基于能量檢測的60GHz毫米波非視距識別與無線指紋定位方法技術

基于能量檢測的60?GHz毫米波非視距識別與無線指紋定位方法，包括：1)求由信號的偏度與梯度組成的聯合參數J、最優歸一化門限以及梯度與標準差組成的參數M；2)建立J與最優歸一化門限之間的指紋數據庫；3)利用指紋數據庫，根據J估計最優化門限；4)利用M進行非視距識別；5)進行TOA估計，進而計算出距離；6)進行60GHz無線定位：根據非視距識別結果及TOA估計值，利用傳統的定位算法，進行基于60GHz信號的無線定位。結果表明,NLOS識別成功率遠高于同類型的非視距識別算法；無論是視距還是非視距，在很大的信噪比范圍內，本方法比其他基于能量的檢測具有更高的精度和更好的魯棒性。

【技術實現步驟摘要】

本專利技術屬于毫米波無線定位
，具體是基于能量檢測的60GHz毫米波非視距識別與無線指紋定位方法。
技術介紹
脈沖60GHz無線通信技術是一種不用載波，采用數百皮秒或更短時長的不連續脈沖進行通信的一種無線通信技術。60GHz無線通信技術與目前現有的通信系統相比具有頻譜可復用性高，抗干擾能力強，可用頻譜寬，允許發射功率大，系統容量大，時間分辨率和多徑分辨率高等優點。近年來對60GHz技術廣泛關注最主要的原因之一是因為巨大的免授權頻帶帶寬。與同樣使用免授權頻帶的超寬帶技術相比，60GHz技術的頻帶連續，并且對功率限制更少。由于超寬帶系統是共存系統，因此要受到嚴格的限制和不同的規定約束。60GHz巨大的帶寬是即將分配的最大一塊免授權頻帶。巨大的帶寬意味著潛在的容量和靈活性，從而使得60GHz技術尤其適合于吉比特無線應用。60GHz頻段附近的脈沖無線電通信技術由于具有更高的時間分辨率，在接收端，可更為有效地分離多徑信號，從而具有更高的多徑分辨率，可以實現厘米級別甚至毫米級高精度測距和定位。這在室內機器人精確導航定位和一些特殊生產行業等需要厘米級別精確定位的領域具有重要的應用價值。為了實現60GHz的無線定位，相關的硬件設備主要有移動待定終端、定位基站及定位服務器組成。移動待定位終端是在定位區域內移動的，需要定位的終端，一般是功率低的發射裝置。定位基站是由分布在定位區域內的定位基站，可以接收待定位終端發送的<br>60GHz信號，并進行梯度G、標準差SD和偏度S等參數的計算，利用事先設計的指紋數據庫，計算信號的傳播時延及非視距(Non-lineofSight,NLOS)識別狀態，最后能夠將計算結果發送給定位服務器。一般由三個以上的定位基站。定位服務器一般是一臺計算機，可以接收來自于定位基站發送的傳播時延，并對其進行數據處理、執行定位算法。目前最常用的定位技術大都是基于測距進行的，這是由于，非基于距離的定位技術一般定位精度差，且需要大量的基站(位置已知的終端)的配合。最常用的定位方法可以分為基于接收信號到達時間估計的TOA(TimeofArrival)和TDOA(TimeDifferenceofArrival)、基于接收信號強度估計的RSS(ReceivedSignalStrength)和基于到達角度估計的AOA(AngleofArrival)。脈沖60GHz信號具有極高的帶寬，持續時間達到數百皮秒或更短，因而具有很強的時間分辨能力。所以為了充分利用脈沖60GHz時間分辨能力強的這個特性，使用TOA、TDOA估計的定位技術是最適合脈沖60GHz的。在這兩種方法中影響測量誤差的主要因素是傳輸時延的測量和NLOS環境的影響。目前最常用的TOA\\TDOA估計方法大體上可以分為相關接收(如匹配濾波檢測)與非相關接收(如能量接收機)。