CN105487049A - 一种检测识别非直达超宽带信号的方法及系统 - Google Patents
一种检测识别非直达超宽带信号的方法及系统 Download PDFInfo
- Publication number
- CN105487049A CN105487049A CN201410473461.0A CN201410473461A CN105487049A CN 105487049 A CN105487049 A CN 105487049A CN 201410473461 A CN201410473461 A CN 201410473461A CN 105487049 A CN105487049 A CN 105487049A
- Authority
- CN
- China
- Prior art keywords
- ultra
- broadband signal
- broadband
- suprasphere
- rise
- 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.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种检测识别非直达超宽带信号的方法及系统。该方法包括采样步骤,采集超宽带信号样本;提取步骤,提取这些超宽带信号样本的波形特征;建模步骤,提供带约束条件的超球体检测函数,修正其中的参数值,得到能够区分出非直达超宽带信号样本的超球体检测模型;检测步骤,接收并提取待测超宽带信号的波形特征,计算其波形特征组合到该超球体检测模型球心的距离,若该距离大于该超球体检测模型的半径,则该待测超宽带信号为非直达超宽带信号。针对超宽带定位中的非直达超宽带信号和直达超宽带信号的数量不平衡性,利用该方法可以有效检测非直达超宽带信号,并具有实现方法简便、可靠性高、通用性强等优势。
Description
技术领域
本发明涉及超宽带(UWB)定位领域,特别是涉及一种检测识别非直达超宽带信号的方法及系统。
背景技术
随着GPS、“北斗”导航定位系统等广泛应用,卫星定位导航的应用已经被人们所熟知,并且在国民经济的多个领域发挥出越来越重要的作用。但是,来自卫星的导航信号功率通常都很微弱,特别是在有遮蔽或者在室内、地下环境中,卫星定位接收机难以有效接收卫星导航信号,因此难以有效定位。为了克服这种缺陷,通常还需要利用地面无线定位系统来增强卫星定位的精度。其中,超宽带(Ultra-wideBandwidth,UWB)技术以其优越的抗干扰性能、极高的多径分辨率等优点越来越受到人们的重视,是对卫星定位导航的有力补充。
超宽带(Ultra-wideBandwidth,UWB)技术是一种无载波通信技术,利用小于纳秒级的非正弦波窄脉冲来传输数据,脉冲覆盖的频谱宽度从直流至1GHz以上,可以在较宽的频谱上传送极低功率的信号。超宽带技术的这种特点使得超宽带信号具有极强的物理穿透能力,因此可用于室内和地下精确定位。与卫星定位原理相类似,利用超宽带技术进行定位的原理是由多个信标发射点(类似卫星定位中的多颗卫星,其位置固定或者能够实时提供其变动的精确位置信息)各自发出不同的多个超宽带信号,而同一目标接收点接收到这些超宽带信号后,通过测量这些超宽带信号从信标发射点到该目标接收点的传播时延,然后计算不同信标发射点到该目标接收点的精确距离,进而可以得到该目标接收点相对于这些信标发射点的准确位置,实现定位的目的。
利用卫星进行定位时,由卫星发出的导航信号基本不受阻挡而直达用户接收机,通过对导航信号的传播时延进行测量和计算,得到的距离就是用户接收机与发出导航信号的卫星之间的实际直线距离。但是在超宽带定位中,受到应用环境的影响(如室内),信标发射点与目标接收点可能会存在阻挡(如室内墙壁阻挡)。因此,当信标发射点发出的超宽带信号因受阻挡不能直达目标接收点时,超宽带信号的传播特性发生了改变。例如,该信号经过墙壁的传播时延特性与在空气中传播的时延特性明显不同。这里,将这种信号称之为非直达超宽带信号,而由信标发射点到目标接收点传播不受阻挡的超宽带信号称之为直达超宽带信号。显然,在超宽带定位中,在直达超宽带信号与非直达超宽带信号共存的情况下,如果不加辨别而直接利用非直达超宽带信号进行距离计算和定位,显然会造成明显的定位误差,直接影响定位精度。
在超宽带(UWB)定位的实际应用中,直达超宽带信号与非直达超宽带信号共存的一般特征是直达超宽带信号众多而非直达超宽带信号较少。为此,需要针对这种众多的直达超宽带信号与较少的非直达超宽带信号共存的环境,提供一种有效检测识别非直达超宽带信号的方法及系统,以便消除或降低非直达超宽带信号对超宽带(UWB)定位的不利影响,并且具有技术实现方便可靠、通用性强等优点。
发明内容
