CN101002396A - 用于估计在无线通信系统中接收的信号的到达时间的方法 - Google Patents

Abstract

一种方法估计在无线通信系统中接收的信号的到达时间。测量接收信号的帧中的能量以确定该帧中的块，所述块表示接收信号的粗略到达时间。将多个时间延迟版本的模板信号与接收信号的所述块组合以选择特定的模板信号。所述特定的模板信号识别表示接收信号的精细到达时间的特定片。

Description

用于估计在无线通信系统中接收的信号的到达时间的方法

技术领域

本发明总地涉及无线电通信系统，更具体地讲，涉及确定无线通信网络中的接收信号的到达时间。

背景技术

为了估计无线通信网络中的发射机和接收机之间的距离，发射机可在时间t₁将信号发送给接收机。接收机尽快地将答复信号返回给发射机。发射机在时间t₂测量答复信号的到达时间(TOA)。发射机和接收机之间的距离的估计是信号进行往返传输的时间除以2再乘以光速，即：

$D=\frac{|t_1-t_2|}{2}c$

超宽带(UWB)信号的精确时间分辨率有助于基于信号TOA测量的非常准确的定位能力。虽然可通过使用最大似然法获得用于TOA估计的理论下界，但是由于需要极高的采样率以及由于信号的大量多径分量而导致那些现有技术方法不实用。

另一方法是基于相关的。该方法连续地搜索经由第一信号路径接收的信号的可能的信号延迟，并花费非常长的时间来估计接收信号的TOA。

此外，从第一路径接收的信号不总是具有最强的相关输出，通过现有技术的基于相关的方法，这可导致不精确的TOA估计。

因此，需要一种克服现有技术的问题的到达时间估计方法。

发明内容

本发明提供一种用于估计在无线通信系统中接收的信号的到达时间的方法。测量接收信号的帧中的能量以确定该帧中的块，所述块表示接收信号的粗略到达时间。将时间延迟版本的模板信号与接收信号的所述块组合以选择特定的模板信号。该特定的模板信号识别表示接收信号的精细到达时间的特定片。

附图说明

图1是基于帧的时间间隔的框图；

图2是根据本发明的用于估计到达时间的方法的流程图；

图3是根据本发明的用于确定接收信号的粗略到达时间的框图；和

图4是根据本发明的用于确定接收信号的精细到达时间的流程图。

具体实施方式

系统结构和方法操作

本发明提供一种用于在无线通信网络中的无线电收发机估计信号的到达时间(TOA)的方法。为了此描述的目的，收发机估计接收信号的TOA。然而，应该理解，收发机可进行发送和接收。

如图1所示，无线脉冲无线电收发机按帧101、块102和片103标记时间。帧比块长，块比片长。每帧包括多个块。每块多个片。

可根据以下方程表示二相相移键控(BPSK)跳时(TH)脉冲无线电(IR)发送信号：

$s_{\mathrm{tz}}\left(t\right)=\sqrt{E}\underset{f=-\∝}{\overset{\∞}{\mathrm{\Σ}}}{a}_j{b}_{[j/N_f]}{w}_{\mathrm{tz}}(t-j{T}_f-c_j{T}_c)---\left(1\right)$

其中，w_tx(t)为具有持续时间T_c的发送的超带宽(UWB)脉冲，E为发送脉冲能量，T_f为帧时间，N_f为表示一个信息符号的脉冲的数量，T_s＝N_fT_f为符号间隔，b_[j/Nf]∈{+1，-1}为二进制信息符号。为了使发送信号的能量谱平滑并且允许多个用户共享信道而不引起冲突，给每个发射机分配跳时(TH)序列c_j∈{0，1，...，N_c-1}，其中N_c为每帧间隔的片的数量，即，N_c＝T_f＝T_c。

另外，可包括随机奇偶校验码a_j。奇偶校验码为以相同概率采用值±1的二进制随机变量。在接收机，这些值是已知的。

考虑以下信道模型：

$r\left(t\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\sqrt{E}{a}_l{s}_{\mathrm{rx}}(t-(l-1)T_c-{\mathrm{\τ}}_{\mathrm{TOA}})+n\left(t\right)---\left(2\right)$

