[0001] 本公开的各方面涉及一种用于诸如其中没有可用的全球导航卫星系统(GNSS)信号的室内环境中的用户设备的高精度定位方案。

[0002] 可以通过绝对定位或通过相对定位来执行定位。绝对位置描述了地球或另一个限定空间上的精确点。相对位置描述相对于作为参考点的另一个熟悉特征的位置。绝对定位的示例是基于GNSS的定位。相对定位的示例是找到车辆相对于其他车辆的位置。

[0013] 根据需要，本文中公开了本发明的详细实施例；然而，应当理解，所公开的实施例仅仅是可以各种形式和替代形式实施的本发明的示例。附图不一定按比例绘制；一些特征可能被放大或最小化以示出特定部件的细节。因此，本文公开的具体结构细节和功能细节并不解释为限制性的，而仅解释为用于教导本领域技术人员以各种方式采用本发明的代表性基础。

[0014] 基于GNSS的定位可以用于获得目标的绝对位置。如果GNSS不可用，则基于测距的定位(例如，使用802.11，又名WiFi路由器或蜂窝基础设施)可以提供目标的绝对位置，只要锚点(路由器或基站)的绝对位置是已知的即可。在对导航卫星的访问受限的室外环境中(例如，有高楼大厦的拥挤城市区域)，或者在通常无法访问导航卫星的室内空间中，仍然可以(使用诸如基于视觉/传感器的定位的技术)实现相对定位，其中相对位置被转换为作为相对于固定点(例如，相对于WiFi或蜂窝接入点(AP))的偏移量的绝对坐标。由于室外环境中通常没有WiFi网络，因此除非在室外具有大传输功率的大功率室外WiFi接入点，否则使用蜂窝网络进行定位是一种可以充当室内环境和室外环境两者的基于GNSS的替代定位的技术。

[0015] 与缺乏室外基础设施的WiFi不同，基于蜂窝的定位基站已经被部署来覆盖许多位置。与GNSS相比，当使用4G LTE时，可实现的定位精度更差。另外，对于室内环境，可能缺乏具有足够强度的蜂窝信号(例如，地下停车场)。

[0016] 与4G LTE相比，5G新无线电(NR)解决了这些问题中的一些问题。在精度方面，在FR1(亚6GHz)和FR2(毫米波)两者中可用的大带宽连同其他能力提高了定位精度，以使其达到基于GNSS的精度或更好的精度。对于没有蜂窝信号的室内环境，可安装5G基地毫微微小区或微微小区基站(例如，5G DOT)。毫微微基站可以安装在感兴趣区域(AOI)中以增强5G通信，从而解决在一些室内环境中可能发生的信号接收减少。如本文所使用的，毫微微小区应当被理解为意指毫微微小区蜂窝基站，但是也可以应用于任何其他适当的基站，诸如其他类型的小小区，即，微微小区、微小区或任何其他类型的蜂窝基站。

[0017] 在5G中可以采用若干机制来完成定位。在一个示例中，飞行时间(TOF)可以测量5G站与UE之间的信号。其他方法包括测量到达时间差(TDOA)或到达角(AOA)或接收信号强度(RSS)。在这些可用技术中，RSS具有最低的计算负担、最直接的算法和最少的附加硬件要求。存在各种技术来推导距离，所述距离随后诸如使用路径损耗公式和指纹识别技术从RSS转化为位置。相比之下，5G信号的RSS指纹可能是推导距离的合适选择。

[0018] 比LTE更新的蜂窝技术(诸如5G NR技术)可以用于使用5G信号指纹和5G侧链D2D通信(例如，车辆对车辆(V2V)通信)进行定位。具有未知位置的车辆可以基于5G RSS指纹来找到其位置，其中该数据可以在离线阶段中进行收集并被存储在位置服务器(LS)中。在在线阶段中，具有未知位置的车辆测量来自安装在AOI中的5G毫微微小区的下行链路信号的RSS，并将测量的RSS值发送到LS。在LS中，基于已经在离线阶段中制作的可用地图，可以应用匹配算法以将来自不同的毫微微小区的一组RSS值归因于某个位置。

