本發明屬于5g?navsop接收，具體涉及一種基于fnn改進追蹤回路及抗干擾5g機會信號定位接收機的運轉方法。

背景技術：

1、隨著信息時代的發展，位置服務變得愈發重要，準確的位置信息在應急救援、城市規劃、物流運輸和個人導航等方面都不可或缺。然而，在城市環境中，高樓大廈、繁忙交通和電子信號的干擾令精確定位變得異常困難。研究人員為了找到全球衛星導航系統的替代方案，開始研究一種機會信號導航的創新導航技術，使用商業通信信號作為機會信號實現定位而非使用傳統導航信號。盡管利用機會信號定位的研究已取得進展，在城市環境中實現廣泛而精確定位仍然具有挑戰性。目前用作機會信號導航的wi-fi、藍牙、超寬帶(ultrawide?band,uwb)信號都存在缺陷，它們信號不均勻分布且覆蓋范圍較低，這些限制阻礙了機會信號的廣泛應用。然而第五代無線技術的發展為機會信號導航帶來了新的可能性。5g信號的高帶寬和超密集網絡部署特性能為特定區域提供廣泛連續的信號覆蓋，從而提供高質量的機會定位信號源。

2、隨著5g?navsop研究框架的完成，減輕多徑效應等具體挑戰越來越受到關注。在此，各種gnss多徑緩解策略的應用，例如天線技術和高分辨率相關器(hrc)已被考慮用于基于蜂窩信號的導航接收器。然而，很難濾除低海拔信號，因為采用天線技術的多徑緩解方法并不完全可行，因為來自地面5g站的信號通常表現出低仰角。為了應對這一挑戰，alia.abdallah和他的團隊采用了一種基于強化學習的地面車輛定位方法，該方法在減少多徑效應方面表現出顯著的效果，從而肯定了機器學習在這一領域的巨大潛力。然而，在復雜環境中，多徑傳播的挑戰變得越來越重要，特別是在信噪比變化很大且多徑條件波動的情況下。在輕量級機器學習算法方面存在明顯差距，這些算法可以有效地跟蹤偽距而無需預訓練。開發這樣的算法對于保持信號完整性和在多徑場景中準確提取定位數據至關重要，這在自動駕駛等高精度應用中至關重要。

技術實現思路

1、本發明提供一種基于fnn改進追蹤回路及抗干擾5g機會信號定位接收機的運轉方法，用以解決傳統的eml技術所帶來的定位精度低，偽距獲取不穩定的問題。

2、本發明通過以下技術方案實現：

3、一種基于fnn的改進追蹤回路，所述改進追蹤回路包括同步調節模塊、信號預處理模塊、追蹤單元、偽距離獲取模塊和線性變換器；

4、所述同步調節模塊和信號預處理模塊均接收5gnr信號，所述同步調節模塊將信號傳輸至追蹤單元，所述信號預處理模塊將信號傳輸至偽距離獲取模塊，所述偽距離獲取模塊將信號傳輸至線性變換器，所述線性變換器與追蹤單元相互傳輸信號；

5、所述追蹤單元包括相位旋轉模塊、eml鑒別器和預訓練網絡，所述相位旋轉模塊接收同步調節模塊的信號并將其傳輸至eml鑒別器，所述eml鑒別器將信號傳輸至預訓練網絡，所述預訓練網絡將信號傳輸至線性變換器，所述相位旋轉模塊與線性變換器相互傳輸信號。

6、進一步的，所述改進追蹤回路包括基于早晚功率的判別函數，所述基于早晚功率的判別函數經過采樣時間t歸一化的toa估計值被劃分為整數部分和小數部分，利用tdl信道環獲得鑒別器函數的零點和toa估計數據，鑒別器函數的零點和toa估計數據被作為追蹤回路中鑒相器的基準信息，并經過擬合處理轉化為經驗參數；