其中，a_l为第l路径的信道系数，L为多径分量的数量，τ_TOA为接收信号的TOA。根据方程(1)和(2)并考虑天线的影响，可根据以下方程表示接收信号：

$r\left(t\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\sqrt{E}{a}_l{s}_{\mathrm{rx}}(t-(l-1)T_c-{\mathrm{\τ}}_{\mathrm{TOA}})+n\left(t\right)---\left(3\right)$

其中，根据以下方程给出s_rx(t)：

$s_{\mathrm{rx}}\left(t\right)=\underset{j=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_j{b}_{[j/N_f]}{w}_{\mathrm{rx}}(t-j{T}_f-c_j{T}_c)---\left(4\right)$

w_rx(t)表示具有单位能量的接收的UWB脉冲。假设有使用训练序列的数据辅助TOA估计方法，我们考虑训练序列b_j＝1_j。

在这种情况下，可将方程(4)表达为：

$s_{\mathrm{rx}}\left(t\right)=\underset{j=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_j{w}_{\mathrm{rx}}(t-j{T}_f-c_j{T}_c)---\left(5\right)$

为了简单起见，我们假设信号总是在一帧持续时间内到达，即，τ_TOA＜T_f，并且没有帧间干扰(IFI)；也就是说，T_f≥(L+c_max)T_c，或者，等同地，N_c≥L+c_max，其中，c_max为TH序列的最大值。应该注意到，τ_TOA＜T_f的假设不限制本发明。事实上，当帧足够大并且使用预定的TH码时，对于本发明而言，使τ_TOA＜T_s足以工作。

此外，即使τ_TOA＜T_s，初始的能量检测也可用于在一个符号不确定内确定到达时间。

两步TOA估计方法

到达时间估计的最具有挑战性的任务之一是在采样率的约束下在可接受的时间间隔内获得可靠的TOA估计。为了具有低功率和低复杂度的接收机，在我们的优选实施例中，我们使用符号速率的采样。

本发明提供一种估计TOA的方法，该方法可以用比现有技术方法少的时间并以片级分辨率从符号速率的样本执行TOA估计。

如图2所示，本发明在帧中的特定块301的特定片202估计接收信号201的TOA(200)。

根据本发明的第一步基于接收信号的能量的信号测量来确定表示接收信号201的粗略TOA的块301(300)。

如图3所示，在具有N_b个块102的帧101期间接收的信号201在第三块301具有最高的测量能量。因此，确定粗略到达时间在第三块301期间。

在第二步中，通过应用变化检测方法400来估计接收信号的精细到达时间202，所述变化检测方法400将多个时间延迟版本的模板信号与接收信号组合以识别精细到达时间202。模板信号为与接收信号对应的发送信号。在优选实施例中，时间延迟为一片间隔。

图4示出了根据本发明的用于确定精细TOA 202的变化检测方法400。

如图4所示，在确定第三块301之后，根据块301将接收信号与多个时间延迟版本406的模板信号405中的每个进行组合(410)。组合410产生组合值411的集合，每个组合值411用于时间延迟模板与接收信号的一个组合。选择420与和相关值415匹配的组合值相关的模板信号以识别表示精细TOA 202的片。

我们如下表达方程(3)中的TOA(τ_TOA)：

τ_TOA＝kT_c＝k_bT_b+k_cT_c

其中，k∈[0，N_c-1]为根据片间隔T_c的TOA，T_b为包括B个片的块间隔(T_b＝BT_c)，k_b∈[0，N_c/B-1]和k_c∈[0，B-1]为分别确定信号经由第一信号路径在哪些块和片到达的整数。

