31、5G车联网中无线电与视频定位技术解析

5G车联网中无线电与视频定位技术解析

1. 无线电定位技术

1.1 最优预编码器

在车联网的自动化驾驶中，为了实现精准的定位，需要对信道状态信息（CSI）进行准确估计。对于到达角（AOA）和离开角（AOD）的先验知识，可以通过初始接入或跟踪获取。为了避免特定估计器的影响，使用克拉美 - 罗界（CRB）作为AOD和AOA方差的代理指标，在高信噪比下有效。将AOD的CRB称为方向误差界（DEB），AOA的CRB称为方向误差界（OEB）。

最优预编码器是通过最小化先验范围内的最坏情况DEB或OEB得到的，将该问题转化为凸优化问题后可以精确求解，而非近似解。图8.5展示了三种不同标准下的最优预编码器：
|标准|特点|
| ---- | ---- |
|AOD - AOA最优预编码器|在增益和“波纹”方面，是AOA最优和AOD最优预编码器之间的折衷方案|
|AOD最优预编码器|有大量波纹，因为用户设备（UE）通过观察M个训练序列的接收信号强度和相位变化来识别AOD，所以为提高AOD估计精度，相邻角度的预编码器增益和相位应尽可能不同|
|AOA最优预编码器|使阵列向UE的增益最大化|

这些预编码器虽然对信道估计是最优的，但生成复杂。可以通过存储预计算的码本来降低复杂度。对于具有模拟前端的天线阵列，预编码器被限制为单位幅度，只能修改相位，而提出的预编码器是无约束的，仅适用于数字阵列，模拟阵列需要在优化中添加额外约束。

1.2 测量过程

传统上，簇可以通过统计模型来表征，即通过角度和延迟域的均值和扩展来建模。存在二阶估计方法可以在没有导频数据的情况下准确估计簇的均值和扩展，但缺乏