CN108535717A - 多路无线反射信号的高效分解系统 - Google Patents

Abstract

本发明公开了一种多路无线反射信号的高效分解系统，包括信号粗略估计模块和信号精确估计模块该系统采用连续干扰消除技术将强干扰信号进行过滤，信号粗略估计模块获得多路反射信号参数的粗略估计，并以此估计作为初始值进行迭代计算，获得信号参数的最优估计，信号精确估计模块采用基于期望最大算法的迭代方法对多路反射信号的参数进行精确估计，确保每一次迭代后参数估计的精度都比上一次计算更高，该系统可解决多目标定位的精度与效率低的技术问题。

Description

多路无线反射信号的高效分解系统

技术领域

本发明涉及无线定位系统技术领域，尤其涉及一种多路无线反射信号的高效分解系统。

背景技术

采用无线信号进行无接触多目标定位的方案中，接受天线收到的是发射天线发出的信号与各种反射信号的叠加。因此多目标定位与追踪需要对多个目标的反射无线信号进行分解，以识别不同对象的位置与运动轨迹。

通过反射信号对多个目标进行无接触式的定位和追踪的难点在于：1)反射信号相对于发射天线到接收天线之间的无阻碍主路径上的信号强度小1-2个数量级，难以估计反射信号的到达角(angle-of-arrival，AoA)，离去角(angle-of-departure，AoD)，飞行时间(time-of-flight，ToF)以及多普勒效应等参数；2)反射信号容易受到主路径信号和背景杂散反射信号的干扰。

发明内容

本发明的发明目的是，提供一种多路无线反射信号的高效分解系统，该能够对多路反射信号的叠加进行逐次分解，每次分离出一路反射信号，并对反射信号的参数进行精确的最优估计，以解决多目标定位的精度与效率低的技术问题。

为解决上述技术问题本发明所采取的技术方案为：一种多路无线反射信号的高效分解系统，包括信号粗略估计模块和信号精确估计模块，所述信号粗略估计模块包括以下程序：

(1)、将总的接收信号Y(t)作为第一路反射信号进行参数估计获得估计值并存储记录；

(2)、以第一路反射信号的估计值对其进行信号重构；

(3)、从第一路反射信号中减去步骤(2)重构的信号得到第二路反射信号；

(4)、将第二路反射信号进行参数估计获得第二路反射信号的估计值，并存储记录第二路反射信号的估计值；

(5)、将第二路反射信号重新作为第一路反射信号并对其进行参数估计获得估计值；

(6)重复步骤(2)～(5)至获得L路不同的反射信号的参数估计V'＝[v′₁,v'₂,...,v'_L]。

所述信号精确估计模块包括以下程序：

(1)、将由所述信号粗略估计模块获得的第l路反射信号的估计值v_l'作为第一轮参数估计值；

(2)、使用第一轮参数估计值对第l路反射信号进行信号重构；

(3)、将第l路反射信号重新估计为步骤(2)所重构的信号与背景反射噪音的估计值之和；

(4)将步骤(3)重新估计后的第l路反射信号进行最大似然参数估计，获得该路反射信号的第二轮参数估计值；

(5)针对其它各路反射信号重复上述步骤(2)～(4)得第二轮所有反射信号的参数估计值V”＝[v″₁,v″₂,...,v″_L]；

(6)将第二路参数估计值重新作为第一路参数估计值，

(7)重复步骤(2)～(6)得下一轮反射信号的参数估计值，直到满足收敛判据要求。

作为一种改进的方式，所述背景反射噪音的估计值是接收信号Y(t)减去第一轮各路反射信号估计值所重构的反射信号之和。

作为一种改进的方式，接收信号为L路反射信号的叠加，将所述接信号Y(t)用公式表示为其中的s_l(t；v_l)表示接收信号的单一路径l上接收信号，W(t)是M维白噪音向量。

作为一种改进的方式，还包括计算剪枝模块，所述计算剪枝模块将多维参数估计转换为多个1维参数估计。

作为一种改进的方式，所述计算剪枝模块，按下式进行计算：

式中，其中φ是入射信号的到达角，φ"是第二轮迭代的方位角的参数估计值，分别表示上一次迭代的参数估计值。

作为一种改进的方式，按以下各式计算其余参数：

η_p＝[φ_p，θ_p，v_p，τ_p]^T里边θ_p是第p条路径的AoA，φ_p是第p条路径的AoD，v_p是第p条路径的多普勒，τ_p是第p条路径的传播延时。

采用上述技术方案所取得的技术效果为，

本申请提出了一种多路无线反射信号的高效分解系统，该系统具有以下特点：

a)通过连续干扰消除技术将人物发射信号与背景反射信号进行分离；

b)通过渐进收敛的最优参数估计算法对每一路反射信号进行参数估计，从而实现定位与追踪；

c)通过坐标分解方法降低计算复杂度，提升了计算效率，满足实时应用场景的需求；

d)所提方法具有一致渐进收敛性，能够获得全局最优参数估计。

该多路无线反射信号的高效分解系统能够进行多路反射信号的参数估计，计算速度快，能够在9次迭代计算中完成10路以上反射信号的参数估计；通过多种场景进行测试，计算时间的中位值为0.13秒，满足实时多目标定位与追踪的要求；与相关技术(如SpotFi)相比，本发明所提方法计算速度提高近50倍；