为了简单起见，假设TOA为片持续时间T_c的整数倍。在实际应用中，可通过在不确定性为片级的TOA估计之后采用延迟锁定环(DLL)来获得子片分辨率。

粗略的TOA估计

如图3所示，确定300信号在帧间隔中的粗略到达时间，即，帧中的哪个块表示接收信号(比如，UWB脉冲)的到达时间。不失一般性，我们假设帧时间T_f为块大小T_b的整数倍N_b，即，T_f＝N_bT_b。为了在该步骤中具有可靠的决策变量，可组合对于每个块来自输入信号的N₁个不同帧的能量。因此，可将决策变量表达为：

$Y_i=\underset{j=0}{\overset{N_1-1}{\mathrm{\Σ}}}{Y}_{i,j}---\left(7\right)$

适于i＝0，...，N_b-1，其中

$Y_{i,j}={\∫}_{j{T}_f+i{T}_b+c_j{T}_c}^{j{T}_f+(i+1)T_b+c_j{T}_c}{\left|r\left(t\right)\right|}^2\mathrm{dt}---\left(8\right)$

然后，可将(6)中的k_b估计为：

${\hat{k}}_b=\arg \underset{0\≤i\≤N_b-I}{\max }{Y}_i---\left(9\right)$

换句话说，我们选择具有最大信号能量的块。

该步骤的可优化的参数为根据其来测量能量的块大小T_b(N_b)和帧的数量N₁。

根据低速率相关输出的精细的TOA估计

在确定粗略到达时间之后，第二步根据方程(6)估计精细TOAk_c。理想情况是，需要搜索片k_c∈[0，B-1]以找到精细的TOA估计，这对应于搜索 $k\∈[{\hat{k}}_{b}B,({\hat{k}}_b+1)B-1],$ 从方程(9)确定所述片

然而，在一些情况下，由于多径效应导致第一信号路径可在具有最高能量级的块之前的块中的一个块中。因此，为了增加检测到接收信号的第一路径的可能性，不是搜索单个块，而是可搜索多个块 $k\∈[{\hat{k}}_{b}B-M_1,({\hat{k}}_b+1)B-1]$ 以找到精细的TOA，其中M₁≥0。换句话说，除了具有最大信号能量的块之外，我们通过应用具有相对较长时间延迟的模板来在M₁个片上执行附加搜索。

为了注释简单起见，设U＝{n_s，n_s+1，...，n_e}表示不确定性区域，即，接收信号的第一路径的可能的TOA，其中， $n_s={\hat{k}}_{b}B-M_1$ 和 $n_e=({\hat{k}}_b+1)B-1$ 为帧中的不确定性区域的起点和终点。

为了估计精细TOA，即，片级分辨率的TOA，我们考虑接收信号与时移版本406的模板信号405的组合。对于延迟iT_c，我们获得以下输出：

$z_i={\∫}_{i{T}_c}^{i{T}_c+N_2{T}_f}r\left(t\right)s_{\mathrm{temp}}(t-i{T}_c)\mathrm{dt}---\left(10\right)$

其中，N₂为在其上获得组合输出的帧的数量，S_temp(t)为根据以下方程给出的模板信号：

$s_{\mathrm{temp}}\left(t\right)=\underset{j=0}{\overset{N_2-1}{\mathrm{\Σ}}}{a}_{j}w(t-j{T}_f-c_j{T}_c)---\left(11\right)$

从代表不同延迟的组合输出，目标是确定第一信号路径到达的片。根据块间隔T_b并考虑对于室内UWB系统为典型的接收信号中的多径分量，我们可假设块以若干具有仅噪声分量的片开始，其余片以信号加噪声分量开始。假设在不确定性区域中信号路径的统计没有变化，则我们可如下近似地表达不同的假设：

H_o：z_i＝η_i，    i＝n_s，...，n_f，

H_k：z_i＝η_i，    i＝n_s，...，k-1，

$z_i=N_2\sqrt{E}{\mathrm{\α}}_{i-k+1}+{\mathrm{\η}}_i,i=k,...,n_f,---\left(12\right)$

