模型；
10.s3.引入多普勒频率和时间延迟的联合参数，基于每个路边单元到车辆的下行链路信道模型以及路边单元接收的车辆回波信号模型，得到相对于每个路边单元的优化模型并求解，同时估计并获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度；
11.s4.利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度。
12.本技术方案面向通信感知一体化车联网应用，针对车辆状态感知面临的随机信道衰落、多普勒效应等技术挑战，一是对每个路边单元接收到的回波信号进行信道参数估计，将多普勒和时延打包为一个参数，利用多载波消除时延估计时多普勒频移的影响，同时估计并获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度，充分挖掘了随机信道衰落及多普勒效应等信道模型的结构特点，采用多载波信号回波感知技术推算车辆距离、方位角及信道状态，二是联合估计车辆速度，通过融合多个路边单元的信息，获得车辆实际运行速度，具有更好的定位与测速性能，仅利用了车辆的回波信号，充分利用多个路边单元的信息，不需要车辆额外发送信号获得位置速度，开支较小，实时性较高。
13.优选地，在步骤s1中，构建的每个路边单元均具有n
t
个发射天线和nr个接收天线，每个路边单元和车辆均配置均匀线阵，即发射天线、接收天线中的相邻的天线之间的间隔距离相等，排成一行，共有j个路边单元，并且路边单元的位置是已知的。
14.在此，构建路边单元时，考虑了天线摆放的方式为均匀线阵，保障了后续信号的收发性能。
15.优选地，车辆行驶在路上时，路边单元与车辆之间通信，每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号ofdm，每个正交频分多路复用通信信号ofdm在传输至车辆后，被车辆车身反弹，路边单元接收到车辆的回波信号，考虑仅有直射径的毫米波多输入多输出mimo信道，这个过程为“路边单元—车辆—路边单元”双程；
16.在每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号ofdm，以及每个正交频分多路复用通信信号ofdm在传输至车辆后，被车辆车身反弹的过程中，每个正交频分多路复用通信信号ofdm的信令和循环前缀的长度超出最大延迟，信道相干时间内的一个间隔中双程时延toa、离开角aod、到达角aoa和信道衰落系数均不变。
17.优选地，对于每个路边单元，设θ表示车辆和路边单元形成的方位角，τ、h分别表示接收信号双程“路边单元—车辆—路边单元”的时延及复信道衰落系数，fd表示车辆运动导致的多普勒频移，其与车辆径向速度的关系为：
[0018][0019]
其中，f表示载波频率，表示车辆的径向速度，α表示车辆运动方向与路边单元的夹角，c表示光速；
[0020]
设每个路边单元均有n个子载波，给定fd,τ,θ,h后，下行链路第n个子载波即每个路边单元到车辆的信道模型为：
[0021][0022]
其中，表示天线阵列增益，a(θ),b(θ)表示路边单元阵列接收和发射导向矢量，表达式分别为：
[0023][0024][0025]
其中，λn表示第n个子载波的波长，da表示阵列元素之间的间隔，设为半波长。
[0026]
优选地，对于每个路边单元，路边单元接收到的车辆回波信号模型表达式为：
[0027][0028]
其中，p表示发射功率，s[n]表示第n个子载波传输的ofdm信号，z[n]表示高斯白噪声。
[0029]
优选地，设引入多普勒频率和时间延迟的联合参数为q，即将多普勒频率和时间延迟打包成一个联合参数q，q＝(f
n-fd)τ，对于每个路边单元的优化模型表示为：
[0030][0031][0032][0033]
其中，表示对各个参数的估计，表示车辆的径向速度；
[0034]
在求解模型时，通过最小二乘牛顿迭代求解复信道系数h，到达角θ，时延-多普勒参数q，利用多载波信号消除多普勒频移对时间延迟估计的影响，再估计多普勒频率，即对每个载波求出然后利用求解时延估计，对于n表示载波序号，得到的结果里消除了多普勒频移参数，实现多载波信号消除多普勒频移对时延估计的影响，最终，不断迭代获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度。
[0035]
优选地，在步骤s4中，利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度的过程在在云计算中心进行。
[0036]
优选地，设在云计算中心中，利用两个路边单元获得的径向速度及方位角来得出车辆实际运动速度，过程为：
[0037]
设两个路边单元分别为第一路边单元和第二路边单元，表示车辆相对于第一路
边单元的径向速度，表示车辆相对于第二路边单元的径向速度，则：
[0038][0039][0040]
α
2-α1＝θ
2-θ1[0041]
最终，得到车辆实际运动速度的求取表达式为：