[0019] 然而，此类指纹识别技术容易受到离线地图中尚未看到的环境中的在线变化的影响，所述影响可能会降低定位精度。为了解决这个问题，即使在环境发生变化的情况下，也可以利用D2D信息来补充5G指纹并提供可靠的高精度定位。本文详细讨论了基于由5G D2D通信辅助的5G指纹识别的协作定位方案的其他方面。

[0020] 图1A示出了实施车辆102的高精度定位方案的示例性系统100。系统100可以包括被配置为通过通信网络104提供数据的一辆或多辆车辆102。通信网络104可以包括建筑物112外部的各种小区106和建筑物112内的毫微微小区110。位置服务器114可以位于通信网络104中。位置服务器114可以被配置为维护RSS地图116。应注意，系统100是示例，并且可以利用包括更多、更少和不同定位的车辆102、小区106、毫微微小区110和建筑物112的系统
100。

[0021] 车辆102可以包括各种类型的汽车、跨界多功能车辆(CUV)、运动型多功能车辆(SUV)、卡车、休闲车辆(RV)、船、飞机或用于运输人或货物的其他移动机器。此类车辆102可以是人类驾驶的或自动驾驶的。在许多情况下，车辆102可由内燃发动机提供动力。作为另一种可能性，车辆102可以是由一个或多个电动马达供电的电池电动车辆(BEV)。作为又一种可能性，车辆102可以是由内燃发动机和一个或多个电动马达两者提供动力的混合动力电动车辆(HEV)，诸如串联混合动力电动车辆、并联混合动力电动车辆或并联/串联混合动力电动车辆。替代地，车辆102可以是自动驾驶车辆(AV)。自动化水平可在不同水平的驾驶员辅助技术与完全自动化的无人驾驶车辆之间变化。由于车辆102的类型和配置可以变化，因此车辆102的能力可以对应地变化。作为一些其他可能性，车辆102在载客量、牵引能力和容量以及存储量方面可以具有不同的能力。出于所有权、库存和其他目的，车辆102可以与唯一识别符(诸如车辆识别号码(VIN))相关联。

[0022] 车辆102可包括被配置为促进车辆与系统100的其他设备之间的通信的网络硬件。例如，车辆102可以包括蜂窝调制解调器或以其他方式访问蜂窝调制解调器，所述蜂窝调制解调器被配置为促进与通信网络104的通信。该硬件在本文中可以被称为UE。作为一些非限制性示例，通信网络104可以包括一个或多个互连通信网络，诸如互联网、有线电视分配网络、卫星链接网络、局域网和电话网络。作为另一示例，车辆102可以利用蓝牙、超宽带(UWB)、Wi‑Fi或通用串行总线(USB)网络连接性中的一种或多种来促进经由用户的移动装置与通信网络104的通信。关于图2讨论了车辆102的操作的其他方面。

[0023] 通信网络104可以包括多个小区106。每个小区106可以由一个或多个蜂窝塔108服务，并且可以具有基于一个或多个蜂窝塔108的物理容量和/或小区106的物理区域的地理学的容量限制。车辆102可以经由与通信网络104的小区106的连接而在通信网络104上与蜂窝塔108进行通信。

[0024] 通信网络104还可以包括多个毫微微小区110。此外，对于诸如没有蜂窝信号的建筑物112的室内环境，可以在建筑物112中安装毫微微小区110基站以提供5G通信，以解决室内环境中信号接收减少的问题。

[0025] 位置服务器114可以是可通过通信网络104供车辆102访问的一个或多个联网计算装置的示例。车辆102上的UE可以从安装在AOI中的不同毫微微小区110接收5G DL信号。毫微微小区110可能已经被安装用于通信目的，并且可以用于在不部署附加硬件的情况下进行定位。响应于测量来自不同DL信号的RSS值，车辆102的UE可以将这些测量值传输回毫微微小区110。这些RSS值可以从毫微微小区110发送到LS114。LS114可以存储测量的RSS值的RSS地图116连同车辆102的对应位置。使用RSS地图116和匹配算法，可以提供UE的位置的估计值并将其通过毫微微小区110传输回UE。