本发明主要解决的技术问题是提供一种检测识别非直达超宽带信号的方法及系统,当众多的直达超宽带信号与较少的非直达超宽带信号共存时,能够有效识别出非直达超宽带信号。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种检测识别非直达超宽带信号的方法,该方法包括:采样步骤,在多个目标点接收来自多个信标点发出的超宽带信号,将这些超宽带信号分为直达超宽带信号样本和非直达超宽带信号样本;特征提取步骤,提取该直达超宽带信号样本和非直达超宽带信号样本的波形特征;建模步骤,提供带约束条件的超球体检测函数,修正该超球体检测函数中的参数值,使得该直达超宽带信号样本和非直达超宽带信号样本的波形特征组合均能满足所述约束条件,并得到该超球体检测函数取最小值所对应的超球体检测模型;检测步骤,接收待测超宽带信号,提取该待测超宽带信号的波形特征,计算该待测超宽带信号的该波形特征组合到该超球体检测模型球心的距离,若该距离大于该超球体检测模型的半径,则该待测超宽带信号是非直达超宽带信号,若该距离小于或等于该超球体检测模型的半径,则该待测超宽带信号是直达超宽带信号。
在本发明检测识别非直达超宽带信号的方法另一实施例中,该直达超宽带信号样本、该非直达超宽带信号样本以及该待测超宽带信号的波形特征包括:接收信号的能量εr、接收信号的最大幅度rmax、上升时间trise、平均附加时延TMED、均方根时延扩展TRMS和信号陡峭度κ。
在本发明检测识别非直达超宽带信号的方法另一实施例中,该建模步骤中的该超球体检测函数是:
εstruct(R,a)=R2
该参数值包括球心a、半径R,该约束条件是:对于任意的i和l,||xi-a||≤R2且||xl-a||≥R2,并使R最小化,xi是该直达超宽带信号样本,xl是该非直达超宽带信号样本。
在本发明检测识别非直达超宽带信号的方法另一实施例中,该建模步骤中的该超球体检测函数是:
该参数值包括球心a、半径R、松弛变量ξi和ξl,C1和C2是系数,该约束条件是:对于任意的i和l,ξi≥0和ξl≥0,||xi-a||≤R2+ξi且||xl-a||≥R2-ξl,并使R最小化,xi是该直达超宽带信号样本,xl是该非直达超宽带信号样本。
在本发明检测识别非直达超宽带信号的方法另一实施例中,该超球体检测函数中的系数C1=0.01,C2=1或C1=0.01,C2=2。
在本发明检测识别非直达超宽带信号的方法另一实施例中,该直达超宽带信号样本、该非直达超宽带信号样本以及该待测超宽带信号的该波形特征组合包括9种:接收信号的能量εr;接收信号的最大幅度rmax;收信号的最大幅度rmax,上升时间trise;接收信号的能量εr,上升时间trise,信号陡峭度κ;接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ;接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;上升时间,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS;接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS。
本发明还提供了一种检测识别非直达超宽带信号的系统,该系统包括:接收单元,用以在多个目标点接收来自多个信标点发出的超宽带信号,将该超宽带信号分为直达超宽带信号样本和非直达超宽带信号样本,还用以接收待测超宽带信号;特征提取单元,提取来自该接收单元的该直达超宽带信号样本和非直达超宽带信号样本的波形特征,还用以提取来自该接收单元的该待测超宽带信号的波形特征;建模单元,用以提供带约束条件的超球体检测函数,修正该超球体检测函数中的参数值,使得该特征提取单元输出的该直达超宽带信号样本和非直达超宽带信号样本的波形特征均能满足该约束条件,并得到该超球体检测函数取最小值所对应的超球体检测模型;检测单元,用以将该特征提取单元输出的该待测超宽带信号的该波形特征组合,输入到该建模单元输出的超球体检测模型中,计算该待测超宽带信号的该波形特征组合到该超球体检测模型球心的距离,若该距离大于该超球体检测模型的半径,则该待测超宽带信号是非直达超宽带信号,若该距离小于或等于该超球体检测模型的半径,则该待测超宽带信号是直达超宽带信号。
在本发明检测识别非直达超宽带信号的系统另一实施例中,该特征提取单元提取的该直达超宽带信号样本、该非直达超宽带信号样本以及该待测超宽带信号的波形特征包括:接收信号的能量εr、接收信号的最大幅度rmax、上升时间trise、平均附加时延TMED、均方根时延扩展TRMS和信号陡峭度κ。
在本发明检测识别非直达超宽带信号的系统另一实施例中,该超球体检测函数是:
该参数值包括球心a、半径R、松弛变量ξi和ξl,C1和C2是系数,该约束条件是:对于任意的i和l,ξi≥0和ξl≥0,||xi-a||≤R2+ξi并且||xl-a||≥R2-ξl,xi是该直达超宽带信号样本,xl是该非直达超宽带信号样本。
在本发明检测识别非直达超宽带信号的系统另一实施例中,该直达超宽带信号样本、该非直达超宽带信号样本以及该待测超宽带信号的该波形特征组合包括9种:接收信号的能量εr;接收信号的最大幅度rmax;收信号的最大幅度rmax,上升时间trise;接收信号的能量εr,上升时间trise,信号陡峭度κ;接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ;接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;上升时间,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS;接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS。