[0042][0043]
其中，α1表示车辆运动方向与第一路边单元的夹角；α2表示车辆运动方向与第二路边单元的夹角；θ1表示车辆和第一路边单元形成的方位角；θ2表示车辆和第二路边单元形成的方位角，v表示车辆实际运动速度。
[0044]
一种面向6g毫米波通感一体化系统的车辆定位与测速系统，所述系统包括：
[0045]
若干个路边单元，每个路边单元均配置发射天线与接收天线，每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号；
[0046]
模型构建模块，用于并形成每个路边单元到车辆的信道模型以及路边单元接收到的车辆回波信号模型；
[0047]
车辆定位模块，用于引入多普勒频率和时间延迟的联合参数，基于每个路边单元到车辆的下行链路信道模型以及路边单元接收的车辆回波信号模型，得到相对于每个路边单元的优化模型并求解，同时估计并获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度；
[0048]
车辆测速模块，用于利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度。
[0049]
优选地，所述车辆测速模块位于云计算中心，在云计算中心中，车辆测速模块利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度。
[0050]
与现有技术相比，本发明技术方案的有益效果是：
[0051]
本发明提出一种面向6g毫米波通感一体化系统的车辆定位与测速方法，针对车辆状态感知面临的随机信道衰落、多普勒效应等技术挑战，一是对每个路边单元接收到的回波信号进行信道参数估计，将多普勒和时延打包为一个参数，利用多载波消除时延估计时多普勒频移的影响，同时估计并获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度，充分挖掘了随机信道衰落及多普勒效应等信道模型的结构特点，采用多载波信号回波感知技术推算车辆距离、方位角及信道状态，二是联合估计车辆速度，通过融合多个路边单元的信息，获得车辆实际运行速度，具有更好的定位与测速性能，仅利用了车辆的回波信号，充分利用多个路边单元的信息，不需要车辆额外发送信号获得位置速度，开支较小，实时性较高。
附图说明
[0052]
图1表示本发明实施例1中提出的面向6g毫米波通感一体化系统的车辆定位与测速方法的流程示意图；
[0053]
图2表示本发明实施例1中提出的面向6g毫米波通感一体化系统的车辆定位与测速方法应用场景图；
[0054]
图3表示本发明实施例1中提出的对每个路边单元的优化模型求解的流程示意图；
[0055]
图4表示本发明实施例2中提出的实际实验仿真中，围绕两个路边单元时，车辆位置估计误差随信噪比的变化图；
[0056]
图5表示本发明实施例2中提出的实际实验仿真中，围绕两个路边单元时，车辆角度估计误差随信噪比的变化图；
[0057]
图6表示本发明实施例2中提出的实际实验仿真中，围绕两个路边单元时，车辆径向速度估计随信噪比的变化图；
[0058]
图7表示本发明实施例2中提出的实际实验仿真中，车辆实际运行速度估计随信噪比的变化图；
[0059]
图8表示本发明实施例3中提出的面向6g毫米波通感一体化系统的车辆定位与测速系统的结构图。
具体实施方式
[0060]
附图仅用于示例性说明，不能理解为对本专利的限制；
[0061]
为了更好地说明本实施例，附图某些部位会有省略、放大或缩小，并不代表实际尺寸；
[0062]
对于本领域技术人员来说，附图中某些公知内容说明可能省略是可以理解的。
[0063]
下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0064]
附图中描述位置关系的仅用于示例性说明，不能理解为对本专利的限制；
[0065]
实施例1
[0066]
本实施例提出一种面向6g毫米波通感一体化系统的车辆定位与测速方法，该方法的流程示意图参见图1，该方法面向6g毫米波通信感知一体化的车联网系统应用，包括以下步骤：
[0067]
s1.构建路边单元，设置每个路边单元的发射天线与接收天线的个数；
[0068]
在本实施例中，构建的每个路边单元均具有n
t
个发射天线和nr个接收天线，每个路边单元和车辆均配置均匀线阵，即发射天线、接收天线中的相邻的天线之间的间隔距离相等，排成一行，保障了后续信号的收发性能，共有j个路边单元，并且路边单元的位置是已知的。
[0069]
如图2所示，图2中标记1表示路边单元，为方便示意，图2中表示出两个路边单元，车辆行驶在路上时，路边单元与车辆之间通信，所以路边单元给车辆发送通信信号以传达信息，而发出的通信信号，也会被车身反弹回去，所以路边单元可以接收到车辆的回波信号，根据这个回波信号，路边单元需要对车辆进行定位与测速，此时仅能定位与测径向速度，后续若通过多个路边单元获得的信息，传到云计算中心，可以测出车辆实际运行速度。此过程类似雷达，雷达即是发射信号，然后收到物体反弹回来的信号进行定位，但雷达发送的信号不是通信信号，不具备传达信息的能力，本技术里的信号是通信信号。
