基于能量检测的60GHz毫米波非视距识别与无线指纹定位方法技术

基于能量检测的60 GHz毫米波非视距识别与无线指纹定位方法，包括：1)求由信号的偏度与梯度组成的联合参数J、最优归一化门限以及梯度与标准差组成的参数M；2)建立J与最优归一化门限之间的指纹数据库；3)利用指纹数据库，根据J估计最优化门限；4)利用M进行非视距识别；5)进行TOA估计，进而计算出距离；6)进行60GHz无线定位：根据非视距识别结果及TOA估计值，利用传统的定位算法，进行基于60GHz信号的无线定位。结果表明,NLOS识别成功率远高于同类型的非视距识别算法；无论是视距还是非视距，在很大的信噪比范围内，本方法比其他基于能量的检测具有更高的精度和更好的鲁棒性。

【技术实现步骤摘要】

本专利技术属于毫米波无线定位
，具体是基于能量检测的60GHz毫米波非视距识别与无线指纹定位方法。
技术介绍
脉冲60GHz无线通信技术是一种不用载波，采用数百皮秒或更短时长的不连续脉冲进行通信的一种无线通信技术。60GHz无线通信技术与目前现有的通信系统相比具有频谱可复用性高，抗干扰能力强，可用频谱宽，允许发射功率大，系统容量大，时间分辨率和多径分辨率高等优点。近年来对60GHz技术广泛关注最主要的原因之一是因为巨大的免授权频带带宽。与同样使用免授权频带的超宽带技术相比，60GHz技术的频带连续，并且对功率限制更少。由于超宽带系统是共存系统，因此要受到严格的限制和不同的规定约束。60GHz巨大的带宽是即将分配的最大一块免授权频带。巨大的带宽意味着潜在的容量和灵活性，从而使得60GHz技术尤其适合于吉比特无线应用。60GHz频段附近的脉冲无线电通信技术由于具有更高的时间分辨率，在接收端，可更为有效地分离多径信号，从而具有更高的多径分辨率，可以实现厘米级别甚至毫米级高精度测距和定位。这在室内机器人精确导航定位和一些特殊生产行业等需要厘米级别精确定位的领域具有重要的应用价值。为了实现60GHz的无线定位，相关的硬件设备主要有移动待定终端、定位基站及定位服务器组成。移动待定位终端是在定位区域内移动的，需要定位的终端，一般是功率低的发射装置。定位基站是由分布在定位区域内的定位基站，可以接收待定位终端发送的<br>60GHz信号，并进行梯度G、标准差SD和偏度S等参数的计算，利用事先设计的指纹数据库，计算信号的传播时延及非视距(Non-lineofSight,NLOS)识别状态，最后能够将计算结果发送给定位服务器。一般由三个以上的定位基站。定位服务器一般是一台计算机，可以接收来自于定位基站发送的传播时延，并对其进行数据处理、执行定位算法。目前最常用的定位技术大都是基于测距进行的，这是由于，非基于距离的定位技术一般定位精度差，且需要大量的基站(位置已知的终端)的配合。最常用的定位方法可以分为基于接收信号到达时间估计的TOA(TimeofArrival)和TDOA(TimeDifferenceofArrival)、基于接收信号强度估计的RSS(ReceivedSignalStrength)和基于到达角度估计的AOA(AngleofArrival)。脉冲60GHz信号具有极高的带宽，持续时间达到数百皮秒或更短，因而具有很强的时间分辨能力。所以为了充分利用脉冲60GHz时间分辨能力强的这个特性，使用TOA、TDOA估计的定位技术是最适合脉冲60GHz的。在这两种方法中影响测量误差的主要因素是传输时延的测量和NLOS环境的影响。目前最常用的TOA\\TDOA估计方法大体上可以分为相关接收(如匹配滤波检测)与非相关接收(如能量接收机)。