本发明的有益效果是:利用该检测识别非直达超宽带信号的方法及系统,通过采集直达超宽带信号样本和非直达超宽带信号样本,并构建超球体检测模型,再利用该超球体检测模型对待测超宽带信号进行检测,以此有效识别非直达超宽带信号,技术途径方便有效,对于一般超宽带信号均可适用,具有鲁棒性强、识别效率高、适用性广等优势。
附图说明
图1是根据本发明检测识别非直达超宽带信号方法一实施例的流程图;
图2是根据图1所示本发明检测识别非直达超宽带信号方法实施例中的样本采集步骤原理图;
图3是根据图1所示本发明检测识别非直达超宽带信号方法实施例中的样本采集步骤另一原理图
图4是根据本发明检测识别非直达超宽带信号系统的一实施例的结构图。
具体实施方式
为了便于理解本发明,下面结合附图和具体实施例,对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是,本发明可以以许多不同的形式来实现,并不限于本说明书所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是,除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1是根据本发明检测识别非直达超宽带信号方法一优选实施例的流程图。图1中,步骤S11是采样步骤,就是在多个目标点接收来自多个信标点发出的超宽带信号,根据该目标点与该多个信标点之间是否有阻挡,将接收的该超宽带信号分为直达超宽带信号样本和非直达超宽带信号样本。
结合图2对步骤S11作具体说明。图2示出了在一个室内环境中超宽带信号样本采集的原理图,可以看出,其中目标点X1与信标点M1、M2、M3和M4之间没有阻挡,而在目标点X1与信标点M5之间存在墙壁H1阻挡。这样,当在目标点X1分别接收来自多个信标点M1、M2、M3、M4和M5发出的超宽带信号时,则来自信标点M1、M2、M3、M4的超宽带信号是直达超宽带信号,而来自信标点M5超宽带信号就是非直达超宽带信号。将这些接收的超宽带信号作为样本采集存储起来,并分成直达超宽带信号样本和非直达超宽带信号样本两种类型。
然后,如图3所示,可以仅改变目标点X1的位置,继续接收来自信标点M1、M2、M3、M4和M5发出的超宽带信号。可以看出,目标点X1与信标点M1、M2之间有墙壁H1阻挡,而在目标点X1与信标点M3、M4和M5之间没有阻挡。同样,在目标点X1分别接收来自多个信标点M1、M2、M3、M4和M5发出的超宽带信号,并将这些超宽带信号作为样本采集存储,并分为直达超宽带信号样本和非直达超宽带信号样本两种类型。当然,还可以多次改变信标点M1、M2、M3、M4、M5的位置以及目标点X1的位置,积累较多超宽带信号样本并进行分类。
完成步骤S11后,进入图1中所示的步骤S12,即特征提取步骤,提取步骤S11中获得的直达超宽带信号样本和非直达超宽带信号样本的波形特征。作为步骤S12中的一个优选实施例,直达超宽带信号样本和非直达超宽带信号样本的波形特征主要包括:
(1)接收信号的能量εr,其定义式是:
其中,r(t)表示接收信号的波形。
(2)接收信号的最大幅度rmax,其定义式是:
rmax=max|r(t)|
其中,r(t)是上述(1)中的接收信号的波形。
(3)上升时间trise,其定义式是:
trise=tH-tL
其中,tL=min{t:|r(t)|≥ασn},tH=min{t:|r(t)|≥βrmax},r(t)是上述(1)中的接收信号的波形,σn是接收机热噪声的标准差,rmax是上述(2)中接收信号的最大幅度,α和β的取值主要依靠捕获信号上升时延的经验值来确定。在本实施例中,优选α=6,β=0.6。
(4)平均附加时延TMED,其定义式是:
其中,ψ(t)=|r(t)|2/εr,r(t)是上述(1)中接收信号的波形,εr是上述(1)中接收信号的能量。
(5)均方根时延扩展TRMS,其定义式是:
其中,TMED是上述(4)中平均附加时延,ψ(t)=|r(t)|2/εr,r(t)是上述(1)中接收信号的波形,εr是上述(1)中接收信号的能量。
(6)信号陡峭度κ,其定义式是:
其中, T是选取的时间观察窗,r(t)是上述(1)中接收信号的波形,εr是上述(1)中接收信号的能量。
上述(1)至(6)所定义的波形特征均适合于直达超宽带信号样本和非直达超宽带信号样本,可以根据接收信号的实际测量结果计算得到上述6个波形特征的测量值。不过,需要说明的是,仅从超宽带信号的波形特征的测量值并不能区分出直达超宽带信号和非直达超宽带信号。如表1所示,随机抽取了10个信号样本,其中序号1~5对应的是直达超宽带信号样本,序号6~10对应的是非直达超宽带信号样本,从中可以看出,并不能简单地根据这些波形特征的测量值来区分这两种信号。
表1超宽带信号的波形特征的测量值
序号 | εr | rmax | trise | TMED | TRMS | κ |
1 | 1017734522 | 5236.485976 | 3.31E-10 | 1.43E-08 | 7.96E-16 | 52.92769836 |
2 | 1506461680 | 6849.449019 | 2.89E-10 | 1.36E-08 | 7.64E-16 | 68.56650375 |
