CN107579798B - 无线传感器网络单节点多径信号抑制方法及通信信号的盲区识别方法 - Google Patents

Abstract

无线传感器网络单节点多径信号抑制方法及通信信号的盲区识别方法，涉及多径信号抑制技术及盲区识别技术，为了解决现有多径信号抑制方法复杂度高、耗时长，现有的盲区识别无法实现自动化的问题。本发明的方法包括：网络节点的部署，信息采集，变换：采用闭合型离散分数傅里叶变换的方法对各无线传感器节点得到的时域信号序列y(n)进行指定阶数的变换滤波，得到各无线传感器节点的多径信号分离结果；闭合型离散分数傅里叶变换的加权因子为分析，得到无线传感器节点接收到的真实信号强度信息，各无线传感器节点进行有效信息交换，识别出盲区。本发明适用于多径信号抑制及盲区识别。

Description

无线传感器网络单节点多径信号抑制方法及通信信号的盲区 识别方法

技术领域

本发明涉及多径信号抑制技术及盲区识别技术领域。

背景技术

无线传感器网络通信过程中，单个无线传感器节点采用闭合型离散分数傅里叶变换的信号滤波算法，实现多径信号的抑制。然而现有闭合型离散分数傅里叶变换存在着计算复杂度高，耗时长，工程实现困难的问题。

现有的盲区识别技术要么依赖用户对信号强度的积极上报，以帮助运营商改进基站部署策略，耗时长；要么依赖专业人员路测解决，耗时长且耗费资金。

发明内容

本发明的目的是为了解决现有多径信号抑制方法复杂度高、耗时长，现有的盲区识别无法实现自动化的问题，从而提供无线传感器网络单节点多径信号抑制方法及通信信号的盲区识别方法。

本发明所述的无线传感器网络单节点多径信号抑制方法，包括以下步骤：

步骤一、网络节点的部署：

进行网络节点的部署，即部署多个无线传感器节点和一个信息源节点；

步骤二、信息采集：

各无线传感器节点采集来自信息源节点的信号强度信息，得到时域信号序列y(n)；

步骤三、变换：

采用闭合型离散分数傅里叶变换的方法对各无线传感器节点得到的时域信号序列y(n)进行指定阶数的变换滤波，得到各无线传感器节点的多径信号分离结果；

闭合型离散分数傅里叶变换的加权因子为

其中，N为时域采样的点数，m为分数域变量，n为时域变量；

步骤四、分析：

在分数域内搜索多径信号分离结果的最大幅度，得到无线传感器节点接收到的真实信号强度信息，完成多径信号的抑制。

优选的是，步骤三中采用闭合型离散分数傅里叶变换的方法对各无线传感器节点得到的时域信号序列y(n)进行指定阶数的变换滤波，得到各无线传感器节点的多径信号分离结果；具体为：

对时域信号序列y(n)进行闭合型离散分数傅里叶变换，得到分数域信号序列Y_p(m)，

其中，M为分数域采样的点数，△u为分数域采样间隔，△t为时域采样间隔，α＝pπ/2，p为分数阶傅里叶变换的阶数；

对分数域信号序列Y_p(m)进行求模，得到多径信号分离结果。

优选的是，步骤四中，各无线传感器节点统一选取最强信号的径或是可分辨径的幅度加和作为真实信号强度信息。

本发明所述的通信信号的盲区识别方法，包括以下步骤：

根据无线传感器网络单节点多径信号抑制方法得到各无线传感器节点接收到的真实信号强度信息；

各无线传感器节点进行有效信息交换，识别出盲区，完成盲区识别。

本发明能够在低信噪比的情况下实现对快变的多径信号进行滤波，分离并剔除多径信号干扰，得到当前节点真实的信号接收强度。本发明采用的闭合型离散分数傅里叶变换算法相比现有的闭合型算法更易于工程实现，运算速度更快，且在所应用领域能够达到与已有算法相同的精度水平。

本发明能够使得盲区识别通过分布的无线传感器节点自动检测完成，耗时短。

附图说明

图1是具体实施方式一中的采用现有闭合型离散分数傅里叶变换方法得到的变换结果；

图2是具体实施方式一中的采用本发明的闭合型离散分数傅里叶变换方法得到的变换结果；

图3是具体实施方式一中的时域信号曲线图；

图4是具体实施方式一中的分数域的多径信号分离结果曲线图；

图5是具体实施方式一所述的无线传感器网络单节点多径信号抑制方法的流程图。

具体实施方式

下面将结合附图对本发明作进一步说明。

具体实施方式一：

为保证本实施方式的方法能够工作，需要做以下假设：

假设1：整个区域内的无线传感器节点之间能够通过有效的信息传递方式得知其余节点的采样值信息；

假设2：发射源能够恒定发送指定调频斜率及初始频率的线性调频信号；

假设3：整个区域内不考虑多普勒效应的影响，即发射节点与接收节点不存在相对运动；

本实施方式对无线网络节点中的单点接收信号进行滤波，以有效分辨出多径信号。整个装置系统由多个传感器节点和一个信息源节点组成。无线传感器节点能够对当前区域的信号接收强度进行采样，并对采样信息进行一定的处理；信息源节点为无线电波的发射源。

