本发明专利技术提出了一种基于压缩采样的超宽带传感器网络异步定位方法。具体实现步骤为：（1）锚节点1广播超宽带脉冲1；（2）其它锚节点和TAG节点对接收信号进行压缩采样，得到脉冲1的到达时间；（3）TAG节点广播超宽带脉冲2；（4）各锚节点分别对接收信号进行压缩采样，锚节点1记录脉冲往返传输时间，其它锚节点得到脉冲2的到达时间并分别将两次到达时间报告给锚节点1；（5）锚节点1计算TAG的坐标位置。一方面，本发明专利技术将压缩采样方法应用于超宽带传感器网络定位系统，以远低于Nyquist采样率获取超宽带脉冲。另一方面，本发明专利技术不需要各节点严格时钟同步，复杂度较低，能有效降低异步超宽带系统的定位误差。
【技术实现步骤摘要】
本专利技术属于信号处理与无线通信定位领域，涉及压缩感知、超宽带异步定位等方 法，具体地说是一种。
技术介绍
超宽带信号具有持续时间极短的窄脉冲，它具有超高的时间分辨率和精确的到达 时间（Time of Arrival, Τ0Α)估计，因此，当超宽带技术应用于室内定位领域时可以获得 很高的定位精度。然而，根据奈奎斯特采样定理可知，对超宽带信号进行采样需要一个具有 超高采样率的ADC，这在硬件上实现代价过大。为了解决采样的问题，压缩感知技术开始应 用于超宽带系统，从而实现以远低于奈奎斯特的采样率获得超宽带信号。压缩感知理论指 出，如果信号在某个变换域上是稀疏的，我们将稀疏变换所得信号通过一个投影矩阵进行 降维处理，就能以少于原信号维度的观测值去重构出原始信号。石光明在文章 《UWB echo signal detection with ultra-low rate sampling based on compressed sensing》中将 压缩感知技术应用于超宽带信道估计，文章指出，超宽带信号在某个预先设定的字典上具 有稀疏性。吴绍华在专利《基于多模板字典的压缩感知超宽带信道估计方法及系统》中公 布了一种基于多模板字典的压缩感知超宽带信道估计方法。该方法包括信道簇信息获取步 骤、信道冲激响应估计步骤。基于贝叶斯压缩感知框架，无需知道信道的稀疏程度，且重构 算法融入了信道的簇位置结构特征，实现起来复杂度不高且估计性能相对传统方法有一定 提升。文章 〈〈Compressive sensing based sub-mm accuracy UWB positioning systems: A space-time approach》中将压缩感知应用于超宽带定位系统，仿真表明，在基于贝叶斯 压缩感知（Bayesian Compressive Sensing，BCS)的超宽带定位系统中，该文章提出的时空 法可以使定位误差降为毫米级。张霆廷在专利《基于双向测距的异步超宽带定位方法及系 统》中，公布了一种基于双向测距的异步超宽带定位方法。该方法不需要收发节点的时钟同 步，因此复杂度较低。 综上所述，以上方案的局限性如下： a. 超宽带定位系统采用的是传统采样方法，而并没有对超高采样率进行改进； b. 只是基于锚节点与TAG节点之间完全同步的假设，而没有考虑到异步情况下超宽 带定位系统的定位性能； c. 只考虑了超宽带系统在视距环境下的定位性能，而没有考虑到非视距环境。 因此，有必要提供一种定位方法，在超宽带定位系统中，该方法既能有效降低信号 的采样率，又能实现当系统处于异步情况下时，TAG在视距与非视距两种环境中都能获得良 好的定位精度。
技术实现思路
为了解决现有技术的缺陷，本专利技术提供了一种基于压缩采样的超宽带传感器网络 异步定位方法。与传统超宽带定位方法相比，本专利技术通过基于贝叶斯压缩采样的两次脉冲 传输能够以远低于奈奎斯特的采样率获得更高的定位精度。 本专利技术提供了一种。具体实现步 骤如下： (1) 在时刻，锚节点1广播超宽带脉冲1 ; (2) 其它锚节点和TAG节点对接收信号进行压缩采样，得到脉冲1的到达时间； (3) TAG节点广播超宽带脉冲2 ; (4) 各锚节点分别对接收到的信号进行压缩采样，锚节点1记录脉冲往返传输时间，其 它锚节点得到脉冲2到达时间并分别将两次到达时间估计值报告给锚节点1 ; (5) 锚节点1根据各锚节点得到的时间信息和到达时间估计方法的数学模型，计算TAG 节点的坐标位置。 对于第? = H1 3个节点来说，接收端的原始信号为：其中，ΡΙΙ为发送的超宽带脉冲，ρ驗为脉冲经过信道模型后的接收端的接收脉 冲，为第ill个路径的幅值，Ip为传播路径的数目，_为第丨:_条路径的时延。 所述的压缩采样步骤为：基于压缩感知理论，在第f个接收端采用投影矩阵对接收信号进行随机压缩；经ADC采样后得到测量值_^最 后，在贝叶斯框架下，根据快速相关向量机策略，通过迭代更新计算，从维的测量信号 中重构出靜维的超宽带原始信号:_号。 对原始接收信号的随机投影过程可用下式进行建模：其中原始接收信号在时域上具有稀疏性，_为压缩测量值，#为零均值、方差为 的高斯白噪声，为投影矩阵。 在非视距环境下，本专利技术引入阈值，在对信号进行随机投影之前将幅值小于阈值 的信号置为〇,从而提高信号的稀疏性，进一步改善定位精度。 重构所采用的快速相关向量机策略执行步骤如下： 首先得到高斯似然模型如下：在贝叶斯框架下，信号^服从一个能够促进其稀疏化的先验分布，因而给权值稀疏向 量&/赋予一个分层的稀疏先验： 首先给每个丨f|赋予一个零均值的高斯先验：其中d'为高斯密度函数方差的倒数；先验分布中的参数&〃服从一个伽马分布：其中餐獄表示超参数.gl:的参数； 最后利用最大化后验概率可求得原始信号向量ν'的均值和方差分别为： :利用期望最大法可得： (7) 其中表示均值的第#个元素中的第#个对角元素， 从而迭代求解出原始信号的均值和方差，并且用均值来对信号进行估计。 所述步骤（3)中，为避免符号间干扰，TAG节点接收到来自锚节点1的信号后，需 经最大处理时间穿后再广播超宽带脉冲2, 的值需预先设定并取决于脉冲能量消散的时 间。 将重构后的接收信号在时间的长度上求平均得用平均后信号与本 地模板信号进行互相关：其中2^:为最大处理时间f与脉冲宽度之和；对互相关结果进行峰值检测，峰值对应 的路径的时延即为该脉冲到达时间估计值。 锚节点1为处理中心，处理中心利用最小二乘法求解以下公式得到步骤（5)中的 坐标估计：其中，锚节点的坐标已知，用表示；表示TAG节点的坐标，:魂表示TAG 节点与第I个锚节点之间的距离，f表示光速，_是到达时间估计值。 与已有技术相比，本专利技术的技术特点与效果： 第一、在超宽带信号采样阶段，本专利技术采用贝叶斯压缩采样方法，能够以远低于 Nyquist采样率获得超宽带信号，极大地降低了 ADC采样率； 第二、在基于贝叶斯压缩采样的超宽带定位系统中，本专利技术利用锚节点1与TAG节点先 后发射两次脉冲的方法得到到达时间估计值，不要求收发节点之间的时钟同步，且不论TAG 处于视距或非视距环境，都能达到优于传统方法的定位精度。【附图说明】 图1是本专利技术的系统流程图。 图2是本专利技术的实施例中超宽带传感器网络异步定位系统模型。 图3是基于两次脉冲传输的到达时间估计方法的时序图。 图4是视距环境下重构信号与原始信号对比图。 图5是本专利技术与其他方法的定位精度对比图，其中图5 (a)、（b)、（c)分别为本发 明与其他方法在场景1、2、3下的定位情况；圆圈为锚节点，三角形为TAG节点真实位置，正 方形1、正方形2和正方形3分别表示利用传统异步Τ0Α方法、基于贝叶斯压缩采样的传统 异步Τ0Α法和传统多脉冲传输Τ0Α法得到的TAG估计位置；正方形4则是利用本专利技术的方 法得到的TAG估计位置。【具体实施方式】 下面结合具体实施例对本专利技术进行详细说明，以下实施例将有助于本领域的技术 人员进一步理解本专利技术。图1为本专利技术的超宽带传感器网络异步定位系统流程图，具体实 施步骤如下： (1) 在P时刻，锚节点1广播超宽带脉冲1 本文档来自技高网...
【技术保护点】
一种基于压缩采样的超宽带传感器网络异步定位方法，其特征在于，该方法的具体实现步骤如下：（1）在时刻，锚节点1广播超宽带脉冲1；（2）其它锚节点和TAG节点对接收信号进行压缩采样，得到脉冲1的到达时间；（3）TAG节点广播超宽带脉冲2；（4）各锚节点分别对接收到的信号进行压缩采样，锚节点1记录脉冲往返传输时间，其它锚节点得到脉冲2到达时间并分别将两次到达时间估计值报告给锚节点1；（5）锚节点1根据各锚节点得到的时间信息和到达时间估计方法的数学模型，计算TAG节点的坐标位置。
【技术特征摘要】
【专利技术属性】
技术研发人员：周彦，周葱，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。