CN105388471B - 一种自适应电磁场时延估计方法及装置 - Google Patents
一种自适应电磁场时延估计方法及装置 Download PDFInfo
- Publication number
- CN105388471B CN105388471B CN201510700702.5A CN201510700702A CN105388471B CN 105388471 B CN105388471 B CN 105388471B CN 201510700702 A CN201510700702 A CN 201510700702A CN 105388471 B CN105388471 B CN 105388471B
- Authority
- CN
- China
- Prior art keywords
- mrow
- time delay
- electromagnetic field
- adaptive
- sigma
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000005672 electromagnetic field Effects 0.000 claims abstract description 181
- 230000003044 adaptive effect Effects 0.000 claims abstract description 62
- 238000004891 communication Methods 0.000 claims abstract description 32
- 230000005684 electric field Effects 0.000 claims description 28
- 108010063499 Sigma Factor Proteins 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000011541 reaction mixture Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种自适应电磁场时延估计方法及装置，有助于提高测距精度。所述方法包括：获取粗略的电磁场时延估计值；将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值。所述装置包括：第一获取模块，用于获取粗略的电磁场时延估计值；时延终值确定模块，用于将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值。本发明适用于通信技术领域。
Description
技术领域
本发明涉及通信技术领域，特别是指一种自适应电磁场时延估计方法及装置。
背景技术
目前，在近场电磁场测距时，采用自适应时延估计算法来估计电磁场之间的时延，并根据估计的电磁场之间的时延与测距目标之间的通信距离的关系对测距目标之间的通信距离进行测距。所述自适应时延估计算法包括：传统的自适应时延估计算法和变步长的自适应时延估计算法。其中，传统的自适应时延估计算法虽然能够准确估计两路接收信号(电场信号与磁场信号)之间的时延，但是对于时间延时不断变化的情况，传统的自适应时延估计算法存在一定的时间滞后，同时，如果需要测距的目标是在不断移动变化的，传统的自适应时延估计算法不能快速精确地测出测距目标之间的通信距离。
与传统的自适应时延估计算法相比，变步长的自适应时延估计算法能够有效地提高自适应算法的收敛速度，提高算法对于变化系统的跟踪性能，但是变步长的自适应时延估计算法在收敛阶段采用较大的步长来提高收敛速度，会引入较大的收敛误差，且如果测距目标一直在移动的话，算法将一直处于收敛的初始阶段，则该收敛误差将一直存在，必将会影响最终的测距目标之间的通信距离的测量准确度。另外，由于噪声的影响，当自适应时延估计算法的代价函数存在局部最优值和全局最优值时，如果电磁场时延初始值设置不当，算法会收敛于局部最优值，同样会影响最终的测距目标之间的通信距离的测量准确度。
发明内容
本发明要解决的技术问题是提供一种自适应电磁场时延估计方法及装置，以解决现有技术所存在的自适应时延估计算法收敛误差大、收敛于局部最优值时导致测量出的通信距离准确度低的问题。
为解决上述技术问题，本发明实施例提供一种自适应电磁场时延估计方法，包括：
获取粗略的电磁场时延估计值；
将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值。
进一步地，所述获取粗略的电磁场时延估计值之前包括：
获取消除噪声后的电场信号和磁场信号的信号强度值。
进一步地，所述方法还包括：
通过自适应阈值噪声消隐器消除所述电场信号和磁场信号中的噪声。
进一步地，所述获取粗略的电磁场时延估计值包括：
根据电场信号和磁场信号的信号强度值，初步确定测距目标之间的通信距离；
根据测距目标之间的通信距离与电磁场时延之间的关系，得到粗略的电磁场时延估计值
进一步地，所述将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值包括：
若则更新电磁场时延初始值其中，△D为预设的电磁场时延偏移值；
根据所述电磁场时延初始值D(0)，确定电磁场时延终值并更新电磁场时延初始值D(0)＝D(k)，其中，D(k)表示为：
式中，D(k)是在时刻k的电磁场时延估计值，D(k+1)是在时刻k+1的电磁场时延估计值，μ为步长因子，σ为核的尺寸，L为样本个数，P为足够大的数。
进一步地，所述方法还包括：
若则不更新电磁场时延初始值D(0)。
为解决上述技术问题，本发明实施例还提供一种自适应电磁场时延估计装置，包括：
