本发明专利技术属于智慧城市信号处理领域，具体涉及一种正确率更高的智慧城市5G大数据定位系统的信号提取识别方法。本发明专利技术包括：(1)对定位系统的定位脉冲信号进行预处理；(2)检测实测信号，选定定位脉冲信号作为参考信号，进行实测信号与参考信号的互相关，得到互相关信号；(3)获取互相关信号期望信号并过滤alpha稳态分布噪声；(4)检测互相关信号的期望信号的局部相关峰等。本发明专利技术通过计算瞬时估计误差、调整收敛速度和稳态误差的步长参数修正漏检和错检的脉冲信号位置，提高了检测的准确度，在整体上通过多次迭代筛选局部相关峰方法的计算逻辑更加直接，计算量更低，提高了智慧城市的大数据定位系统的整体性能。的大数据定位系统的整体性能。的大数据定位系统的整体性能。
【技术实现步骤摘要】
一种智慧城市5G大数据定位系统的信号提取识别方法
[0001]本专利技术属于智慧城市信号处理领域，具体涉及一种正确率更高的智慧城市5G大数据定位系统的信号提取识别方法。
技术介绍
[0002]随着国家大数据和人工智能基础建设的不断推进,“智慧城市”等概念发展迅速，运用一系列新型信息技术来提高城市治理的信息化水平也得到进一步重视与发展。智慧城市建设中，一个重要的问题就是对目标进行精准定位，例如对误闯管制区域的无人车或者平民进行定位以及大型会场、商超的室内定位等问题。但鉴于城市环境的复杂性，大多数定位技术通常不能提供令人满意的定位精度。因此目前需要提出一种高正确率的定位信号提取识别方法。
技术实现思路
[0003]本专利技术的目的在于提供一种智慧城市5G大数据定位系统的信号提取识别方法。
[0004]本专利技术的目的是这样实现的：
[0005]一种智慧城市5G大数据定位系统的信号提取识别方法，包括如下步骤：
[0006](1)对定位系统的定位脉冲信号进行预处理；
[0007](2)检测实测信号，选定定位脉冲信号作为参考信号，进行实测信号与参考信号的互相关，得到互相关信号；
[0008](3)获取互相关信号期望信号并过滤alpha稳态分布噪声；
[0009](4)检测互相关信号的期望信号的局部相关峰；
[0010](5)通过设置阈值对局部相关峰消除重复点、滤除野点；
[0011](6)计算局部相关峰位置在时域中的对应，对定位脉冲信号进行时域截取，同一定位脉冲信号中单脉冲信号持续时间取为d，选择长为d的时间窗将定位单脉冲信号从定位脉冲信号中提取出来；
[0012](7)计算定位单脉冲信号的瞬时估计误差；
[0013](8)进行定位单脉冲信号的通用自适应计算；
[0014](9)进行定位系统辨识参数稳态化；
[0015](10)进行自适应滤波器的定位识别。
[0016]所述的步骤(1)包括：将接收到的定位系统的定位脉冲信号经过一个频率范围在s0‑
s1的带通滤波处理，经过滤波后，消除直流分量与低频脉冲干扰；将a到a
‑
A+1时刻的定位脉冲信号离散值H(a),H(a
‑
1),
…
,H(a
‑
A+1)组成输入向量H(a)＝[H(a),H(a
‑
1),
…
,H(a
‑
A+1)]T
，即获得当前a时刻的定位脉冲信号；其中A为滤波器时域长，T为转置运算；
[0017]所述的步骤(2)包括：
[0018]检测实测信号k(a)，选定定位脉冲信号h(a)作为参考信号l(a)，进行实测信号与参考信号的互相关，得到互相关信号：
[0019][0020]x为互相关参数；
[0021]所述的步骤(3)包括：
[0022]确定信道抽头权向量μ0，
[0023]将互相关信号ι
h,l
(x)输入到信道模型得到期望信号；
[0024]q(a)＝[ι
h,l
(x)]T
μ0+I(a)；
[0025]I(a)是alpha稳定分布脉冲噪声，方差为
[0026]获取拖尾厚度的特征指数υ、控制对称性参数α∈[
‑
1,1]、中心位置参数ρ∈∞，分散系数τ；
[0027]获取alpha稳定分布脉冲噪声为：
[0028][0029][0030]j为虚数；
[0031]使用滤波器滤除I(a)；得到降噪后的互相关信号期望信号q
′
(a)。
[0032]检测互相关信号期望信号的局部相关峰；
[0033]寻找互相关信号期望信号的局部最大值，即局部相关峰，将局部相关峰位置作为判断定位单脉冲位置的依据，在时间轴上查找局部相关峰对应的互相关结果ι
h,l
(x)，获得定位脉冲的真实单脉冲起始位置，重复迭代执行本步骤，直到局部相关峰查找完毕。
[0034]计算定位脉冲信号的瞬时估计误差；
[0035]将a时刻的信号向量h(a)输入到自适应滤波器中，得到自适应滤波器输出信号L(a)，其数学模型为L(a)＝h
T
(a)j(a)，其中j(a)是a时刻的滤波器抽头权向量，将a时刻的期望信号p(a)减去a时刻的滤波器输出信号L(a)得到a时刻的误差信号：
