CN106488557B - 基于WiFi信号的LDCC-PDF分级时延估计方法 - Google Patents
基于WiFi信号的LDCC-PDF分级时延估计方法 Download PDFInfo
- Publication number
- CN106488557B CN106488557B CN201610970018.3A CN201610970018A CN106488557B CN 106488557 B CN106488557 B CN 106488557B CN 201610970018 A CN201610970018 A CN 201610970018A CN 106488557 B CN106488557 B CN 106488557B
- Authority
- CN
- China
- Prior art keywords
- time delay
- signal
- peak
- time
- delay
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于WiFi信号的LDCC‑PDF分级时延估计方法,首先采用Wi‑Fi标准信号作为定位信号,建立多径环境下的时域信道模型,经过室内无线多径信道传播,得到时域接收信号;采用基于前沿检测的互相关进行粗时延估计,再利用不同数据子载波收发相位差线性拟合技术得到精时延估计,进而结合二者结果得到最终时延估计结果。本发明无需更改现有无线局域网配置,应用便捷、成本低,有效解决了目前采用超宽带、蓝牙、射频标签等信号进行高精度室内定位成本高、不易部署的弊端,具备较高的实用价值,对实现和推广高精度室内定位产品和服务具有实际意义。
Description
技术领域
本发明属于室内定位技术领域,特别涉及一种基于WiFi信号的LDCC-PDF分级时延估计方法,使得在采用成本较低的WiFi技术进行定位的情况下也能获得理想的室内定位精度和效果。
背景技术
现代社会的飞速发展和城市化节奏的不断加快使人们对于位置服务的需求越来越大,成熟的GPS技术为人们提供了较为精确的室外定位导航服务(定位精度一般可达6-10米),但日常出入的一些室内环境,如写字楼、商场超市、地下停车场等,往往因其处于卫星信号的覆盖盲区且移动数据网络信号也比较微弱,而使人们无法实时获取精确位置信息,因此寻找有效的高精度室内定位方法和技术具有重要意义,目前也是定位领域的研究热点。相较于采用UWB、红外线、RFID、蓝牙等信号的现有定位技术,基于IEEE 802.11标准的无线局域网(Wi-Fi)因其低成本和广泛普及性在高精度室内定位方面更具有研究价值和应用前景。据大量文献分析,早期基于Wi-Fi室内定位方法的研究大多针对Wi-Fi信号强度(RSSI)展开,通过无线信号传播损耗模型建立信号强度与传播距离之间的映射关系,但该类方法受室内实时环境变化因素影响较大,定位效果较差。为了克服这类问题,基于RSSI的位置指纹法被相继提出,且不断改进更新,相关文献表示目前指纹法的定位精度可达1.6-5m。然而,要得到精度较高的指纹法需要以大量繁重的数据采集、预处理和后期维护工作为代价,且实际中室内人员或物体移动的随机性也将导致指纹地图性能下降甚至失效。因此,采用基于到达时间(Time Of Arrival,TOA)时延估计测距技术的Wi-Fi定位方案更具鲁棒性,但由于无线信号的高速传播,该类方法对TOA估计精度要求非常高,1m以内的定位精度需大约3ns的时延估计精度。
传统的基带信号时延估计算法主要为互相关算法和相位检测法。采用互相关,将接收信号与本地信号进行互相关运算,提取相关峰值得到估计值,算法简单易实现但受限于系统采样率与带宽,估计精度达不到要求。802.11n标准的采样周期为0.05μs,一个采样点偏移将导致15米的误差。相位检测法利用连续波发射到接收的相位差与时延成正比的特性来估计时延,精度优于相关法,但易受相位噪声影响,且当传输时延较大时存在相位模糊,因此测距范围很小。为提高时延估计精度,国外学者A.Makki等人首次提出了一种将互相关与相位差方法结合,运用于802.11g收发信号的高精度时延估计算法,该算法在理想视距单径传输环境下,基于WARP信号收发平台的实际测量定位误差为49cm。
为克服基带信号采样周期的估计精度限制,部分学者提出采用过采样的方案,跳过现有无线局限网硬件设置,通过使用采样率高达1GS/s的A/D芯片和信号预处理算法,达到高分辨率(亚米级)的时延估计精度。这类方法的局限在于需要使用额外硬件配置,增加功耗和成本。在室内多径非视距环境下,上述算法的估计性能都将明显下降,甚至失效。为克服多径效应影响,学者们提出了一些频域超分辨算法来提高时延估计精度,如MUSIC、ESPRIT及其改进算法等,这些算法需要预先估计多径数目,再进行矩阵特征值分解,利用谱峰搜索得到TOA估计值。目前这类算法在实际测量中可以提供3-5米的定位精度,但往往需要以很高的信噪比和计算复杂度作为代价,硬件实现成本较高。
发明内容
为克服现有技术中的不足,本发明提供一种基于WiFi信号的LDCC-PDF分级时延估计方法,从实时定位应用角度出发,在无需改变系统硬件配置的条件下,结合基于前沿检测(Leading-edge Detection,LD)的互相关(Cross-Correlation,CC)技术和子载波相位差拟合(Phase Difference Fit,PDF)技术,满足高精度室内的定位需求。
按照本发明所提供的设计方案,一种基于WiFi信号的LDCC-PDF分级时延估计方法,包含如下步骤:
步骤1、采用Wi-Fi标准信号作为定位信号,建立多径环境下的时域信道模型,经过室内无线多径信道传播,得到时域接收信号,并建立不同收发子载波相位偏移与子载波频率间的关系;
步骤2、对接收信号进行LDCC分步检测粗时延估计,得到粗时延估计值τcoarse;
步骤3、根据步骤1中得出的关系,在粗时延估计的基础上对接收信号不同数据子载波间收发相位差进行线性拟合,得到精时延估计值τfine;
步骤4、将步骤2中得到的粗时延估计值和步骤3中得到的精时延估计值相加,得到最终估计结果τ,即τ=τcoarse+τfine。
上述的,步骤1具体包含如下内容:
步骤1.1、采用802.11nWi-Fi标准信号作为定位信号;
步骤1.2、根据前导码中的长训练序列,选用单天线收发信号,建立多径环境下的时域信道模型其中,Lp为多径数,τi分别为第i条径的复衰落系数和传播时延;
步骤1.3、发送信号s(t)通过多径信道传播后,得到时域接收信号y(t),其表示为:
根据发送信号:得到:其中,表示第k个子载波上的接收数据,Sk表示第k个子载波上的发送数据,Nk是复高斯白噪声,ΔF是子载波间隔;根据相位变化的周期性,单个采样周期内引起的第i条径上的第k子载波的接收数据相对于发送数据的相移表示为则相隔δ个子载波间的相移差为:若时延一定时,不同收发子载波间的相位偏移差与子载波频率差成线性关系;当δ=1时,拟合斜率即为相邻子载波间的相移差,则第i条径上的精确小数倍采样间隔时延表示为m为拟合斜率。
上述的,步骤2具体包含如下内容:
步骤2.1、最大峰值检测,接收信号经下变频后变为基带信号,经采样率为fs的系统采样后,接收基带信号序列为y(n),将其与本地序列进行互相关处理,即:其中,L为相关长度,则最大峰值pm=max(r(n)),相关值最大时对应的采样点数
步骤2.2、首达峰检测,在待定位环境,预先通过实验测试设定首达峰最优阈值ξopt,根据最优判决门限确定首达峰搜索区域Dξ={p|p>ξ·pm},则该区域内出现的第一个峰即为首达径所在的时延最小峰,峰值记为pξ,对应时延采样点记为d2;
步骤2.3、判断是否满足d2≤d1,若满足,则进入步骤2.4,否则,令d2=d1,进入步骤2.4;
步骤2.4、首达峰前沿检测,在估计首达峰所在的峰上设置阈值η,则该阈值η所对应的较小时延即为该峰前沿上的TOA粗估计值,记录该时延采样点为d3;
步骤2.5、判断是否满足d3≤d2,若满足,则进入步骤2.6,否则,令d3=d2,进入步骤2.6;
步骤2.6、根据采样频率fs,根据计算公式得到粗时延估计值τcoarse。
优选的,步骤2.2中的预先通过实验测试设定首达峰最优阈值ξopt,具体包含如下内容:选取某门限ξ,拟定首达径搜索区域Dξ={p|p>ξ·pm},记录该区域内出现的第一个峰,并记当前峰值时延为τξ,与真实时延值t相比求误差,通过N次测量,使时延估计的平均误差达到最小的ξ即为最优门限ξopt,其中,N大于1的整数。
上述的,步骤3具体包含如下内容:
步骤3.1、利用粗时延估计值对原始接收数据y(n)进行采样点同步校正,再进行FFT,得到接收频域数据Yk;
步骤3.2、计算各个子载波上的收发信号相位差其中,k=1,2,3,…,52;
步骤3.3、进行相位差去模糊处理,并计算相位差随不同子载波变化的最小均方误差拟合斜率m,根据第i条径上的小数倍采样间隔时延公式得到第i条径上单个采样间隔内的传播时延τi,f;
步骤3.4、令i=0,首径的小数倍到达时延τ0,fine即为所求精时延估计值τfine。
本发明的有益效果:
1、本发明采用IEEE 802.11n标准基带信号,利用其前导训练序列,以系统采样周期为基础,将时延估计分为整数倍采样粗估计和小数倍采样精估计两级时延估计,首先采用基于前沿检测的互相关进行粗时延估计,再利用不同数据子载波收发相位差线性拟合技术得到精时延估计,进而结合二者结果得到足够满足高精度室内定位需求的时延估计结果;且无需更改现有无线局域网配置,其应用便捷性和低成本性有效解决了目前采用超宽带、蓝牙、射频标签等信号进行高精度室内定位成本高、不易部署的弊端,具备较高的实用价值,对实现和推广高精度室内定位产品和服务具有实际意义。
2、本发明模拟真实信号非视距多径传播的现实环境,通过结合传统互相关时延估计方法简单易实现、抗噪声性能好、估计范围大以及子载波相位差方法估计精度高的多重优势,解决了现有WiFi时延估计精度较差、定位结果不准确的问题,同时也避免了使用超分辨时延估计算法的高复杂性。
3、本发明所采用的定位信号为802.11n单个长训练序列,运算复杂度低,速度快,实时性高,同时也可通过连续发送多个定位数据包来进一步提高定位的准确性;可同时满足实际移动定位实时性需求和高精度需求。
附图说明:
图1为本发明的流程示意图;
图2为本发明LDCC粗时延估计流程示意图;
图3为本发明PDF精时延估计流程示意图;
图4为仿真实验(1)单径信道下传统最大峰值检测粗时延估计结果图;
图5为仿真实验(1)多径条件下互相关结果的输出示意图;
图6为仿真实验(1)的最优检测门限测试结果图;
图7为仿真实验(1)多径条件下LDCC各步粗时延估计检测结果对比图;
图8为仿真实验(2)的收发子载波初始相位差及其线性拟合结果图;
图9为仿真实验(2)的PDF精时延估计在单径和多径下的性能对比图;
图10为仿真实验(3)本发明在单径条件下与其它方法的性能对比图;
图11为仿真实验(3)本发明在多径条件下与其它方法的性能对比图。
具体实施方式:
下面结合附图和技术方案对本发明作进一步详细的说明,并通过优选的实施例详细说明本发明的实施方式,但本发明的实施方式并不限于此。
实施例一,参见图1所示,一种基于WiFi信号的LDCC-PDF分级时延估计方法,包含如下步骤:
步骤1、采用Wi-Fi标准信号作为定位信号,建立多径环境下的时域信道模型,经过室内无线多径信道传播,得到时域接收信号,并建立不同收发子载波相位偏移与子载波频率间的关系;
步骤2、对接收信号进行LDCC分步检测粗时延估计,得到粗时延估计值τcoarse;
步骤3、根据步骤1中得出的关系,在粗时延估计的基础上对接收信号不同数据子载波间收发相位差进行线性拟合,得到精时延估计值τfine;
步骤4、将步骤2中得到的粗时延估计值和步骤3中得到的精时延估计值相加,得到最终估计结果τ,即τ=τcoarse+τfine。
本发明首先采用基于前沿检测的互相关进行粗时延估计,再利用不同数据子载波收发相位差线性拟合技术得到精时延估计,进而结合二者结果得到足够满足高精度室内定位需求的时延估计结果;且无需更改现有无线局域网配置,其应用便捷性和低成本性有效解决了目前采用超宽带、蓝牙、射频标签等信号进行高精度室内定位成本高、不易部署的弊端,具备较高的实用价值,对实现和推广高精度室内定位产品和服务具有实际意义。
实施例二,参见图1~11所示,一种基于WiFi信号的LDCC-PDF分级时延估计方法,具体内容如下:
步骤1,建立WiFi标准发射信号模型,经过室内无线多径信道传播,得到有用接收信号。采用OFDM调制且支持多天线技术的802.11n Wi-Fi信号作定位信号,利用传统前导码中的长训练序列进行时延估计。第iTx个天线上发送的长训练序列的时域信号可表示为:
其中,Lk是长训练符号53个数据子载波上的频域序列,包含52个非零数据子载波和一个直流载波,且
L-26,26={1,1,-1,-1,1,1,-1,1,-1,1,1,1,1,1,1,-1,-1,1,1,-1,1,-1,1,1,1,1,0,1,-1,-1,1,1,-1,1,-1,1,-1,-1,-1,-1,-1,1,1,-1,-1,1,-1,1,-1,1,1,1,1}
其中,NTx为发射天线数,ΔF是子载波间隔(312.5kHZ),表示第iTx个天线上的循环移位时延,TGI为长前导符号的保护间隔1.6μs。
为便于分析,选用单天线收发信号,则发送信号表示为
在无线通信中,多径环境下的时域信道模型表示为
其中,Lp为多径数,τi分别为第i条径的复衰落系数和传播时延,随时间变化,且有实际中由于Wi-Fi接入点与移动终端的相对运动较慢,信道变化相对于一次短暂的测量时间来说非常缓慢,因此,在单一测量中认为第i条径的传播时延和复衰落系数都是不变的,且θi(t)在(0,2π)内服从均匀分布,因此,各多径分量的复衰落系数相互独立。
τ0为首径传播时延,即所估计的信号传播TOA。在LOS传播环境中,τ0表示为信号传播最短直射路径所需时延;NLOS环境中,τ0为第一个含有信号成分的信号径的到达时间,可能是穿透障碍物的直射径,也可能是经反射和散射后的信号径。
则可得到发送信号经过多径信道后的时域接收信号:
根据发送信号:得到:
其中,
表示第k个子载波上的接收数据,Nk是复高斯白噪声,ΔF是子载波间隔;根据相位变化的周期性,单个采样周期内引起的第i条径上的第k子载波的接收数据相对于发送数据的相移表示为则相隔δ个子载波间的相移差为:
若时延一定时,不同收发子载波间的相位偏移差与子载波频率差成线性关系;当δ=1时,拟合斜率即为相邻子载波间的相移差,则第i条径上的精确小数倍采样间隔时延表示为m为拟合斜率。
步骤2.对接收信号进行分步检测粗时延估计,如图2所示,具体方案包括以下三步:
Step1.最大峰值检测:
首先进行互相关检测,射频接收信号经下变频后变为基带信号,经采样率为fs的系统采样后,接收基带信号序列为y(n),将其与本地序列进行互相关处理,
其中L为相关长度,记pm为最大峰值,d1为相关值最大时对应的采样点数,即
Step2.首达峰检测:
多径环境下TOA估计的目标在于寻找信号的首达径,检测出第一个含有信号的相关峰。首先在待定位环境,预先通过实验测试设定最优阈值ξopt。具体方法为:选取某门限ξ,拟定首达径搜索区域Dξ={p|p>ξ·pm},记录该区域内出现的第一个峰,并记当前峰值时延为τξ,与真实时延值t相比求误差,通过N次测量,使时延估计的平均误差达到最小的ξ为最优门限ξopt。再根据最优判决门限确定首达峰搜索区域D={p|p>ξopt·pm},该区域内出现的第一个峰即为首达径所在的峰(时延最小峰),峰值为pξ,对应时延采样点为d2。
Step3.首达峰前沿检测:
由于多径信号比LOS信号在传播时间上有一个附加的时延,首达径相关峰的前沿受多径叠加和干扰影响更小,因而其TOA估计可信度更高。在估计首达径所在峰上设置一新的阈值η,则该阈值所对应的较小时延即为该峰前沿上的TOA粗估计值,记录该时延采样点为d3。
最后判断以上三步所得时延采样点位置是否满足实际估计需求,保证d3≤d2≤d1,则最终粗时延估计值为
步骤3,根据步骤1中得出的关系,在粗时延估计的基础上对接收信号不同数据子载波间收发相位差进行线性拟合,得到精时延估计值τfine,具体实施过程分为以下步骤:
Step1:利用前期时域TOA粗估计值对原始接收数据y(n)进行采样点同步校正,再进行FFT,得到接收频域数据
Step2:计算各个子载波上的收发信号相位差其中,k=1,2,3,…,52;Step3:进行相位差去模糊处理,并计算相位差随不同子载波变化的最小均方误差拟合斜率m,根据第i条径上的小数倍采样间隔时延公式得到第i条径上单个采样间隔内的传播时延τi,f。
Step4:结合粗时延估计,令i=0,首径的小数倍到达时延τ0,fine即为所求精时延估计值τfine。
步骤4.将粗时延估计值和精时延估计值相加得到最终结果:τ=τcoarse+τfine。
为了验证所提发明的有效性,下面通过计算机仿真实验对本发明做进一步说明:
仿真条件:
为了使发明方法不失一般性,且满足实际Wi-Fi相关产品最低参数需求,本计算机仿真均采用IEEE 802.11n物理层协议规定的必选功能参数设置,具体如下所示:
附表 本发明计算机仿真实验参数设置
根据本发明提出的LDCC-PDF分级时延估计的两个阶段——粗时延估计和精时延估计,分别对其进行仿真分析,并给出本发明与其它两种时延估计方法在不同实验环境下的综合对比结果分析。仿真实验设计如下:
(1)LDCC粗时延估计性能仿真
首先在单径信道下设置附表所示参数进行粗时延估计仿真,对接收信号和发送信号进行互相关后,仅采用传统最大峰值检测算法进行Monte Carlo仿真,时延整数倍采样点随信噪比变化的正确检测概率如图4所示,可见当环境信噪比较高时,最大峰值检测粗时延估计效率很高,20dB以上正确检测概率趋于稳定可达100%。多径信道下,对收发信号进行互相关,部分互相关结果输出如图5所示,图中可清楚地看到真实整数倍时延(采样点为10)对应的并非最大相关峰值(采样点为12),而是出现在最大峰的前一个峰上,最大峰值检测性能将严重下降。
接下来采用本发明所设计的分步检测法进行粗时延估计。本发明所设计的LDCC分步时延估计方法中预先对首达峰检测的最优阈值进行估计,结果如图6所示,因此选择首达峰最优检测阈值为0.4。且在其它条件一定的情况下,不同多径信道环境下测试所得最优检测门限均分布于0.4-0.5倍最大峰值之间,证明该最优门限值在相似的信号传播环境中具有较好的普适性。首达峰前沿检测阈值η根据经验设为0.8pξ,按照分步检测粗时延估计方法进行Monte Carlo仿真,则互相关峰值检测、首达峰检测和首达峰前沿检测的整数倍粗时延估计正确检测概率如图7所示,可见在室内多径信号传播环境下,最大峰值检测严重恶化,正确率仅为0.2-0.3,经过首达峰检测和前沿检测处理后,正确概率大幅提升,可达到85%以上。注意到当信噪比小于0时,噪声分量为主要成分,本发明方法性能受到严重影响,但当信噪比大于0后,性能趋于均衡,说明当信号分量大于噪声分量时,本发明设计的LDCC分步粗时延估计方法抗噪声性能较好。
(2)PDF精时延估计性能仿真
由粗估计结果对时域接收信号进行采样点对齐后通过FFT变换到频域,得到收发信号各数据子载波上的相位差(图8上),相位偏移量随子载波序号呈线性变化,其中部分子载波相位偏移发生了2π的模糊,这是由接收信号部分子载波解调时发生相位旋转造成的,将其判断为相位差模糊噪声,对其进行去模糊处理,对调整后的相位差进行最小均方误差线性拟合(图8下),则小数倍精确时延可由线性拟合斜率得到。分别在单径和多径环境下测试算法性能,如图9所示,单径估计性能明显优于多径,且受信噪比影响较小;多径条件下,高信噪比(>20dB)时误差低于0.1ns,信噪比较低(<20dB)时的误差依然可以达到ns级,满足高精度室内定位需求。
(3)LDCC-PDF分级时延估计算法性能仿真
为验证所提发明的实际应用性能,将其与抗多径时延估计超分辨算法的经典算法MUSIC和学者A.Makki等人提出的方法(称为A方法)作对比,分别在单径和多径条件下测试其算法性能,仿真参数如表所示,实验结果如图10和图11所示。
分析结果可知,单径环境下,三者时延均方误差均可达到ns级,信噪比较低时本发明和A方法接近,比MUSIC性能更好,定位误差基本可控制到1m以内;当信噪比较高时,三者性能趋向稳定,MUSIC算法更优,但本发明的估计精度也可满足室内定位需求,均方根时延误差小于1ns,即定位误差小于0.3m。
多径环境下,图中可明显看出信噪比较低时,由于估计先验信息受噪声影响较大,MUSIC算法已经基本失效,A方法也因粗估计失效导致最终估计精度达不到定位需求。本发明的方法虽然性能比单径有所下降,但依然能够保持比较稳定的估计精度,高信噪比时达到3ns的均方误差,即定位精度可达到1m以下。
从计算复杂度上分析,MUSIC算法的复杂度较高,主要包括协方差矩阵估计、特征值分解和谱峰搜索三个部分,其中谱峰搜索计算量取决于时延搜索网格数,搜索网格越多,估计精度越高,但计算复杂度也会相应增加;A方法的计算复杂度主要集中在一次求信号互相关和两次FFT计算上,运算量远远小于超分辨算法;与A方法相比,本发明在粗估计过程中多了两次相关值搜索,但由于阈值搜索范围较小,运算量并未增加太多。
此外,与超分辨算法相比,本发明涉及到的算法如互相关、FFT计算和求相位等,软硬件实现都比较容易,成本较低,适宜实际环境应用推广。
本发明不局限于上述具体实施方式,本领域技术人员还可据此做出多种变化,但任何与本发明等同或者类似的变化都应涵盖在本发明权利要求的范围内。
Claims (3)
1.一种基于WiFi信号的LDCC-PDF分级时延估计方法,其特征在于:包含如下步骤:
步骤1、采用Wi-Fi标准信号作为定位信号,建立多径环境下的时域信道模型,经过室内无线多径信道传播,得到时域接收信号,并建立不同收发子载波相位偏移与子载波频率间的关系;
步骤2、对接收信号进行LDCC分步检测粗时延估计,得到粗时延估计值τcoarse;
步骤3、根据步骤1中得出的关系,在粗时延估计的基础上对接收信号不同数据子载波间收发相位差进行线性拟合,得到精时延估计值τfine;
步骤4、将步骤2中得到的粗时延估计值和步骤3中得到的精时延估计值相加,得到最终估计结果τ,即τ=τcoarse+τfine;
所述步骤1具体包含如下内容:
步骤1.1、采用802.11nWi-Fi标准信号作为定位信号;
步骤1.2、根据前导码中的长训练序列,选用单天线收发信号,建立多径环境下的时域信道模型其中,Lp为多径数,τi分别为第i条径的复衰落系数和传播时延;
步骤1.3、发送信号s(t)通过多径信道传播后,得到时域接收信号y(t),其表示为:
根据发送信号:得到:其中,表示第k个子载波上的接收数据,Sk表示第k个子载波上的发送数据,Nk是复高斯白噪声,ΔF是子载波间隔;根据相位变化的周期性,单个采样周期内引起的第i条径上的第k子载波的接收数据相对于发送数据的相移表示为则相隔δ个子载波间的相移差为:若时延一定时,不同收发子载波间的相位偏移差与子载波频率差成线性关系;当δ=1时,拟合斜率即为相邻子载波间的相移差,则第i条径上的精确小数倍采样间隔时延表示为m为拟合斜率,
所述步骤2具体包含如下内容:
步骤2.1、最大峰值检测,接收信号经下变频后变为基带信号,经采样率为fs的系统采样后,接收基带信号序列为y(n),将其与本地序列进行互相关处理,即:
其中L为相关长度,则最大峰值pm=max(r(n)),相关值最大时对应的采样点数
步骤2.2、首达峰检测,在待定位环境,预先通过实验测试设定首达峰最优阈值ξopt,根据最优判决门限确定首达峰搜索区域Dξ={p|p>ξ·pm},则该区域内出现的第一个峰即为首达径所在的时延最小峰,峰值记为pξ,对应时延采样点记为d2;
步骤2.3、判断是否满足d2≤d1,若满足,则进入步骤2.4,否则,令d2=d1,进入步骤2.4;
步骤2.4、首达峰前沿检测,在估计首达峰所在的峰上设置阈值η,则该阈值η所对应的较小时延即为该峰前沿上的TOA粗估计值,记录该时延采样点为d3;
步骤2.5、判断是否满足d3≤d2,若满足,则进入步骤2.6,否则,令d3=d2,进入步骤2.6;
步骤2.6、根据采样频率fs,根据计算公式得到粗时延估计值τcoarse。
2.根据权利要求1所述的基于WiFi信号的LDCC-PDF分级时延估计方法,其特征在于:所述步骤2.2中的预先通过实验测试设定首达峰最优阈值ξopt,具体包含如下内容:选取某门限ξ,拟定首达径搜索区域Dξ={p|p>ξ·pm},记录该区域内出现的第一个峰,并记当前峰值时延为τξ,与真实时延值t相比求误差,通过N次测量,使时延估计的平均误差达到最小的ξ即为最优门限ξopt,其中,N大于1的整数。
3.根据权利要求1所述的基于WiFi信号的LDCC-PDF分级时延估计方法,其特征在于:所述步骤3具体包含如下内容:
步骤3.1、利用粗时延估计值对原始接收数据y(n)进行采样点同步校正,再进行FFT,得到接收频域数据Yk;
步骤3.2、计算各个子载波上的收发信号相位差其中,k=1,2,3,…,52;
步骤3.3、进行相位差去模糊处理,并计算相位差随不同子载波变化的最小均方误差拟合斜率m,根据第i条径上的小数倍采样间隔时延公式得到第i条径上单个采样间隔内的传播时延τi,f;
步骤3.4、令i=0,首径的小数倍到达时延τ0,fine即为所求精时延估计值τfine。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970018.3A CN106488557B (zh) | 2016-10-28 | 2016-10-28 | 基于WiFi信号的LDCC-PDF分级时延估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970018.3A CN106488557B (zh) | 2016-10-28 | 2016-10-28 | 基于WiFi信号的LDCC-PDF分级时延估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106488557A CN106488557A (zh) | 2017-03-08 |
CN106488557B true CN106488557B (zh) | 2019-05-03 |
Family
ID=58271514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610970018.3A Active CN106488557B (zh) | 2016-10-28 | 2016-10-28 | 基于WiFi信号的LDCC-PDF分级时延估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106488557B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465472B (zh) * | 2017-08-04 | 2020-05-19 | 华中科技大学 | 一种基于路径合成的多径时延估计方法 |
CN107994949B (zh) * | 2017-11-24 | 2019-06-25 | 中国电子科技集团公司第四十四研究所 | 多通道宽带微波光传输链路接收端稳相装置 |
CN109379151B (zh) * | 2018-11-02 | 2022-07-29 | 京信网络系统股份有限公司 | 时延估计方法、装置及系统 |
CN109195204B (zh) * | 2018-11-12 | 2021-02-12 | Oppo广东移动通信有限公司 | 无线网络接入方法及装置、计算机可读介质、通信终端 |
CN109541531B (zh) * | 2018-11-22 | 2020-07-31 | 中电科仪器仪表有限公司 | 一种降低频差对时间延迟估计影响的方法 |
CN112034419B (zh) * | 2020-09-08 | 2024-02-06 | 北京邮电大学 | 一种用于5g定位的传播时延估计方法和装置 |
