标题:5G/GNSS深耦融合定位方法
作者:周涛,陈锐志,董汶鑫,鞠章海,焦鸿健,柳景斌,陈亮*
关键词:深耦融合;GNSS;5G;实时定位
图片来自作者
5G NR robust tracking and positioning with GNSS assistance
Tao Zhou, Ruizhi Chen, Wenxin Dong, Zhanghai Ju, Hongjian Jiao, Jingbin Liu and Liang Chen*
Satellite Navigation (2025) 6: 32
引用文章:
Zhou, T., Chen, R., Dong, W. et al. 5G NR robust tracking and positioning with GNSS assistance. Satell Navig 6, 32 (2025). https://doi.org/10.1186/s43020-025-00183-8
PDF文件下载链接:
https://link.springer.com/article/10.1186/s43020-025-00183-8
-长按识别二维码查看/下载全文-
Editorial Summary
A deeply integrate method for fusing 5G NR and GNSS
GNSS is able to achieve centimeter-level accuracy in open-sky areas. However, their performance declines in urban canyons and outdoor shadow areas. Conversely, commercial 5G NR signals, with their wider bandwidth and shorter wavelengths, offer better range accuracy. To enhance positioning accuracy in challenging environments, a deeply integrated method is developed to combine commercial 5G NR signals with the GNSS. Key contributions include: (1) Development of the SA-DMRS to improve the robustness of the 5G NR tracking loop. (2) A PSKF is integrated into the Phase-Locked Loop to boost performance under low Carrier-to-Noise Density Ratio conditions. (3) The EKF’s state estimates are fed back into the 5G NR tracking loop to correct timing delay, carrier phase, and Doppler, thereby enhancing overall receiver robustness, while this framework can estimate mobile position, clock bias, and clock drift based on 5G NR signals and GNSS measurements. Our findings demonstrate that SA-DMRS boosted range accuracy by 42.3% improved the ranging accuracy by about 33.3method, our fusion approach enhanced horizontal and vertical positioning accuracy by 49.8% and 53.3% and navigation technologies, offering practical solutions for autonomous vehicles and IoT positioning.
本文亮点
本文构建了一个完整且面向真实挑战的5G/GNSS深耦合定位系统。其创新性主要体现在两个层面:
1. 在5G信号跟踪层面:提出了一种辅助同步信号(SSS)与解调参考信号(DM-RS)融合的跟踪机制,该机制从信号源头出发,利用5G协议中固有且更鲁棒的SSS信号来增强DM-RS的连续跟踪能力;同时,设计了相位稳态卡尔曼滤波器(PSKF),深度融合锁相环(PLL)、锁频环(FLL)与延迟锁定环(DLL)的输出,能够在高动态场景下保持频率跟踪的鲁棒性,在静态或准静态条件下实现相位跟踪的高精度,并在两者之间进行平滑自适应切换,从而在复杂的多波束、低信噪比环境下,为5G高精度定位提供了稳定、可靠的相位与码片观测值基础;
2. 在融合算法方面,构建了GNSS与5G的深耦合框架。该框架不仅利用5G观测值辅助提升GNSS在遮挡环境下的定位连续性与精度,同时,将GNSS解算得到的高精度位置、速度信息作为观测量,实时反馈并校正5G接收端的钟差、钟漂及跟踪环路状态(如载波相位、时延)。此过程无需依赖5G基站提供的任何先验时钟信息,在融合算法中即可直接估计并消除终端与基站间的时钟偏差。经过校正的5G观测值又能进一步提升融合定位的整体精度,从而系统性地提升了复杂场景下的整体定位精度与鲁棒性。
内容简介
全球导航卫星系统(Global Navigation Satellite Systems,GNSS)在开阔天空下性能优异,但在城市峡谷等复杂环境中,信号遮挡严重,定位精度急剧下降。5G信号因其高带宽和密集布站,成为弥补GNSS不足的理想选择。然而,直接利用商业5G信号进行定位主要存在三个问题:1)多波束跟踪不连续:商业5G采用波束扫描通信,导致信号断续,难以持续跟踪;2)时钟系统未知:5G基站与用户终端间的钟差和钟漂是未知的,导致观测量无法直接用于定位;3)复杂信道环境:真实场景中的多径和非视距传播严重影响观测质量。
为解决上述问题,本文提出了一种5G NR与GNSS的深融合方法。该方法首先通过SA-DMRS机制和PSKF滤波器,从复杂的5G信号中稳定、精准地提取出载波相位和多普勒观测值。然后,通过扩展卡尔曼滤波框架,将5G观测值与GNSS观测值进行深度融合,实时估算用户位置、速度、时间参数,并将估算出的5G终端钟差和定位结果反馈至融合滤波器,校正5G跟踪环路,形成一个闭环系统。实验结果表明:1)在5G测距性能方面,所提出的SA-DMRS机制将测距精度提升了42.3%;在此基础上,引入相位稳态卡尔曼滤波器(PSKF)进一步将精度提升17%;2)在定位性能方面,与GPS-EKF方法相比,融合方法的平面定位精度提升了约49.8%,高程精度提升了约53.3%。即使在仅能观测到3颗GPS卫星的极端情况下,该系统仍能实现可靠定位,显著增强了挑战环境下的定位鲁棒性。
图文展示
本文提出的5G/GNSS深度融合方法,其核心在于通过高精度信道估计从5G信号中提取可靠观测量,并将其与GNSS观测值进行深度融合,系统架构如图1所示。其中,在5G信号跟踪部分,设计了面向多波束商业信号的鲁棒跟踪环路,其中SA-DMRS模块融合更鲁棒的SSS信号以增强DM-RS连续性,PSKF模块则深度整合PLL/FLL/DLL信息,实现动态与静态场景下的自适应优化跟踪;在融合算法部分,采用紧组合扩展卡尔曼滤波(EKF)处理5G与GNSS观测值,不仅利用5G信号增强GNSS在遮挡环境下的定位连续性,还将GNSS的高精度定位结果反馈至5G接收模块,实时校正钟差与跟踪环路状态,从而显著提升系统在复杂场景下的精度与鲁棒性。
图1 系统整体框架图
在跟踪环路中,SA-DMRS是保证鲁棒性的关键。为了验证其有效性,论文通过仿真实验分析了其在多径环境下的性能。如图2所示,SA-DMRS(红线)的多径误差包络明显小于单独使用SSS或DM-RS的方法,证明了其有效抑制多径误差的能力。
图2 多径环境下,SA-DMRS/SSS/DMRS测距精度评估结果
实测实验的定位误差结果如图3所示。分析表明,相较单一的GPS或GNSS定位方法,融合5G信号的GPS+5G与GNSS+5G方法在定位精度上表现更优。相关误差统计结果详见表1。统计结果表明,GNSS+5G融合方法在水平方向上将精度提升了约51.2%,在高程方向上的精度提升约为24.0%。这一结果有力验证了5G与GNSS深度融合方法在提升定位准确性和可靠性方面的显著优势。
图3 定位误差时序统计结果。图 a 为平面误差,图 b 为高程误差
表1 定位误差 RMSE 统计结果
作者简介
▍第一作者简介
周涛,博士,武汉大学测绘遥感信息工程全国重点实验室,主要从事无线定位、多传感器融合定位、应用研究。
▍通讯作者简介
陈亮,教授,武汉大学测绘遥感信息工程全国重点实验室,主要从事无线定位、多传感器融合定位的理论、方法及其应用研究,发表学术论文100余篇。
京公网安备 11010802031220号