第一获取模块，用于获取粗略的电磁场时延估计值；
时延终值确定模块，用于将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值。
进一步地，所述装置还包括：第二获取模块，用于获取消除噪声后的电场信号和磁场信号的信号强度值。
进一步地，所述第一获取模块，还用于根据电场信号和磁场信号的信号强度值，初步确定测距目标之间的通信距离；
根据测距目标之间的通信距离与电磁场时延之间的关系，得到粗略的电磁场时延估计值
进一步地，所述时延终值确定模块，还用于若则更新电磁场时延初始值若则不更新电磁场时延初始值D(0)，其中，△D为预设的电磁场时延偏移值；
根据所述电磁场时延初始值D(0)，确定电磁场时延终值并更新电磁场时延初始值D(0)＝D(k)，其中，D(k)表示为：
式中，D(k)是在时刻k的电磁场时延估计值，D(k+1)是在时刻k+1的电磁场时延估计值，μ为步长因子，σ为核的尺寸，L为样本个数，P为大于预设的阈值。
本发明的上述技术方案的有益效果如下：
上述方案中，通过将粗略的电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，使电磁场时延初始值准确且快速的逼近真实时延，能够大大提高自适应时延估计算法的收敛速度且能提高收敛的精准度，使其更易于收敛于全局最优值，且基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值，能够最小化噪声功率，还能够有效的避免代价函数的局部最优值对电磁场时延估计的影响。
附图说明
图1为本发明实施例提供的自适应电磁场时延估计方法的流程图；
图2为本发明实施例提供的发射端和接收端设备的结构关系；
图3为本发明实施例提供的通信距离与电磁场时延之间的关系；
图4为本发明实施例提供的自适应电磁场时延估计方法的原理示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的自适应时延估计算法收敛误差大、收敛于局部最优值时导致测量出的通信距离准确度低的问题，提供一种自适应电磁场时延估计方法及装置。
实施例一
参看图1所示，本发明实施例提供的一种自适应电磁场时延估计方法，包括：
S1：获取粗略的电磁场时延估计值；
S2：将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值。
本发明实施例所述的自适应电磁场时延估计方法，通过将粗略的电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，使电磁场时延初始值准确且快速的逼近真实时延，能够大大提高自适应时延估计算法的收敛速度且能提高收敛的精准度，使其更易于收敛于全局最优值，且基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值，能够最小化噪声功率，还能够有效的避免代价函数的局部最优值对电磁场时延估计的影响。
在前述自适应电磁场时延估计方法的具体实施方式中，进一步地，所述获取粗略的电磁场时延估计值之前包括：
获取消除噪声后的电场信号和磁场信号的信号强度值。
在前述自适应电磁场时延估计方法的具体实施方式中，进一步地，所述方法还包括：
通过自适应阈值噪声消隐器消除所述电场信号和磁场信号中的噪声。
本发明实施例中，为了减少噪声对于接收信号强度(RSS，Received SignalStrength)(所述接收信号强度包括：接收天线接收到的电场信号和磁场信号的信号强度)计算的影响，先通过自适应阈值噪声消隐器滤除噪声，再通过接收端的磁场天线和电场天线分别接收发射信号中消除噪声后的磁场信号和电场信号。如图2所示为发射端的移动目标和接收端设备的空间关系，图2中的天线均是垂直于地面，其中，TDE包括：执行自适应时延估计算法的模块。
在前述自适应电磁场时延估计方法的具体实施方式中，进一步地，所述获取粗略的电磁场时延估计值包括：
根据电场信号和磁场信号的信号强度值，初步确定测距目标之间的通信距离；
根据测距目标之间的通信距离与电磁场时延之间的关系，得到粗略的电磁场时延估计值
本发明实施例中，为了更好的理解本发明，首先对路径增益进行说明：
路径增益定义为发射功率PTX与接受功率PRX之比，在天线垂直于地平面的情况下(θ＝90°)，路径增益表示为式(1)、式(2)：
式(1)
式(2)
式(1)中，“like”表示发射天线和接收天线均为电场天线或者磁场天线；式(2)中，“unlike”表示发射天线和接收天线中一个为电场天线，一个为磁场天线，ATX为发射天线的有效区域，ARX为接收天线的有效区域，且kw＝2π/λ为波号，λ是发射信号波长，r表示测距目标之间的通信距离，当θ＝90°时，天线的近场有效区域等同于远场的有效区域。
接着，对测距目标(所述测距目标为发射端的移动目标和接收端设备)之间的通信距离与电磁场时延进行说明：
电磁场之间相位差与测距目标之间的通信距离r的关系表示为：
式(3)
对于中心角频率是ω的低频窄带信号，电磁场之间的相位差可以转化为时间域的延迟(也可以称为电磁场时延)△t，则测距目标之间的通信距离r与电磁场时延△t之间的关系表示为：
式(4)
如图3所示为电磁场时延和测距目标之间的通信距离之间的关系，T表示时延，最大时延TD＝Tsωs/4ω，TD与采样时间Ts，采样频率ωs以及信号频率ω有关。
本发明实施例中，对发射信号进行采样得到离散的时间信号s(k)，并对电场天线和磁场天线接收到的电场信号和磁场信号分别进行采样得到离散的时间信号x(k)和y(k)：
x(k)＝sE(k)+n1(k) 式(5)