[0026] 图1B示出了协作定位的示例100B，其中通信网络104中的所有车辆102都访问多个参考蜂窝塔108。在这样的示例100B中，从其他蜂窝塔108接收的信息可以允许车辆102协作地提高其确定的位置的最终精度。

[0027] 图1C示出了协作定位的示例100C，其中通信网络104中的一些车辆102不能访问参考蜂窝塔108。在这样的示例100C中，无法访问蜂窝塔108的车辆102可以协作以利用不同车辆102之间的通信进行定位。

[0028] 可以数学方式表明，与单个定位相比，协作定位提高了精度。例如，可以表明协作定位影响位置估计器的克拉美一拉奥(Cramer Rao)下界(CRLB)。CRLB是无偏估计量(这里是位置估计量)的方差的下界。所述关系可以如等式(1)所示：

[0029] J(η)＝Jref+Jcoop‑C  (1)

[0030] 其中：

[0031] J(η)是最终的费雪(Fisher)信息矩阵(FIM)；

[0032] Jref是来自参考文献的FIM框图；

[0033] Jcoop是来自其他车辆102的FIM框图；以及

[0034] C是信息的减少，因为其他车辆102具有未知位置。

[0035] CRLB与FIM的逆相关，并且表明协作有助于防止FIM变得奇异。

[0036] 可以通过D2D协作通信来辅助5G指纹识别，以在诸如建筑物112的封闭室内空间中进行高精度车辆102定位。可以使用用于室内环境中的车辆绝对定位的5G接收信号强度(RSS)指纹识别技术。在一些示例中，RSS指纹识别可以任选地用机器学习(ML)来增强。如所讨论的，指纹识别技术非常容易受到实时变化的影响。为了解决这个问题，5G D2D通信链路可以用于检测实时变化并针对可能的实时环境变化提供各种场景的精确位置信息。

[0037] 在每个时间戳处，车辆102上的UE可以从n个不同的毫微微小区110的下行链路信(t) (t) (t)号获得RSS。这些信号强度测量值可以被称为(RF1 ，RF2 ，…，RFn )。此外在每个时间戳处，UE可以接收m辆其他车辆102的绝对位置和其距UE的相对距离((p1，d1)，(p2，d2)，…，(pm，dm))。车辆102中的每一者还可以使用相同的算法来确定它们的绝对位置。

[0038] 为了获得相对距离，可以部署用于5G信号的往返时间(RTT)协议。用于5G的RTT类似于用于WiFi技术的精细定时测量(FTM)协议。简而言之，UE向它意图找到距其的距离的车辆102发送5G信号，然后车辆102将信号发送回UE。因为UE记录了其传输信号时的时间戳，并且由于等待时间(在将信号发送回UE之前在另一车辆102中)是预定义的并且可供UE使用，所以在测量返回信号的到达时间(TOA)之后，UE可以使用以下公式来测量其自身与另一车辆102之间的距离：

[0039]

[0040] 其中：

[0041] t1是UE发送第一信号的时间戳；

[0042] t2是远程车辆102接收信号时的时间戳；

[0043] t3是远程车辆102将返回信号发送回UE时的时间戳；

[0044] t4是UE从远程车辆102接收回信号时的时间戳；以及

[0045] c是光速。

[0046] 因此，远程车辆102等待(t3‑t2)并且在t3处将信号发送回UE，而UE在t4处接收信号。此外，UE在每个时间戳处接收其自身在前一时间戳处的最终位置估计值，其是因此，元组 可以是UE在每个时间戳处接收的信息，并且其中 是UE在时间戳(t‑1)处的最终位置估计值。