3 | 414675316.9 | 4567.968724 | 4.13E-10 | 1.82E-08 | 1.04E-15 | 105.6806194 |
4 | 688947181.2 | 4829.9864 | 3.31E-10 | 3.01E-08 | 1.73E-15 | 66.15889692 |
5 | 75102696.65 | 1332.482663 | 2.07E-10 | 2.90E-08 | 2.12E-15 | 58.41269876 |
6 | 183122976.9 | 1916.901934 | 8.47E-09 | 1.60E-08 | 1.66E-15 | 38.74526822 |
7 | 446864571.6 | 4191.543237 | 4.13E-10 | 1.51E-08 | 9.58E-16 | 83.40750146 |
8 | 633269762.8 | 5077.539559 | 3.31E-10 | 1.36E-08 | 8.76E-16 | 89.52522966 |
9 | 55031527.18 | 1092.392273 | 9.09E-10 | 3.10E-08 | 2.45E-15 | 46.92389048 |
10 | 73918154.89 | 950.4131562 | 2.07E-10 | 3.10E-08 | 2.03E-15 | 27.03735954 |
因此,需要进一步利用这些超宽带信号样本的波形特征,并通过构建一个检测模型,才能实现对待测超宽带信号的检测识别。
图1中所示的步骤S13就是进一步说明如何利用超宽带信号样本的波形特征来构建检测模型的。步骤S13,即建模步骤,提供一个带约束条件的超球体检测函数,修正该超球体检测函数中的参数值,使得在步骤S12得到的直达超宽带信号样本和非直达超宽带信号样本的波形特征组合均能满足该约束条件,并且得到该超球体检测函数取最小值所对应的超球体检测模型。
下面通过一个优选实施例对步骤S13作具体说明。
该实施例中超球体检测函数的实质是在高维空间里构造一个超球体,这个超球体可以用球心a和半径R来表示,最终要使得直达超宽带信号样本落在此超球体内,而非直达超宽带信号样本落在超球体外。用xi表示直达超宽带信号样本,用xl表示非直达超宽带信号样本,定义该超球体的结构误差是:
εstruct(R,a)=R2
并且,满足的约束条件是:对于任意的i和l,||xi-a||≤R2和||xl-a||≥R2,并使该超球体最小化。就是在两种样本xi和xl均满足该约束条件的情况下,确定a的取值并使得半径R取值最小,即该超球体最小化。
这里,对于步骤S13中的超球体检测函数对应为εstruct(R,a)=R2,其中参数值包括a和R,两种样本xi和xl要符合约束条件:||xi-a||≤R2和||xl-a||≥R2,并且R取值最小。相应地,超球体检测函数εstruct(R,a)=R2的取值最小。由此可见,两种样本xi和xl的数量以及波形特征的组合决定了a和R的取值,因此确定a和R最终取值的过程是一个基于两种样本xi和xl进行优化修正的过程。该计算过程可以通过计算机辅助进行反复多次迭代逼近的方法来实现。
进一步地,引入松弛变量ξi和ξl,上述超球体最小化问题变为如下形式:
其中,C1和C2用来调节超球体的大小,以控制两类样本xi和xl的错误率。满足的约束条件与上述类似:对于任意的i和l,ξi≥0和ξl≥0,并且||xi-a||≤R2+ξi和||xl-a||≥R2-ξl。其中,||xi-a||≤R2+ξi使得直达超宽带信号样本在超球体内,而||xl-a||≥R2-ξl使得非直达超宽带信号样本在超球体外。
这里,若将 对应为步骤S13中的超球体检测函数,则其中的参数值包括a、R、ξi和ξl,两种样本xi和xl要符合约束条件:对于任意的i和l,ξi≥0和ξl≥0,并且||xi-a||≤R2+ξi和||xl-a||≥R2-ξl。另外,对于C1和C2的取值应根据两种样本xi和xl的数量合理确定,特别是在直达超宽带信号样本xi的数量多于非直达超宽带信号样本xl的数量时,应满足C1<C2,例如C1=0.01,C2=1或C1=0.01,C2=2。
对于引入松弛变量后,超球体最小化的求解方法可以通过构造Lagrange函数来进行,例如构造的Lagrange函数为:
其中,αi≥0,αl≥0,γi≥0,γl≥0是Lagrange系数。然后将该Lagrange函数分别对a,R,ξi,ξl求偏导,建立方程组,并利用两种样本xi和xl,以及标准的二次规划算法,可以求解得到球心a的最优值,然后进一步得到满足约束条件的半径R、以及ξi和ξl。构造Lagrange函数并求解的过程属于现有技术,此处不再具体说明。
对于步骤S13中的两种样本xi和xl,以及球心a,可以是一个或多个波形特征的组合。如表2所示,包括但不限于9种数据子集,分别对应不同的波形特征组合。其中,优选数据子集dataI,即两种样本xi和xl,以及球心a均是由6个波形特征(εr,rmax,trise,TMED,TRMS,κ)组成的波形特征组合。
表2波形特征组合
数据子集 | 波形特征组合 |
dataA | εr |
dataB | rmax |
dataC | rmax,trise |
dataD | εr,trise,κ |
dataE | εr,rmax,trise,κ |
dataF | rmax,trise,τMED,κ |
dataG | trise,τMED,τRMS,κ |
dataH | εr,rmax,trise,τMED,κ |
dataI | εr,rmax,trise,τMED,τRMS,κ |
在步骤S13确定了检测模型后,就可以利用该检测模型对待测的超宽带信号进行检测识别,判断是否为直达超宽带信号或非直达超宽带信号。
图1中的步骤S14是检测步骤,先是接收待测的超宽带信号,并提取该待测超宽带信号的波形特征。与步骤S12类似,这里待测超宽带信号的波形特征也包括接收信号的能量、接收信号的最大幅度、上升时间、平均附加时延、均方根时延扩展和信号陡峭度。并且,也可以按照表2中所列的9中波形特征组合方式对待测超宽带信号的6种波形特征进行组合。
进一步地,将该待测超宽带信号的波形特征组合代入检测模型,计算该待测超宽带信号的波形特征组合到该超球体检测模型球心的距离,若该距离大于该超球体检测模型的半径,则该待测超宽带信号是非直达超宽带信号,若该距离小于或等于该超球体检测模型的半径,则该待测超宽带信号是直达超宽带信号。
本发明还提供了一种检测识别非直达超宽带信号的系统。请参见图4,为本发明检测识别非直达超宽带信号的系统的一实施例的结构图。
在图4中,接收单元101有双重作用,一方面用以在多个目标点接收来自多个信标点发出的超宽带信号,并根据所在目标点与该信标点之间是否有阻挡,将接收的这些超宽带信号分为直达超宽带信号样本和非直达超宽带信号样本并存储;另一方面,接收单元101还用以接收待测的超宽带信号。
特征提取单元102,接收来自接收单元101中的直达超宽带信号样本和非直达超宽带信号样本,并提取这些样本信号的波形特征,得到这些样本信号波形特征值。另外,特征提取单元102还用以提取接收单元101接收的待测超宽带信号的波形特征值。
特征提取单元102提取的这些直达超宽带信号样本、非直达超宽带信号样本以及待测超宽带信号的波形特征,包括:接收信号的能量、接收信号的最大幅度、上升时间、平均附加时延、均方根时延扩展和信号陡峭度。这些波形特征的定义式在上述检测识别非直达超宽带信号的方法实施例中步骤S12已作说明,此处不再赘述。
建模单元103,用以提供带约束条件的超球体检测函数,修正该超球体检测函数中的参数值,使得特征提取单元102输出的直达超宽带信号样本和非直达超宽带信号样本的波形特征组合均能满足该约束条件,并得到该超球体检测函数取最小值所对应的超球体检测模型。
建模单元103中的超球体检测函数实施例在上述检测识别非直达超宽带信号的方法实施例中步骤S13已作说明,此处不再赘述
检测单元104,用以将特征提取单元102输出的待测超宽带信号的波形特征组合,输入到建模单元103输出的超球体检测模型中,计算待测超宽带信号的波形特征组合到该超球体检测模型球心的距离,若该距离大于该超球体检测模型的半径,则该待测超宽带信号是非直达超宽带信号,若该距离小于或等于该超球体检测模型的半径,则该待测超宽带信号是直达超宽带信号。
这里,无论是直达超宽带信号样本、非直达超宽带信号样本的波形特征组合,还是待测超宽带信号的波形特征组合均包括9种:(接收信号的能量)、(接收信号的最大幅度)、(接收信号的最大幅度,上升时间)、(接收信号的能量,上升时间,信号陡峭度)、(接收信号的能量,接收信号的最大幅度,上升时间,信号陡峭度)、(接收信号的最大幅度,上升时间,信号陡峭度,平均附加时延)、(上升时间,信号陡峭度,平均附加时延,均方根时延扩展)、(接收信号的能量,接收信号的最大幅度,上升时间,信号陡峭度,平均附加时延)、(接收信号的能量,接收信号的最大幅度,上升时间,信号陡峭度,平均附加时延,均方根时延扩展)。
需要说明的是,上述本发明检测识别非直达超宽带信号的系统实施例中各单元的信息交互、执行过程等内容由于与前文检测识别非直达超宽带信号的方法中各步骤之间的作用关系基于同一构思,具体内容可参见本发明检测识别非直达超宽带信号的方法实施例中的叙述,此处不再赘述。
利用本发明检测识别非直达超宽带信号方法及系统的实施例对60个待测超宽带信号进行了检测,其中50个是直达超宽带信号,10个是非直达超宽带信号。测试结果是:有8个直达超宽带信号在超球体之外,对直达超宽带信号识别精度为84%,而所有的非直达超宽带信号都在超球体之外,对非直达超宽带信号的识别精度为100%。
通过上述方式,本发明检测识别非直达超宽带信号的方法及系统基于实测的直达超宽带信号样本和非直达超宽带信号样本来构建超球体检测模型,再利用该超球体检测模型对待测的超宽带信号进行检测,由于这种建模和检测是在同一环境中进行的,检测的有效性能够得到保证,适用于多种应用场合,特别是在直达超宽带信号数量较多而非直达超宽带信号数量较少的环境中,可以以很高的正确率有效检测出非直达超宽带信号。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种检测识别非直达超宽带信号的方法,其特征在于,所述方法包括:
采样步骤,在多个目标点接收来自多个信标点发出的超宽带信号,将所述超宽带信号分为直达超宽带信号样本和非直达超宽带信号样本;
特征提取步骤,提取所述直达超宽带信号样本和非直达超宽带信号样本的波形特征;
建模步骤,提供带约束条件的超球体检测函数,修正所述超球体检测函数中的参数值,使得所述直达超宽带信号样本和非直达超宽带信号样本的波形特征组合均能满足所述约束条件,并得到所述超球体检测函数取最小值所对应的超球体检测模型;
检测步骤,接收待测超宽带信号,提取所述待测超宽带信号的波形特征,计算所述待测超宽带信号的所述波形特征组合到所述超球体检测模型球心的距离,若所述距离大于所述超球体检测模型的半径,则所述待测超宽带信号是非直达超宽带信号,若所述距离小于或等于所述超球体检测模型的半径,则所述待测超宽带信号是直达超宽带信号。
2.根据权利要求1所述的检测识别非直达超宽带信号的方法,其特征在于,所述直达超宽带信号样本、所述非直达超宽带信号样本以及所述待测超宽带信号的波形特征包括:接收信号的能量εr、接收信号的最大幅度rmax、上升时间trise、平均附加时延TMED、均方根时延扩展TRMS和信号陡峭度κ。
3.根据权利要求2所述的检测识别非直达超宽带信号的方法,其特征在于,所述建模步骤中的所述超球体检测函数是:
εstruct(R,a)=R2
所述参数值包括球心a、半径R,所述约束条件是:对于任意的i和l,||xi-a||≤R2且||xl-a||≥R2,并使R最小化,xi是所述直达超宽带信号样本,xl是所述非直达超宽带信号样本。
4.根据权利要求2所述的检测识别非直达超宽带信号的方法,其特征在于,所述建模步骤中的所述超球体检测函数是:
所述参数值包括球心a、半径R、松弛变量ξi和ξl,C1和C2是系数,所述约束条件是:对于任意的i和l,ξi≥0和ξl≥0,||xi-a||≤R2+ξi且||xl-a||≥R2-ξl,并使R最小化,xi是所述直达超宽带信号样本,xl是所述非直达超宽带信号样本。
5.根据权利要求4所述的检测识别非直达超宽带信号的方法,其特征在于,所述超球体检测函数中的所述系数C1=0.01,C2=1或C1=0.01,C2=2。
6.根据权利要求3至5任一项所述的检测识别非直达超宽带信号的方法,其特征在于,所述直达超宽带信号样本、所述非直达超宽带信号样本以及所述待测超宽带信号的所述波形特征组合包括9种:
接收信号的能量εr;
接收信号的最大幅度rmax;
接收信号的最大幅度rmax,上升时间trise;
接收信号的能量εr,上升时间trise,信号陡峭度κ;
接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ;
接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;
上升时间,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS;
接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;
接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS。
7.一种检测识别非直达超宽带信号的系统,其特征在于,所述系统包括:
接收单元,用以在多个目标点接收来自多个信标点发出的超宽带信号,将所述超宽带信号分为直达超宽带信号样本和非直达超宽带信号样本,还用以接收待测超宽带信号;
特征提取单元,提取来自所述接收单元的所述直达超宽带信号样本和非直达超宽带信号样本的波形特征,还用以提取来自所述接收单元的所述待测超宽带信号的波形特征;
建模单元,用以提供带约束条件的超球体检测函数,修正所述超球体检测函数中的参数值,使得所述特征提取单元输出的所述直达超宽带信号样本和非直达超宽带信号样本的波形特征均能满足所述约束条件,并得到所述超球体检测函数取最小值所对应的超球体检测模型;
检测单元,用以将所述特征提取单元输出的所述待测超宽带信号的所述波形特征组合,输入到所述建模单元输出的超球体检测模型中,计算所述待测超宽带信号的所述波形特征组合到所述超球体检测模型球心的距离,若所述距离大于所述超球体检测模型的半径,则所述待测超宽带信号是非直达超宽带信号,若所述距离小于或等于所述超球体检测模型的半径,则所述待测超宽带信号是直达超宽带信号。
8.根据权利要求7所述的检测识别非直达超宽带信号的系统,其特征在于,所述特征提取单元提取的所述直达超宽带信号样本、所述非直达超宽带信号样本以及所述待测超宽带信号的波形特征包括:接收信号的能量εr、接收信号的最大幅度rmax、上升时间trise、平均附加时延TMED、均方根时延扩展TRMS和信号陡峭度κ。
9.根据权利要求8所述的检测识别非直达超宽带信号的系统,其特征在于,所述超球体检测函数是:
所述参数值包括球心a、半径R、松弛变量ξi和ξl,C1和C2是系数,所述约束条件是:对于任意的i和l,ξi≥0和ξl≥0,||xi-a||≤R2+ξi并且||xl-a||≥R2-ξl,xi是所述直达超宽带信号样本,xl是所述非直达超宽带信号样本。
10.根据权利要求9所述的检测识别非直达超宽带信号的系统,其特征在于,所述直达超宽带信号样本、所述非直达超宽带信号样本以及所述待测超宽带信号的所述波形特征组合包括9种:
接收信号的能量εr;
接收信号的最大幅度rmax;
接收信号的最大幅度rmax,上升时间trise;
接收信号的能量εr,上升时间trise,信号陡峭度κ;
接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ;
接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;
上升时间,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS;
接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED;
接收信号的能量εr,接收信号的最大幅度rmax,上升时间trise,信号陡峭度κ,平均附加时延TMED,均方根时延扩展TRMS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410473461.0A CN105487049B (zh) | 2014-09-16 | 2014-09-16 | 一种检测识别非直达超宽带信号的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410473461.0A CN105487049B (zh) | 2014-09-16 | 2014-09-16 | 一种检测识别非直达超宽带信号的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105487049A true CN105487049A (zh) | 2016-04-13 |
CN105487049B CN105487049B (zh) | 2019-01-11 |
Family
ID=55674158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410473461.0A Active CN105487049B (zh) | 2014-09-16 | 2014-09-16 | 一种检测识别非直达超宽带信号的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105487049B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106452716A (zh) * | 2016-11-15 | 2017-02-22 | 厦门大学 | 基于Hash指纹的无人机信号识别检测算法 |
CN110261818A (zh) * | 2019-06-25 | 2019-09-20 | 中国人民解放军陆军工程大学 | 非直达超宽带信号识别与误差消除方法及装置、存储介质 |
CN115022010A (zh) * | 2022-05-30 | 2022-09-06 | 南京尤尼泰信息科技有限公司 | 一种ntp客户端智能抗欺骗方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1729407A (zh) * | 2002-12-19 | 2006-02-01 | 皇家飞利浦电子股份有限公司 | 定位系统、设备和方法 |
US20080267304A1 (en) * | 2007-04-27 | 2008-10-30 | Chia-Chin Chong | method and system for joint time-of-arrival and amplitude estimation based on a super-resolution technique |
CN101394233A (zh) * | 2007-09-21 | 2009-03-25 | 哈尔滨工业大学深圳研究生院 | 室内视距环境下脉冲超宽带多径信号建模的方法及系统 |
US20110177786A1 (en) * | 2009-03-30 | 2011-07-21 | Stefano Marano | Method and system for identification and mitigation of errors in non-line-of-sight distance estimation |
-
2014
- 2014-09-16 CN CN201410473461.0A patent/CN105487049B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1729407A (zh) * | 2002-12-19 | 2006-02-01 | 皇家飞利浦电子股份有限公司 | 定位系统、设备和方法 |
US20080267304A1 (en) * | 2007-04-27 | 2008-10-30 | Chia-Chin Chong | method and system for joint time-of-arrival and amplitude estimation based on a super-resolution technique |
CN101394233A (zh) * | 2007-09-21 | 2009-03-25 | 哈尔滨工业大学深圳研究生院 | 室内视距环境下脉冲超宽带多径信号建模的方法及系统 |
US20110177786A1 (en) * | 2009-03-30 | 2011-07-21 | Stefano Marano | Method and system for identification and mitigation of errors in non-line-of-sight distance estimation |
Non-Patent Citations (2)
Title |
---|
DAVID M. J.TAX,等: ""Support vector data description"", 《MACHINE LEARNING》 * |
SHIWEI TIAN,等: ""A Support Vector Data Description Approach to NLOS Identification in UWB Positioning"", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106452716A (zh) * | 2016-11-15 | 2017-02-22 | 厦门大学 | 基于Hash指纹的无人机信号识别检测算法 |
CN110261818A (zh) * | 2019-06-25 | 2019-09-20 | 中国人民解放军陆军工程大学 | 非直达超宽带信号识别与误差消除方法及装置、存储介质 |
CN110261818B (zh) * | 2019-06-25 | 2023-12-01 | 中国人民解放军陆军工程大学 | 非直达超宽带信号识别与误差消除方法及装置、存储介质 |
CN115022010A (zh) * | 2022-05-30 | 2022-09-06 | 南京尤尼泰信息科技有限公司 | 一种ntp客户端智能抗欺骗方法及系统 |
CN115022010B (zh) * | 2022-05-30 | 2023-12-15 | 南京尤尼泰信息科技有限公司 | 一种ntp客户端智能抗欺骗方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105487049B (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103399297B (zh) | 一种基于机器学习的超宽带非视距鉴别方法 | |
CN102680825B (zh) | 系统级电磁兼容故障诊断中的干扰源辨识方法 | |
CN103457890B (zh) | 一种有效识别非高斯噪声下数字调制信号的方法 | |
CN103076602B (zh) | 针对多目标背景的雷达自适应恒虚警率融合检测方法 | |
CN103616729B (zh) | 一种基于uwb生物雷达的多个人体目标估算方法及系统 | |
CN104469937A (zh) | 压缩感知定位技术中的传感器高效部署方法 | |
CN101738607B (zh) | 基于聚类的高阶累量交叉熵的sar图像变化检测方法 | |
CN103217478B (zh) | 用于复合材料板状结构的无参考损伤识别方法 | |
CN103616661B (zh) | 一种稳健的远场窄带信号源个数估计方法 | |
CN105301558A (zh) | 一种基于蓝牙位置指纹的室内定位方法 | |
CN105487049A (zh) | 一种检测识别非直达超宽带信号的方法及系统 | |
CN103605110A (zh) | 基于接收信号强度的室内无源目标定位方法 | |
CN103149514B (zh) | 一种gis内多绝缘缺陷模式识别方法 | |
CN104714225A (zh) | 一种基于广义似然比的动态规划检测前跟踪方法 | |
CN104766090B (zh) | 一种基于bemd和sofm的探地雷达数据可视化方法 | |
CN105007130A (zh) | 一种低信噪比下lfm信号的检测方法 | |
CN105426832A (zh) | 非稳定信噪比下的通信雷达辐射源识别方法 | |
CN104502905B (zh) | 基于多通道顺序统计的距离扩展目标检测方法 | |
CN102573057B (zh) | 一种优化的rfid室内定位方法 | |
CN105069796A (zh) | 基于小波散射网络的sar图像分割方法 | |
CN105425223A (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
CN105223481A (zh) | 基于差值能量函数的局部放电特高频信号起始时刻确定方法 | |
CN105447464A (zh) | 一种基于pso的电能质量扰动识别与分类方法 | |
CN110488222A (zh) | 一种nlos条件下svm与重心坐标相结合的uwb定位方法 | |
CN103973382B (zh) | 基于有限随机矩阵的频谱检测方法 |
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 |