y(k)＝sH(k)+n2(k) 式(6)
式(5)、式(6)中，sE(k)为电场信号，sH(k)为磁场信号，n1(k)和n2(k)则是分别代表独立的稳态随机噪声，n1(k)、n2(k)与发射信号s(k)无关。
本发明实施例中，假设样本长度为L，以磁场天线接收到的磁场信号y(k)为例，y(k)的信号强度RSS可以表示为：
在杂乱环境当中，信号的衰减以及噪声因素会导致接收信号强度RSS与通信距离间的相关性变弱，最终得到一个不准确的测距目标之间的通信距离本发明实施例中，通过式(4)，根据所述不准确的测距目标之间的通信距离得到粗略的电磁场时延估计值并将所述粗略的电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，如图4所示。
本发明实施例中，当发射端的移动目标在快速移动时，本发明能够根据变化的RSS值不断更新自适应时延估计算法的电磁场时延初始值。当信噪比在一定的范围内时，根据接收信号强度算出的粗略的电磁场时延估计值与真实的电磁场时延之间存在一定的误差，但是将该粗略的电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，因为误差在一定范围内，所述粗略的电磁场时延估计值也会更加接近于真实时延，从而使电磁场时延初始值准确且快速的逼近真实时延，能够大大提高自适应时延估计算法的收敛速度且能提高收敛的精准度，使其更易于收敛于全局最优值，适用于对快速移动目标的跟踪测距。
在前述自适应电磁场时延估计方法的具体实施方式中，进一步地，所述。。。包括：
若则更新电磁场时延初始值其中，△D为预设的电磁场时延偏移值；
根据所述电磁场时延初始值D(0)，确定电磁场时延终值并更新电磁场时延初始值D(0)＝D(k)，其中，D(k)表示为：
式中，D(k)是在时刻k的电磁场时延估计值，D(k+1)是在时刻k+1的电磁场时延估计值，μ为步长因子，σ为核的尺寸，L为样本个数，P为大于预设的阈值。
在前述自适应电磁场时延估计方法的具体实施方式中，进一步地，所述方法还包括：
若则不更新电磁场时延初始值D(0)。
本发明实施例中，sE(k)和sH(k)两者之间的关系可以表示为：
sH(k)＝AsE(k-D) 式(7)
式(7)中，A为电场天线和磁场天线间的衰减因子，与天线的有效区域相关，D为电场信号与磁场信号之间的真实时延。显式时间延迟估计(Explicit Time DelayEstimation，ETDE)算法用一个被截断的sinc函数来代替有限长单位冲激响应滤波器(Finite Impulse Response，FIR)的权系数，以此在自适应迭代过程中获得精准的时延估计。
本发明实施例中，为了更好的理解本发明，先对表达式x(k-D)进行说明，利用插值公式，x(k-D)可以表示为：
式(8)
式(8)中，
在实时应用中，x(k-D)可近似表示为：
式(9)
上述公式中的参数P应取足够大，P越大越能减少时延调制误差。
接着，对相关熵及最大相关熵准则进行说明：
相关熵是一种局部相似性的测量，是将指数递减权重加到相差较大或者冲激的样本量上，因此，由最大相关熵准则(Maximum correlation entropy criterion，MCC)训练的滤波器的总体权重跟踪受信号中的非平稳因素影响较小。任意两个具有相同规模的随机变量X和Y之间的相关熵可定义为：
式(10)
式(10)中，V代表相关熵，E[·]为数学期望，kσ为平移不变性的Mercer核，而σ为核的尺寸。目前，使用最为广泛的是高斯核Gσ，对于σ>0，其定义为：
式(11)
公式(10)显示，两个变量的相关熵Vσ(X,Y)是由两者间的误差e＝X-Y所决定。如此即表明，若两个变量X和Y相似，则两者间的差异应会得到一个较大的相关熵值。
在本发明实施例中，使用最大相关熵准则代替最小均方算法中的均方误差准则，推导出时延的递归估计量。根据该最大相关熵准则，选取自适应时延估计算法的代价函数为：
JMCC(D)＝V(e(k))＝E[kσ(e(k))] 式(12)
式(12)中，e(k)的定义为：
式(13)
式(13)中，是时延的估计值。当时延估计值等于真实时延D时，即此时该代价函数能收敛达到全局最优值。在一个在线的自适应场景中，本发明推导出一种随机梯度，以此来获得更简单的估计量，它是利用了Widrow在他的最小均方(Least Mean Square，LMS)算法中丢弃期望算子的直觉。因此，将在时刻k附近的L个样本的Parzen估计代替E[·]，随机相关熵的估计变为：
式(14)
代价函数的随机估计则变为：
式(15)
通过随机梯度来最大化代价函数则时刻k的电磁场时延估计值D(k)的在线更新可表示为：
式(16)
式(16)中，D(k+1)是在时刻k+1的电磁场时延估计值，μ为步长因子，σ为核的尺寸，L为样本个数，P为大于预设的阈值，其中，所述阈值越大越能减少时延调制误差。当L＝1时，公式(16)可以简化为：
式(17)
当电磁场时延初始值D(0)与真实时延D(与收发设备间的通信距离相互独立)有较大差距时，自适应时间估计量在收敛到真实时延D的过程中存在较长的滞后时间。甚至在低信噪比环境下，自适应时间估计量更易于收敛于局部最优值，而不是全局最优值。在近场电磁测距(Near-Field Electromagnetic Ranging)应用中，本文利用接收信号强度指示来获得一个粗略的电磁场时延估计并作为自适应时延估计算法的电磁场时延初始值D(0)。