[0047] 图2示出了基于5G DL信号指纹识别的位置估计的图形表示200。该第一步骤包括检查从n个毫微微小区110接收的信息是否足以使UE使用指纹识别找到其位置。该位置可以被称为

[0048] 如图所示，在索引(A)处，车辆102上的UE从安装在AOI中的不同毫微微小区110接收5G DL信号。在索引(B)处，车辆102使用DL信号来测量RSS。在索引(C)处，车辆102将测量的RSS返回到毫微微小区110。在索引(D)处，毫微微小区110将测量的RSS发送到LS114。在索引(E)处，LS114计算车辆102的估计位置并将该位置发送到车辆102。

[0049] UE可以使用以下等式来测量其自身与其他m辆车辆102之间的距离：

[0050]

[0051] 其中：

[0052] pi是第i车辆102的绝对位置；以及

[0053] ||.||是欧几里德距离。

[0054] 这些距离可以被称为ddi。

[0055] 图3示出了D2D定位的图形表示300以及如何使用与图2中的步骤相关的结果来找到最终位置。如图所示，在索引(A)处，UE1至UEm中的每一者将其相应的位置pi和距离di信息发送到自我UE。在索引(B)处，UE使用位置pi和距离di信息来估计 在索引(C)处，UE将与 进行比较并设置 如本文详细讨论的。

[0056] 在该第二步骤中，UE检查这些ddi距离是否类似于使用RTT协议计算的di距离。该比较测试可以通过以下方式进行：

[0057] |di‑ddi|＞∈d    (4)

[0058] 其中：

[0059] ∈d是距离差的预定义公差阈值。

[0060] 如果至少阈值量的距离(诸如大部分距离)是类似的，则可以认为指纹识别结果是正确的。在这种情况下， 可以被报告为最终位置。

[0061] 但是，如果ddi距离中的太多距离与对应的di距离不同，则来自指纹识别的 可能不可靠。如果是，则可以使用((p1，d1)，(p2，d2)，…，(pm，dm))信息找到定位。然后，可以将该位置信息和 与 进行比较。

[0062] 更接近 的位置中的任一者都可以表示为最终 其他位置可以被识别为不正确的。可以调查不正确位置的原因，和/或可以通知其他车辆102以防止其他车辆102在短期内依赖于不正确的位置信息。

[0063] 如果用于推断位置的信息量不足或者如果最终位置中的任一者都不足以接近则UE可以识别出对于该特定时间戳，没有最终精确位置。如果是，则UE可以替代地尝试基于 和可用信息(诸如基于惯性测量单元(IMU)信息的位置 来找到位置。UE可以将此报告为该时间戳的最终 尽管这种最坏情况可能很少见，但是算法也考虑了这种可能性。

[0064] 图4示出了UE确定车辆102的最终位置估计值的操作的示例性过程400。在一个示例中，过程400可由车辆102的UE在系统100的背景下执行。通常，过程400的输入是在时间t处来自n个不同的毫微微小区110的5G接收功率(例如， )、m辆其他车辆102的绝对位置和相对距离(例如，((p1，d1)，(p2，d2)，…，(pm，dm)))以及车辆102本身在(t‑1)处的位置估计，其可以被称为 过程400的输出是t处的最终位置估计，其可以被称为

[0065] 在操作402处，在给定 的情况下，车辆102在时间t处从n个不同的毫微微小区110接收5G接收功率(例如， )、m辆其他车辆102的绝对位置和相对距
离(例如，((p1，d1)，(p2，d2)，…，(pm，dm)))。

[0066] 在操作404处，车辆102确定毫微微小区110的数量n是否超过预定义最小阈值。在所示示例中，该阈值是三，这是由于事实是对于二维定位，需要三个参考点，但是可以设想使用不同的阈值。如果是，则控制前进到操作406。

[0067] 在操作406处，车辆102使用距n个毫微微小区110的估计距离来估计 使用指纹识别，车辆102找到时间(t)处的位置，其为 上文诸如关于图2中所示的图形表示200讨论了基于5G DL信号指纹识别的位置估计的其他方面。

