CN102131288B - 基于超分辨率uwb信号传播时延估计的室内定位方法及系统 - Google Patents
基于超分辨率uwb信号传播时延估计的室内定位方法及系统 Download PDFInfo
- Publication number
- CN102131288B CN102131288B CN 201110079245 CN201110079245A CN102131288B CN 102131288 B CN102131288 B CN 102131288B CN 201110079245 CN201110079245 CN 201110079245 CN 201110079245 A CN201110079245 A CN 201110079245A CN 102131288 B CN102131288 B CN 102131288B
- Authority
- CN
- China
- Prior art keywords
- time delay
- tau
- signal
- matrix
- indoor positioning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
Description
技术领域
本发明涉及室内定位技术,尤其涉及一种基于超分辨率UWB信号传播时延估计的室内定位方法及系统。
背景技术
近年来,室内定位技术和基于位置的应用成为了研究热点。GPS和E911也可以提供定位服务,但是,它们不能提供精确的室内定位。精确的室内定位是一项非常重要并且全新的研究领域,在商业、公共安全和军事上都有广泛应用。由于室内无线电波受到严重的多径干扰和阴影效应干扰,导致接收信号强度(Received Signal Strength,RSS)和到达角(Angle of Arrival,AOA)测量误差大于到达时间(Timeof Arrival,TOA)。所以,在室内定位中常用的测量值是TOA。在室内环境下,由于墙壁、天花板或其他物体,导致视距传播路径很弱或者不存在。在这种情况下,将导致严重的TOA误差。
现有TOA估计可以利用窄带信号,宽带信号或超宽带(Ultra-wideband,UWB)作为传播载体。信号的带宽决定了TOA在多径信道下时延估计的准确性。带宽越大,TOA估计越准确。由于UWB信号带宽在GHz数量级,对于室内定位而言,可以提供更加精确的TOA估计,因此成为了室内定位技术的首选之一。
现有UWB信号TOA估计方法主要采用时域和频域高分辨率谱估计方法。包括多重信号分类(Multiple Signal Classification,MUSIC),频域MUSIC等。
下面分三类信号来研究TOA估计技术:窄带信号,宽带信号,超宽带信号(UWB)。
1)在窄带测距技术中,接收端与发送端的相位差用来测量两点的距离。假设接收端载波信号的相位是φ,TOA为τ,则τ=φ/ωc,ωc是载波频率。在DGPS(differential GPS)中,通过测量相对相位差来改善定位精度,可以使精度从20米提高为1米。但是在室内定位中,由于严重的多径干扰,使得窄带信号通过信道后,接收到的信号是多个不同幅度,不同相位载波的叠加。引起相位的巨大偏差,所以并不适合应用在室内环境下。
2)直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号也可在测距上使用。每个信号用PN(Pseudo-Noise)序列调制,然后发送到接收端。接收端进行相关检测,第一个相关检测的峰值就认为是TOA估计。由于PN码的相关增益,使得DSSS测距系统在抑制干扰方面优于其他系统。DSSS系统的TOA分辨率取决于PN相关函数的带宽。例如,对于200MHz带宽的信号,在视距传播环境下,距离误差小于1.5米。但是,在实际频谱分配中,由于带宽的缺乏,使得DSSS系统无法实现高精度的TOA估计。于是在带宽不变的前提下,一些高分辨率的TOA估计算法被提出来。一些时域和频域的高分辨率谱估计技术被用于TOA估计。
3)正如前面所说,信号的带宽决定了TOA在多径信道下的准确性。带宽越大,TOA估计越准确。对于UWB系统,它的信号带宽在GHz数量级,对于室内定位而言,可以提供更加精确的TOA估计,成为了室内定位技术的首选之一。