在本发明实施例中，若则更新电磁场时延初始值若则不更新电磁场时延初始值D(0)，其中，△D为预设的电磁场时延偏移值；并根据所述电磁场时延初始值D(0)，通过式(16)确定电磁场时延终值并更新电磁场时延初始值D(0)＝D(k)；最后，根据式(2)得到测距目标之间的通信距离值。这样，基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，能够最小化噪声功率，使电磁场时延初始值准确且快速的逼近真实时延，使自适应时延估计算法最终收敛于真实时延，从而得到与测距目标之间准确的通信距离，且能够有效的避免代价函数的局部最优值对时延估计的影响。
在本发明实施例中，由于低信噪比能够导致较大的接收信号强度计算误差，所以电磁场时延偏移值△D的取值范围依赖于信噪比SNR。
实施例二
本发明还提供一种自适应电磁场时延估计装置的具体实施方式，由于本发明提供的自适应电磁场时延估计装置与前述自适应电磁场时延估计方法的具体实施方式相对应，该自适应电磁场时延估计装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述自适应电磁场时延估计方法具体实施方式中的解释说明，也适用于本发明提供的自适应电磁场时延估计装置的具体实施方式，在本发明以下的具体实施方式中将不再赘述。
本发明实施例还提供一种自适应电磁场时延估计装置，包括：
第一获取模块，用于获取粗略的电磁场时延估计值；
时延终值确定模块，用于将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值。
本发明实施例所述的自适应电磁场时延估计装置，通过将粗略的电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，使电磁场时延初始值准确且快速的逼近真实时延，能够大大提高自适应时延估计算法的收敛速度且能提高收敛的精准度，使其更易于收敛于全局最优值，且基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值，能够最小化噪声功率，还能够有效的避免代价函数的局部最优值对电磁场时延估计的影响。
在前述自适应电磁场时延估计装置的具体实施方式中，进一步地，所述装置还包括：第二获取模块，用于获取消除噪声后的电场信号和磁场信号的信号强度值。
在前述自适应电磁场时延估计装置的具体实施方式中，进一步地，所述第一获取模块，还用于根据电场信号和磁场信号的信号强度值，初步确定测距目标之间的通信距离；
根据测距目标之间的通信距离与电磁场时延之间的关系，得到粗略的电磁场时延估计值
在前述自适应电磁场时延估计装置的具体实施方式中，进一步地，所述时延终值确定模块，还用于若则更新电磁场时延初始值若则不更新电磁场时延初始值D(0)，其中，△D为预设的电磁场时延偏移值；
根据所述电磁场时延初始值D(0)，确定电磁场时延终值并更新电磁场时延初始值D(0)＝D(k)，其中，D(k)表示为：
式中，D(k)是在时刻k的电磁场时延估计值，D(k+1)是在时刻k+1的电磁场时延估计值，μ为步长因子，σ为核的尺寸，L为样本个数，P为足够大的数。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种自适应电磁场时延估计方法，其特征在于，包括：
获取粗略的电磁场时延估计值；
将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，采用随机梯度来最大化所述代价函数，得到电磁场时延估计终值；其中，
相关熵的定义为两个随机变量X和Y局部相似性的测量，其表达式为：
Vσ＝E[kσ(X-Y)]
其中，V代表相关熵，E[·]为数学期望，kσ为平移不变性的Mercer核，σ为核的尺寸；kσ使用的是高斯核Gσ，其定义为：
<mrow>
<msub>
<mi>G</mi>
<mi>&sigma;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>-</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<mi>&sigma;</mi>
</mrow>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mo>|</mo>
<mi>X</mi>
<mo>-</mo>
<mi>Y</mi>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
将相关熵作为自适应时延估计算法的代价函数，则代价函数表示为：
JMCC(D)＝V(e(k))
＝E[kσ(e(k))]
<mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mo>-</mo>
<mi>P</mi>
</mrow>
<mi>P</mi>
</munderover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>sin</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
</mrow>
其中，JMCC(·)表示代价函数，e(·)表示k时刻两个随机变量之间的误差，y(·)、x(·)表示离散的时间信号，P为大于预设的阈值的数，D表示电场信号与磁场信号之间的真实时延，sinc表示辛格函数；
当样本个数为L时，代价函数表示为：
<mrow>
<msub>
<mi>J</mi>
<mrow>
<mi>M</mi>
<mi>C</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>L</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>G</mi>
<mi>&sigma;</mi>