[0068] 在操作408处，车辆102使用与m辆其他车辆102中的每一者的相对距离dm来计算与m辆其他车辆102的绝对位置p1，p2，...，pm中的每一者之间的距离。在一个示例中，车辆102可以使用如上文所讨论的等式(3)来计算其自身与其他m辆车辆102之间的距离。这些距离可以被称为ddi，并且可以包括与p1，p2，...，pm中的每一者相对应的dd1，dd2，…，ddm。

[0069] 在操作410处，车辆102对距离d1，d2，...，dm与dd1，dd2，...，ddm之间大于针对距离差值∈d的预定义公差阈值的差异进行计数。

[0070] 在操作412处，车辆102确定在操作410处确定的差异的计数是否大于 如果大多数距离是类似的，则可以认为指纹识别结果是正确的。在这种情况下，控制前进到操作414，其中 被报告为最终位置。在操作414之后，过程400结束。

[0071] 另一方面，如果大多数ddi距离与对应的di距离不同，则来自指纹识别的 可能不被认为是可靠的。如果大多数距离不类似，则控制替代地从操作412转到操作416。

[0072] 在操作416处，车辆102确定先前位置是否在距当前指纹识别位置 的预定义公差阈值∈p内。例如，这可以被计算为 如果是，则控制前进到操作414，其中 被报告为最终位置。在一些示例中，不正确位置可以被标记以便调查，和/或可以通知其他车辆102以防止其他车辆102在短期内依赖于不正确的位置信息。上文关于图3所示的D2D定位的图形表示300讨论了该确定的各方面。

[0073] 另一方面，如果 在预定义公差阈值∈p之外，则控制前进到操作418。在操作418处，车辆102确定车辆102的数量m是否超过预定义最小阈值。在所示示例中，该阈值是三，但是可以设想使用不同的阈值。如果否，并且存在少于阈值的车辆102，则控制前进到操作420，其中 被报告为最终位置。例如，这可以完成，因为没有足够的信息来依赖于更新的位置。在操作420之后，方法400结束。

[0074] 如果至少存在阈值数量的车辆102，则控制前进到操作422。在操作422处，车辆102使用m辆其他车辆102的相对距离d1，d2，...，dm和绝对位置p1，p2，...，pm来计算 这可以针对车辆102中的每一者(即，针对i＝1，...，m)执行。上文也关于图3所示的D2D定位的图形表示300讨论了该确定的各方面。在操作424处，车辆102将 报告为 位置。在操作424之后，过程400结束。

[0075] 返回到操作404，如果毫微微小区110的数量n不超过预定义最小阈值，则控制转到操作426。在操作426处，车辆102确定车辆102的数量m是否超过预定义最小阈值。在所示示例中，该阈值是三，但是可以设想使用不同的阈值。如果否，并且存在少于阈值数量的车辆102，则控制前进到操作420，其中 被报告为最终位置。

[0076] 如果在操作426处存在至少预定义最小阈值数量的车辆102，则控制前进到操作428。在操作428处，车辆102尝试基于前一时间 基于可用射频(RF)与D2D的组合或基于IMU数据来找到最终位置。例如，车辆102可以使用m辆其他车辆102的相对距离d1，d2，...，dm和绝对位置p1，p2，...，pm来计算 在另一个示例中，车辆102可以利用IMU信息来基于先前车辆102位置(t‑1)和航迹推算来估计车辆102的位置。

[0077] 在操作430处，确定车辆102的最终位置。例如，这可以是 或 在另一个示例中，这可以是基于IMU信息更新的 或 在又一示例中，这可以是基于作为的IMU信息更新的 或 的平均值。无论采用哪种方法，该位置都可以用作
在操作430之后，方法400结束。

[0078] 以伪代码形式，用于5G RSS指纹识别与D2D协作定位的协作的算法被示出如下：

[0079]

[0080]