下面,将给出多径条件下的信道模型,并对高分辨率的TOA估计技术加以介绍。
多径信道模型
一个室内的多径传播信道的时域响应为
其中,L表示多径数目,和τl分别表示第l条路径的幅度、相位和时延。时延路径序号,表示时延到达的先后,按照升的顺序排列,所以τ1认为是待估计的视距传播下的TOA估计。m(t)表示由其它用户引起的干扰,n(t)表示加性噪声(Additive WhiteGaussian Noise,AWGN)。中心极限定理得知:如果用户足够多,而且干扰功率相近,那么,MAI项可以近似为热噪声。把两类噪声合起来,得到高斯分布的噪声w(t),假设其方差为
在UWB系统中,一个典型的UWB发送信号可以表示为:
其中,τm用来调整信号的带宽,E决定信号功率,这里假定为1。当UWB信号经过信道后,接收到的信号表示为:
对y(t)进行快拍取样,得到K×1维向量,上式的矩阵表达式为
yt=[y(t1)y(t2)...y(tK)]T=St(τ)A+wt (4)
其中,T表示转置,其他参数定义如下:
τ=[τ1,...τL]T,A=[α1,...αL]T,St(τ)=[St(τ1),...,St(τL)]
St(τ)=[s(t1-τ),...,s(tK-τ)]T,wt=[w(t1),...w(tK)]T
MUSIC算法
MUSIC算法是高分辨率的TOA估计算法[105]。它的原理是利用对噪声的先验信息,对接收矩阵的协方差进行空间分解,分为信号子空间和噪声子空间。
接收信号的协方差矩阵是
假设接收信号为实数,则RYY是一个K×K是对称矩阵。根据矩阵论,存在特征向量U=[e1 e2...eK]使得
其中λi为ei所对应的特征值。λi之间存在如下关系:
由此说明,在RYY这个空间中,有M个特征值是由信号和噪声共同组成的,K-M个特征值只取决于噪声。而且一般情况下,由信号和噪声共同组成的特征值远远大于只取决于噪声的特征值。把由信号和噪声共同组成的特征值所对应的向量记做Us=[e1,...eM],把只取决于噪声的特征值对应的向量记做Un=[eM+1,...eK]。(6)可重新写作
由矩阵论理论可知:不同特征值所对应的特征向量相互垂直,因此有
SHUn=0 (8)
最后得到MUSIC算法的谱估计函数为
图1给出了由MUSIC算法实现TOA估计的示意图。
频域MUSIC算法
以上信号处理是在时域进行的,基于频域的MUSIC算法描述如下。
首先对接收信号进行傅里叶变换,(3)转化为
其中Y(f)表示y(t)的傅里叶变换,S(f)和W(f)分别为s(t),w(t)的傅里叶变换。
对Y(f)进行快拍取样,得到K×1维向量,上式的矩阵表达式为
Yf=[Y(f1)y(f2)...y(fK)]T=Sf(τ)A+wf (11)
其中,T表示转置,其他参数定义如下:
τ=[τ1,...τL]T,A=[α1,...αL]T,Sf(τ)=[Sf(τ1)exp(-j2πfτ1),...,Sf(τL)exp(-j2πfτL)]
Sf(τ)=[S(f1-τ),...,S(fK-τ)]T,wf=[w(f1),...w(fK)]T
Yf的协方差矩阵是
同样对(12)进行特征值分解,
最后得到频域MUSIC(Frequency MUSIC,FMUSIC)算法的表达式
改进MUSIC算法
为了提高UWB系统的TOA估计性能,把相干检测与MUSIC算法相结合,提出了改进的MUSIC算法(Improved MUSIC,IMUSIC)。IMUSIC算法原理是,在接收端对信号做相关处理(或匹配滤波),然后再进行MUSIC算法。这样的做法使得接收端信噪比增大,从而提高了MUSIC算法的分辨率,改善MUSIC的性能。
经过相关处理后的信号可以表达为
其中,代表卷积运算,其它参数定义如下:
τ=[τ1,...τL]T,A=[α1,...αL]T,Ct(τ)=[Ct(τ1),...,Ct(τL)]
Ct(τ)=[c(t1-τ),...,c(tN-τ)]T,S-t=[s(-t1),...,s(-tk)]T
Nt=[n(t1),...n(tN)]T
信号的协方差矩阵为
IMUSIC算法的估计谱可以表示为
图2显示了IMUSIC算法的流程。
现有技术具有如下缺点:
第一、MUSIC,IMUSIC,在时延相隔很大的情况下,可以分辨出不同时延,但时延相距很近时,分辨率下降,甚至失去分辨能力。