基于匹配滤波的相关检测，被认为是目前已知的用于信号检测的最佳方式，但是，它需要关于发射信号特性的先验信息(例如，调制格式，脉冲波形，相位等)。然而在实践中，这样的信息往往是不可能总是被接收机准确预知的，这就导致基于匹配检测的相关接收机在许多情况下是不可行的。与相关接收不同，基于能量检测接收完全不需要信号的先验知识，并具有较低的计算和实施的复杂性，对接点的硬件要求低，适合应用在结构简单的节点中，基于能量接收机的诸多优点，能量检测器已被广泛应用为频谱感测的认知无线电，脉冲无线电超宽带系统，传感器网络和陆地集群无线电系统。能量接收机主要包括一个放大器、平方器、积分器、判决器。由于脉冲60GHz的频谱处在更高的频段(60GHz左右)，所以对匹配滤波检测器在硬件实现上提出更高的要求，在实际应用中，比较难以实现。因此在本专利技术中，对信号的检测将会首选复杂度更低，对硬件实现要求更低的能量检测接收机。能量检测接收机(如图1所示)的TOA估计主要是将积分器的输出与合适的阈值进行比较，选择最先超过阈值得能量块的值对TOA进行估计。在NLOS识别方面，目前的NLOS识别算法多数是基于信道特性估计和利用相关接收的方式对信号进行处理。如上所述，在60GHz无线通信领域，相关接收机在硬件实现上存在诸多挑战，无法顺利实现，所以基于相关接收的NLOS识别算法在能量接收机上无法有效的运用，而目前基于能量接收的NLOS识别算法在准确识别NLOS方面无法得到有效的保证。传统的TOA\\TDOA定位算法的基本步骤如下(如图2所示)：(1)、对整个定位系统进行初始化：主要包括各个基站和定位服务器的软、硬件安装；(2)、待定位终端发射60GHz脉冲序列；(3)、定位基站接收信号并计算信号的传播时延；(4)、定位基站将传播时延计算结果发送给定位服务器；(5)、定位服务器接收各个基站的传播时延；(6)、定位服务器计算各个基站的测距结果；(7)、定位服务器应用TOA\\TDOA基于距离的定位算法对待定位终端进行定位。鉴于相关接收与非相关接收之间的巨大差别，特别是复杂度低、低采样速率的能量接收机可以广泛应用于众多的环境中，所以在(3)中将会采用简单实用对硬件要求低的能量接收机来计算传播时延和NLOS识别，传播时延的估计结果和NLOS识别结果将会传输给定位服务器，在定位服务器端综合利用这两方面的信息来对待定位终端进行定位。在能量接收方面，目前常用的估计传播时延的方法可以分为两种。最大能量法：选择最大的能量块在的位置来估计TOA，通常是选择能量块的中央作为TOA的估计值。然而，最大能量块在的位置经常并非直达信号所在的位置，特别是在NLOS环境下。平均而言直达经所在的能量块经常在最大能量块之前。门限法：即基于门限的TOA估计算法，接收信号的能量块与合适的门限进行比较，第一个超过该门限的能量块对应的时刻即为TOA估计值。然而，要直接确定一个门限值是比较困难的，所以经常采用的是归一化的门限。在接收端通过归一化门限，根据公式α＝αnorm(max(z(n))-min(z(n)))+min(z(n))计算出最终的门限值。所以，问题就变为如何根据信号的指纹特征来设定合适的归一化门限，在门限法中最简单的是固定归一化门限法，其中归一化门限是一个固定的值，然在在实际应用中，不同环境下归一化门限始终是变化的，所以无法满足在大范围内应用。其次便是基于峭度K的归一化门限法，尽管此算法复杂度降低，但是此算法与本专利技术中提出的基于梯度G、标准差SD和偏度S的联合TOA指纹估计算法相比，无论在精度上还是在稳定性方面特别是在多径、NLOS环境下有很大差距。并且在本专利技术中我们所提出本文档来自技高网...