[0081] 因此，可以执行基于由5G D2D通信辅助的5G指纹识别的协作定位方案。如上文所讨论的，即使在环境发生实时变化的情况下，也可以利用D2D信息来补充5G指纹并提供可靠的高精度定位。

[0082] 图5示出了用于实施用于车辆102的高精度定位方案的计算装置502的示例500。参考图5并参考图1A至图4，车辆102、通信网络104、蜂窝塔108、毫微微小区110以及LS114可以是此类计算装置502的示例。如图所示，计算装置502包括处理器504，所述处理器操作性地连接到存储装置506、网络装置508、输出装置510以及输入装置512。应注意，这仅仅是示例，并且可使用具有更多、更少或不同部件的计算装置502。

[0083] 处理器504可以包括实施中央处理单元(CPU)和/或图形处理单元(GPU)的功能的一个或多个集成电路。在一些示例中，处理器504是集成CPU和GPU的功能的片上系统(SoC)。SoC可任选地将其他部件(诸如，例如存储装置506和网络装置508)包括到单个集成装置中。
在其他示例中，CPU和GPU经由外围连接装置(诸如外围部件互连(PCI)快速)或另一合适的外围数据连接来彼此连接。在一个示例中，CPU是可商购的中央处理装置，所述中央处理装置实施指令集，诸如x86、ARM、Power或无互锁流水线级的微处理器(MIPS)指令集系列中的一者。

[0084] 无论细节如何，在操作期间，处理器504执行从存储装置506检索到的所存储程序指令。所存储的程序指令相应地包括控制处理器504的操作以执行本文描述的操作的软件。存储装置506可包括非易失性存储器装置和易失性存储器装置两者。非易失性存储器包括固态存储器，诸如“与非”(NAND)快闪存储器、磁存储介质和光学存储介质或在系统被停用或失去电力时保留数据的任何其他合适的数据存储装置。易失性存储器包括静态和动态随机存取存储器(RAM)，所述静态和动态随机存取存储器在系统50的操作期间存储程序指令和数据。

[0085] GPU可以包括用于将至少二维(2D)和任选地3D图形显示到输出装置510的硬件和软件。输出装置510可以包括图形或视觉显示装置，诸如电子显示屏、投影仪、打印机或再现图形显示的任何其他合适的装置。作为另一示例，输出装置510可以包括音频装置，诸如扬声器或耳机。作为又一示例，输出装置510可以包括触觉装置，诸如可机械地升高的装置，所述触觉装置在一个示例中可以被配置为显示盲文或可被触摸以向用户提供信息的另一物理输出。

[0086] 输入装置512可以包括使得计算装置502能够从用户接收控制输入的各种装置中的任一种。接收人机界面输入的合适的输入装置的示例可以包括键盘、鼠标、轨迹球、触摸屏、语音输入装置、图形输入板等。

[0087] 网络装置508可以各自包括使得车辆102和LS114能够通过通信网络104从外部装置发送和/或接收数据的各种装置中的任何一种。网络装置508的示例包括以太网接口、Wi‑Fi收发器、蜂窝收发器、或者蓝牙或蓝牙低功耗(BLE)收发器、UWB收发器或从另一计算机或外部数据存储装置接收数据的其他网络适配器或外围互连装置，所述其他网络适配器或外围互连装置对于以高效方式接收大量数据可能很有用。

[0088] 本文所公开的过程、方法或算法可能够输送到处理装置、控制器或计算机/由处理装置、控制器或计算机实施，所述处理装置、控制器或计算机可以包括任何现有的可编程电子控制单元或专用电子控制单元。类似地，所述过程、方法或算法可被存储为可由控制器或计算机以许多形式执行的数据和指令，所述形式包括但不限于持久地存储在诸如只读存储器(ROM)装置的不可写存储介质上的信息和可改动地存储在诸如软盘、磁带、光盘(CD)、RAM装置和其他磁性和光学介质的可写存储介质上的信息。所述过程、方法或算法也可以软件可执行对象来实施。替代地，可以使用合适的硬件部件或者硬件、软件和固件部件的组合全部或部分地实施所述过程、方法或算法，所述硬件部件诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其他硬件部件或装置。