该系统具有一致渐进收敛性，能够保证收敛性；通过本申请提出的初始化方法，能够获得多路反射信号最优参数估计的全局最优解。

附图说明

图1是通过期望最大迭代算法进行精确的参数最优估计的框图；

图2是多维度信息估计器内部构架图。

具体实施方式

不失一般性，设发射器具有N个等间距天线(间距为d)，将发射信号表示为：U(t)＝[u₁(t),u₂(t),...,u_N(t)]，则单一路径上接收信号的参数化表示为：

上式中，是描述接受信号的参数向量，其中φ是入射信号的AoA方位角，τ是无线信号的传播时间，γ是受测对象移动造成的多普勒频移效应，α是复衰减系数。N维转向数组描述了发射天线发出的信号之间的相位关系，M维数组c(φ)描述了M个接受信号之间的相位关系。接收天线上的信号可表示为：

x(t)＝s(t)+W(t) (2)

其中，W(t)是M维白噪音向量。

假定接收天线接收到P路不同的信号，路径l上的信号表示为s(t；v_l)，其中

总的接收信号是所有路反射信号的叠加，记为：

以下为本多路无线反射信号的高效分解系统的详细方案与实现步骤。

(1)多路反射信号的信号粗略估计模块

考虑接收信号Y(t)是L路不同的反射信号[s₁(t),s₂(t),...,s_L(t)]与白噪音的叠加。

如图1和图2所示，系统的子空间估计器主要用来对极大似然估计器进行初始化，所以只需要一个Wi-Fi数据包就可以估计出这三个参数：AoA,AoD,ToF。随后，通过这三个参数，输入到极大似然联合估计器中进行估计。

多径信道模型公式(3)中的信道是一个N x M的信道矩阵，如果经历了一个周期T_s后，将得到一个N x M x T_s的矩阵，为了对AoA,AoD，和ToF这个三个参数做联合估计，先对这个矩阵进行向量化u(τ，θ，φ)＝vec(H(t；η))。向量化后，对这个向量求其自相关矩阵得到R_x＝u^Hu。根据子空间估计理论，真实的值会与噪声子空间E_n正交。因此对自相关矩阵R_x先进行特征值分解，得到NMT_s-P个最小的特征值，找出其特征向量组成的噪声子空间En。接着求解以下的方程，估计出参数：

其中，W(φ，θ，τ)是一个NMT x 1维度的一维向量。根据不同的参数，该向量可以由多维度参数的克罗内克积(Kronecker product)计算：这里的表示克罗内克积运算符。

这里值得注意的是，估计这三个参数，往往仅仅使用一个Wi-Fi数据包，接着就可以进行多径重构。因为多普勒频移一般比一个数据包的时间周期倒数要长很多，所以此时可以不需要多普勒，直接进行信号的重构。

(2)迭代式反射信号的信号精确估计模块

通过上述步骤减去了主路径上强信号的干扰后，各路强度较弱的反射信号之间仍存在相互干扰，会对信号参数估计的精度造成显著影响。鉴于此，本发明采用期望最大(Expectation Maximization)算法对反射信号的参数进行精确估计。具体步骤如下：

假设步骤(1)输出的粗略估计结果为V'＝[v′₁,v'₂,...,v'_L]，重新估计后的多路反射信号中的第路l反射信号记为：

x′_l(t)＝s′_l(t；v′_l)+W_est(t) (5)

上式中，s′_l(t；v′_l)是采用粗略估计所得参数v′_l重构后的信号，W_est(t)是背景反射噪音的估计值，按下式进行计算：

经过上述计算后，x′_l(t)与粗略估计的参数相比，包含更少的干扰(即EM算法的Expectation步)。然后将x′_l(t)进行最大似然参数估计(即EM算法中的Maximization步)，获得该路反射信号的第二轮参数估计值v″_l，如图1所示。

针对所有路反射信号重复上述步骤可得第二轮所有反射信号的参数估计值V”＝[v″₁,v″₂,...,v″_L]。将V”代入式(5)后可得反射信号的更精确的估计。按照此方法不断迭代，直到满足收敛判据。

收敛判据的设定可以根据应用场景的不同进行自适应调整。本发明用于人物定位时，可选择精度较低的收敛判据，则迭代计算会很快完成；用于肢体动作与生命信号探测时，可选择精度较高的收敛判据，增加迭代次数以达到预设的精度要求。

(3)减少计算复杂度的计算剪枝模块

上述步骤(2)的方法计算复杂度高，需要计算的各种组合。总的计算复杂度按下式进行估计：

其中，N_it是迭代次数，L是反射信号路数，分别是每一个参数差分化以后的个数(例如，将参数τ在[0,π]之间以0.01π为步长进行差分化，对应的参数个数为100)。如果每一个参数差分化后均获得100个参数，则η可达10⁸数量级。