基于匹配濾波的相關檢測，被認為是目前已知的用于信號檢測的最佳方式，但是，它需要關于發射信號特性的先驗信息(例如，調制格式，脈沖波形，相位等)。然而在實踐中，這樣的信息往往是不可能總是被接收機準確預知的，這就導致基于匹配檢測的相關接收機在許多情況下是不可行的。與相關接收不同，基于能量檢測接收完全不需要信號的先驗知識，并具有較低的計算和實施的復雜性，對接點的硬件要求低，適合應用在結構簡單的節點中，基于能量接收機的諸多優點，能量檢測器已被廣泛應用為頻譜感測的認知無線電，脈沖無線電超寬帶系統，傳感器網絡和陸地集群無線電系統。能量接收機主要包括一個放大器、平方器、積分器、判決器。由于脈沖60GHz的頻譜處在更高的頻段(60GHz左右)，所以對匹配濾波檢測器在硬件實現上提出更高的要求，在實際應用中，比較難以實現。因此在本專利技術中，對信號的檢測將會首選復雜度更低，對硬件實現要求更低的能量檢測接收機。能量檢測接收機(如圖1所示)的TOA估計主要是將積分器的輸出與合適的閾值進行比較，選擇最先超過閾值得能量塊的值對TOA進行估計。在NLOS識別方面，目前的NLOS識別算法多數是基于信道特性估計和利用相關接收的方式對信號進行處理。如上所述，在60GHz無線通信領域，相關接收機在硬件實現上存在諸多挑戰，無法順利實現，所以基于相關接收的NLOS識別算法在能量接收機上無法有效的運用，而目前基于能量接收的NLOS識別算法在準確識別NLOS方面無法得到有效的保證。傳統的TOA\\TDOA定位算法的基本步驟如下(如圖2所示)：(1)、對整個定位系統進行初始化：主要包括各個基站和定位服務器的軟、硬件安裝；(2)、待定位終端發射60GHz脈沖序列；(3)、定位基站接收信號并計算信號的傳播時延；(4)、定位基站將傳播時延計算結果發送給定位服務器；(5)、定位服務器接收各個基站的傳播時延；(6)、定位服務器計算各個基站的測距結果；(7)、定位服務器應用TOA\\TDOA基于距離的定位算法對待定位終端進行定位。鑒于相關接收與非相關接收之間的巨大差別，特別是復雜度低、低采樣速率的能量接收機可以廣泛應用于眾多的環境中，所以在(3)中將會采用簡單實用對硬件要求低的能量接收機來計算傳播時延和NLOS識別，傳播時延的估計結果和NLOS識別結果將會傳輸給定位服務器，在定位服務器端綜合利用這兩方面的信息來對待定位終端進行定位。在能量接收方面，目前常用的估計傳播時延的方法可以分為兩種。最大能量法：選擇最大的能量塊在的位置來估計TOA，通常是選擇能量塊的中央作為TOA的估計值。然而，最大能量塊在的位置經常并非直達信號所在的位置，特別是在NLOS環境下。平均而言直達經所在的能量塊經常在最大能量塊之前。門限法：即基于門限的TOA估計算法，接收信號的能量塊與合適的門限進行比較，第一個超過該門限的能量塊對應的時刻即為TOA估計值。然而，要直接確定一個門限值是比較困難的，所以經常采用的是歸一化的門限。在接收端通過歸一化門限，根據公式α＝αnorm(max(z(n))-min(z(n)))+min(z(n))計算出最終的門限值。所以，問題就變為如何根據信號的指紋特征來設定合適的歸一化門限，在門限法中最簡單的是固定歸一化門限法，其中歸一化門限是一個固定的值，然在在實際應用中，不同環境下歸一化門限始終是變化的，所以無法滿足在大范圍內應用。其次便是基于峭度K的歸一化門限法，盡管此算法復雜度降低，但是此算法與本專利技術中提出的基于梯度G、標準差SD和偏度S的聯合TOA指紋估計算法相比，無論在精度上還是在穩定性方面特別是在多徑、NLOS環境下有很大差距。并且在本專利技術中我們所提出本文檔來自技高網...

