【技术实现步骤摘要】
一种密集环境中基于压缩感知的多径时延估计方法及装置
本专利技术涉及信号处理
，尤其是涉及一种密集环境中基于压缩感知的多径时延估计方法及装置。
技术介绍
无线定位系统利用了发射器和接收器之间无线信号传播的原理，定位过程采用了无线传播的多种特征，最常见的是通过信号强度、信号到达角和信号到达时延来进行定位。多径时延参数的估计是现如今信号处理领域较为热门的研究课题，并且非常广泛的应用于通信、雷达、声呐、地质勘探等领域，经典的时间延迟估计技术是基于相关算法的，具有高鲁棒性和低计算量等特点，但是它们的分辨率受到信号带宽的限制。经典算法仅在多路径分量在到达时间内很好地分离或者只有一个分量存在于接收信号中时才有效，它们不能分离比距离分辨率极限更近的信号。因此，提出了基于代价函数的估计方法，最小均方差法(MMSE)、极大似然法(ML)以及非线性最小乘法(NLS)均是典型的基于代价函数的估计方法。但是这些基于代价函数的估计算法涉及到很多参数优化问题，计算量大，难以实现，不能满足实时性这一要求。随着对多径时延估计研究的逐步深入，阵列信号的思...
【技术保护点】
1.一种密集环境中基于压缩感知的多径时延估计方法，其特征在于，包括：/n步骤S1：设定参考信号，并预处理接收信号和参考信号至设定长度；/n步骤S2：将接收信号和参考信号做循环相关处理得到循环相关函数；/n步骤S3：将得到的循环相关函数表示为其逆傅里叶变换形式作为参数信号；/n步骤S4：根据参数信号生成参数矩阵；/n步骤S5：采用测量矩阵，并构造稀疏基字典，用压缩感知算法对时延参数进行压缩采样；/n步骤S6：采用正交匹配算法对观测信号进行匹配追踪，获取多径时延参数。/n
【技术特征摘要】
1.一种密集环境中基于压缩感知的多径时延估计方法，其特征在于，包括：
步骤S1：设定参考信号，并预处理接收信号和参考信号至设定长度；
步骤S2：将接收信号和参考信号做循环相关处理得到循环相关函数；
步骤S3：将得到的循环相关函数表示为其逆傅里叶变换形式作为参数信号；
步骤S4：根据参数信号生成参数矩阵；
步骤S5：采用测量矩阵，并构造稀疏基字典，用压缩感知算法对时延参数进行压缩采样；
步骤S6：采用正交匹配算法对观测信号进行匹配追踪，获取多径时延参数。
2.根据权利要求1所述的一种密集环境中基于压缩感知的多径时延估计方法，其特征在于，所述步骤S1具体包括：
步骤S11：获取接收信号，对接收信号进行采样观测得到采样信号；
步骤S12：将经过设定次采样的传输信号均匀地进行时移操作，得到参考信号；
步骤S13：对参考信号和接收信号进行补零处理至设定长度。
3.根据权利要求2所述的一种密集环境中基于压缩感知的多径时延估计方法，其特征在于，所述设定长度具体为：
KA＝2Kr-1
其中：KA为补零后的长度，Kr为采样点数。
4.根据权利要求3所述的一种密集环境中基于压缩感知的多径时延估计方法，其特征在于，所述步骤S2具体包括：
步骤S21：将补零后的参考信号转换为反傅里叶变换形式：
其中：s(n-τ)为预处理后的第n次参考信号，τ为时延，S(k)为信号s(n)的DFT变换结果，j为虚数符号，k为信号求和的序号；
步骤S22：将接收信号和参考信号做循环相关处理得到循环相关函数：
其中：Rs,r(τ)为循环相关函数，为第i条路径上信号的幅值信息，NA(k)为信号的傅里叶变换结果和噪声傅里叶变换结果的乘积，s为参考信号的标识，r为接收信号的标识。
5.根据权利要求1所述的一种密集环境中基于压缩感知的多径时延估计方法，其特征在于，所述参数矩阵具体为：
XA＝ΦAλA+NA
其中：XA为参数矩阵，ΦA为稀疏表示的时延矩阵，λA为多径信号的幅值矢量，NA为噪声相关函数。
6.根据权利要求5所述的一种密集环境中基于压缩感知的多径时延估计方法，其特征在于，所述步骤S5具体包括：
步骤S51...
【专利技术属性】
技术研发人员：魏爽，彭剑，陶春贵，龙艳花，杨春夏，张巧珍，李莉，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：上海;31
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。