一种GNSS/5G紧组合融合定位方法与装置与流程

本发明涉及全球导航卫星系统(gnss)卫星定位及5g定位技术，具体涉及一种gnss/5g紧组合融合高精度定位方法与装置。

背景技术：

在城市峡谷等区域，由于建筑物及树木的遮挡，gnss观测卫星数受限，定位精度会受到严重影响。甚至在在某些特定环境下，gnss卫星数严重不足时，仅使用gnss技术已经无法满足定位精度需求，甚至无法进行定位。第五代移动通讯技术(5g)的出现为无线测距提供了更高精度的技术手段，相较于第四代移动通讯技术(4g)，5g具备以下显著特点：(1)测距精度更高。5g信号采用更高频率(最高可达6ghz)和带宽，在提升测距精度的同时，增强了信号的抗多径能力，研究表明利用5g毫米波能够实现厘米到数分米的测距精度；(2)基站密度更大。5g基站布设密度会大幅增加，基站间距离缩短到数百米甚至几十米，形成超密集网络，能够保证在利用5g进行定位时能同时获得足够多基站的观测值；(3)通讯时延更小。5g网络的通讯延迟将大幅缩短到1ms以下，并且具备设备-设备之间的通讯能力。上述5g的特点使其在未来许多基于位置的应用中都有巨大的前景，如智慧交通、自动驾驶及车路协同等。

融合定位是指利用无线传感网络的通讯及测距能力，当gnss不可用时为车辆提供定位服务，当gnss可用时来削弱定位误差，能够有效地利用周边资源提供更高精度的定位服务。无线传感网络一般可通过toa(到达时间)、rss(信号强度)、tdoa(到达时间差，toa拓展)等方法实现v2i(vehicle-to-infrastructure，车辆对基础设施)的测距功能，这些测距信息的加入，能够大幅提升gnss定位的精度、可靠性及可用性，尤其是在城市峡谷及隧道等区域。

目前我国的5g技术正处于快速发展、稳步推广的阶段，且智慧交通、自动驾驶等领域对高精度位置服务的需求也愈来愈多。因此，研究gnss/5g融合定位方法，具有重要的现实意义。

技术实现要素：

发明目的：针对上述gnss技术在复杂环境下定位精度较差且不稳定等不足，提出gnss/5g多源数据融合定位方法与装置，以提高gnss技术的可用范围及在复杂环境下的定位精度、可靠性。

技术方案：为实现上述发明目的，本发明采用的技术方案为：

一种gnss/5g紧组合融合定位方法，包括如下步骤：

(1)利用gnss对5g基站进行授时，统一gnss系统与5g基站的时间系统；

(2)利用到达时间分别求得gnss和5g毫米波测量距离，结合实际距离分析测距精度，提出gnss/5g融合定位的随机模型；

(3)构建基于鲁棒卡尔曼滤波的紧组合融合定位模型，自适应构造鲁棒因子，计算待定位设备的绝对位置，保障gnss/5g融合定位的精度和可靠性。

作为优选，所述步骤(1)中利用gnss对装备有gnss设备的5g基站进行绝对时间同步，同时利用5g的mimo(多天线)+ofdm(正交频分复用)技术实现基站簇之间的时间同步，保障5g通讯网络的绝对时间及相对时间同步的精度。

作为优选，所述步骤(2)中利用到达时间分别求得gnss和5g毫米波测量距离，结合实际距离对其精度进行评估：具体为：

利用现有首径提取方法得到的toa乘以光速即可得到测量的距离，通过与实际距离做差以评估5g毫米波定位精度，并确定gnss/5g融合定位随机模型。

式中，σ²表示观测值噪声，a,b,ci均为经验模型系数，e为gnss卫星高度角，c/n0为5g信号信噪比。通过实际计算的gnss和5g观测值精度、高度角及信噪比进行拟合，得到相应的系数。

作为优选，所述步骤(3)中根据空间后方交会原理构建的融合定位模型表示为v＝bx-l，式中b表示设计矩阵，x表示未知参数矩阵，l表示观测向量，v表示残差；观测向量l表示如下：

式中，为双差算子；u表示用户；rs表示参考卫星；r5g表示5g参考站；rb表示gnss参考站；λ为gnss卫星的载波波长；为第m颗卫星的双差载波观测值；为第m颗卫星的双差载波整周模糊度；为双差电离层延迟；为双差对流层延迟；为5g基站n的观测信号到用户所需的双差时间；c为光速；和分别为卫星和基站的双差观测噪声。

设计矩阵b表示为：

式中，i表示卫星或5g基站编号；δx,δy,δz表示上、下标表示的卫星或基站的坐标差值；ρ表示上、下标表示的卫星或基站的距离。

作为优选，利用最小二乘原理求得表示用户位置的未知参数矩阵x＝(b^tpb)^-1b^tpl，式中表示权阵，σ²根据随机模型确定。

作为优选，所述步骤(3)中采用鲁棒卡尔曼滤波进行位置估计，根据粗差大小自适应计算得到一个分段函数，通过该分段函数来提升计算效率及精度，分段函数γ表达式如下：

式中，v表示残差分量；k0、k1为常量，k0在2.5-3.5之间，k1在3.5-4.5之间。

本发明公开的一种gnss/5g紧组合融合定位装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现所述的gnss/5g紧组合融合定位方法中构建的基于鲁棒卡尔曼滤波的紧组合融合定位模型进行位置定位。

