一种用于chirp信号的低复杂度融合测距方法技术

本发明专利技术公开了一种用于chirp信号的低复杂度融合测距方法，其包括S1.对Chirp信号的前导码采用相关法估计TOA整数延时；S2.对Chirp信号的前导码采用频率估计器估计TOA小数延时；S3.基于恒虚警的门限判定S1和S2中的单径与多径是否存在与首经之间小于半个码片，S4.根据S1中的整数延时和S2/S3中的小数延时计算距离。本发明专利技术在多径与首径距离较远，超出半个码片长度时只需要使用频率估计器这种方法，简单易实现；当存在临近多径时，通过跳转到简化的MUSIC算法，在不增加太多计算量的前提下，也可以达到较好的测距性能；虽然融合了算法，但形成的新方案整体算法简单，且能更好地提高测距准确度和精度。准确度和精度。准确度和精度。

【技术实现步骤摘要】
一种用于chirp信号的低复杂度融合测距方法


[0001]本专利技术属于无线通信
，具体涉及一种用于chirp信号的低复杂度融合测距方法。

技术介绍

[0002]在无线通信中，测距和定位作为智能感知的基础，其中测距是定位的基础，用于chirp信号的测距和定位手段主要包括RSSI（Received Signal Strength Indicator）测距或TOA（Time of Arrival）测距，其中RSSI测距虽然简单，然而该方法精度有限，往往难以满足高精度测距和定位的需求。
[0003]至于TOA测距，是通过发送和接收之间的两个时间戳，计算空口传输时间，再乘以光速即可获得传输距离。然而TOA的时间分辨力往往受限于带宽。一般情况下，当最小的时间分辨力为1/BW，其中BW代表系统带宽。由于频谱资源规划的限制，因此一个系统可以使用的频谱资源往往是有限的，导致基于TOA的测距和定位精度受限。
[0004]超分辨技术可以突破瑞利限，在雷达，通信场景中都有广泛应用，超分辨技术包括MUSIC(MUltiple SIgnal Classification)算法，ESPRIT等。其中MUSIC算法由于其优秀的测角性能以及临近角度分辨力，因此获得了越来越多的重视。然而该算法往往应用于角度测量，未曾用于基于chirp信号的延时测量场景。此外，MUSIC算法往往涉及大维度的矩阵特征值分解，并在谱峰搜索时也需要进行大规模的遍历搜索，因此该方法往往需要消耗极大的计算资源，使其难以用于物联网等低成本通信系统中。
>
技术实现思路