</msub>
<mo>&lsqb;</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mo>-</mo>
<mi>P</mi>
</mrow>
<mi>P</mi>
</munderover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mi>sin</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mi>D</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>.</mo>
</mrow>
2.根据权利要求1所述的方法，其特征在于，所述获取粗略的电磁场时延估计值之前包括：
获取消除噪声后的电场信号和磁场信号的信号强度值。
3.根据权利要求2所述的方法，其特征在于，还包括：
通过自适应阈值噪声消隐器消除所述电场信号和磁场信号中的噪声。
4.根据权利要求1所述的方法，其特征在于，所述获取粗略的电磁场时延估计值包括：
根据电场信号和磁场信号的信号强度值，初步确定测距目标之间的通信距离；
根据测距目标之间的通信距离与电磁场时延之间的关系，得到粗略的电磁场时延估计值
5.根据权利要求1所述的方法，其特征在于，所述将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，得到电磁场时延估计终值包括：
若则更新电磁场时延初始值其中，ΔD为预设的电磁场时延偏移值；
根据所述电磁场时延初始值D(0)，确定电磁场时延终值并更新电磁场时延初始值D(0)＝D(k)，其中，D(k)表示为：
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mi>&mu;</mi>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<msup>
<mi>L&sigma;</mi>
<mn>3</mn>
</msup>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<mo>&lsqb;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mi>e</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mo>-</mo>
<mi>P</mi>
</mrow>
<mi>P</mi>
</munderover>
<mi>x</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mi>f</mi>
<mo>(</mo>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>&rsqb;</mo>
</mrow>
式中，D(k)是在时刻k的电磁场时延估计值，D(k+1)是在时刻k+1的电磁场时延估计值，μ为步长因子，σ为核的尺寸，L为样本个数，P为足够大的数。
6.根据权利要求5所述的方法，其特征在于，还包括：
若则不更新电磁场时延初始值D(0)。
7.一种自适应电磁场时延估计装置，其特征在于，包括：
第一获取模块，用于获取粗略的电磁场时延估计值；
时延终值确定模块，用于将所述电磁场时延估计值作为自适应时延估计算法的电磁场时延初始值，并基于最大相关熵准则，将相关熵作为自适应时延估计算法的代价函数，采用随机梯度来最大化所述代价函数，得到电磁场时延估计终值；其中，
相关熵的定义为两个随机变量X和Y局部相似性的测量，其表达式为：
Vσ＝E[kσ(X-Y)]
其中，V代表相关熵，E[·]为数学期望，kσ为平移不变性的Mercer核，σ为核的尺寸；kσ使用的是高斯核Gσ，其定义为：
<mrow>
<msub>
<mi>G</mi>
<mi>&sigma;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>-</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<mi>&sigma;</mi>
</mrow>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mo>|</mo>
<mi>X</mi>
<mo>-</mo>
<mi>Y</mi>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
将相关熵作为自适应时延估计算法的代价函数，则代价函数表示为：
JMCC(D)＝V(e(k))
＝E[kσ(e(k))]
<mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mo>-</mo>
<mi>P</mi>
</mrow>
<mi>P</mi>
</munderover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>sin</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
</mrow>
其中，JMCC(·)表示代价函数，e(·)表示k时刻两个随机变量之间的误差，y(·)、x(·)表示离散的时间信号，P为大于预设的阈值的数，D表示电场信号与磁场信号之间的真实时延，sinc表示辛格函数；
当样本个数为L时，代价函数表示为：
<mrow>
<msub>
<mi>J</mi>
<mrow>