为了降低计算复杂度，本发明采用降维坐标搜索技术进行参数估计，即将多维参数估计转换为多个1维参数估计，按下式进行计算：

式中，表示上一次迭代的参数估计值。同理，可按下式计算其余参数：

上述方法本质上是从每一个坐标轴对多维参数进行估计，属于坐标搜索的方法。本发明所提方法的收敛性可进行严格的数学证明。虽然所提方法采用局部坐标搜索，但是(8)-(11)式的优化仍能使参数估计满足最大似然的要求。采用广义EM算法，可以保证所提方法具有可靠的收敛性。

综上，本多路无线反射信号的高效分解系统包括以下模块与步骤：

(1)采用连续干扰消除技术将强干扰信号进行过滤，获得多路反射信号参数的粗略估计，并以此估计作为初始值进行迭代计算，获得信号参数的最优估计。信号参数的粗略估计方法是本发明的第一个核心要点。

(2)采用基于期望最大(Expectation Maximization，EM)算法的迭代方法对多路反射信号的参数进行精确估计，确保每一次迭代后参数估计的精度都比上一次计算更高。所提方法具有一致渐进收敛性。基于EM算法的信号参数精确估计方法是本发明的第二个核心要点。

(3)设计了基于EM算法的参数精确估计的计算剪枝策略，使得多路反射信号的多参数估计能够进行解耦计算，该计算方法采用广义EM算法(Generalized ExpectationMaximization，GEM)为基础，采用坐标搜索方法，将多维参数估计转换为多个一维参数估计。计算剪枝策略是本发明的第三个核心要点。

与现有技术相比，本多路无线反射信号的高效分解系统主要有以下技术特点：

a)通过连续干扰消除技术将人物发射信号与背景反射信号进行分离；b)通过渐进收敛的最优参数估计算法对每一路反射信号进行参数估计，从而实现定位与追踪；c)通过坐标分解方法降低计算复杂度，提升了计算效率，满足实时应用场景的需求；d)所提方法具有一致渐进收敛性，能够获得全局最优参数估计。

本多路无线反射信号的高效分解系统能够对多个静止或运动对象的叠加反射信号进行快速的精确分解，提高了多目标定位的精度与效率。本系统适用于基于无线信号实现无接触式的多目标定位、安防、医疗健康服务等应用场景，可广泛应用于无线通信与应用的技术领域。

Claims (6)

1.一种多路无线反射信号的高效分解系统，其特征在于，包括信号粗略估计模块和信号精确估计模块，所述信号粗略估计模块包括以下程序：

(1)、将总的接收信号Y(t)作为第一路反射信号进行参数估计获得估计值并存储记录；

(2)、以第一路反射信号的估计值对其进行信号重构；

(3)、从第一路反射信号中减去步骤(2)重构的信号得到第二路反射信号；

(4)、将第二路反射信号进行参数估计获得第二路反射信号的估计值，并存储记录第二路反射信号的估计值；

(5)、将第二路反射信号重新作为第一路反射信号并对其进行参数估计获得估计值；

(6)重复步骤(2)～(5)至获得L路不同的反射信号的参数估计，

所述信号精确估计模块包括以下程序：

(1)、将由所述信号粗略估计模块获得的第l路反射信号的估计值v′_l作为第一轮参数估计值；

(2)、使用第一轮参数估计值对第l路反射信号进行信号重构；

(3)、将第l路反射信号重新估计为步骤(2)所重构的信号与背景反射噪音的估计值之和；

(4)、将步骤(3)重新估计后的第l路反射信号进行最大似然参数估计，获得该路反射信号的第二轮参数估计值；

(5)、针对其它各路反射信号重复上述步骤(2)～(4)得第二轮所有反射信号的参数估计值；

(6)、将第二路参数估计值重新作为第一路参数估计值，

(7)、重复步骤(2)～(6)得下一轮反射信号的参数估计值，直到满足收敛判据要求。

2.如权利要求1所述的多路无线反射信号的高效分解系统，其特征在于，所述背景反射噪音的估计值是接收信号Y(t)减去第一轮各路反射信号估计值所重构的反射信号之和。

3.如权利要求1所述的多路无线反射信号的高效分解系统，其特征在于，接收信号为L路反射信号的叠加，将所述接信号Y(t)用公式表示为其中的s_l(t；v_l)表示接收信号的单一路径l上接收信号，W(t)是M维白噪音向量。

4.如权利要求1所述的多路无线反射信号的高效分解系统，其特征在于，还包括计算剪枝模块，所述计算剪枝模块将多维参数估计转换为多个1维参数估计。

5.如权利要求4所述的多路无线反射信号的高效分解系统，其特征在于，所述计算剪枝模块，按下式进行计算：

式中，其中φ是入射信号的到达角，φ"是第二轮迭代的方位角的参数估计值，τ',γ'分别表示上一次迭代的参数估计值。

6.如权利要求5所述的多路无线反射信号的高效分解系统，其特征在于，按以下各式计算其余参数：

其中，θ_p是第p条路径的到达角，φ_p是第p条路径的离去角，υ_p是第p条路径的多普勒，τ_p是第p条路径的传播延时。