有益效果：本发明所提出的gnss/5g紧组合融合定位方法可以有效解决单一gnss在城市峡谷等复杂区域定位精度低、不可靠等问题。本方法充分利用5g信号频率高、抗多径能力强、基站分布稠密等特点，融合gnss与5g毫米波测距信息，通过构建融合定位的随机模型及函数模型，实现遮挡区域的高精度gnss定位，并保障gnss定位的可靠性，可以提升城市峡谷等区域的gnss定位精度及稳定性，为智慧交通、无人驾驶等提供可靠的位置信息。

附图说明

图1为gnss/5g紧组合融合定位方法流程图；

图2为gnss/5g时间同步示意图；

图3为gnss/5g融合定位示意图；

图4为gnss/5g融合定位方案示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示，本发明实施例公开的一种gnss/5g紧组合融合定位方法，首先利用gnss技术对5g基站进行授时，确保gnss系统与5g基站具有相同的时间系统；其次通过分析5g毫米波测距误差来源及特性，分析其测距精度，提出gnss/5g融合定位的随机模型；最后构建基于鲁棒卡尔曼滤波的紧组合定位模型，自适应构造鲁棒因子，保障gnss/5g融合定位的精度和可靠性。该方法包括如下具体步骤：

步骤1)，利用gnss的高精度授时功能，统一gnss与5g基站的时间系统：

利用gnss对装备有gnss设备的5g基站进行绝对时间同步，同时利用5g的mimo(多天线)+ofdm(正交频分复用)技术实现基站簇之间的时间同步，保障5g通讯网络的绝对时间及相对时间同步的精度。时间同步流程如图2示。

步骤2)，利用到达时间分别gnss和求得5g毫米波测量距离，结合实际距离对其精度进行评估：

利用现有首径提取方法得到的toa乘以光速即可得到测量的距离，通过与实际距离做差以评估5g毫米波定位精度，并确定gnss/5g融合定位随机模型。

式中σ²表示观测值噪声，a,b,ci均为经验模型系数，e为gnss卫星高度角，c/n0为5g信号信噪比。通过实际计算的gnss和5g观测值精度、高度角及信噪比进行拟合，得到相应的系数。

步骤3)，利用步骤2)中得到的gnss/5g融合定位随机模型，联合gnss载波数据及5g测距信息进行融合定位，包括如下具体步骤：

a)，根据空间后方交会原理，构建融合定位模型如下：

v＝bx-l(2)

式中b表示设计矩阵，x表示未知参数矩阵，l表示观测向量，具体表达如下：

式中，i表示卫星或5g基站编号；rb表示参考站；rs表示参考卫星；r5g表示5g参考站；δx,δy,δz表示两者(上、下标表示的卫星或基站)坐标差值；ρ表示两者(上、下标表示的卫星或基站)距离；δ▽为双差算子；u表示用户；λ为gnss卫星的载波波长；为第m颗卫星的双差载波观测值；为第m颗卫星的双差载波整周模糊度；为双差电离层延迟；为双差对流层延迟；为5g基站n的观测信号到用户所需的双差时间；c为光速；和分别为卫星和基站的双差观测噪声。

利用最小二乘原理即可得到用户位置：

x＝(b^tpb)^-1b^tpl(6)

式中表示权阵，可由步骤2)得到。

b)，采用鲁棒卡尔曼滤波，构建自适应鲁棒因子：

在进行位置估计时，采用鲁棒卡尔曼滤波，以增强定位的可靠性。整个滤波中的状态向量最优估计可以分为时间更新和观测值更新部分，而在这两个过程中最为重要的就是鲁棒因子的确定。本专利根据粗差大小自适应计算得到一个分段函数，利用该分段函数来提升滤波的精度及可靠性。分段函数γ表达式如下：

式中，v表示残差分量；k0、k1为常量，k0在2.5-3.5之间，k1在3.5-4.5之间.

基于相同的发明构思，本发明实施例公开的一种gnss/5g紧组合融合定位装置，该装置可以是车载、手持等移动设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被加载至处理器时实现上述融合定位方法中构建的基于鲁棒卡尔曼滤波的紧组合融合定位模型进行位置定位。

图3为本发明的融合定位示意图，利用路侧单元(5g基站)的gnss和5g模块，接收gnss原始观测数据及5g到车辆的距离信息；在gnss、5g时间同步的基础上，通过研究5g毫米波测距误差来源及特性，分析其测距精度，确定gnss/5g融合定位的随机模型；最后基于鲁棒卡尔曼滤波的紧组合定位模式，利用5g毫米波与gnss融合定位模型，得到车辆高精度高可靠的绝对位置。

图4为本发明适用场景示意图，通过自适应参数调整，在开阔、部分遮挡以及隧道等完全遮挡环境下均可使用本发明方法。