本实施方式所述的无线传感器网络单节点多径信号抑制方法，包括以下步骤：

步骤一、网络节点的部署：

进行网络节点的部署，即部署多个无线传感器节点和一个信息源节点；

步骤二、信息采集：

各无线传感器节点采集来自信息源节点的信号强度信息，得到时域信号序列y(n)；

步骤三、变换：

采用闭合型离散分数傅里叶变换的方法对各无线传感器节点得到的时域信号序列y(n)进行指定阶数的变换滤波，得到各无线传感器节点的多径信号分离结果；

闭合型离散分数傅里叶变换的加权因子为

其中，N为时域采样的点数，m为分数域变量，n为时域变量；

步骤四、分析：在分数域内搜索多径信号分离结果的最大幅度，得到无线传感器节点接收到的真实信号强度信息，完成多径信号的抑制。

多径效应：多径效应是移动无线通信的主要特征之一，由于无线传播环境的影响，在电波传播的路径上，电波产生了反射、绕射和散射，这样电波传输到接收端的时候将不是单一路径，而是多个路径，不同幅度不同相位信号的叠加。

假设发送的信号x(t)为：

x(t)＝Re{s(t)exp(j2πf_ct)} (1)

式中，f_c为载频，s(t)为发送的基带信号，Re{·}表示取实部。此信号经过多径信道时会受到多径效应的影响。假设第i条路径的长度为x_i，衰落系数为a_i，共k条路径，则接收到的信号y(t)可以表示为：

式中，c为光速；λ＝c/f_c为波长。将(2)式推导成复包络形式，则有：

y(t)＝Re{r(t)exp(j2πf_ct)} (3)

式中，是接收信号的复数形式，其中，τ_i为路径延时时间，r(t)是衰落，相移和时延都不同的各个路径的总和，这样的复包络会表现出由位置决定的对原始信号的不同衰落加权，导致采样的传感器节点可能位于多径衰落的深衰落点，使得采样的值不能准确地反应当前位置的信号分布状况，给盲区识别带来了很大的误差，致使盲区识别范围产生错误。

分数阶傅里叶变换：

分数阶傅里叶变换是传统傅里叶变换的广义形式，传统的傅里叶变换对信号的分析是一种全局性的变换，对于时变的信号，例如线性调频信号，不能起到好的分析效果；而分数傅里叶变换通过不同分数域角度的选取，可以反映频率变化因子的变化趋势，特别是对线性调频信号能起到很好的“聚焦性”。

连续分数阶傅里叶变换的公式为：

其中f(t)是待变换信号，K_p(u,t)是变换核，p是分数阶傅里叶变换的阶数，它的取值范围一般为p∈[0,1]，变换核K_p(u,t)的定义如下：

式中，u是分数域变量，t是时域变量，n是整数，α＝pπ/2，α表征了对信号进行对应阶数的分数傅里叶变换后，信号在时频域中逆时针旋转的角度。当α一定时A_α是一个常数。

闭合型离散分数傅里叶变换：

闭合型离散分数傅里叶变换算法使用合适的采样间隔对分数阶傅里叶变换进行离散化，使得分数傅里叶变换的运算过程得到化简，提高了运算速度，并且保留了连续算法的诸多好的性质，如累加性和旋转性。闭合型离散分数傅里叶变换表达式如下：

式中，N,M分别表示时域和分数域采样的点数，△u为分数域采样间隔，△t为时域采样间隔，在给定旋转角度α时，C可以认为是一个常数，因此，可以将待变换的信号y(n)和chirp₂(n)信号的乘积看成是一个整体x(n)，这样就有：

式中的与经典的快速傅里叶变换(FFT)形式极其相似，因此可以借助FFT算法来实现其运算过程，使得运算速度得到提升。

变换过程的原理为：

信息源节点发送的指定调频斜率和初始频率的线性调频信号形式为

式中，A(t)为信号幅度，为信号相位，且信号相位为0。f₀,f_m分别是线性调频信号的初始频率和调频斜率。发送信号通过多径信道之后，会在不同的路径受到不同的延时和幅度衰减，因此，接收节点处得到的接收信号表达形式为：

式中τ为不同路径的延时，a_i为不同路径的衰减系数。因此，不同的路径延时使得信号到达接收节点处的相位不同，这些不同可以使得接收的线性调频信号在指定阶数的分数傅里叶变换域中被完全分开。

本发明对变换过程中使用的现有闭合型分数傅里叶变换进行了改进，使得它能够适应工程实现的快速计算要求并节省硬件资源，具体改进如下：

无线网络传感器节点首先采集得到信号y(n)，将信号y(n)与chirp₂(n)信号对应相乘。现有的闭合形式分数傅里叶变换的做法是对两者的乘积x(n)与一个加权因子相乘之后再进行求和，如下所示：