【技術保護點】
基于能量檢測的60GHz毫米波非視距識別與無線指紋定位方法，包括以下步驟：(1)、建立定位系統，所涉及的定位系統包括能夠接收待定位終端發出的信號的多個定位基站，以及接收定位基站發出的定位信息的定位服務器，并對整個定位系統進行初始化：包括設定各個定位基站的采樣頻率與積分周期T；(2)、待定位終端發射60GHz脈沖序列信號；(3)、定位基站接收上述信號并計算信號的傳播時延與NLOS識別；(4)、定位基站將傳播時延計算結果與NLOS識別結果發送給定位服務器；(5)、定位服務器接收各個基站的傳播時延與NLOS識別結果；(6)、定位服務器計算各個基站的測距結果；(7)、定位服務器應用TOA\TDOA基于距離的定位算法對待定位終端進行定位；其特征在于所述的步驟(3)包括如下A?C三個步驟：A.定位基站對步驟(2)的信號進行積分運算得到積分能量塊，計算該能量塊的偏度S、梯度G和標準差SD，并對上述各個變量進行歸一化，由歸一化之后的各個變量進而得到聯合參數J與梯度/標準差乘積M，建立聯合參數平均值J2P、TOA估計誤差、最優歸一化門限X三個參數的指紋數據庫；B.對指紋數據庫進行曲線擬合，建立對應于最小TOA估計誤差的平均聯合參數J2P與最優歸一化門限X的對應關系F；C.根據步驟A得到的平均聯合參數J2P與梯度/標準差乘積M，利用M與事先設定的NLOS門限值進行比對，來判斷信號來自于LOS環境還是NLOS環境，將識別結果進行保存，利用對應關系F，計算得到最優歸一化門限X，根據此門限得到傳播時延(即TOA估計值)；具體來說，步驟A細化為如下的計算步驟：1)、首先設定參數值，在4?32dB范圍內選擇一個信噪比SNR，然后在所選擇的一個SNR下確定不同的信道環境和多個不同積分周期，所述的不同信道環境是視距和非視距兩種不同環境，所述的多個不同積分周期是在0.1ns—4ns范圍內選擇兩個或以上值作為積分周期，所選擇的不同積分周期的數量記為P，P是大于等于2的自然數；則在同一個SNR可得到2P個不同的環境和積分周期組合；2)、根據積分運算得到的能量塊，分別計算2P個不同的環境和積分周期組合的能量塊的偏度S、梯度G和標準差SD；計算梯度G與標準差SD的乘積，記作M＝G*SD；根據S與G兩個量得到一個新的聯合參數J＝N*norm(S)?K*norm(G)，其中norm表示對參數的歸一化處理，N、K為正實數、且N大于等于6K，得到2P個聯合參數J，取平均值記為平均聯合參數J2P；3)然后在同一個SNR下計算不同的信道環境和多個不同積分周期下的最優歸一化門限：首先計算TOA估計誤差和最佳歸一化門限：以(0:0.1:1)或更小的間隔作為歸一化門限，分別計算積分能量塊在每一個門限下的1000次TOA誤差，并取平均值作為TOA估計誤差，從而得到與歸一化門限數量相對應的多個TOA估計誤差，選取最小的TOA誤差所對應的歸一化門限作為最佳歸一化門限；則在不同信道環境(視距與非視距)、不同積分周期下可以得到2P個最佳歸一化門限，將2P個最佳歸一化門限的平均值作為最優化門限X；4)返回步驟1)選擇下一個信噪比，并重新計算對應于該信噪比下的平均聯合參數J2P、TOA估計誤差及最優化門限X，直至歷遍4?32dB范圍內的所有信噪比；5)將步驟4)得到的29組平均聯合參數J2P、TOA估計誤差及最優化門限X的值，作為由三個參數組成的指紋數據庫；步驟B、對指紋數據庫進行曲線擬合，利用神經網絡對上述指紋數據庫進行訓練，最終建立平均聯合參數J2P與最優歸一化門限X的對應關系F，即由于平均聯合參數J2P與SNR有關，而最優歸一化門限是在某個特定SNR下計算得到的，因此可以建立J2P與最優歸一化門限的對應關系；步驟C、對信號傳播時延進行實際計算時，根據采集的實際信號的偏度S、梯度G和標準差SD得到實際平均聯合參數J2P與梯度/標準差乘積M，利用M與事先設定的NLOS門限值進行比對，來判斷信號來自于LOS環境還是NLOS環境，將識別結果進行保存；利用對應關系F，計算得到該實際平均聯合參數J2P所對應的歸一化門限，根據此歸一化門限得到TOA估計值：即將所得的實際平均聯合參數J2P輸入到步驟B)的己經訓練好的神經網絡，即根據對應關系F得到相應的歸一化門限，利用歸一化門限識別出最先超過該門限的能量塊，以該能量塊的中間位置對應的時刻作為TOA估計值。...