【技术保护点】
基于能量检测的60GHz毫米波非视距识别与无线指纹定位方法，包括以下步骤：(1)、建立定位系统，所涉及的定位系统包括能够接收待定位终端发出的信号的多个定位基站，以及接收定位基站发出的定位信息的定位服务器，并对整个定位系统进行初始化：包括设定各个定位基站的采样频率与积分周期T；(2)、待定位终端发射60GHz脉冲序列信号；(3)、定位基站接收上述信号并计算信号的传播时延与NLOS识别；(4)、定位基站将传播时延计算结果与NLOS识别结果发送给定位服务器；(5)、定位服务器接收各个基站的传播时延与NLOS识别结果；(6)、定位服务器计算各个基站的测距结果；(7)、定位服务器应用TOA\TDOA基于距离的定位算法对待定位终端进行定位；其特征在于所述的步骤(3)包括如下A‑C三个步骤：A.定位基站对步骤(2)的信号进行积分运算得到积分能量块，计算该能量块的偏度S、梯度G和标准差SD，并对上述各个变量进行归一化，由归一化之后的各个变量进而得到联合参数J与梯度/标准差乘积M，建立联合参数平均值J2P、TOA估计误差、最优归一化门限X三个参数的指纹数据库；B.对指纹数据库进行曲线拟合，建立对应于最小TOA估计误差的平均联合参数J2P与最优归一化门限X的对应关系F；C.根据步骤A得到的平均联合参数J2P与梯度/标准差乘积M，利用M与事先设定的NLOS门限值进行比对，来判断信号来自于LOS环境还是NLOS环境，将识别结果进行保存，利用对应关系F，计算得到最优归一化门限X，根据此门限得到传播时延(即TOA估计值)；具体来说，步骤A细化为如下的计算步骤：1)、首先设定参数值，在4‑32dB范围内选择一个信噪比SNR，然后在所选择的一个SNR下确定不同的信道环境和多个不同积分周期，所述的不同信道环境是视距和非视距两种不同环境，所述的多个不同积分周期是在0.1ns—4ns范围内选择两个或以上值作为积分周期，所选择的不同积分周期的数量记为P，P是大于等于2的自然数；则在同一个SNR可得到2P个不同的环境和积分周期组合；2)、根据积分运算得到的能量块，分别计算2P个不同的环境和积分周期组合的能量块的偏度S、梯度G和标准差SD；计算梯度G与标准差SD的乘积，记作M＝G*SD；根据S与G两个量得到一个新的联合参数J＝N*norm(S)‑K*norm(G)，其中norm表示对参数的归一化处理，N、K为正实数、且N大于等于6K，得到2P个联合参数J，取平均值记为平均联合参数J2P；3)然后在同一个SNR下计算不同的信道环境和多个不同积分周期下的最优归一化门限：首先计算TOA估计误差和最佳归一化门限：以(0:0.1:1)或更小的间隔作为归一化门限，分别计算积分能量块在每一个门限下的1000次TOA误差，并取平均值作为TOA估计误差，从而得到与归一化门限数量相对应的多个TOA估计误差，选取最小的TOA误差所对应的归一化门限作为最佳归一化门限；则在不同信道环境(视距与非视距)、不同积分周期下可以得到2P个最佳归一化门限，将2P个最佳归一化门限的平均值作为最优化门限X；4)返回步骤1)选择下一个信噪比，并重新计算对应于该信噪比下的平均联合参数J2P、TOA估计误差及最优化门限X，直至历遍4‑32dB范围内的所有信噪比；5)将步骤4)得到的29组平均联合参数J2P、TOA估计误差及最优化门限X的值，作为由三个参数组成的指纹数据库；步骤B、对指纹数据库进行曲线拟合，利用神经网络对上述指纹数据库进行训练，最终建立平均联合参数J2P与最优归一化门限X的对应关系F，即由于平均联合参数J2P与SNR有关，而最优归一化门限是在某个特定SNR下计算得到的，因此可以建立J2P与最优归一化门限的对应关系；步骤C、对信号传播时延进行实际计算时，根据采集的实际信号的偏度S、梯度G和标准差SD得到实际平均联合参数J2P与梯度/标准差乘积M，利用M与事先设定的NLOS门限值进行比对，来判断信号来自于LOS环境还是NLOS环境，将识别结果进行保存；利用对应关系F，计算得到该实际平均联合参数J2P所对应的归一化门限，根据此归一化门限得到TOA估计值：即将所得的实际平均联合参数J2P输入到步骤B)的己经训练好的神经网络，即根据对应关系F得到相应的归一化门限，利用归一化门限识别出最先超过该门限的能量块，以该能量块的中间位置对应的时刻作为TOA估计值。...

