一种基于TDOA观测量定位算法的时延估计方法技术

本发明专利技术涉及一种基于TDOA观测量定位算法的时延估计方法。所述方法包括：接收端接收基站发射的信号；对接收信号进行相关运算；对上一步得到的相关信号再次进行相关运算；对再次进行相关运算得到的相关信号进行希尔伯特变换及包络计算，得到接收端到不同基站的时延差。本发明专利技术对接收到的不同基站的信号进行相关运算，然后对得到的相关信号再次相关，降噪效果显著，提高了对噪声的鲁棒性；本发明专利技术根据希尔伯特变换的原理求解相关函数包络，利用包络信号在传输过程中相位不受噪声影响的特性，对包络信号进行分析求得时延差，降低了时延差估算误差，提高了定位精度。

【技术实现步骤摘要】

本专利技术涉及一种无线传感器网络的室内导航定位技术，特别涉及一种基于TDOA观测量定位算法的时延估计方法。
技术介绍
时延估计在通信、雷达和导航定位等领域中有着广泛的应用，随着数据信号处理方法的不断发展完善，大量的时延估计算法被提出，其中广义相关法、广义相位谱法和自适应法是最常用的三种方法。广义相关法具有容易实现、计算量小的特点，但该方法要求信号和噪声、噪声和噪声之间互不相关，对于可变时延估计和不平稳信号的估计误差大，依赖于输入信号和噪声的统计先验知识，只能近似实现理论上的最优估计。广义相位谱法是将广义相关法的时域估计转换到频域估计，同样依赖输入信号和噪声的先验知识。自适应法可以在迭代过程中调整自身参数，进而估计出动态和时变的时延，但是当滤波器阶数高时，计算量变大、收敛速度减慢，可见该方法是通过牺牲计算速度来降低对信号和噪声统计先验知识的依赖。陈霄等于2015年发表在《指挥控制与仿真》第3期第69-74页的论文“基于LMS自适应滤波和希尔伯特差值的二次相关时延估计算法”，提出了一种基于自适应法的时延估计方法，该方法利用自适应滤波器对信号和噪声的先验知识需求较少、具有自动调节自身参数的能力，首先对信号进行前端滤波处理，再将处理后的信号进行二次相关，最后利用希尔伯特差值法对相关峰值进行锐化，可以获得较为精确的时延估计结果。该方法的存在的问题是，滤波器阶数较低时，估算精度低；滤波器阶数较高时，计算量变大、收敛速度减慢。
技术实现思路
针对现有技术中存在的上述问题，本专利技术提出一种基于TDOA(Time difference of Arrival，到达时间差)观测量定位算法的时延估计方法。该方法利用无线网络进行数据收发，以TDOA观测量算法理论为基础对其进行相应的改进，提高算法对噪声的鲁棒性以及室内定位精度。为实现上述目的，本专利技术采取如下技术方案：一种基于TDOA观测量定位算法的时延估计方法，包括以下步骤：步骤1，接收端接收基站发射的信号。接收到的第i个基站的信号即第i个接收信号xi(t)为：xi(t)＝Ais(t-ti)+ni(t)其中：s(t)为信号源信号，ti为第i个接收信号相对信号源信号产生的时延，Ai为第i个接收信号的增益，ni(t)为第i个接收信号中的噪声信号，s(t-ti)与ni(t)相互独立，互不相关，i＝1,2,…,m，m为基站个数。步骤2，对接收信号进行相关运算。步骤3，对步骤2得到的相关信号再次进行相关运算。步骤4，对步骤3得到的相关信号进行希尔伯特变换及包络计算，得到接收端到不同基站的时延差。进一步地，步骤2采用傅立叶变换在频域进行相关运算，方法如下：步骤2.1，对接收信号进行傅立叶变换。第i个接收信号的傅立叶变换Xi(k)为： X i ( k ) = Σ n = 0 N - 1 x i [ n ] e - j 2 π N k n ]]>其中：xi[n]为xi(t)的离散采样序列，i＝1,2,…,m，k＝0,…,N-1，N为离散周期，即定位周期T内接收端接收的离散信号点个数，且N取偶数(目的是使后面希尔伯特变换中的N/2为整数)。步骤2.2，求相关信号即接收信号进行相关运算后的信号的傅立叶变换。第i个接收信号的自相关信号及第i个接收信号与第j个接收信号的互相关信号的傅立叶变换分别为： R i i ( 1 ) ( k ) = X i ( k ) X i * ( k ) ]]> R i j ( 1 ) ( k ) = X i ( k ) X j * ( k ) ]]>其中：j＝1,2,…,m，j≠i，“*”表示求共轭。步骤2.3，求反傅立叶变换得到时域的相关信号。第i个接收信号的自相关信号及第i个接收信号与第j个接收信号的互相关信号分别为： r i i ( 1 ) [ n ] = 1 N Σ k = 0 N - 1 R i i ( 1 ) ( k ) e j 2 π N k n ]]> r i j ( 1 ) [ n ] = 1 N Σ k = 0 N - 1 R i j 本文档来自技高网...

【技术保护点】
一种基于TDOA观测量定位算法的时延估计方法，其特征在于，包括以下步骤：步骤1，接收端接收基站发射的信号；接收到的第i个基站的信号即第i个接收信号xi(t)为：xi(t)＝Ais(t‑ti)+ni(t)式中，s(t)为信号源信号，ti为第i个接收信号相对信号源信号产生的时延，Ai为第i个接收信号的增益，ni(t)为第i个接收信号中的噪声信号，s(t‑ti)与ni(t)相互独立，互不相关，i＝1,2,…,m，m为基站个数；步骤2，对接收信号进行相关运算；步骤3，对步骤2得到的相关信号再次进行相关运算；步骤4，对步骤3得到的相关信号进行希尔伯特变换及包络计算，得到接收端到不同基站的时延差。

【技术特征摘要】
1.一种基于TDOA观测量定位算法的时延估计方法，其特征在于，包括以下步骤：步骤1，接收端接收基站发射的信号；接收到的第i个基站的信号即第i个接收信号xi(t)为：xi(t)＝Ais(t-ti)+ni(t)式中，s(t)为信号源信号，ti为第i个接收信号相对信号源信号产生的时延，Ai为第i个接收信号的增益，ni(t)为第i个接收信号中的噪声信号，s(t-ti)与ni(t)相互独立，互不相关，i＝1,2,…,m，m为基站个数；步骤2，对接收信号进行相关运算；步骤3，对步骤2得到的相关信号再次进行相关运算；步骤4，对步骤3得到的相关信号进行希尔伯特变换及包络计算，得到接收端到不同基站的时延差。2.根据权利要求1所述的基于TDOA观测量定位算法的时延估计方法，其特征在于，步骤2采用傅立叶变换在频域进行相关运算，方法如下：步骤2.1，对接收信号进行傅立叶变换；第i个接收信号的傅立叶变换Xi(k)为： X i ( k ) = Σ n = 0 N - 1 x i [ n ] e - j 2 π N k n ]]>式中，xi[n]为xi(t)的离散采样序列，i＝1,2,…,m，k＝0,…,N-1，N为离散周期，即定位周期T内接收端接收的离散信号点个数，且N为偶数；步骤2.2，求相关信号即接收信号进行相关运算后的信号的傅立叶变换；第i个接收信号的自相关信号及第i个接收信号与第j个接收信号的互相关信号的傅立叶变换分别为： R i i ( 1 ) ( k ) = X i ( k ) X i * ( k ) ]]> R i j ( 1 ) ( k ) = X i ( k ) X j * ( k ) ]]>其中：j＝1,2,…,m，j≠i，“*”表示求共轭；步骤2.3，求反傅立叶变换得到时域的相关信号；第i个接收信号的自相关信号及第i个接收信号与第j个接收信号的互相关信号分别为： r i i ( 1 ) [ n ] = 1 N Σ k = 0 N - 1 R i i ( 1 ) ( k ) e j 2 π N k n ]]> r i j ( 1 ) [ n ] = 1 N Σ k = 0 N - 1 R i j ( 1 ) ( k ) e j 2 π N k n ]]>其中：-(N-1)≤n≤(N-1)。3.根据权利要求2所述的基于TDOA观测量定位算法的时延估计方法，其特征在于，步骤3再次相关运算采用傅立叶变换在频域进行，得到时域的相关信号为： r i j ( 2 ) [ n ] = 1 N Σ k = 0 N - 1 R i j ( 2 ) ( k ) e j 2 π N k n ]]>其中： R i j ( 2 ) ( k ) = R i j ( 1 ) ( k ) R i i ( 1 ) ( k ) ]]> R i j ( 1 ) ( k ) = Σ n = 0 N - 1 r i j ( 1 ) [ n ] e - j 2 π N k n ]]> R i i ( 1 ) ( k ) = Σ k = 0 N - 1 r i i ( 1 ) [ n ] e - j 2 π N k n . ]]>4.根据权利要求3所述的基于TDOA观测量定位算法的时延估计方法，其特征在于，步骤4计算时延差的方法如下：步骤4.1，对步骤3得到的相关信号进行希尔伯特变换，方法如下：令： Z i j ( k ) = ...

【专利技术属性】
技术研发人员：张国川，
申请(专利权)人：北斗时空信息技术北京有限公司，张国川，
类型：发明
国别省市：北京;11