适于k∈U，其中，假设n_f-n_s+1≤L和n_f＝n_e+M₂，M₂是为了获得α的未知参数的可靠估计而考虑的不确定性区域外的组合输出的数量，则η_n表示分布为N(0，α_n ²)和 ${\mathrm{\σ}}_n^2=N_2{N}_0/2$ 的i.i.d输出噪声，α₁，...，α_nf-k+1为独立的信道系数，。

由于UWB信号的超高分辨率，这适合于近似地将信道系数建模为：

α₁＝d₁|α₁|，

${\mathrm{\α}}_l=\left\{\begin{array}{cc}{d}_l\left|{\mathrm{\α}}_l\right|& p\\ 0,& 1-p\end{array}\right.,l=2,...,n_f-n_s+1,---\left(13\right)$

其中，p为信道抽头在给定片内到达的概率，d_l为α_l的相位，其为具有相同概率的±1，|α_l|为α_l的幅值，将|α_l|建模为具有参数Ω的Nakagami-m分布的随机变量，即，

$p\left(\mathrm{\α}\right)=\frac{2}{\mathrm{\Γ}\left(m\right)}{\left(\frac{m}{\mathrm{\Ω}}\right)}^m{\mathrm{\α}}^{2m-1}{e}^{-\frac{m{\mathrm{\α}}^2}{\mathrm{\Ω}}},---\left(14\right)$

适于α≥0，m≥0.5，Ω≥0，其中，Γ为伽马函数。

根据方程(12)，可将TOA估计问题考虑为变化检测问题，设θ表示α分布的未知参数；即，θ＝[pmα]。然后，将对数似然比(LLR)确定为：

$S_k^{n_f}\left(\mathrm{\θ}\right)=\underset{i=k}{\overset{n_f}{\mathrm{\Σ}}}\log \frac{p_{\mathrm{\θ}}\left(z_i\right|H_k)}{p\left(z_i\right|H_o)},---\left(15\right)$

其中，p_θ(z_i|H_k)以根据θ给出的未知参数表示在假设H_k下的相关输出的概率分布函数(p.d.f)，以及p(z_i|H_o)表示在假设H_o下的相关输出的p.d.f。由于θ未知，所以可首先对于给定假设H_k获得最大似然(ML)估计，然后可将该估计用在LLR中。换句话说，可采用一般的LLR方法，其中，将TOA估计表达为：

$\hat{k}=\arg \underset{k\∈u}{\max }{S}_k^{n_f}\left({\widehat{\mathrm{\θ}}}_{\mathrm{ML}}\left(k\right)\right),---\left(16\right)$

其中，

${\widehat{\mathrm{\θ}}}_{\mathrm{ML}}\left(k\right)=\arg \underset{\mathrm{\θ}}{\sup }{S}_k^{n_f}\left(\mathrm{\θ}\right).---\left(17\right)$

然而，ML估计通常很复杂。因此，更简单的估计器(诸如矩方法(MM)估计器)可用于获得参数。根据以下方程给出具有有着参数Ω的Nakagami-m分布的随机变量X的第n阶矩：

$E\left\{X^n\right\}=\frac{\mathrm{\Γ}(m+n/2)}{\mathrm{\Γ}\left(m\right)}{\left(\frac{\mathrm{\Ω}}{m}\right)}^{n/2}.---\left(18\right)$

然后，从相关器输出

可根据以下方程确定未知参数的MM估计：

$p_{\mathrm{MM}}=\frac{{\mathrm{\γ}}_1{\mathrm{\γ}}_2}{2{\mathrm{\γ}}_2^2-{\mathrm{\γ}}_3},$ $m_{\mathrm{MM}}=\frac{2{\mathrm{\γ}}_2^2-{\mathrm{\γ}}_3}{{\mathrm{\γ}}_3-{\mathrm{\γ}}_2^2},$ ${\mathrm{\Ω}}_{\mathrm{MM}}=\frac{2{\mathrm{\γ}}_2^2-{\mathrm{\γ}}_3}{{\mathrm{\γ}}_2},---\left(19\right)$