[0089] 虽然上文描述了示例性实施例，但这些实施例并不意图描述权利要求所涵盖的所有可能形式。说明书中使用的词语是描述性词语而非限制词语，并且应理解，可在不背离本公开的精神和范围的情况下做出各种改变。如先前所述，各种实施例的特征可以组合以形成可能未明确描述或示出的本发明的另外的实施例。虽然各种实施例就一个或多个期望的特性而言可能已经被描述为提供优点或优于其他实施例或现有技术实施方式，但本领域普通技术人员应认识到，可折衷一个或多个特征或特性来达成期望的整体系统属性，这取决于具体应用和实施方式。这些属性可以包括但不限于强度、耐用性、生命周期、市场适销性、外观、包装、大小、服务能力、重量、可制造性、便于组装等。为此，就一个或多个特性而言，在任何实施例被描述为不及其他实施例或现有技术实施方式理想的程度上，这些实施例不在本公开的范围之外并且对于特定应用可能是所期望的。

[0090] 根据本发明，一种用于高精度定位的方法包括：向自我用户设备(UE)接收m个其他UE在一定时间戳处的绝对位置和相对距离信息以及基于所述UE与n个不同的毫微微小区之间的信号强度信息的指纹位置；使用所述自我UE与所述其他UE之间的往返时间来确定所述自我UE距所述其他UE中的每一者的第一距离；使用所述自我UE的所述绝对位置经由通过装置对装置(D2D)通信接收的其他UE的指纹识别信息和绝对位置来确定所述自我UE到所述其他UE中的每一者的第二距离；以及响应于所述第一距离与所述第二距离之间的差异的预定义阈值子集在预定义距离公差阈值内而利用所述指纹位置作为所述UE的当前位置。

[0091] 在本发明的一个方面中，所述方法包括：响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内：响应于所述指纹位置在距所述UE的先前位置的阈值距离内，利用所述指纹位置作为所述UE的所述当前位置。

[0092] 在本发明的一个方面中，利用所述指纹位置作为所述UE的所述当前位置还包括将所述绝对位置和所述相对距离信息标记为不精确。

[0093] 在本发明的一个方面中，所述方法包括：响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内并且所述指纹位置不在距所述UE的先前位置的阈值距离内：基于所述其他UE的所述绝对位置和所述相对距离信息来计算所述UE的D2D位置；以及利用所述D2D位置作为所述UE的所述当前位置。

[0094] 在本发明的一个方面中，利用所述D2D位置作为所述UE的所述当前位置还包括将所述信号强度信息标记为不精确。

[0095] 在本发明的一个方面中，所述方法包括：响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内、所述指纹位置不在距所述UE的先前位置的阈值距离内并且m小于UE的最小阈值数量：利用所述UE的所述先前位置作为所述UE的所述当前位置。

[0096] 在本发明的一个方面中，差异的所述预定义阈值子集是m/2。

[0097] 在本发明的一个方面中，所述方法包括响应于m是UE的至少最小阈值数量并且小于毫微微小区的最小阈值数量：利用基于所述其他UE的所述绝对位置和所述相对距离信息的所述UE的装置对装置(D2D)位置作为所述UE的所述当前位置；或者利用使用基于惯性测量单元(IMU)数据的航迹推算更新的所述UE的先前位置作为所述UE的所述当前位置。

[0098] 在本发明的一个方面中，所述方法包括响应于m小于UE的最小阈值数量并且小于毫微微小区的最小阈值数量：利用所述UE的先前位置作为所述当前位置。

[0099] 根据本发明，提供了一种用于高精度定位的系统，其具有：自我用户设备(UE)，所述自我UE被配置为向所述自我用户设备(UE)接收m个其他UE在一定时间戳处的绝对位置和相对距离信息以及基于所述UE与n个不同的毫微微小区之间的信号强度信息的指纹位置；使用所述自我UE与所述其他UE之间的往返时间来确定所述自我UE距所述其他UE中的每一者的第一距离；使用所述自我UE的所述绝对位置经由通过装置对装置(D2D)通信接收的其他UE的指纹识别信息和绝对位置来确定所述自我UE到所述其他UE中的每一者的第二距离；
以及响应于所述第一距离与所述第二距离之间的差异的预定义阈值子集在预定义距离公差阈值内而利用所述指纹位置作为所述UE的当前位置。