【技术特征摘要】
1.基于能量检测的60GHz毫米波非视距识别与无线指纹定位方法，包括以下步骤：
(1)、建立定位系统，所涉及的定位系统包括能够接收待定位终端发出的信号的多个定
位基站，以及接收定位基站发出的定位信息的定位服务器，并对整个定位系统进行初始化：
包括设定各个定位基站的采样频率与积分周期T；
(2)、待定位终端发射60GHz脉冲序列信号；
(3)、定位基站接收上述信号并计算信号的传播时延与NLOS识别；
(4)、定位基站将传播时延计算结果与NLOS识别结果发送给定位服务器；
(5)、定位服务器接收各个基站的传播时延与NLOS识别结果；
(6)、定位服务器计算各个基站的测距结果；
(7)、定位服务器应用TOA\\TDOA基于距离的定位算法对待定位终端进行定位；
其特征在于所述的步骤(3)包括如下A-C三个步骤：
A.定位基站对步骤(2)的信号进行积分运算得到积分能量块，计算该能量块的偏度S、
梯度G和标准差SD，并对上述各个变量进行归一化，由归一化之后的各个变量进而得到联合
参数J与梯度/标准差乘积M，建立联合参数平均值J2P、TOA估计误差、最优归一化门限X三个
参数的指纹数据库；
B.对指纹数据库进行曲线拟合，建立对应于最小TOA估计误差的平均联合参数J2P与最
优归一化门限X的对应关系F；
C.根据步骤A得到的平均联合参数J2P与梯度/标准差乘积M，利用M与事先设定的NLOS
门限值进行比对，来判断信号来自于LOS环境还是NLOS环境，将识别结果进行保存，利用对
应关系F，计算得到最优归一化门限X，根据此门限得到传播时延(即TOA估计值)；
具体来说，步骤A细化为如下的计算步骤：
1)、首先设定参数值，在4-32dB范围内选择一个信噪比SNR，然后在所选择的一个SNR下
确定不同的信道环境和多个不同积分周期，所述的不同信道环境是视距和非视距两种不同
环境，所述的多个不同积分周期是在0.1ns—4ns范围内选择两个或以上值作为积分周期，
所选择的不同积分周期的数量记为P，P是大于等于2的自然数；则在同一个SNR可得到2P个
不同的环境和积分周期组合；
2)、根据积分运算得到的能量块，分别计算2P个不同的环境和积分周期组合的能量块
的偏度S、梯度G和标准差SD；计算梯度G与标准差SD的乘积，记作M＝G*SD；
根据S与G两个量得到一个新的联合参数J＝N*norm(S)-K*norm(G)，其中norm表示对参
数的归一化处理，N、K为正实数、且N大于等于6K，得到2P个联合参数J，取平均值记为平均联
合参数J2P；
3)然后在同一个SNR下计算不同的信道环境和多个不同积分周期下的最优归一化门
限：
首先计算TOA估计误差和最佳归一化门限：
以(0:0.1:1)或更小的间隔作为归一化门限，分别计算积分能量块在每一个门限下的
1000次TOA误差，并取平均值作为TOA估计误差，从而得到与归一化门限数量相对应的多个
TOA估计误差，选取最小的TOA误差所对应的归一化门限作为最佳归一化门限；
则在不同信道环境(视距与非视距)、不同积分周期下可以得到2P个最佳归一化门限，
将2P个最佳归一化门限的平均值作为最优化门限X；
4)返回步骤1)选择下一个信噪比，并重新计算对应于该信噪比下的平均联合参数J2P、
TOA估计误差及最优化门限X，直至历遍4-32dB范围内的所有信噪比；
5)将步...

【专利技术属性】
技术研发人员：梁晓林，张浩，吕婷婷，徐凌伟，王增锋，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37