[0036]r(a)＝p(a)
‑
h
T
(a)j(a)。
[0037]进行定位单脉冲信号的通用自适应计算：
[0038]获得自适应度函数：
[0039][0040]ξ∈R是控制鲁棒性的形状参数；
[0041]进行通用自适应计算的定位单脉冲信号为：
[0042]Q(a)＝q
′
(a)r(a)J
GAF
(n)
[0043]确认自适应滤波器抽头权向量更新函数：
[0044][0045]其中ω是调整收敛速度和稳态误差的步长参数；
[0046]采用归一化稳态失调标准来判断自适应滤波器的性能，
[0047]AZ(a)＝10log
10
[||j(a)
‑
j0||2/||j0||2][0048]j0为滤波器初始抽头权向量；
[0049]AZ(a)高于阈值则确认定位单脉冲信号Q(a)，否则调整ω，重新执行本步骤直到满足AZ(a)高于阈值为止。
[0050]令a＝a+1,重复步骤(8)，在迭代次数内使得定位单脉冲信号达到稳态，如果在迭代次数内算法未能达到稳态，重新调整参数ω，然后重新执行步骤(8)。
[0051]输出稳态下的自适应滤波器的抽头权向量，该抽头权向量就是识别的定位脉冲信号参数。
[0052]本专利技术的有益效果在于：
[0053]定位系统的定位信号常以脉冲串形式出现，提取并识别其中的单脉冲信号，是定位信号分析的关键。与现有技术的单脉冲信号检测方法不同，本专利技术提出了一种多次迭代搜索局部相的方法，并通过计算瞬时估计误差、调整收敛速度和稳态误差的步长参数修正漏检和错检的脉冲信号位置，提高了检测的准确度，在整体上通过多次迭代筛选局部相关峰方法的计算逻辑更加直接，计算量更低，提高了智慧城市的大数据定位系统的整体性能。同时利用幂函数使误差信号在抽头权向量迭代中的权重进行变化，调整误差信号幅值大小带来的影响，减小了大异常值误差信号的干扰，即滤波器通过降低过大误差信号权重，达到抗脉冲噪声的效果，实现高鲁棒性；对误差信号的实时跟踪使收敛速度加快，稳态误差减小。
附图说明
[0054]图1是智慧城市5G大数据定位系统的信号提取识别流程图；
[0055]图2是待检测提取单脉冲信号位置的定位脉冲时域波形图；
[0056]图3为白定位脉冲的脉冲间隔计算结果图；
[0057本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智慧城市5G大数据定位系统的信号提取识别方法，其特征在于，包括如下步骤：(1)对定位系统的定位脉冲信号进行预处理；(2)检测实测信号，选定定位脉冲信号作为参考信号，进行实测信号与参考信号的互相关，得到互相关信号；(3)获取互相关信号期望信号并过滤alpha稳态分布噪声；(4)检测互相关信号的期望信号的局部相关峰；(5)通过设置阈值对局部相关峰消除重复点、滤除野点；(6)计算局部相关峰位置在时域中的对应，对定位脉冲信号进行时域截取，同一定位脉冲信号中单脉冲信号持续时间取为d，选择长为d的时间窗将定位单脉冲信号从定位脉冲信号中提取出来；(7)计算定位单脉冲信号的瞬时估计误差；(8)进行定位单脉冲信号的通用自适应计算；(9)进行定位系统辨识参数稳态化；(10)进行自适应滤波器的定位识别。2.根据权利要求1所述的一种智慧城市5G大数据定位系统的信号提取识别方法，其特征在于，所述的步骤(1)包括：将接收到的定位系统的定位脉冲信号经过一个频率范围在s0‑
s1的带通滤波处理，经过滤波后，消除直流分量与低频脉冲干扰；将a到a
‑
A+1时刻的定位脉冲信号离散值H(a),H(a
‑
1),
…
,H(a
‑
A+1)组成输入向量H(a)＝[H(a),H(a
‑
1),
…
,H(a
‑
A+1)]
T
，即获得当前a时刻的定位脉冲信号；其中A为滤波器时域长，T为转置运算。3.根据权利要求2所述的一种智慧城市5G大数据定位系统的信号提取识别方法，其特征在于，所述的步骤(2)包括：检测实测信号k(a)，选定定位脉冲信号h(a)作为参考信号l(a)，进行实测信号与参考信号的互相关，得到互相关信号：x为互相关参数。4.根据权利要求3所述的一种智慧城市5G大数据定位系统的信号提取识别方法，其特征在于，所述的步骤(3)包括：确定信道抽头权向量μ0，将互相关信号ι
h,l
(x)输入到信道模型得到期望信号；q(a)＝[ι
h,l
(x)]
T
μ0+I(a)；I(a)是alpha稳定分布脉冲噪声，方差为获取拖尾厚度的特征指数υ、控制对称性参数α∈[
‑
1,1]、中心位置参数ρ∈∞，分散系数τ；获取alpha稳定分布脉冲噪声为：获...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
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。