<mi>M</mi>
<mi>C</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>L</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>G</mi>
<mi>&sigma;</mi>
</msub>
<mo>&lsqb;</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mo>-</mo>
<mi>P</mi>
</mrow>
<mi>P</mi>
</munderover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mi>sin</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mi>D</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>.</mo>
</mrow>
8.根据权利要求7所述的装置，其特征在于，还包括：第二获取模块，用于获取消除噪声后的电场信号和磁场信号的信号强度值。
9.根据权利要求7所述的装置，其特征在于，所述第一获取模块，还用于根据电场信号和磁场信号的信号强度值，初步确定测距目标之间的通信距离；
根据测距目标之间的通信距离与电磁场时延之间的关系，得到粗略的电磁场时延估计值
10.根据权利要求9所述的装置，其特征在于，所述时延终值确定模块，还用于若则更新电磁场时延初始值若则不更新电磁场时延初始值D(0)，其中，ΔD为预设的电磁场时延偏移值；
根据所述电磁场时延初始值D(0)，确定电磁场时延终值并更新电磁场时延初始值D(0)＝D(k)，其中，D(k)表示为：
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mi>&mu;</mi>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<msup>
<mi>L&sigma;</mi>
<mn>3</mn>
</msup>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<mo>&lsqb;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mi>e</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mo>-</mo>
<mi>P</mi>
</mrow>
<mi>P</mi>
</munderover>
<mi>x</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mi>f</mi>
<mo>(</mo>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>&rsqb;</mo>
</mrow>
式中，D(k)是在时刻k的电磁场时延估计值，D(k+1)是在时刻k+1的电磁场时延估计值，μ为步长因子，σ为核的尺寸，L为样本个数，P为大于预设的阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510700702.5A CN105388471B (zh) | 2015-10-26 | 2015-10-26 | 一种自适应电磁场时延估计方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510700702.5A CN105388471B (zh) | 2015-10-26 | 2015-10-26 | 一种自适应电磁场时延估计方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105388471A CN105388471A (zh) | 2016-03-09 |
| CN105388471B true CN105388471B (zh) | 2017-11-03 |
Family
ID=55420959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510700702.5A Active CN105388471B (zh) | 2015-10-26 | 2015-10-26 | 一种自适应电磁场时延估计方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105388471B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106199567B (zh) * | 2016-07-07 | 2018-09-14 | 北京科技大学 | 一种近场电磁场测距系统 |
| CN108667538B (zh) * | 2018-04-13 | 2020-08-14 | 大连理工大学 | 复杂噪声环境下时延和幅度衰减的联合估计方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5357484A (en) * | 1993-10-22 | 1994-10-18 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for locating an acoustic source |
