CN106338270B - 一种模块化搭建的通用北斗高精度测量平台 - Google Patents
一种模块化搭建的通用北斗高精度测量平台 Download PDFInfo
- Publication number
- CN106338270B CN106338270B CN201610750160.7A CN201610750160A CN106338270B CN 106338270 B CN106338270 B CN 106338270B CN 201610750160 A CN201610750160 A CN 201610750160A CN 106338270 B CN106338270 B CN 106338270B
- Authority
- CN
- China
- Prior art keywords
- value
- node
- data
- time
- frequency
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种模块化搭建的通用北斗高精度测量平台,包括数据采集终端、无线传输模块、数据处理单元和数据呈现终端,数据采集终端将采集到的数据传输至数据处理单元,数据处理单元将接收到的数据处理后通过无线传输模块发送至数据呈现终端进行显示。本发明能真实反映监测体在水平方向(东南西北方向)与垂直方向三维的高精度变形沉降情况,形成监测体的变形三维趋势图;该平台能提供达亚毫米的监测精度,并根据监测的三维变形情况向用户提供可靠的报警提醒。
Description
技术领域
本发明属于北斗技术应用领域,尤其涉及一种模块化搭建的通用北斗高精度测量平台。
背景技术
目前沉降/形变监测系统主要包括移位计、全站仪等设备,自动化监测水平较低。GPS/北斗形变监测设备可以用于高精度测量,但一直以来是进口设备为主,且国内外的同类设备都以价格昂贵的双频或双星型接收机为主,高昂的成本制约了GPS技术在灾害监测工程中的广泛应用。由于现场数据采集的自动化程度不能满足大规模的应用,现有的管理水平还远远不能满足用户需求。
现有的地质灾害管理系统均为MIS系统,仅仅考虑到系统的基本数据,需要人工介入。而实时监测、预警以及后续趋势分析却由于技术复杂的原因而没有涉及,作为一个系统而言是远远不够的。
发明内容
本发明为解决背景技术提及的技术问题而提供一种模块化搭建的通用北斗高精度测量平台。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:一种模块化搭建的通用北斗高精度测量平台,包括数据采集终端、无线传输模块、数据处理单元和数据呈现终端,数据采集终端将采集到的数据传输至数据处理单元,数据处理单元将接收到的数据处理后通过无线传输模块发送至数据呈现终端进行显示。
进一步,所述数据采集终端包括微波开关和天线单元;所述数据处理单元包括GNSS接收机和控制单元;所述数据呈现终端包括网络模块和路由模块,微波开关通过馈线与天线单元连接,所述微波开关分别与GNSS接收机、控制单元连接,所述GNSS接收机与控制单元通过高速串口连接,所述路由模块与控制单元通过网络模块连接,控制单元处理后的数据通过路由模块发送至数据呈现终端,所述GNSS接收机连接外部+12V电源模块。
进一步,所述微波开关为SPDT多通道微波开关,所述天线单元为包括若干根独立的天线,天线的数量与SPDT多通道微波开关的通道数量相同。
进一步,所述控制单元为ARM9170。
进一步,所述GNSS接收机设置有同步正交跳频信号盲源分离模块;
所述同步正交跳频信号盲源分离模块用于GNSS接收机对接收的信号进行处理,得到M路离散时域混合信号。
进一步,所述步正交跳频信号盲源分离模块的信号处理方法包括:
步骤一,利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号m=1,2,…,M;采集阵列天线节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;直接信任值的具体计算步骤为:采集网络观测节点i与节点j之间的n个时间片的交互次数:选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;预测第n+1个时间片的交互次数:根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α可在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20);
计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;计算间接信任值:综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
由直接信任值和间接信任值整合计算得出综合信任值;综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值;
步骤二,对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵p=0,1,…,P-1,q=0,1,…,Nfft-1,其中P表示总的窗数,Nfft表示FFT变换长度;p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换;
步骤三,对步骤二中得到的跳频混合信号时频域矩阵进行预处理;
步骤四,利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用l=1,2,...表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的p≠ph以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
步骤五,根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
步骤六,对不同跳频点之间的时频域跳频源信号进行拼接;
步骤七,根据源信号时频域估计值,恢复时域跳频源信号;对每一采样时刻p(p=0,1,2,…)的频域数据Yn(p,q),q=0,1,2,…,Nfft-1做Nfft点的IFFT变换,得到p采样时刻对应的时域跳频源信号,用yn(p,qt)(qt=0,1,2,…,Nfft-1)表示;对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理,得到最终的时域跳频源信号估计,具体公式如下:
这里Kc=Nfft/C,C为短时傅里叶变换加窗间隔的采样点数,Nfft为FFT变换的长度。
进一步,所述控制单元设置有求解模块,所述求解模块的信号处理方法包括:
第一步,保证次级用户网络能长时间工作,需对次级用户的发射功率进行限制,保证次级用户网络的平均发射功率低于限定值:
E{α0P0+α1P1+β0P0+β1P1}≤Pav (2)
式中Pav是次级用户发射机SU-Tx的最大平均发射功率,这的平均是指信道衰减系数hi,gss,gsp随机变量的期望;
第二步,认知无线电网络的首要任务是保护主用户网络的服务质量,故对网络的干扰功率进行了限制;根据基于合作感知的频谱共享网络模型,知道干扰只在主用户PU处于忙状态时发生,所以平均干扰功率约束写成如下形式:
E{gsp(β0P0+β1P1)}≤Qav (3)
第三步,确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率,关于检测概率的限制条件如下:
Pd≥Pth,Pdi≥pth,i=1,2…k (4)
第四步,根据上述限制条件下,建立以最大化次级网络的平均吞吐量为目标函数的最优化问题:
第五步,求解所建立的最优化问题,选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数;
具体包括以下的步骤:
1),对不等式约束条件组(4)取等号,简化Problem 1为Problem 2;
2),弱化对感知周期τs的求解,重点求解使平均吞吐量最大化的信号发射功率P0,P1;关于发射功率P0和P1的拉格朗日函数如下:
所以Problem 2的拉格朗日对偶优化问题为:
其中表示拉格朗日对偶函数;证明优化问题Problem2与Problem 3的最优值差值为零,说明优化问题Problem 2与其拉格朗日对偶优化问题Problem 3之间是等价的,故只需求Problem 3的最优解即可;该问题是一个关于双变量P0P1的联合规划问题,为此将分解成两个子优化问题:
看出SP1和SP2分别是关于P0P1的无约束凸优化问题,此时运用拉格朗日函数以及KKT条件,便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率:
其中:
当检测到主用户PU处于忙状态时,次级用户发射机SU-Tx的最优发射功率为:
其中:
式中[x]+=max{0,x};λ≥0,μ≥0是式(2)(3)的拉格朗日乘子。
本发明能真实反映监测体在水平方向(东南西北方向)与垂直方向三维的高精度变形沉降情况,形成监测体的变形三维趋势图。该平台能提供达亚毫米的监测精度,并根据监测的三维变形情况向用户提供可靠的报警提醒。
本发明适用于山体滑坡、铁路路基沉降,尾矿库、基坑、桥梁形变监测适(主要指监测体的水平位移与垂直位移)等方面。
本发明在不知道任何信道信息的条件下,仅根据接收到的多个跳频信号的混合信号,估计出跳频源信号,能在接收天线个数小于源信号个数的条件下,对多个跳频信号进行盲估计,仅仅利用了短时傅里叶变换,计算量小,容易实现,该方法在对跳频信号进行盲分离的同时,还能对部分参数进行估计,实用性强,具有较强的推广与应用价值。
附图说明
图1是本发明实施例提供的模块化搭建的通用北斗高精度测量平台原理框图。
具体实施方式
为能进一步了解本发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合图1对本发明的应用原理作详细的描述。
本发明实施例提供的模块化搭建的通用北斗高精度测量平台,包括数据采集终端、无线传输模块、数据处理单元和数据呈现终端,数据采集终端将采集到的数据传输至数据处理单元,数据处理单元将接收到的数据处理后通过无线传输模块发送至数据呈现终端进行显示。
所述数据采集终端包括微波开关(所述微波开关为SPDT多通道微波开关)和天线单元(天线单元为包括若干根独立的天线,天线的数量与SPDT多通道微波开关的通道数量相同);所述数处理单元包括GNSS接收机和控制单元(控制单元为ARM9170);所述数据呈现终端包括网络模块和路由模块,微波开关通过馈线与天线单元连接,所述微波开关分别与GNSS接收机、控制单元连接,所述GNSS接收机与控制单元通过高速串口连接,所述路由模块与控制单元通过网络模块连接,控制单元处理后的数据通过路由模块发送至数据呈现终端,所述GNSS接收机连接外部+12V电源模块。
控制单元主要完成来自于控制终端的命令与对北斗信号的采集存储,根据控制终端的指令完成对北斗信号的收集、存储,并按要求将采集的信号回传回控制中心。
无线传输模块选用移动、电信、联通2G/3G/4G通信模块或无线WIFI模块。
控制单元对收集的北斗信号进行相对测量计算,并得出基于基准点的监测点位置(东、北、高三维方向位置信息),控制单元完成对终端接收机收集文件的获取、匹配并根据数据解算模块的要求对基站站、监测站文件进行配对,用已完成位置解算;控制单元根据解算任务量(基准站,监测站的数量)大小,合理启动多线程,控制单元完成位置解算。
数据呈现终端采用互联网技术,将精度解算结果通过浏览器或手机App发布给终端客户。
是三次指数平滑法的初始值,其取值为
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α可在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20);
计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;计算间接信任值:综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
由直接信任值和间接信任值整合计算得出综合信任值;综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值;
步骤二,对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵p=0,1,…,P-1,q=0,1,…,Nfft-1,其中P表示总的窗数,Nfft表示FFT变换长度;p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换;
步骤三,对步骤二中得到的跳频混合信号时频域矩阵进行预处理;
步骤四,利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用l=1,2,...表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
步骤五,根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
步骤六,对不同跳频点之间的时频域跳频源信号进行拼接;
步骤七,根据源信号时频域估计值,恢复时域跳频源信号;对每一采样时刻p(p=0,1,2,…)的频域数据Yn(p,q),q=0,1,2,…,Nfft-1做Nfft点的IFFT变换,得到p采样时刻对应的时域跳频源信号,用yn(p,qt)(qt=0,1,2,…,Nfft-1)表示;对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理,得到最终的时域跳频源信号估计,具体公式如下:
这里Kc=Nfft/C,C为短时傅里叶变换加窗间隔的采样点数,Nfft为FFT变换的长度。
进一步,所述控制单元设置有求解模块,所述求解模块的信号处理方法包括:
第一步,保证次级用户网络能长时间工作,需对次级用户的发射功率进行限制,保证次级用户网络的平均发射功率低于限定值:
E{α0P0+α1P1+β0P0+β1P1}≤Pav (2)
式中Pav是次级用户发射机SU-Tx的最大平均发射功率,这的平均是指信道衰减系数hi,gss,gsp随机变量的期望;
第二步,认知无线电网络的首要任务是保护主用户网络的服务质量,故对网络的干扰功率进行了限制;根据基于合作感知的频谱共享网络模型,知道干扰只在主用户PU处于忙状态时发生,所以平均干扰功率约束写成如下形式:
E{gsp(β0P0+β1P1)}≤Qav (3)
第三步,确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率,关于检测概率的限制条件如下:
Pd≥Pth,Pdi≥pth,i=1,2…k (4)
第四步,根据上述限制条件下,建立以最大化次级网络的平均吞吐量为目标函数的最优化问题:
第五步,求解所建立的最优化问题,选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数;
具体包括以下的步骤:
1),对不等式约束条件组(4)取等号,简化Problem 1为Problem 2;
2),弱化对感知周期τs的求解,重点求解使平均吞吐量最大化的信号发射功率P0,P1;关于发射功率P0和P1的拉格朗日函数如下:
所以Problem 2的拉格朗日对偶优化问题为:
其中表示拉格朗日对偶函数;证明优化问题Problem2与Problem 3的最优值差值为零,说明优化问题Problem 2与其拉格朗日对偶优化问题Problem 3之间是等价的,故只需求Problem 3的最优解即可;该问题是一个关于双变量P0P1的联合规划问题,为此将分解成两个子优化问题:
看出SP1和SP2分别是关于P0P1的无约束凸优化问题,此时运用拉格朗日函数以及KKT条件,便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率:
其中:
当检测到主用户PU处于忙状态时,次级用户发射机SU-Tx的最优发射功率为:
其中:
式中[x]+=max{0,x};λ≥0,μ≥0是式(2)(3)的拉格朗日乘子。
本发明能真实反映监测体在水平方向(东南西北方向)与垂直方向三维的高精度变形沉降情况,形成监测体的变形三维趋势图。该平台能提供达亚毫米的监测精度,并根据监测的三维变形情况向用户提供可靠的报警提醒。
本发明适用于山体滑坡、铁路路基沉降,尾矿库、基坑、桥梁形变监测适(主要指监测体的水平位移与垂直位移)等方面。
本发明在不知道任何信道信息的条件下,仅根据接收到的多个跳频信号的混合信号,估计出跳频源信号,能在接收天线个数小于源信号个数的条件下,对多个跳频信号进行盲估计,仅仅利用了短时傅里叶变换,计算量小,容易实现,该方法在对跳频信号进行盲分离的同时,还能对部分参数进行估计,实用性强,具有较强的推广与应用价值。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (3)
1.一种模块化搭建的通用北斗高精度测量平台,其特征在于,包括数据采集终端、无线传输模块、数据处理单元和数据呈现终端;
所述数据采集终端将采集到的数据传输至数据处理单元;
所述数据处理单元将接收到的数据处理后通过无线传输模块发送至数据呈现终端;
所述数据呈现终端对无线传输模块传输的数据处理单元处理后的数据进行显示;
所述数据采集终端包括微波开关和天线单元;所述数据处理单元包括GNSS接收机和控制单元;所述数据呈现终端包括网络模块和路由模块;
微波开关通过馈线与天线单元连接,所述微波开关分别与GNSS接收机、控制单元连接,所述GNSS接收机与控制单元通过高速串口连接,所述路由模块与控制单元通过网络模块连接,控制单元处理后的数据通过路由模块发送至数据呈现终端,所述GNSS接收机连接外部+12V电源模块;
所述GNSS接收机设置有同步正交跳频信号盲源分离模块,
所述同步正交跳频信号盲源分离模块用于GNSS接收机对接收的信号进行处理,得到M路离散时域混合信号;所述步正交跳频信号盲源分离模块的信号处理方法包括:
步骤一,利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号采集阵列天线节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;直接信任值的具体计算步骤为:采集网络观测节点i与节点j之间的n个时间片的交互次数:选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;预测第n+1个时间片的交互次数:根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α可在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20);
计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;计算间接信任值:综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
由直接信任值和间接信任值整合计算得出综合信任值;综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值;
步骤二,对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵p=0,1,…,P-1,q=0,1,…,Nfft-1,其中P表示总的窗数,Nfft表示FFT变换长度;p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换;
步骤三,对步骤二中得到的跳频混合信号时频域矩阵进行预处理;
步骤四,利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
步骤五,根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
步骤六,对不同跳频点之间的时频域跳频源信号进行拼接;
步骤七,根据源信号时频域估计值,恢复时域跳频源信号;对每一采样时刻p(p=0,1,2,…)的频域数据Yn(p,q),q=0,1,2,…,Nfft-1做Nfft点的IFFT变换,得到p采样时刻对应的时域跳频源信号,用yn(p,qt)(qt=0,1,2,…,Nfft-1)表示;对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理,得到最终的时域跳频源信号估计,具体公式如下:
这里Kc=Nfft/C,C为短时傅里叶变换加窗间隔的采样点数,Nfft为FFT变换的长度。
2.如权利要求1所述的模块化搭建的通用北斗高精度测量平台,其特征在于,所述微波开关为SPDT多通道微波开关,所述天线单元为包括若干根独立的天线,天线的数量与SPDT多通道微波开关的通道数量相同;
所述控制单元为ARM9170。
3.如权利要求1所述的模块化搭建的通用北斗高精度测量平台,其特征在于,所述控制单元设置有求解模块,所述求解模块的信号处理方法包括:
第一步,保证次级用户网络能长时间工作,需对次级用户的发射功率进行限制,保证次级用户网络的平均发射功率低于限定值:
E{α0P0+α1P1+β0P0+β1P1}≤Pav (2)
式中Pav是次级用户发射机SU-Tx的最大平均发射功率,这的平均是指信道衰减系数hi,gss,gsp随机变量的期望;
第二步,认知无线电网络的首要任务是保护主用户网络的服务质量,故对网络的干扰功率进行了限制;根据基于合作感知的频谱共享网络模型,知道干扰只在主用户PU处于忙状态时发生,所以平均干扰功率约束写成如下形式:
E{gsp(β0P0+β1P1)}≤Qav (3)
第三步,确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率,关于检测概率的限制条件如下:
Pd≥Pth,Pdi≥pth,i=1,2…k (4)
第四步,根据上述限制条件下,建立以最大化次级网络的平均吞吐量为目标函数的最优化问题:
第五步,求解所建立的最优化问题,选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数;
具体包括以下的步骤:
1),对不等式约束条件组(4)取等号,简化Problem 1为Problem 2;
2),弱化对感知周期τs的求解,重点求解使平均吞吐量最大化的信号发射功率P0,P1;关于发射功率P0和P1的拉格朗日函数如下:
所以Problem 2的拉格朗日对偶优化问题为:
其中表示拉格朗日对偶函数;证明优化问题Problem 2与Problem 3的最优值差值为零,说明优化问题Problem 2与其拉格朗日对偶优化问题Problem 3之间是等价的,故只需求Problem 3的最优解即可;该问题是一个关于双变量P0P1的联合规划问题,为此将分解成两个子优化问题:
SP1:
SP2:
看出SP1和SP2分别是关于P0P1的无约束凸优化问题,此时运用拉格朗日函数以及KKT条件,便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率:
其中:
当检测到主用户PU处于忙状态时,次级用户发射机SU-Tx的最优发射功率为:
其中:
式中[x]+=max{0,x};λ≥0,μ≥0是式(2)(3)的拉格朗日乘子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610750160.7A CN106338270B (zh) | 2016-08-30 | 2016-08-30 | 一种模块化搭建的通用北斗高精度测量平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610750160.7A CN106338270B (zh) | 2016-08-30 | 2016-08-30 | 一种模块化搭建的通用北斗高精度测量平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106338270A CN106338270A (zh) | 2017-01-18 |
CN106338270B true CN106338270B (zh) | 2019-01-04 |
Family
ID=57823202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610750160.7A Active CN106338270B (zh) | 2016-08-30 | 2016-08-30 | 一种模块化搭建的通用北斗高精度测量平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106338270B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7080101B2 (ja) * | 2018-05-14 | 2022-06-03 | 株式会社クボタ | 作業車 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102404061B (zh) * | 2011-11-29 | 2014-04-02 | 中国人民解放军总参谋部第六十三研究所 | 适用于无线传感网的基于互相关的分布式信号检测实现方法 |
CN105307185B (zh) * | 2014-07-11 | 2018-09-04 | 中国人民解放军理工大学 | 一种基于数据净化的群智协同频谱感知方法 |
CN105025495B (zh) * | 2014-12-03 | 2018-09-21 | 东南大学 | 一种无线认知网络全局频谱信息协作感知方法 |
-
2016
- 2016-08-30 CN CN201610750160.7A patent/CN106338270B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106338270A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101606382B1 (ko) | 핑거프린팅 측위를 위한 데이터베이스 구축 방법 및 구축된 데이터베이스를 이용한 핑거프린팅 측위 방법 | |
CN104584090B (zh) | 使用智能计量器作为可靠的众包代理 | |
CN106792808A (zh) | 一种基于信道状态信息的室内环境下视距路径识别方法 | |
CN110351655A (zh) | 一种基于信号多径传播测量的室内定位方法及系统 | |
SG176445A1 (en) | System and method for estimating positioning error within a wlan-based positioning system | |
CN104135305A (zh) | 测距和定位系统 | |
Aernouts et al. | TDAoA: A combination of TDoA and AoA localization with LoRaWAN | |
JP2011523062A (ja) | 最良のwlan−ps導出解を選択することによるハイブリッド衛星/wlan測位システムを使用した位置を決定する方法及びシステム | |
CN107431995A (zh) | 实现对移动装置的估计位置的验证 | |
US9521645B1 (en) | Method and apparatus for filtering access points for WiFi positioning | |
CN109379711A (zh) | 一种定位方法 | |
US20240196361A1 (en) | Method of positioning a node in a cellular network | |
US8880092B1 (en) | Using smart meters to determine mobile wireless computing device location | |
CN105866732A (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 | |
CN106338270B (zh) | 一种模块化搭建的通用北斗高精度测量平台 | |
CN114144690A (zh) | 用于自动标记高精度室内定位和确定位置信息的设备和方法 | |
CN105657820B (zh) | 一种用于定位室内的目标用户设备的方法及装置 | |
US11125851B2 (en) | Generate a radio map for indoor navigation | |
CN101627317A (zh) | 用于估计基于wlan的定位系统中的定位误差的系统和方法 | |
KR20220124265A (ko) | 무선 네트워크들에서 신호 소스들의 위치를 특정하기 위한 방법 | |
US9568588B2 (en) | Geolocation of wireless access points for wireless platforms | |
CN116489764A (zh) | 一种通信感知一体化的方法、设备和系统 | |
CN108540926A (zh) | 一种无线信号指纹的构建方法及装置 | |
Zubel et al. | Measurement method for construction of the radio environment maps supporting cognitive radios | |
KR101152384B1 (ko) | 액세스 포인트 측위 시스템 및 방법 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20181217 Address after: 730070 No. 118 Ning Ning Road, Anning District, Lanzhou, Gansu Applicant after: Lanzhou Jiaotong Univ. Address before: 730070 No. 118 Ning Ning Road, Anning District, Lanzhou, Gansu Applicant before: Yang Zhifei |