第二、MUSIC一类的算法,当遇到相关信源时,性能下降。这是由于,MUSIC算法是基于协方差矩阵的特征值分解,而协方差矩阵对于相关信号很敏感。在TOA估计中,由于延迟的信号来自相同的原信号,导致信源之间的相关性,从而降低了MUSIC类的性能。
第三、MUSIC一类的算法需要大量的采样点数来提高分辨率。
发明内容
为了克服上述现有技术问题的不足,本发明提供一种基于超分辨率UWB信号传播时延估计的室内定位方法及系统,基于本发明,本发明实现更为精确地室内定位。
其中,向量τ的构造步骤为,构造向量τ={τ1,...τT},T为自然数,表示τ向量包含的时延数目;τ向量满足以下两个条件:1)T远远大于实际时延数目L,L为自然数;2){τ1,...τT}包括所有可能的时延。
矩阵Se(τ)确定步骤为,依据向量τ={τ1,...τT},确定矩阵Se(τ)=[st(τ1),...,st(τT)],其中,时延为τ的接收路径随时间变化的函数表达式为,
其中,t表示时间变量,τm用来调整信号的带宽,E决定信号功率,这里假设为1,K表示对UWB信号进行快拍取样后得到K个离散样点,1≤K≤+∞。
依据使得求解其中,的1范数定义为:T表示振幅向量的路径数目,T表示振幅向量的路径数目;ε表示噪声的方差,根据信噪比的取值范围来确定ε的取值范围;将信噪比设置在0dB-10dB,假设信号功率为1,得到噪声功率ε;yt为对经过信道后的UWB信号进行快拍取样后得到的K×1维已知向量,yt=[y(t1)y(t2)...y(tK)]T,其中,L表示多径数目,|αl|表示第l(l=1,...+∞)条路径的幅度,θl表示第l条路径的相位,τl表示第l条路径的时延;时延路径下标序号表示时延到达的先后,按照升序排列,τ1是待估计的视距传播下的TOA估计;w(t)是高斯分布的噪声,其方差为ε。
室内定位步骤为,依据所述τ的时延估计谱,进行室内定位。
向量τ的构造模块用于构造向量τ={τ1,...τT},T为自然数,表示τ向量包含的时延数目;τ向量满足以下两个条件:1)T远远大于实际时延数目L,L为自然数;2){τ1,...τT}包括所有可能的时延。
矩阵Se(τ)确定模块用于依据向量τ={τ1,...τT},确定矩阵Se(τ)=[st(τ1),...,st(τT)],其中,时延为τ的接收路径随时间变化的函数表达式为,
其中,t表示时间变量,τm用来调整信号的带宽,E决定信号功率,这里假设为1,K表示对UWB信号进行快拍取样后得到K个离散样点,1≤K≤+∞。
扩展矩阵的求解模块用于用于依据使得求解其中,的1范数定义为:T表示振幅向量的路径数目;ε表示噪声的方差,根据信噪比的取值范围来确定ε的取值范围;将信噪比设置在0dB-10dB,假设信号功率为1,得到噪声功率ε;yt为对经过信道后的UWB信号进行快拍取样后得到的K×1维已知向量,yt=[y(t1)y(t2)...y(tK)]T,其中,其中,L表示多径数目,|αl|表示第l(l=1,...+∞)条路径的幅度,θl表示第l条路径的相位,τl表示第l条路径的时延;时延路径下标序号表示时延到达的先后,按照升序排列,τ1是待估计的视距传播下的TOA估计;w(t)是高斯分布的噪声,其方差为ε。
室内定位模块用于依据所述τ的时延估计谱,进行室内定位。
相对于现有技术而言,本发明具有如下优势:
第一、本发明可以辨别距离很近的两个时延,即具有超级分辨率。实验表明,本发明分辨率明显高于现有技术其他高分辨率算法。
第二、本发明当遇到相关信源时,性能不会下降。
第三、本发明对相关信源不敏感,即使在低采样率情况下,依然可以分辨出离得很近的时延。
基于以上三点优势,本发明能够提供更为精确地室内定位。
附图说明
图1为现有技术中,MUSIC算法实现TOA估计的流程图;
图2为现有技术中,改进的MUSIC高分辨率TOA估计算法的流程图;
图3为本发明所依赖的SRM模型TOA估计算法示意图;
图4为本发明基于超分辨率UWB信号传播时延估计的室内定位方法实施例的步骤流程图;
图5为基于超分辨率UWB信号传播时延估计的室内定位系统实施例的结构框图;
图6为SRM,I_MUSIC和MUSIC方法的时延谱TOAs:5ns,5.1ns.SNR=20dB;
图7为SRM,I_MUSIC和MUSIC方法的时延谱TOAs:5ns,5.3ns.SNR=20dB;
图8a为SRM方法SNR的门限图;
图8b为MUSIC算法的SNR门限示意图;
图9为SRM方法下的误差曲线,MUSIC算法下的误差曲线和CRB的最佳估计曲线。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明超级分辨率模型(Super Resolution Model,SRM)基本原理
观察式(4)的接收信号模型,它的基本概念是通过其他观察量来估计时延向量τ。SRM的主要思想是把对时延向量τ的估计转化为对向量A=[α1,...αL]T的估计。由于τ和A=[α1,...αL]T是一一对应的,所以得到A=[α1,...αL]T的估计就意味了得到了τ的估计。
首先,构造一个已知的τ向量τ={τ1,...τT},需要满足以下条件
1)其中{τ1,...τT}所包含的时延数目T要远远大于实际时延数目L和信号快拍点数K。
2){τ1,...τT}包括所有可能的时延。
然后产生新的矩阵
Se(τ)=[st(τ1),...,st(τT)] (18)
超分辨率UWB信号传播时延估计方法实施例
参照图4,图4为本发明基于超分辨率UWB信号传播时延估计的室内定位方法实施例的步骤流程图,包括如下步骤:向量τ的构造步骤S410,构造向量τ={τ1,...τT},T为自然数,表示τ向量包含的时延数目;τ向量满足以下两个条件:1)T远远大于实际时延数目L,L为自然数;2){τ1,...τT}包括所有可能的时延。矩阵Se(τ)确定步骤S420,依据向量τ={τ1,...τT},确定矩阵Se(τ)=[st(τ1),...,st(τT)],其中,st(τ)=[s(t1-τ),...,s(tK-τ)],表达式中s(t)为一个典型的UWB发送信号,可以表示为:其中,τm用来调整信号的带宽,E决定信号功率,这里假设为1,K表示对UWB信号进行快拍取样后得到K个离散样点,1≤K≤+∞;扩展矩阵构造步骤S430,构造矩阵A的扩展矩阵αi,i∈[1,...,T]表示各条路径信号振幅。为稀疏矩阵,包含A中的元素和零,满足即A中不为零的元素个数为L;求解步骤S440,依据 求解其中,定义的1范数为:T表示振幅向量的路径数目;ε是表示噪声的方差,需要根据信噪比的取值范围来确定ε的取值范围。将信噪比设置在0dB-10dB,假设信号功率为1,得到噪声功率ε;yt为对经过信道后的UWB信号进行快拍取样后得到的K×1维已知向量,yt=[y(t1)y(t2)...y(tK)]T,其中,L表示多径数目,|αl|表示第l(l=1,...+∞)条路径的幅度,θl表示第l条路径的相位,τl表示第l条路径的时延;时延路径下标序号表示时延到达的先后,按照升序排列,τ1是待估计的视距传播下的TOA估计;w(t)是高斯分布的噪声,其方差为ε。s(t)为一个典型的UWB发送信号,可以表示为:其中,τm用来调整信号的带宽,E决定信号功率,这里假定为1;时延估计步骤S450,依据矩阵A的扩展矩阵确定非零子集A=[α1,...αL]T,然后通过A和τ的一一映射,得到τ的时延估计谱。室内定位步骤S460,依据所述τ的时延估计谱,进行室内定位。
本实施例可以辨别距离很近的两个时延,当遇到相关信源时,性能不会下降。并且,对相关信源不敏感,即使在低采样率情况下,依然可以分辨出离得很近的时延。因此,本实施例能够提供更为精确地室内定位。
参照图5,图5为基于超分辨率UWB信号传播时延估计的室内定位系统实施例的结构框图,包括向量τ的构造模块51、矩阵Se(τ)确定模块52、扩展矩阵构造模块53、扩展矩阵的求解模块54、时延估计模块55和室内定位模块56。
向量τ的构造模块51用于构造向量τ={τ1,...τT},T为自然数,表示τ向量包含的时延数目;τ向量满足以下两个条件:1)T远远大于实际时延数目L,L为自然数;2){τ1,...τT}包括所有可能的时延。矩阵Se(τ)确定模块52用于依据向量τ={τ1,...τT},确定矩阵Se(τ)=[st(τ1),...,st(τT)],其中,st(τ)=[s(t1-τ),...,s(tK-τ)],表达式中s(t)为一个典型的UWB发送信号,可以表示为:其中,τm用来调整信号的带宽,E决定信号功率,这里假设为1,K表示对UWB信号进行快拍取样后得到K个离散样点,1≤K≤+∞;扩展矩阵构造模块53,用于构造矩阵A的扩展矩阵αi,i∈[1,...,T]表示各条路径信号振幅。为稀疏矩阵,包含A中的元素和零,满足即A中不为零的元素个数为L;扩展矩阵的求解模块5,依据 求解其中,定义的1范数为:T表示振幅向量的路径数目;ε是表示噪声的方差,需要根据信噪比的取值范围来确定ε的取值范围。将信噪比设置在0dB-10dB,假设信号功率为1,得到噪声功率ε;Yt为对经过信道后的UWB信号进行快拍取样后得到的K×1维已知向量,yt=[y(t1)y(t2)...y(tK)]T,其中,其中,L表示多径数目,|αl|表示第l(l=1,...+∞)条路径的幅度,θl表示第l条路径的相位,τl表示第l条路径的时延;时延路径下标序号表示时延到达的先后,按照升序排列,τ1是待估计的视距传播下的TOA估计;w(t)是高斯分布的噪声,其方差为ε。s(t)为一个典型的UWB发送信号,可以表示为:其中,τm用来调整信号的带宽,E决定信号功率,这里假定为1;时延估计模块55,用于依据矩阵A的扩展矩阵确定非零子集A=[α1,...αL]T,然后通过A和τ的一一映射,得到τ的时延估计谱;室内定位模块56,用于依据所述τ的时延估计谱,进行室内定位。
本实施例可以辨别距离很近的两个时延,且当遇到相关信源时,性能不会下降(多径信道接收到的信号就是相关信源的叠加)。并且,在低采样率情况下,依然可以分辨出离得很近的时延。因此,本实施例能够提供更为精确地室内定位。
SRM方法性能分析
假设yt中各个元素相互独立,则(21)可以改写为
对上式求对数,得到
对上式求导,得到
第二次求导,得
最后对上式求平均,得到
仿真结果分析
下面将做仿真来验证前面提到的SRM的优越性能。首先,比较了SRM,MUSIC和IMUSIC的时延谱。然后给出了时延分辨率下的SNR下限。最后,给出了SNR和TOA估计误差关系图。假设所有仿真都满足以下条件:
1)假设有两条多径。
2)发射信号如式(28)中的UWB信号。其中,E=1,τm=0.2×10-9
定义第一到达路径的信噪比为
其中,Ps表示第一到达信号的功率,Pn表示噪声功率。是延迟信号s(t-τ1)的N次快拍.假设两条多径具有相同的SNR。
在第一个仿真中,比较了相近时延的分辨能力。如图6看到,当SNR为20dB,时延间隔为0.1ns时,SRM可以分辨出这两条多径,而MUSIC和IMUSIC,两个峰值被淹没了。从中可以看出SRM分辨能力高与其它两种。当把时延间隔为0.3ns时,如图7,可以看到以上三种方法都可以分辨出两条多径。但是,SRM的频谱中,除了峰值点,其它点都衰落的很快,说明具有很好的抗干扰性能。
在第一个仿真中,得知SRM有更高的时延分辨率。在第二个仿真中,找出时延分辨率与SNR的关系。
如图8,比较了SRM和MUSIC的SNR门限。两个时延分别在5ns和5.3ns。图8a显示了SRM方法,SNR从0dB到50dB,10dB间隔的时延谱。可以看到,当SNR为10dB时,不能分辨出两个时延,当SNR为20dB时,可以分辨出两个时延。说明SNR的门限在10dB和20dB之间。图8b表明MUSIC算法的SNR门限在-10dB和0dB之间。由此说明,SRM的门限比MUSIC高出10dB左右。
在第三个仿真中,对比了SNR与均方误差的关系。图9描绘了SRM方法下的误差曲线,MUSIC算法下的误差曲线和CRB的最佳估计曲线。通过比较,得出SMR比MUSIC算法拥有更小的估计误差。
以上提出了多径信道下TOA估计算法,并与常用的MUSIC类算法做了比较。与MUSIC算法相比,SRM进一步提高了TOA分辨率。
以上对本发明所提供的一种基于超分辨率UWB信号传播时延估计的室内定位方法及系统进行详细介绍,本文中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (2)
1.一种基于超分辨率UWB信号传播时延估计的室内定位方法,其特征在于,包括如下步骤:
向量τ的构造步骤,构造向量τ={τ1,...τT},T为自然数,表示τ向量包含的时延数目;τ向量满足以下两个条件:
1)T远远大于实际时延数目L,L为自然数;
2){τ1,...τT}包括所有可能的时延;
矩阵Se(τ)确定步骤,依据向量τ={τ1,...τT},确定矩阵Se(τ)=[st(τ1),...,st(τT)],其中,时延为τ的接收路径随时间变化的函数表达式为,…
...
其中,t表示时间变量,τm用来调整信号的带宽,E决定信号功率;K表示对UWB信号进行快拍取样后得到K个离散样点,1≤K≤+∞;
扩展矩阵的求解步骤,依据使得求解其中,的1范数定义为:T表示振幅向量的路径数目;ε表示噪声的方差,根据信噪比的取值范围来确定ε的取值范围;将信噪比设置在0dB-10dB,假设信号功率为1,得到噪声功率ε;yt为对经过信道后的UWB信号进行快拍取样后得到的K×1维已知向量,yt=[y(t1)y(t2)...y(tK)]T,其中,L表示多径数目,|αl|表示第l(l=1,...+∞)条路径的幅度,θl表示第l条路径的相位,τl表示第l条路径的时延;时延路径下标序号表示时延到达的先后,按照升序排列,τ1是待估计的视距传播下的TOA估计;w(t)是高斯分布的噪声,其方差为ε;
室内定位步骤,依据所述τ的时延估计谱,进行室内定位。
2.一种基于超分辨率UWB信号传播时延估计的室内定位系统,其特征在于,包括:
向量τ的构造模块,用于构造向量τ={τ1,...τT},T为自然数,表示τ向量包含的时延数目;τ向量满足以下两个条件:1)T远远大于实际时延数目L,L为自然数;2){τ1,...τT}包括所有可能的时延;
矩阵Se(τ)确定模块,用于依据向量τ={τ1,...τT},确定矩阵Se(τ)=[st(τ1),...,st(τT)],其中,时延为τ的接收路径随时间变化的函数表达式为,…
...
其中,t表示时间变量,τm用来调整信号的带宽,E决定信号功率;,K表示对UWB信号进行快拍取样后得到K个离散样点,1≤K≤+∞;
扩展矩阵的求解模块,用于依据使得求解其中,的1范数定义为:T表示振幅向量的路径数目;ε表示噪声的方差,根据信噪比的取值范围来确定ε的取值范围;将信噪比设置在0dB-10dB,假设信号功率为1,得到噪声功率ε;yt为对经过信道后的UWB信号进行快拍取样后得到的K×1维已知向量,yt=[y(t1)y(t2)...y(tK)]T,其中,L表示多径数目,|αl|表示第l(l=1,...+∞)条路径的幅度,θl表示第l条路径的相位,τl表示第l条路径的时延;时延路径的下标序号表示时延到达的先后,按照升序排列,τ1是待估计的视距传播下的TOA估计;w(t)是高斯分布的噪声,其方差为ε;
时延估计模块,用于依据矩阵A的扩展矩阵确定非零子集A=[α1,...αL]T,然后通过A和τ的一一映射,得到τ的时延估计谱;
室内定位模块,用于依据所述τ的时延估计谱,进行室内定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110079245 CN102131288B (zh) | 2011-03-30 | 2011-03-30 | 基于超分辨率uwb信号传播时延估计的室内定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110079245 CN102131288B (zh) | 2011-03-30 | 2011-03-30 | 基于超分辨率uwb信号传播时延估计的室内定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102131288A CN102131288A (zh) | 2011-07-20 |
CN102131288B true CN102131288B (zh) | 2013-06-19 |
Family
ID=44269153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110079245 Expired - Fee Related CN102131288B (zh) | 2011-03-30 | 2011-03-30 | 基于超分辨率uwb信号传播时延估计的室内定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102131288B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662168A (zh) * | 2012-04-17 | 2012-09-12 | 上海数卫电子有限公司 | 基于uwb技术的楼宇定位方法 |
CN102843164A (zh) * | 2012-08-27 | 2012-12-26 | 中国科学院国家授时中心 | 超宽带室内定位系统发射时序控制方法 |
CN103200136B (zh) * | 2013-03-07 | 2015-09-09 | 东南大学 | 一种频域超分辨率多径时延估计方法 |
CN103297087B (zh) * | 2013-05-13 | 2015-10-21 | 北京航空航天大学 | 一种超宽带定位系统的到达时间估计方法 |
CN106301614A (zh) | 2015-06-01 | 2017-01-04 | 富士通株式会社 | 多径时延估计装置、方法以及接收机 |
CN105652243B (zh) * | 2016-03-14 | 2017-12-05 | 西南科技大学 | 多通道群稀疏线性预测时延估计方法 |
CN113965871B (zh) * | 2020-07-01 | 2022-11-08 | 大唐移动通信设备有限公司 | 定位方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101277511A (zh) * | 2007-03-30 | 2008-10-01 | 展讯通信(上海)有限公司 | 一种无线定位方法与装置 |
CN101702827A (zh) * | 2009-11-19 | 2010-05-05 | 清华大学 | Toa定位的估计方法及基于该估计方法的精确定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6177903B1 (en) * | 1999-06-14 | 2001-01-23 | Time Domain Corporation | System and method for intrusion detection using a time domain radar array |
RU2369323C1 (ru) * | 2008-02-20 | 2009-10-10 | Игорь Яковлевич Иммореев | Импульсный сверхширокополосный датчик |
-
2011
- 2011-03-30 CN CN 201110079245 patent/CN102131288B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101277511A (zh) * | 2007-03-30 | 2008-10-01 | 展讯通信(上海)有限公司 | 一种无线定位方法与装置 |
CN101702827A (zh) * | 2009-11-19 | 2010-05-05 | 清华大学 | Toa定位的估计方法及基于该估计方法的精确定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102131288A (zh) | 2011-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102131288B (zh) | 基于超分辨率uwb信号传播时延估计的室内定位方法及系统 | |
US9516621B2 (en) | Method and system for estimating position | |
Humphrey et al. | Super-resolution time of arrival for indoor localization | |
CN107132505A (zh) | 直达与非直达混合场景中的多目标直接定位方法 | |
JP2013205398A (ja) | 発信源推定方法およびそれを利用した発信源推定装置 | |
CN102905367A (zh) | 一种基于偏度和最大斜率的超宽带无线定位方法 | |
CN102833016B (zh) | 一种在多径环境下针对同源信号时差的测定方法 | |
CN104219761A (zh) | 一种基于最大斜率的超宽带无线定位方法 | |
Kiliç et al. | The effect of human-body shadowing on indoor UWB TOA-based ranging systems | |
CN106383333A (zh) | 一种基于互相关的改进时延估计方法 | |
Öktem et al. | Power delay doppler profile fingerprinting for mobile localization in NLOS | |
CN103499811B (zh) | 提高雷达目标估计性能的天线个数分配方法 | |
Li et al. | Measurement and analysis of the indoor UWB channel | |
Comsa et al. | Wireless localization using time difference of arrival in narrow-band multipath systems | |
Han et al. | A new high precise indoor localization approach using single access point | |
Zhang et al. | An improved Taylor series based location algorithm for IEEE 802.15. 4a channels | |
Irahhauten et al. | Investigation of UWB ranging in dense indoor multipath environments | |
Nur et al. | Application of the improved FOCUSS for arrival time estimation (IFATE) algorithm to WLAN high accuracy positioning services | |
Zhou et al. | Toa estimation with cross correlation-based music algorithm for wireless location | |
Lin et al. | Compressive sensing based location estimation using channel impulse response measurements | |
Jiang et al. | For better CSI fingerprinting based localization: a novel phase sanitization method and a distance metric | |
Wu et al. | Quantitative comparison of distance estimation performance between TLS-MP and iFFT methods in IEEE 802.15. 4a channel models using PSFM radar technique | |
Wang et al. | A comparison of outdoor-to-indoor wideband propagation at S-band and C-band for ranging | |
Pola et al. | OFDM signal bandwidth selection for indoor positioning system | |
Erić et al. | Method for direct self-localization of IR UWB node (s) in indoor scenario |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130619 Termination date: 20160330 |
|
CF01 | Termination of patent right due to non-payment of annual fee |