【技術特征摘要】
1.基于能量檢測的60GHz毫米波非視距識別與無線指紋定位方法，包括以下步驟：
(1)、建立定位系統，所涉及的定位系統包括能夠接收待定位終端發出的信號的多個定
位基站，以及接收定位基站發出的定位信息的定位服務器，并對整個定位系統進行初始化：
包括設定各個定位基站的采樣頻率與積分周期T；
(2)、待定位終端發射60GHz脈沖序列信號；
(3)、定位基站接收上述信號并計算信號的傳播時延與NLOS識別；
(4)、定位基站將傳播時延計算結果與NLOS識別結果發送給定位服務器；
(5)、定位服務器接收各個基站的傳播時延與NLOS識別結果；
(6)、定位服務器計算各個基站的測距結果；
(7)、定位服務器應用TOA\\TDOA基于距離的定位算法對待定位終端進行定位；
其特征在于所述的步驟(3)包括如下A-C三個步驟：
A.定位基站對步驟(2)的信號進行積分運算得到積分能量塊，計算該能量塊的偏度S、
梯度G和標準差SD，并對上述各個變量進行歸一化，由歸一化之后的各個變量進而得到聯合
參數J與梯度/標準差乘積M，建立聯合參數平均值J2P、TOA估計誤差、最優歸一化門限X三個
參數的指紋數據庫；
B.對指紋數據庫進行曲線擬合，建立對應于最小TOA估計誤差的平均聯合參數J2P與最
優歸一化門限X的對應關系F；
C.根據步驟A得到的平均聯合參數J2P與梯度/標準差乘積M，利用M與事先設定的NLOS
門限值進行比對，來判斷信號來自于LOS環境還是NLOS環境，將識別結果進行保存，利用對
應關系F，計算得到最優歸一化門限X，根據此門限得到傳播時延(即TOA估計值)；
具體來說，步驟A細化為如下的計算步驟：
1)、首先設定參數值，在4-32dB范圍內選擇一個信噪比SNR，然后在所選擇的一個SNR下
確定不同的信道環境和多個不同積分周期，所述的不同信道環境是視距和非視距兩種不同
環境，所述的多個不同積分周期是在0.1ns—4ns范圍內選擇兩個或以上值作為積分周期，
所選擇的不同積分周期的數量記為P，P是大于等于2的自然數；則在同一個SNR可得到2P個
不同的環境和積分周期組合；
2)、根據積分運算得到的能量塊，分別計算2P個不同的環境和積分周期組合的能量塊
的偏度S、梯度G和標準差SD；計算梯度G與標準差SD的乘積，記作M＝G*SD；
根據S與G兩個量得到一個新的聯合參數J＝N*norm(S)-K*norm(G)，其中norm表示對參
數的歸一化處理，N、K為正實數、且N大于等于6K，得到2P個聯合參數J，取平均值記為平均聯
合參數J2P；
3)然后在同一個SNR下計算不同的信道環境和多個不同積分周期下的最優歸一化門
限：
首先計算TOA估計誤差和最佳歸一化門限：
以(0:0.1:1)或更小的間隔作為歸一化門限，分別計算積分能量塊在每一個門限下的
1000次TOA誤差，并取平均值作為TOA估計誤差，從而得到與歸一化門限數量相對應的多個
TOA估計誤差，選取最小的TOA誤差所對應的歸一化門限作為最佳歸一化門限；
則在不同信道環境(視距與非視距)、不同積分周期下可以得到2P個最佳歸一化門限，
將2P個最佳歸一化門限的平均值作為最優化門限X；
4)返回步驟1)選擇下一個信噪比，并重新計算對應于該信噪比下的平均聯合參數J2P、
TOA估計誤差及最優化門限X，直至歷遍4-32dB范圍內的所有信噪比；
5)將步...

【專利技術屬性】
技術研發人員：梁曉林，張浩，呂婷婷，徐凌偉，王增鋒，
申請(專利權)人：中國海洋大學，
類型：發明
國別省市：山東;37