[0070]
针对以上分析，具体如下：每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号ofdm，每个正交频分多路复用通信
信号ofdm在传输至车辆后，被车辆车身反弹，路边单元接收到车辆的回波信号，在本实施例中，考虑仅有直射径的毫米波多输入多输出mimo信道，这个信道就是用来传输本实施例中所提的信号的，仅有直射径说明信号走向是“路边单元—车辆—路边单元”，毫米波表示频段，mimo表示多输入多输出，指路边单元的天线数不是1。
[0071]
在每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号ofdm，以及每个正交频分多路复用通信信号ofdm在传输至车辆后，被车辆车身反弹的过程中，每个正交频分多路复用通信信号ofdm分了几个部分，包括了信令、循环前缀、数据等，每个正交频分多路复用通信信号ofdm的信令和循环前缀的长度超出最大延迟，信道相干时间内的一个间隔中双程时延toa、离开角aod、到达角aoa和信道衰落系数均不变，即表达在我们研究它的时候，它的参数没有发生变化，不然我们估计的时候参数本身在变，是无法估计的，由于时间间隔较小，车辆的速度并未发生变化。
[0072]
s2.设共有多个路边单元，每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号，并形成每个路边单元到车辆的信道模型以及路边单元接收到的车辆回波信号模型；
[0073]
对于每个路边单元，设θ表示车辆和路边单元形成的方位角(如图2所示，存在两个路边单元的话，车辆和路边单元形成的方位角分别为θ1和θ2)，τ、h分别表示接收信号双程“路边单元—车辆—路边单元”的时延及复信道衰落系数，fd表示车辆运动导致的多普勒频移，其与车辆径向速度的关系为：
[0074][0075]
其中，f表示载波频率，表示车辆的径向速度，α表示车辆运动方向与路边单元的夹角，c表示光速；
[0076]
设每个路边单元均有n个子载波，给定fd,τ,θ,h后，下行链路第n个子载波即每个路边单元到车辆的信道模型为：
[0077][0078]
其中，表示天线阵列增益，a(θ),b(θ)表示路边单元阵列接收和发射导向矢量，表达式分别为：
[0079][0080][0081]
其中，λn表示第n个子载波的波长，da表示阵列元素之间的间隔，设为半波长。
[0082]
对于每个路边单元，路边单元接收到的车辆回波信号模型表达式为：
[0083][0084]
其中，p表示发射功率，s[n]表示第n个子载波传输的ofdm信号，z[n]表示高斯白噪声。
[0085]
在此，下行链路就是指路边单元到车辆的信道，路边单元类似基站，给车辆发送信息，但本技术不满足于路边单元发信号，车辆接信号，还利用路边单元发送信号的回波(即信号发给车辆后，被车身反弹回路边单元)来进行定位测速。
[0086]
s3.引入多普勒频率和时间延迟的联合参数，基于每个路边单元到车辆的下行链路信道模型以及路边单元接收的车辆回波信号模型，得到相对于每个路边单元的优化模型并求解，同时估计并获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度；
[0087]
设引入多普勒频率和时间延迟的联合参数为q，即将多普勒频率和时间延迟打包成一个联合参数q，q＝(f
n-fd)τ，对于每个路边单元的优化模型表示为：
[0088][0089][0090][0091]
其中，表示对各个参数的估计，表示车辆的径向速度；利用多载波信号消除多普勒频移对时间延迟估计的影响，再估计多普勒频率，即对每个载波求出然后利用求解时延估计，对于n表示载波序号，得到的结果里消除了多普勒频移参数，实现多载波信号消除多普勒频移对时延估计的影响，最终，不断迭代获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度。在求解模型时，通过最小二乘牛顿迭代求解复信道系数h，到达角θ，时延-多普勒参数q，从一个初始点开始，使用提出的算法迭代直到收敛，求解流程图参见图3，rsu表示路边单元，具体可以分为以下三个部分：
[0092]
(1)同时估计θ,h,q：
[0093][0094][0095][0096]
其中：
[0097][0098][0099]
nr＝[0,1,2,......,n
r-1]
t
[0100]nt
＝[0,1,2,......,n
t-1]
t
[0101]
[0102][0103]
迭代求解直到收敛，获得θ
[k]
,h
[k]
，然后对每个子载波计算
[0104][0105]
(2)估计τ：
[0106][0107]
(3)估计fd：
[0108][0109]
