【技术实现步骤摘要】
本专利技术属于信号测距，具体涉及一种简化的延时融合测距方法。
技术介绍
1、在无线通信中，定位作为智能感知的基础，受到了越来越多的关注。其中定位的方法包括使用角度测量信息进行定位，使用延时信息进行定位，以及使用rssi进行定位。使用角度信息进行定位需要高精度的测角设备，然而随着场景尺寸变大，相同的角度误差会造成更大的定位误差。当使用rssi信息进行定位时，误差也会出现随着场景尺寸的增大而增大的现象。因此角度定位和rssi定位都较难用于较大的场景。
2、当使用延时信息进行测距和定位时，测距和定位精度只和延时估计精度以及同步的精度有关，和场景大小无关。
3、此外，相比rssi方案，基于延时的测距和定位的精度更高，并且抗噪声和多径的性能更好。因此基于延时的定位和测距方案得到了广泛关注。
4、基于延时的测距算法包括music算法，matrix pencil算法等，music算法在中低snr条件下以及距离较远的多径条件下有非常好性能，然而该方法存在多个点的谱峰搜索，因此计算量较大。matrix pencil算法和music算法相比，无需计算自相关矩阵，计算量非常低，然而matrixpencil算法在远距离多径以及低snr条件下性能往往不如人意。
5、论文《joint espirit for time delay estimation of chirp spreadspectrum》（2008年），作者nayoung kim提出了一种针对chirp信号的信道均衡和延时估计方法，该方法首先进行m
技术实现思路
1、针对现有技术中存在的rssi信息定位误差会随着使用场景的增大而增大、matrixpencil算法在远距离多径以及低snr的工况下性能不佳、针对chirp信号的信道均衡和延时估计方法在多径信号以及低snr条件下表现较差的技术问题，本专利技术提出了一种简化的延时融合测距方法，其目的为：提升在多径和低snr条件下的测距精度、降低music算法计算复杂度。
2、为实现上述目的本专利技术所采用的技术方案是：
3、一种简化的延时融合测距方法，包括以下步骤；
4、s1:发送chirp信号，并使用此发送信号进行延时估计，得到整数延时数据；
5、s2:根据延时数据中的整数部分的最大值和次大值来进行计算和判断，若判断为远多径场景，那么进入步骤s3，若判断为近多径场景，那么进入snr值判断进程；计算snr值，当snr值 小于第二阈值进入步骤s3，否则进入步骤s4；
6、s3:首先进行信道估计，然后将发射信号的前导码部分进行平均计算，再将码片的数据进行抽取、分组并平均，然后计算自相关矩阵和矩阵特征值分解，再计算导向矢量，最后进行测距计算，得到距离数据；
7、s4:首先进行信道估计，然后将部分发射信号进行降噪处理，然后将多个码片的数据进行抽取、分组并平均，然后对z矩阵进行奇异值分解，最后计算延时结果并获得距离数据；
8、s5:整理并输出s3、s4步骤得到的距离数据。
9、进一步的，s1步骤中采用相关法进行延时估计，具体步骤为：
10、s1.1：获取延时数据中的整数部分，将发送信号和接收信号中的前导码信号进行运算，公式如下，
11、
12、其中fft代表快速傅里叶变换，代表rx的共轭,||代表求绝对值，代表发送信号中的前导码信号，代表接收信号中的前导码信号，代表延时数据中的整数部分；
13、s1.2：然后找到延时数据中的整数部分最大值所对应的下标，即为整数延时数据,其中，公式如下，
14、
15、至此本步骤完成。
16、进一步的，s2步骤中进行多径距离远近判断和snr的数值判断，并根据判断结果选择算法进行计算，具体判断步骤为：
17、s2.1: 找到延时数据中的整数部分中的最大值和次大值，如果最大值减去次大值大于第一阈值，那么判断为远多径场景，否则判断为近多径场景，如果为远多径场景，那么进入步骤s3，否则进入步骤s4；
18、s2.2: 计算延时数据中的整数部分中的信号能量，公式如下，
19、
20、其中代表延时数据中的整数部分的最大值，代表延时数据中的整数部分的次大值，为信号能量；
21、s2.3：计算延时数据中的整数部分的噪声能量，公式如下，
22、
23、其中为噪声能量，sf为速度因子；
24、s2.4: 最后计算snr值，公式如下，
25、
26、将得到的snr值和第二阈值进行大小比较，当snr值小于第二阈值就进入步骤s3，否则进入步骤s4。
27、进一步的，步骤s3采用的是一种大步小步的music算法。
28、进一步的，步骤s3采用的一种大步小步的music算法具体流程如下：
29、s3.1:进行信道估计，公式如下，
30、
31、s3.2:将前导码中的多个符号进行平均，公式如下，
32、
33、其中s代表符号编号,sym代表符号个数，代表前导码平均值；
34、s3.3: 将多个码片的数据进行抽取、分组并平均，令抽取力度为l，根据抽取力度将码片进行分组，其中第一组的码片为：
35、
36、s3.4: 将多组之间的相关结果进行平均值计算，公式如下，
37、
38、其中1≤j≤2^sf/l，代表抽取平均后第j个元素的值，代表前导码平均后的第个码片的值；
39、s3.5：计算自相关矩阵，公式如下，
40、
41、其中h代表共轭转置，rhh代表自相关矩阵，代表抽取平均值；
42、然后将自相关矩阵进行矩阵特征值分解，
43、
44、其中特征值按从大到小的顺序排列，特征向量和特征值的排布顺序一致；
45、s3.6: 计算导向矢量，计算公式为，
46、
47、其中n代表第n码片(0<n<2^sf且n为整数)，m代表第m个延时点对应的导向矢量，fc代表载频，j代表虚数单位，为导向矢量；
48、s3.7:进行信号处理来搜索小数延时，采用大步加小步结合的方法，令大步的步长为stp_rough，小步的步长为stp_acc；
49、假设空间的多径数目为mut，然后将特征值按照从大到小的顺序进行排列，排序后的特征值为，
50、当，
51、，
52、则进入下一步骤，th3代表本文档来自技高网...
【技术保护点】
1.一种简化的延时融合测距方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于， S1步骤中采用相关法进行延时估计，具体步骤为：
3.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于， S2步骤中进行多径距离远近判断和SNR的数值判断，并根据判断结果选择算法进行计算，具体判断步骤为：
4.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于，所述步骤S3采用的是大步小步的MUSIC算法。
5.根据权利要求4所述的一种简化的延时融合测距方法，其特征在于，所述步骤S3采用的大步小步的MUSIC算法具体流程如下：
6.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于，所述步骤S4采用的是降噪Matrix pencil算法。
7.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于，所述步骤S4采用的降噪Matrix pencil算法具体流程如下：
8.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于，所述S5步骤为：将
...【技术特征摘要】
1.一种简化的延时融合测距方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于， s1步骤中采用相关法进行延时估计，具体步骤为：
3.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于， s2步骤中进行多径距离远近判断和snr的数值判断，并根据判断结果选择算法进行计算，具体判断步骤为：
4.根据权利要求1所述的一种简化的延时融合测距方法，其特征在于，所述步骤s3采用的是大步小步的music算法。
5.根据权利要求4所述的...
【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：
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。