CN112398566B (zh) * | 2020-11-16 | 2022-05-24 | 中国电子科技集团公司第二十九研究所 | 一种用于猝发通信体制的高精度到达时间计算方法及装置 |
CN112512116B (zh) * | 2020-11-25 | 2022-12-02 | 华东师范大学 | 一种基于5gsrs信号的自适应二次互相关toa估计方法 |
CN112867022B (zh) * | 2020-12-25 | 2022-04-15 | 北京理工大学 | 一种基于融合无线网络的云边协同环境感知方法及系统 |
CN113141651B (zh) * | 2021-06-23 | 2021-09-07 | 杭州优智联科技有限公司 | 一种uwb系统中获取首达径位置的方法、装置、设备及介质 |
CN115623585A (zh) * | 2021-07-16 | 2023-01-17 | 大唐移动通信设备有限公司 | 终端设备的定位方法、装置及存储介质 |
CN113702901B (zh) * | 2021-09-02 | 2024-06-11 | 南京航空航天大学 | 一种基于信号相关性增强的互相关时延估计方法 |
CN116614180B (zh) * | 2023-07-18 | 2023-11-17 | 北京融为科技有限公司 | 一种面向卫星激光通信的iq时延标校方法和装置 |
CN117851735B (zh) * | 2024-03-07 | 2024-05-28 | 四川思凌科微电子有限公司 | 一种简化的延时融合测距方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101170367A (zh) * | 2007-11-21 | 2008-04-30 | 湖南大学 | 一种超宽带无线电的快速时延估计算法 |
EP2254356A1 (en) * | 2008-03-04 | 2010-11-24 | Hitachi Ltd. | Network system and monitoring node |
CN102413540A (zh) * | 2011-08-25 | 2012-04-11 | 西安电子科技大学 | 基于认知的网络编码与路由相结合的自组织网络单播方法 |
CN103391263A (zh) * | 2012-05-09 | 2013-11-13 | 王东林 | 一种无数据调制ofdm目标定位中的时延估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140253389A1 (en) * | 2013-03-08 | 2014-09-11 | Qualcomm Incorporated | Ranging using wi-fi and ultrasound measurements communication |
-
2016
- 2016-10-28 CN CN201610970018.3A patent/CN106488557B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101170367A (zh) * | 2007-11-21 | 2008-04-30 | 湖南大学 | 一种超宽带无线电的快速时延估计算法 |
EP2254356A1 (en) * | 2008-03-04 | 2010-11-24 | Hitachi Ltd. | Network system and monitoring node |
CN102413540A (zh) * | 2011-08-25 | 2012-04-11 | 西安电子科技大学 | 基于认知的网络编码与路由相结合的自组织网络单播方法 |
CN103391263A (zh) * | 2012-05-09 | 2013-11-13 | 王东林 | 一种无数据调制ofdm目标定位中的时延估计方法 |
Non-Patent Citations (1)
Title |
---|
OFDM-WLAN系统互相关超分辨TOA估计;崔维嘉;《通信技术》;20150610;第48卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106488557A (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106488557B (zh) | 基于WiFi信号的LDCC-PDF分级时延估计方法 | |
US9829560B2 (en) | Determining the position of a mobile device using the characteristics of received signals and a reference database | |