[0005]本专利技术的目的在于克服现有技术中存在之不足，提供一种用于chirp信号的低复杂度融合测距方法，通过本专利技术可以进一步地提高在多径条件下延时估计精度，在算法简单的同时能有效地提高测距精度。
[0006]为实现上述目的，本专利技术提出了一种用于chirp信号的低复杂度融合测距方法，其包括以下步骤：一种用于chirp信号的低复杂度融合测距方法，其包括以下步骤:S1.对Chirp信号的前导码采用相关法估计TOA整数延时；S2.对Chirp信号的前导码采用频率估计器估计TOA小数延时；S3.基于恒虚警的门限判定S1和S2中的单径与多径是否存在与首径之间小于半个码片，如存在小于半个码片，则通过相关向量抽取平均结果，前后向平滑与自相关矩阵计算，并基于频率评估器的小窗搜索最终获得小数延时；首径即直射径，在发送与接收端，空口会走过很多路径，其中延时最短的路径即为首径。
[0007] S4.根据S1中的整数延时和S2/S3中的小数延时计算距离。
[0008]进一步地，在S1中采用相关法估计TOA整数延时具体如下：
ꢀ
其中fft代表快速傅里叶变换，代表信号的共轭，为发送的前导码序列，||代表求绝对值，然后找到X中最大值所对应的下标即为整数延时。
[0009]进一步地，所述的算法具体如下式：式中：0≤i≤2^SF+1，SF为chirp的扩频通信中扩频因子，表示对函数求自变量，X（i）代表第i个时刻发送前导码与接收信号之间的结果，表示求X最大时所对应的i值。
[0010]进一步地，在S2中计算TOA小数延时具体如下：其中Re代表对计算结果求实部，X（idx
int
）表示下标为idx
int
时X的值。
[0011]进一步地，在S3中相关向量抽取平均结果具体如下：将多个码片的数据进行抽取并平均，令抽取力度为L，则根据抽取力度将码片的相关结果进行分组，其中第组的码片为,其中1≤≤L，并将多组之间的相关结果进行平均，即其中1≤j≤2
sf
‑
num
/L,最终获得抽取后的结果，X
extr
代表抽取平均后的X结果，j代表X
extr
中的第j个元素值，2
sfnum
代表扩频因子 SF=sfnum 时的码片数量。
[0012]进一步地在S3中所述前后向平滑与自相关矩阵计算具体如下：设定滑窗长度，滑窗的步长，以及滑窗次数，然后分别计算第1次前向滑窗至第r次前向滑窗的数据，并计算平均值；再根据窗长分别计算第1次前向滑窗的自相关矩阵至第r次前向滑窗的自相关矩阵，计算出前向平滑后的结果；然后再计算后向滑窗的数据及向平滑后的结果并计算平均值，根据前向平滑后的结果及会向平滑后的结果得到前后向平滑后的自相关矩阵结果。
[0013]进一步地：在S3中所述基于频率评估器的小窗搜索的具体过程如下：小窗搜索中，将频率估计器的结果作为小窗搜索的中心，并根据该中心进行开窗，将矩阵进行特征值分解，接着计算导向矢量，将特征值按照从大到小的顺序进行排序，计算得到MUSIC伪谱，然后找到小数延时，最终计算得到精确的TOA延时；将频率估计器与MUSIC算法融合估计的结果作为最终精确延时估计结果，然后计算得到最终的距离估计结果。
[0014]本专利技术相比现有技术，具有如下优点：本专利技术的低复杂度融合测距方法，可实现超过1/BW的延时估计精度（即超分辨延时估计），通过抽取，前后向平滑，小窗搜索可显著降低计算量。
[0015]本专利技术中融合基于恒虚警的多径分辨方法，通过恒虚警检测方法，利用多径会使得相关函数值抬升来区分是否存在近距离多径，从而使得本专利技术的整体方案精度更高更准确。
[0016]本专利技术中，在简单场景下（即多径与首径距离较远，超出半个码片长度）只需要使用频率估计器这种方法，简单易实现；当存在临近多径时，通过跳转到简化的MUSIC算法，在不增加太多计算量的前提下，也可以达到较好的测距性能；虽然融合了算法，但形成的新方案整体算法简单，且能更好地提高测距准确度和精度。
附图说明
[0017]图1是本专利技术的整体流程示意图；图2实施例中表示L=4时相关向量抽取平均的示意图；图3实施例中当窗长为4时的前向滑窗示意图；图4实施例中当窗长为4时的后向滑窗示意图。
实施方式
[0018]为使本专利技术目的、技术方案和优点更加清楚，下面对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术的一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。因此，以下提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施方式。
实施例
[0019]如图1所示，该图为本专利技术的整体流程示意图，其提供了一种用于chirp信号的低复杂度融合测距方法，是基于chirp波形的扩频通信系统中，需要获得更可靠的距离测量信息，以此实现更精确的测距和定位性能。
[0020]Chirp信号的帧结构中有效负载前有多个符号的前导码，前导码是一些未调制的信号，其目的是将发送侧与接收侧同步。本实施例在这里使用这些前导码进行TOA估计，并且根据估计的延时进行测距。TOA估计分为整数延时估计（整数码片对应的延时）本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于chirp信号的低复杂度融合测距方法，其特征在于包括以下步骤:S1.对Chirp信号的前导码采用相关法估计TOA整数延时；S2.对Chirp信号的前导码采用频率估计器估计TOA小数延时；S3.基于恒虚警的门限判定S1和S2中的单径与多径是否存在与首径之间小于半个码片，如存在小于半个码片，则通过相关向量抽取平均结果，前后向平滑与自相关矩阵计算，并基于频率评估器的小窗搜索最终获得小数延时； S4.根据S1中的整数延时和S2/S3中的小数延时计算距离。2.根据权利要求1所述的一种用于chirp信号的低复杂度融合测距方法，其特征在于S1中采用相关法估计TOA整数延时具体如下： 其中fft代表快速傅里叶变换，代表信号的共轭，为发送的前导码序列，||代表求绝对值，然后找到X中最大值所对应的下标即为整数延时。3.根据权利要求2所述的一种用于chirp信号的低复杂度融合测距方法，其特征在于所述的算法具体如下式：式中：0≤i≤2^SF+1，SF为chirp的扩频通信中扩频因子，表示对函数求自变量，X（i）代表第i个时刻发送前导码与接收信号之间的结果，表示求X最大时所对应的i值。4.根据权利要求1所述的一种用于chirp信号的低复杂度融合测距方法，其特征在于S2中计算TOA小数延时具体如下：其中Re代表对计算结果求实部，X（idx
int
）表示下标为idx
int
时X的值。5. 根据权利要求1所述的一种用于chirp信号的低复杂度融合测距方法，其特征在于S3中相关向量抽取平均结果具体如下：将多个...

【专利技术属性】
技术研发人员：李洋漾，黄强，彭吉生，梁宏明，
申请(专利权)人：四川思凌科微电子有限公司，
类型：发明
国别省市：