这个过程虽然在运算过程中与传统的FFT相似，但是因为在相位上的差异而导致运算过程的实现较复杂，由于在多径信号滤除的过程中，关注的只是分数域的幅度，而不关注相位信息。因此，将加权因子改为这使得求和项变成了x(n)的2N+1点FFT。通过后续的取模操作，可以得到相同的幅度结果。

通过变换步骤后，分析步骤对变换域中得到的信号进行最大幅度搜索，以得到最强信号的径或是可分辨径的幅度加和来作为当前节点的真实信号强度信息，达到对多径信号的抑制效果。

本发明能够对运算复杂度进行进一步缩减，以达到工程应用的目的，并保持原有精度条件。

为了验证变换过程中所使用到的改进的闭合型分数阶傅里叶变换，采用了现有的方法与本发明提出的方法对矩形波信号进行相同阶数闭合型离散分数傅里叶变换进行对比。仿真过程中涉及到的参数如表1所示：

表1变换步骤采用的仿真参数与电脑仿真环境

仿真结果如图1和图2所示，误差分析结果表明，本发明提出的算法与现有算法的幅度计算误差为7.2926×10^-29，考虑到计算机舍入误差的影响，计算结果正确；运行速度表明，采用现有算法运行时间为0.341856s，采用本发明的算法运行时间为0.233372s。说明本发明的算法在保证计算结果正确的情况下缩短了运算的时间，提高了运算效率。

多径信号抑制过程中涉及到的线性调频信号参数和多径信道参数的仿真参数设置如下：

表2线性调频信号参数和多径信道参数的仿真参数

信号采样率(MHz)	50
		调频斜率(Hz/s)	-1.2×10<sup>12</sup>
初始频率(MHz)	4
		初始幅度(归一化)	1
初始相位(rad)	0
		信号长度(μs)	12.8
多径信道数目	3
		多径信道衰减系数	0.5,1,0.4
多径信道延时(μs)	1,0,0.8
		信道信噪比(dB)	-5，-5，-5

仿真结果如图3和4所示，图3为时域信号情况，图4为分数域的多径信号分离结果，可以看到三个径的信号得到了明显分离，并且本发明的方法在低信噪比下对噪声基底的区分作用优秀。

具体实施方式二：通信信号的盲区识别方法，包括以下步骤：

采用如具体实施方式一的方法得到各无线传感器节点接收到的真实信号强度信息；

各无线传感器节点进行有效信息交换，识别出盲区，完成盲区识别。

通信信号盲区并非单纯指没有信号覆盖的区域，只要是信号通信质量不能满足QoS需求的区域都称为信号盲区。盲区识别的问题就是在所针对的区域中发现信号盲区的问题。在本专利涉及到的信号盲区识别问题中，盲区是通过在区域内部署一些传感器节点，通过节点采样值来重构盲区的。

本实施方式中，基于计算分数域幅度的无线传感器网络单节点多径信号抑制方法的网络节点的部署步骤中，以满足盲区重构任务为目标，进行网络节点的部署任务。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (3)

1.无线传感器网络单节点多径信号抑制方法，包括以下步骤，

步骤一、网络节点的部署：进行网络节点的部署，即部署多个无线传感器节点和一个信息源节点；

步骤二、信息采集：各无线传感器节点采集来自信息源节点的信号强度信息，得到时域信号序列y(n)；

步骤三、变换：采用闭合型离散分数傅里叶变换的方法对各无线传感器节点得到的时域信号序列y(n)进行指定阶数的变换滤波，得到各无线传感器节点的多径信号分离结果；

闭合型离散分数傅里叶变换的加权因子为

其中，N为时域采样的点数，m为分数域变量，n为时域变量；

步骤四、分析：在分数域内搜索多径信号分离结果的最大幅度，得到无线传感器节点接收到的真实信号强度信息，完成多径信号的抑制；

其特征在于，步骤三中采用闭合型离散分数傅里叶变换的方法对各无线传感器节点得到的时域信号序列y(n)进行指定阶数的变换滤波，得到各无线传感器节点的多径信号分离结果，具体为：

对时域信号序列y(n)进行闭合型离散分数傅里叶变换，得到分数域信号序列Y_p(m)，

其中，M为分数域采样的点数，Δu为分数域采样间隔，Δt为时域采样间隔，α＝pπ/2，p为分数阶傅里叶变换的阶数；

对分数域信号序列Y_p(m)进行求模，得到多径信号分离结果。

2.根据权利要求1所述的无线传感器网络单节点多径信号抑制方法，其特征在于，步骤四中，各无线传感器节点统一选取最强信号的径或是可分辨径的幅度加和作为真实信号强度信息。

3.通信信号的盲区识别方法，其特征在于，包括以下步骤：

采用如权利要求1的方法得到各无线传感器节点接收到的真实信号强度信息；

各无线传感器节点进行有效信息交换，识别出盲区，完成盲区识别。