[0100] 根据一个实施例，所述自我UE还被配置为：响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内：响应于所述指纹位置在距所述UE的先前位置的阈值距离内，利用所述指纹位置作为所述UE的所述当前位置。

[0101] 根据一个实施例，利用所述指纹位置作为所述UE的所述当前位置还包括将所述绝对位置和所述相对距离信息标记为不精确。

[0102] 根据一个实施例，所述自我UE还被配置为：响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内并且所述指纹位置不在距所述UE的先前位置的阈值距离内：基于所述其他UE的所述绝对位置和所述相对距离信息来计算所述UE的装置对装置(D2D)位置；以及利用所述D2D位置作为所述UE的所述当前位置。

[0103] 根据一个实施例，利用所述D2D位置作为所述UE的所述当前位置还包括将所述信号强度信息标记为不精确。

[0104] 根据一个实施例，所述自我UE还被配置为：响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内、所述指纹位置不在距所述UE的先前位置的阈值距离内并且m小于UE的最小阈值数量：利用所述UE的所述先前位置作为所述UE的所述当前位置。

[0105] 根据一个实施例，差异的所述预定义阈值子集是m/2。

[0106] 根据一个实施例，所述自我UE还被配置为：响应于m是UE的至少最小阈值数量并且小于毫微微小区的最小阈值数量，进行以下一项或多项：利用基于所述其他UE的所述绝对位置和所述相对距离信息的所述UE的装置对装置(D2D)位置作为所述UE的所述当前位置；或者利用使用基于惯性测量单元(IMU)数据的航迹推算更新的所述UE的先前位置作为所述UE的所述当前位置。

[0107] 根据一个实施例，所述自我UE还被配置为响应于m小于UE的最小阈值数量并且小于毫微微小区的最小阈值数量：利用所述UE的先前位置作为所述当前位置。

[0108] 根据本发明，提供了一种非暂时性计算机可读介质，其具有用于高精度定位的指令，所述指令在由自我UE执行时使所述UE执行用于将所述UE的先前位置更新为所述UE的当前位置的操作，包括：向所述自我用户设备(UE)接收m个其他UE在一定时间戳处的绝对位置和相对距离信息以及基于所述UE与n个不同的毫微微小区之间的信号强度信息的指纹位置；使用所述自我UE与所述其他UE之间的往返时间来确定所述自我UE距所述其他UE中的每一者的第一距离；使用所述自我UE的所述绝对位置经由通过装置对装置(D2D)通信接收的其他UE的指纹识别信息和绝对位置来确定所述自我UE到所述其他UE中的每一者的第二距离；响应于所述第一距离与所述第二距离之间的差异的预定义阈值子集在预定义距离公差阈值内，利用所述指纹位置作为所述UE的所述当前位置；响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内并且所述指纹位置在距所述UE的所述先前位置的阈值距离内，利用所述指纹位置作为所述UE的所述当前位置；响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内并且所述指纹位置不在距所述UE的所述先前位置的所述阈值距离内，利用D2D位置作为所述UE的所述当前位置，所述D2D位置是基于所述其他UE的所述绝对位置和所述相对距离信息来计算的；以及响应于所述第二距离之间的差异的所述预定义阈值子集不在所述预定义距离公差阈值内、所述指纹位置不在距所述UE的先前位置的所述阈值距离内并且m小于UE的最小阈值数量，利用所述UE的所述先前位置作为所述UE的所述当前位置。

[0109] 根据一个实施例，所述UE被集成到车辆中。