不断迭代求解，从而获得车辆与路边单元之间的距离、方位角及径向速度。本实施例分为两个部分，一是路边单元处理回波信号，目标是对每个路边单元接收到的回波信号进行信道参数估计，以获得车辆与路边单元之间的距离、方位角及径向速度；二是云计算中心处理路边单元反馈的信息，目标是得出车辆实际运动速度，对于第二部分，具体采用步骤s4：
[0110]
s4.利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度。
[0111]
利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度的过程在在云计算中心进行，设在云计算中心中，利用两个路边单元获得的径向速度及方位角来得出车辆实际运动速度，过程为：
[0112]
设两个路边单元分别为第一路边单元和第二路边单元，即如图2所示，表示车辆相对于第一路边单元的径向速度，表示车辆相对于第二路边单元的径向速度，标记2表示云计算中心，则：
[0113][0114][0115]
α
2-α1＝θ
2-θ1[0116]
最终，得到车辆实际运动速度的求取表达式为：
[0117][0118]
其中，α1表示车辆运动方向与第一路边单元的夹角；α2表示车辆运动方向与第二路边单元的夹角；θ1表示车辆和第一路边单元形成的方位角；θ2表示车辆和第二路边单元形成的方位角，v表示车辆实际运动速度。
[0119]
整体上是针对车辆状态感知面临的随机信道衰落、多普勒效应等技术挑战，一是对每个路边单元接收到的回波信号进行信道参数估计，将多普勒和时延打包为一个参数，利用多载波消除时延估计时多普勒频移的影响，以及解决受信道、时延多普勒耦合影响，匹配滤波器性能不佳的问题，同时估计并获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度，充分挖掘了随机信道衰落及多普勒效应等信道模型的结构特点，采用多载波信号回波感知技术推算车辆距离、方位角及信道状态；二是联合估计
车辆速度，通过融合多个路边单元的信息，获得车辆实际运行速度，具有更好的定位与测速性能，仅利用了车辆的回波信号，充分利用多个路边单元的信息，不需要车辆额外发送信号获得位置速度，开支较小，实时性较高。
[0120]
实施例2
[0121]
本实施例针对实施例1提出的面向6g毫米波通感一体化系统的车辆定位与测速方法，为验证该方法的鲁棒性，进行如下实验仿真：假设有2个路边单元，每个路边单元均有32个发射天线，32个接收天线，载波频率为60ghz，一共分为10个子载波，即
[0122]
假设车辆位于车辆的实际运动速度v＝20m/s，第一个路边单元位于原点，第二个路边单元位于d1＝100m，θ1＝pi/4，θ2＝pi/2，h1＝0.8 0.9j,h2＝0.6 0.8j，在实际当中，任何定位测速的方法都会受噪声的影响，信噪比表示信号与噪声的比值，信噪比越小，说明噪声影响越大。图4表示围绕两个路边单元时，车辆位置估计误差随信噪比的变化图，图5表示围绕两个路边单元时，车辆角度估计误差随信噪比的变化图；图6表示围绕两个路边单元时，车辆径向速度估计随信噪比的变化图，图4～图6中，rsu1表示第一个路边单元，rsu2表示第二个路边单元，图7表示在云计算中心中，得到的车辆实际运行速度估计随信噪比的变化图，图4～图7的横坐标snr均为信噪比，图4～图7的结果图给出了不同信噪比条件下本发明实施例中所提方法的距离、角度、径向速度、实际速度估计性能。可以看到，随着信噪比增加，距离、角度、径向速度、实际速度估计的估计误差逐渐减小，即表示性能随之提升。信噪比每提升20db，误差约下降一个数量级，说明了本专利所提出方法的有效性。在0db信噪比情况下，本方法可以达到厘米级别定位误差，表现可观，也表明了在不同信噪下均解决了多普勒衰落的问题。
[0123]
实施例3
[0124]
如图8所示，本实施例提出了一种面向6g毫米波通感一体化系统的车辆定位与测速系统，参见图8所述系统包括：
[0125]
若干个路边单元，每个路边单元均配置发射天线与接收天线，每个路边单元通过发射天线向行驶的车辆发送正交频分多路复用通信信号，通过接收天线接收车辆回波信号；在本实施例中，以图8所示的两个路边单元，即第一路边单元和第一路边单元作为代表。
[0126]
模型构建模块，用于并形成每个路边单元到车辆的信道模型以及路边单元接收到的车辆回波信号模型；
[0127]
车辆定位模块，用于引入多普勒频率和时间延迟的联合参数，基于每个路边单元到车辆的下行链路信道模型以及路边单元接收的车辆回波信号模型，得到相对于每个路边单元的优化模型并求解，同时估计并获得车辆与每个路边单元之间的距离、方位角及车辆相对于每个路边单元的径向速度；
[0128]
车辆测速模块，用于利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度。
[0129]
在本实施例中，所述车辆测速模块位于云计算中心，在云计算中心中，车辆测速模
块利用多个路边单元获得的径向速度及方位角，得出车辆实际运动速度。
[0130]
显然，本发明的上述实施例仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。