7、所述整數部分用以調整fft窗口的位置，所述小數部分則控制著相位旋轉的幅度；

8、所述預訓練網絡，處理原eml輸出，生成新的時延追蹤結果，并將其用作下一追蹤循環的輸入。

9、進一步的，eml判別器通過比較早期和晚期信號的功率差來評估信號的時間對齊情況；在頻域中通過相位旋轉產生，其數學表達式如公式(1)所示：

10、

11、其中，sk代表頻域子載波k上的dmrs值，ε代表預設的時間偏移，n代表子載波的總數；

12、eml判別器的輸出是早期和晚期信號的功率差，用于指示信號的時間偏差。偏差的度量值可以表示為公式(2)：

13、

14、其中，n代表子載波的總數，c代表接收信號強度，代表歸一化s曲線被表達為公式(3)，

15、

16、其中，代表歸一化定時誤差。

17、歸一化因子kdll的值由鑒別器的s曲線在0處的導數值得到，如公式(4)所示，

18、

19、進一步歸一化鑒別器可以表示為公式(5)，

20、

21、延遲估計η根據鑒別器的輸出進行調整，更新規則定義如公式(6)所示，

22、

23、進一步的，采用線性變換對eml鑒別器的輸出進行校正，相關的變換公式詳見公式(7)：

24、

25、其中，η代表時間延遲的估計值。

26、進一步的，所述預訓練網絡使用判別器函數的特征數據作為訓練集，所述訓練集準備流程具體包括以下步驟，

27、步驟s1：根據5g協議，生成了基礎傳輸信號s(k)；

28、步驟s2：通過應用不同的歸一化符號延遲τ到s(k)；

29、步驟s3：調整nb從-50到50并設置γ＝0.01以模擬具有不同分數延遲的信號，其中(nbmax-nbmin)·γ＝1，用以確保訓練的時延追蹤網絡能夠識別一個采樣點內的小數延遲。

30、進一步的，所述步驟s2中對每一個延遲信號添加不同信噪比的噪聲產生了不同snr水平的信號s(τ)，其中snr值設置為5db至50db的等差序列，步長為5db，覆蓋{5,10,15,,50}db。

31、進一步的，在生成5g模擬信號后，將信號送入預設的sdr進行數據預處理和偽距獲取；然后這些數據被送入追蹤回路；追蹤回路的輸出值被用作訓練集的特征，同時，估計的toa值與真實toa值之間的相對關系被用作標簽；

32、每個數據點(xi,yi)都符合以下公式(8)，

33、

34、其中，是由歸一化鑒別器函數得到的第i個樣本的特征值，標簽yi是一個二元值，表示當前toa估計相對于真實toa的狀態；如果當前估計toa落后于真實toa，則標簽為0；如果當前估計toa超前于真實toa，則標簽為1。

35、進一步的，采用前饋神經網絡來構建改進型追蹤回路，具體為，

36、網絡結構包括輸入層、兩個全連接層以及relu激活層，最后通過softmax層實現二分類；

37、每個全連接層包含50個神經元，旨在捕捉復雜的數據特征與模式；

38、采用adam優化器，設置100個訓練周期，小批量大小為本發明64，初始學習率為0.01。

39、一種基于fnn改進追蹤回路的抗干擾5g機會信號定位接收機的運轉方法，所述抗干擾5g機會信號定位接收機的運轉方法使用如上述基于fnn改進追蹤回路，所述抗干擾5g機會信號定位接收機的運轉方法包括以下步驟：

40、步驟1：利用usrp接收5g信號，并進行數據預處理；其中，在數據預處理中進行定位信息元擴充；

41、步驟2：基于步驟1的數據預處理，進行相關初步估計時延；

42、步驟3：基于步驟2的相關初步估計時延，進行單基站偽距測量；

43、步驟4：基于步驟3的單基站偽距測量，構建基站偽距數據集，所述基站偽距數據集包括步驟3得到的偽距結果及步驟1得到的小區id集合；

44、步驟5：基于步驟4的基站偽距數據集，采用如權利要求1的基于fnn的改進追蹤回路得到導航結果。

45、一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時，實現如上述的回路。

46、一種計算機可讀存儲介質，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現如上述的回路。

47、本發明的有益效果是：

48、本發明的的穩定性和精度顯著提高。

49、本發明確保了網絡訓練的數據具有高度的真實性和多樣性。

50、本發明不僅展現了ml技術在提高5g定位技術準確性和魯棒性方面的潛力，而且提供了一種實際可行的方法來解決在復雜環境中定位的挑戰。

51、本發明可以有效平衡計算效率和性能。

52、本發明提出了一種線性變換策略，通過仿真實驗確定的參數優化追蹤回路，以減少理論和實際中鑒別器函數零點與toa估計值之間的不一致性。

53、本發明增強了追蹤回路的性能，通過實驗證明其中采用前饋神經網絡對追蹤回路進行改進獲得了最精確的改進效果。

54、本發明通過利用高性能的usrp-b210設備，實現了對5g機會信號的信號采集。

55、本發明通過實地測試，證明了所設計的5g?navsop接收機在城市環境下能達到米級的測距精度，展示了測距算法在實際環境中的可行性和可靠性。

56、本發明在高干擾環境下保持穩定定位性能的能力，證明了其在抗干擾方面的顯著優勢。