| CN1688895A (zh) * | 2002-08-19 | 2005-10-26 | Q－Track股份有限公司 | 用于近场电磁测距的系统和方法 |
| CN104914426A (zh) * | 2015-06-15 | 2015-09-16 | 北京科技大学 | 一种基于自适应时延估计的近场测距系统及方法 |
| CN104914427A (zh) * | 2015-06-15 | 2015-09-16 | 北京科技大学 | 基于接收信号强度的自适应时延估计的测距方法及系统 |
-
2015
- 2015-10-26 CN CN201510700702.5A patent/CN105388471B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5357484A (en) * | 1993-10-22 | 1994-10-18 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for locating an acoustic source |
| CN1688895A (zh) * | 2002-08-19 | 2005-10-26 | Q－Track股份有限公司 | 用于近场电磁测距的系统和方法 |
| CN104914426A (zh) * | 2015-06-15 | 2015-09-16 | 北京科技大学 | 一种基于自适应时延估计的近场测距系统及方法 |
| CN104914427A (zh) * | 2015-06-15 | 2015-09-16 | 北京科技大学 | 基于接收信号强度的自适应时延估计的测距方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于最大摘谱估计的离分辨率时间延迟估计方法;邱天爽等;《电子科学学刊》;19970331;第19卷(第2期);第269页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105388471A (zh) | 2016-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110261819B (zh) | 基于时延补偿的多无人机协同定位方法 | |
| CN105929378A (zh) | 基于外辐射源联合时延与多普勒频率的直接跟踪方法 | |
| CN108470089B (zh) | 一种基于最小二乘样本拟合的复信号时延估计方法 | |
| US7646830B1 (en) | Complex maximum likelihood range estimator in a multipath environment | |
| CN103777214B (zh) | 卫星导航系统中非平稳压制性干扰信号抑制方法 | |
| CN104914427B (zh) | 基于接收信号强度的自适应时延估计的测距方法及系统 | |
| CN105891810B (zh) | 一种快速自适应联合时延估计方法 | |
| CN106330219B (zh) | 一种基于递归网络的无源互调干扰对消系统及方法 | |
| CN107942314B (zh) | 基于lasso特征提取的多普勒穿墙雷达定位方法 | |
| CN102736069A (zh) | 一种直达波干扰抑制方法 | |
| CN105335336A (zh) | 一种传感器阵列的稳健自适应波束形成方法 | |
| CN113532437B (zh) | 基于多径利用的超宽带定位室内目标方法 | |
| CN109001671B (zh) | 一种跳频信号的目标检测和参数估计方法及装置 | |
| CN102706345A (zh) | 一种基于衰减记忆序贯检测器的机动目标跟踪方法 | |
| CN107169478A (zh) | 一种自适应在线滤波方法 | |
| CN105388471B (zh) | 一种自适应电磁场时延估计方法及装置 | |
| US20210373112A1 (en) | Compensating for crosstalk in determination of an angle of arrival of an electromagnetic wave at a receive antenna | |
| Jin et al. | Robust cyclic beamforming against cycle frequency error in Gaussian and impulsive noise environments | |
| CN105954713A (zh) | 一种基于tdoa观测量定位算法的时延估计方法 | |
| CN206292389U (zh) | 一种移动目标的定位系统 | |
| CN113556188B (zh) | 一种测控天线组阵精确频率偏差估计与补偿装置 | |
| CN115436909A (zh) | 一种基于矩阵重构Root-MUSIC算法的FMCW雷达测距方法 | |
| Xu et al. | The bearing only target tracking of UUV based on cubature Kalman Filter with noise estimator | |
| CN115022130A (zh) | 基于量子力学去噪的毫米波大规模mimo信道估计方法 | |
| CN106066471A (zh) | 一种移动目标的定位方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |