CN108169707A - 基于超宽带能量谱特征向量的被动式定位算法 - Google Patents

Abstract

本发明提供一种基于超宽带能量谱特征向量的被动式定位算法，包括以下步骤：设置多个超宽带信号发射机和多个超宽带信号接收机；所述超宽带信号接收机接收所述超宽带信号发射机发送的UWB信号，并提取与目标人员有关的接收信号，采用最大能量选择算法选择目标人员所处信号传输路径的接收信号，并通过小波包构造该接收信号的能量谱特征向量；通过神经网络算法和该接收信号的能量谱特征向量计算目标人员所在的所述超宽带信号接收机到所述超宽带信号发射机的信号传输路径的距离；根据多个目标人员所在的所述超宽带信号接收机到所述超宽带信号发射机的信号传输路径的距离计算目标人员的位置坐标。

Description

基于超宽带能量谱特征向量的被动式定位算法

技术领域

本发明涉及一种无线定位测距算法，具体的说，涉及了一种基于超宽带 能量谱特征向量的被动式定位算法。

背景技术

随着位置服务技术的不断发展，定位技术在各应用领域起到的作用也愈 加重要，由于超宽带信号具有超高时间分辨率，更适用于室内高精度定位。 在定位过程中，定位目标可以以主动的或被动的方式进行参与，主动式定位 往往要求定位目标佩戴无线信号收发设备，然而，在很多现实情况中，定位 目标可能未配备任何设备，因此迫切需要一种新的定位方。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供了一种基于超宽带能量 谱特征向量的被动式定位算法。

为了实现上述目的，本发明所采用的技术方案是：一种基于超宽带能量 谱特征向量的被动式定位算法，包括以下步骤：

步骤1，设置多个超宽带信号发射机和多个超宽带信号接收机；

步骤2，所述超宽带信号接收机接收所述超宽带信号发射机发送的UWB 信号，并从所述UWB信号中提取与目标人员有关的接收信号；

步骤3，所述超宽带信号接收机通过最大能量选择算法选择能量最大 的接收信号作为目标人员所处信号传输路径的接收信号；

步骤4，所述超宽带信号接收机采用小波包分解目标人员所处信号传 输路径的接收信号，并根据分解所得的小波包系数构造目标人员所处信号 传输路径的接收信号的能量谱特征向量；

步骤5，所述超宽带信号接收机通过神经网络算法和目标人员所处信 号传输路径的接收信号的能量谱特征向量，计算目标人员所在的所述超宽 带信号接收机到所述超宽带信号发射机的信号传输路径的距离；

步骤6，根据多个目标人员所在的所述超宽带信号接收机到所述超宽 带信号发射机的信号传输路径的距离计算目标人员的位置坐标。

基于上述，步骤2中，从所述UWB信号中提取与目标人员有关的接收信 号的具体步骤为：

根据超宽带信道中无人时超宽带信号接收机接收的UWB信号的先验知 识，提取由于目标人员的存在而产生的接收信号：

r_p(t)＝r(t)-r_np(t)

其中，r_np(t)为超宽带信道中无人时的UWB信号；α_k和τ_k为与目标人员 无关的第k条路径的幅度和到达时延，n₁(t)为超宽带信道中无人时的环境 噪声；r_p(t)为与目标人员有关的接收信号，其包含噪声；

对r_p(t)做归一化处理，得到：

R(t)即为从所述UWB信号中提取的与目标人员有关的接收信号。

基于上述，步骤3的具体步骤为：

步骤3.1，对R(t)进行N层小波包分解，得到第N层从低频到高频各频 带成分系数构成的特征信号S_Nj(N＝i,j＝1,2,…2ⁿ)；

步骤3.2，计算特征信号的频带局部能量E_sj：

步骤3.3，构造特征向量：对每一信号进行小波包分解，计算各频带的局 部能量，得到一组与信号相对应的能量{E_ij,j＝1,2,……2ⁿ}，即可确定与此能量 序列对应的特征向量P＝(E₁,E₂,……E_n)；

步骤3.4，对特征向量进行归一化处理：

令则即为归一化的小波包特征向量。

本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说， 本发明通过超宽带信号发射机和超宽带信号接收机来实现被动定位，具体的， 超宽带信号接收机接收对应的超宽带信号发射机发送的UWB信号，提取与目 标人员有关的接收信号，并通过小波包分解构造获得能量谱特征向量，并基 于能量谱特征向量计算目标人员与超宽带信号接收机的距离，最终通过目标 人员与多个超宽带信号接收机的距离实现目标人员精准定位；本发明在多径、 有障碍阻挡的情况下也能实现目标人员的精准定位。

附图说明

图1是本发明的流程示意图。

具体实施方式

下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。

如图1所示，本发明所采用的技术方案是：一种基于超宽带能量谱特征 向量的被动式定位算法，包括以下步骤：

步骤1，设置多个超宽带信号发射机和多个超宽带信号接收机；

步骤2，所述超宽带信号接收机接收所述超宽带信号发射机发送的UWB 信号，并从所述UWB信号中提取与目标人员有关的接收信号；

步骤3，所述超宽带信号接收机通过最大能量选择算法选择能量最大 的接收信号作为目标人员所处信号传输路径的接收信号；

步骤4，所述超宽带信号接收机采用小波包分解目标人员所处信号传 输路径的接收信号，并根据分解所得的小波包系数构造目标人员所处信号 传输路径的接收信号的能量谱特征向量；

步骤5，所述超宽带信号接收机通过神经网络算法和目标人员所处信 号传输路径的接收信号的能量谱特征向量，计算目标人员所在的所述超宽 带信号接收机到所述超宽带信号发射机的信号传输路径的距离d；

步骤6，根据多个目标人员所在的所述超宽带信号接收机到所述超宽 带信号发射机的信号传输路径的距离计算目标人员的位置坐标；

其中，(x,y)为目标人员的位置坐标，d_i,j为目标人员所在的从第i 个超宽带信号发射机到第j个超宽带信号接收机的信号传输路径，(X_Ti,Y_Ti) 为第i个超宽带信号发射机的位置坐标，(X_Ri,YR_Ti)为第j个超宽带信 号接收机的位置坐标，i，j分别为超宽带信号发射机和超宽带信号接收机 的数量。

具体的，步骤2中，从所述UWB信号中提取与目标人员有关的接收信 号的具体步骤为：

根据超宽带信道中无人时超宽带信号接收机接收的UWB信号的先验知 识，提取由于目标人员的存在而产生的接收信号：

r_p(t)＝r(t)-r_np(t)

其中，r_np(t)为超宽带信道中无人时的UWB信号；α_k和τ_k为与目标人员 无关的第k条路径的幅度和到达时延，n₁(t)为超宽带信道中无人时的环境 噪声；r_p(t)为与目标人员有关的接收信号，其包含噪声；

对r_p(t)做归一化处理，得到：

R(t)即为从所述UWB信号中提取的与目标人员有关的接收信号。

具体的，步骤3的具体步骤为：

步骤3.1，对R(t)进行N层小波包分解，得到第N层从低频到高频各频 带成分系数构成的特征信号S_Nj(N＝i,j＝1,2,…2ⁿ)；

步骤3.2，计算特征信号的频带局部能量E_sj：

步骤3.3，构造特征向量：对每一信号进行小波包分解，计算各频带的局 部能量，得到一组与信号相对应的能量{E_ij,j＝1,2,……2ⁿ}，即可确定与此能量 序列对应的特征向量P＝(E₁,E₂,……E_n)；

步骤3.4，对特征向量进行归一化处理：

令则即为归一化的小波包特征向量。

最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其 限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技 术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技 术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发 明请求保护的技术方案范围当中。

Claims (3)

1.一种基于超宽带能量谱特征向量的被动式定位算法，其特征在于，包括以下步骤：

步骤1，设置多个超宽带信号发射机和多个超宽带信号接收机；

步骤2，所述超宽带信号接收机接收所述超宽带信号发射机发送的UWB信号，并从所述UWB信号中提取与目标人员有关的接收信号；

步骤3，所述超宽带信号接收机通过最大能量选择算法选择能量最大的接收信号作为目标人员所处信号传输路径的接收信号；

步骤4，所述超宽带信号接收机采用小波包分解目标人员所处信号传输路径的接收信号，并根据分解所得的小波包系数构造目标人员所处信号传输路径的接收信号的能量谱特征向量；

步骤5，所述超宽带信号接收机通过神经网络算法和目标人员所处信号传输路径的接收信号的能量谱特征向量，计算目标人员所在的所述超宽带信号接收机到所述超宽带信号发射机的信号传输路径的距离；

步骤6，根据多个目标人员所在的所述超宽带信号接收机到所述超宽带信号发射机的信号传输路径的距离计算目标人员的位置坐标。

2.根据权利要求1所述的基于超宽带能量谱特征向量的被动式定位算法，其特征在于，步骤2中，从所述UWB信号中提取与目标人员有关的接收信号的具体步骤为：

根据超宽带信道中无人时超宽带信号接收机接收的UWB信号的先验知识，提取由于目标人员的存在而产生的接收信号：

r_p(t)＝r(t)-r_np(t)

其中，r_np(t)为超宽带信道中无人时的UWB信号；α_k和τ_k为与目标人员无关的第k条路径的幅度和到达时延，n₁(t)为超宽带信道中无人时的环境噪声；r_p(t)为与目标人员有关的接收信号，其包含噪声；

对r_p(t)做归一化处理，得到：

R(t)即为从所述UWB信号中提取的与目标人员有关的接收信号。

3.根据权利要求2所述的基于超宽带能量谱特征向量的被动式定位算法，其特征在于，步骤3的具体步骤为：

步骤3.1，对R(t)进行N层小波包分解，得到第N层从低频到高频各频带成分系数构成的特征信号S_Nj(N＝i,j＝1,2,…2ⁿ)；

步骤3.2，计算特征信号的频带局部能量E_sj：

步骤3.3，构造特征向量：对每一信号进行小波包分解，计算各频带的局部能量，得到一组与信号相对应的能量{E_ij,j＝1,2,……2ⁿ}，即可确定与此能量序列对应的特征向量P＝(E₁,E₂,……E_n)；

步骤3.4，对特征向量进行归一化处理：

令则即为归一化的小波包特征向量。