其中，

${\mathrm{\γ}}_1\stackrel{\mathrm{\Δ}}{=}\frac{1}{E{N}_2^2}({\mathrm{\μ}}_2-{\mathrm{\σ}}_n^2),$

${\mathrm{\γ}}_2\stackrel{\mathrm{\Δ}}{=}\frac{1}{E^2{N}_2^4}(\frac{{\mathrm{\μ}}_4-3{\mathrm{\σ}}_n^4}{{\mathrm{\γ}}_1}-6E{N}_2^2{\mathrm{\σ}}_n^2),$

${\mathrm{\γ}}_3\stackrel{\mathrm{\Δ}}{=}\frac{1}{E^3{N}_2^6}(\frac{{\mathrm{\μ}}_6-15{\mathrm{\σ}}_n^6}{{\mathrm{\γ}}_1}-15E^2{N}_2^4{\mathrm{\γ}}_2{\mathrm{\σ}}_n^2-45E{N}_2^2{\mathrm{\σ}}_n^4),---\left(20\right)$

μ_j表示根据以下方程给出的第j阶采样矩：

${\mathrm{\μ}}_j=\frac{1}{n_f-k}\underset{i=k+1}{\overset{n_f}{\mathrm{\Σ}}}{z}_i^j.---\left(21\right)$

然后，可获得具有第一信号路径的片如下：

$\hat{k}=\arg \underset{k\∈u}{\max }{S}_k^{n_f}\left({\widehat{\mathrm{\θ}}}_{\mathrm{MM}}\left(k\right)\right),---\left(22\right)$

其中，θ_MM(k)＝[p_MM m_MMΩ_MM]为未知参数的MM估计。

设p₁(z)和p₂(z)分别表示η和

的分布。然后，根据以下方程给出第k假设的一般的LLR：

$S_k^{n_f}\left(\widehat{\mathrm{\θ}}\right)=\log \frac{p_2\left(z_k\right)}{p_1\left(z_k\right)}+\underset{x=k+1}{\overset{n_f}{\mathrm{\Σ}}}\log \frac{p{p}_2\left(z_i\right)+(1-p)p_1\left(z_i\right)}{p_i\left(z_i\right)},---\left(23\right)$

其中，

$p_1\left(z\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σn}}{e}^{-\frac{z^2}{2{\mathrm{\σ}}_n^2\mathrm{}}}---\left(24\right)$

以及

$p_2\left(z\right)=\frac{v_1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_n}{e}^{-\frac{z^2}{2{\mathrm{\σ}}_n^2}}\mathrm{\Φ}(m,\frac{1}{2};\frac{z^2}{v_2}),---\left(25\right)$

其中

$v_1\stackrel{\mathrm{\Δ}}{=}\frac{2\sqrt{\mathrm{\π}}\mathrm{\Γ}\left(2m\right)}{\mathrm{\Γ}\left(m\right)\mathrm{\Γ}(m+0.5)}{(4+\frac{2E{N}_2^2\mathrm{\Ω}}{m{\mathrm{\σ}}_n^2})}^{-m},$

$v_2\stackrel{\mathrm{\Δ}}{=}2{\mathrm{\σ}}_n^2(1+2m\frac{{\mathrm{\σ}}_n^2}{E{N}_2^2\mathrm{\Ω}}),---\left(26\right)$

以及φ表示根据以下方程给出的合流超几何函数[7]：

$\mathrm{\Φ}({\mathrm{\β}}_1,{\mathrm{\β}}_2;x)=1+\frac{{\mathrm{\β}}_1}{{\mathrm{\β}}_2}\frac{x}{1!}+\frac{{\mathrm{\β}}_1({\mathrm{\β}}_1+1)}{{\mathrm{\β}}_2({\mathrm{\β\β}}_2+1)}\frac{x^2}{2!}$

$+\frac{{\mathrm{\β}}_1({\mathrm{\β}}_1+1)({\mathrm{\β}}_1+2)}{{\mathrm{\β}}_2({\mathrm{\β}}_2+1)({\mathrm{\β}}_2+2)}\frac{x^3}{3!}+\·\·\·---\left(27\right)$

应该注意到，根据方程(14)、(24)和d为具有相同概率的±1的事实获得

的p.d.f，即p₂(z)。

可将TOA估计规则表达为：

$\hat{k}=\arg \underset{k\∈u}{\max }\left\{\log \right[v_1\mathrm{\Φ}(m,0.5;\frac{x_k^2}{v_2})]$

$+\underset{n=k+1}{\overset{n_f}{\mathrm{\Σ}}}\log \left[p{v}_1\mathrm{\Φ}(m,0.5;\frac{z_k^2}{v_2}+1-p)\right\}.---\left(28\right)$

应该注意到，方程(12)假设块总是以仅噪声分量开始，之后有到达信号。然而，实际上，可存在这样的情况，即，第一步确定所有噪声分量的块。通过组合大量帧，即，通过在方程(7)中选择大N₁，可减小选择仅具有噪声的块301的概率。然而，大N₁还增加了估计时间。因此，在估计误差和估计时间之间存在权衡。

当选择仅噪声块时，为了防止错误的TOA估计，可使用已知的噪声输出分布来应用一侧检验。由于噪声输出具有高斯分布，所以测试在估计变化即将接近阈值之后比较平均输出能量。

换句话说，如果 $\frac{1}{n_f-\stackrel{\&OverBar;}{k}+1}{\mathrm{\&Sigma;}}_{i=\stackrel{\&OverBar;}{k}}^{n_f}{z}_i^2<{\mathrm{\&delta;}}_1,$ 则考虑该块为仅噪声块，并重复两步过程。

本发明的另一改进可通过检查块301是否包括来自所有路径的信号来实现；即，确定精细TOA实际上是否在块301之前。再次，通过遵循一侧检验方法，我们可在估计的TOA接近阈值之前检查相关输出的平均能量，并且如果超过阈值，则检测全信号块。

然而，对于TOA估计

的非常小的值，由于第一路径之后的相关输出的分布包括具有如根据方程(13)所表达的一些概率的噪声分布和信号加噪声分布，所以来自第一路径的信号有很大的概率会在当前观察区域之前到达。

因此，即使块为全信号块，测试也可能失败。因此，当在TOA估计之前计算平均功率时，也可采用

之前的一些另外的相关输出。换句话说，如果 $\frac{1}{\hat{k}-n_s+M_3}{\mathrm{\&Sigma;}}_{i=n_s-M_3}^{\hat{k}-1}{z}_i^2>{\mathrm{\&delta;}}_2,$ 则认为该块为全信号块，其中，根据

使用M₃≥0个另外的输出。

当确定块包括所有信号输出时，预期TOA在之前块中的一个块中。因此，不确定区域(即，观察块)向后移位，并且重复变化检测方法。

虽然已作为优选实施例的示例描述了本发明，但是将理解，可在本发明的精神和范围内进行各种其它调整和修改。因此，权利要求的目的在于覆盖落在本发明的真实精神和范围内的所有这样的改变和修改。

Claims (5)

1、一种用于估计在无线通信系统中接收的信号的到达时间的方法，包括：

测量接收信号的帧中的能量以确定该帧中的块，所述块表示接收信号的粗略到达时间；和

将多个时间延迟版本的模板信号与接收信号的所述块组合以选择特定的模板信号，所述特定的模板信号识别表示接收信号的精细到达时间的特定片。

2、如权利要求1所述的方法，其中，所述模板信号是与接收信号对应的发送信号。

3、如权利要求1所述的方法，其中，所述时间延迟对应于一片间隔。

4、如权利要求1所述的方法，其中，所述组合产生组合值的集合，所述集合所具有的每个组合值用于一个模板信号与接收信号的组合。

5、如权利要求4所述的方法，还包括：

选择和匹配于相关值的组合值相关的特定的模板信号，以识别表示接收信号的精细到达时间的片。

Images