US9173187B2 (en) | Determining the position of a mobile device using the characteristics of received signals and a reference database | |
US7139583B2 (en) | Positioning system and method based on time difference of arrival | |
US9002378B2 (en) | Method and system for estimation of mobile station velocity in a cellular system based on geographical data | |
CN112073895A (zh) | 一种基于csi高精度人员定位跟踪方法 | |
CN107132505A (zh) | 直达与非直达混合场景中的多目标直接定位方法 | |
US20100295731A1 (en) | Method for optimum bandwidth selection of time-of-arrival estimators | |
CN105510948A (zh) | 联合无线电信号复包络和载波相位信息的多目标直接定位方法 | |
CN103297924A (zh) | 基于信道估计的新型定位指纹设计方法及室内定位系统 | |
Wu et al. | A novel long-time accumulation method for double-satellite TDOA/FDOA interference localization | |
CN108919183A (zh) | 基于Hadamard积的OFDM信号空时二维定位参数快速估计方法 | |
CN103308883A (zh) | 一种基于单天线的到达角估计方法 | |
KR20090087557A (ko) | 실내 측위 시스템 및 방법 | |
Zhang et al. | A training-free multipath enhancement (TFME-RTI) method for device-free multi-target localization | |
CN103353589B (zh) | 一种基于相位的有效室内定位方法 | |
Cui et al. | Seeing is not always believing: Isac-assisted predictive beam tracking in multipath channels | |
Xie et al. | An enhanced TDoA approach handling multipath interference in Wi-Fi based indoor localization systems | |
Tian et al. | MIMO CSI-based super-resolution AoA estimation for Wi-Fi indoor localization | |
Öktem et al. | Power delay doppler profile fingerprinting for mobile localization in NLOS | |
CN1474196A (zh) | 无线定位中高精度、抗多径的窄带相关测距系统 | |
Abrardo et al. | Performance of TDOA-based radiolocation techniques in CDMA urban environments | |
Lee et al. | A channel state information-based localization using one-dimensional convolutional neural networks | |
Gunia et al. | Analysis and design of a MuSiC-based angle of arrival positioning system | |
Zhou et al. | A Spatial Spectrum Estimation Algorithm for 3D Localization and Mapping in ISAC |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |