CN108828570B - 一种基于路径损耗因子动态估计的测距方法及测距装置 - Google Patents
一种基于路径损耗因子动态估计的测距方法及测距装置 Download PDFInfo
- Publication number
- CN108828570B CN108828570B CN201810651672.7A CN201810651672A CN108828570B CN 108828570 B CN108828570 B CN 108828570B CN 201810651672 A CN201810651672 A CN 201810651672A CN 108828570 B CN108828570 B CN 108828570B
- Authority
- CN
- China
- Prior art keywords
- path loss
- factor
- loss factor
- signal
- determining
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供了一种基于路径损耗因子动态估计的测距方法及测距装置,其中方法包括:接收由信号发射端发送的无线信号,生成信道状态信息;确定信道状态信息对应的功率延迟谱;提取有效信号功率;确定待建立路径损耗因子回归模型中的信号统计特征,信号统计特征包括偏度和莱斯﹣K因子;确定天线间相位差方差因子;根据所确定的偏度、莱斯﹣K因子以及天线间相位差方差因子,建立路径损耗因子回归模型;确定路径损耗因子;计算与信号发射端的距离。本发明实施例提供的基于路径损耗因子动态估计的测距方法,可以动态适应视距和非视距场景下的测距需要,在非视距条件下测距精度更高。
Description
技术领域
本发明涉及电子通信技术领域,特别是涉及一种基于路径损耗因子动态估计的测距方法及测距装置。
背景技术
WiFi(Wireless Fidelity,无线保真)是一种通信技术,能够实现电子计算机、手持通信设备等终端以无线方式进行相互连接并通信。随着物联网技术发展,人们对于室内外环境测距的需求不断提高,例如,确定某大型图书馆室内的距离。现有的测距方法,可以采用WiFi测距技术,即,利用信号发射端发射WiFi信号,再利用接收端基站接收WiFi信号,通过计算信号强度来测量与信号发射端的距离。
基于WiFi测距技术测距时,通常需要先估计一个路径损耗因子。路径损耗因子是对自由空间电磁波的传播模型进行修正的一个参数,其物理意义表明了随着信号传播距离的变化信号强度的衰减规律。现有测距方法,无论是在视距还是非视距场景下,均假设损耗因子固定,但是实际上,在诸如人、门窗、柱子、室内家具、墙体的多遮挡物场景下,由于信号被多次遮挡多次反射,不同的非视距环境损耗因子并不同,因此现有方法所估计的路径损耗因子与实际的信号损耗程度误差较大,导致测距不准。
发明内容
本发明实施例的目的在于提供一种基于路径损耗因子动态估计的测距方法及测距装置,以实现在进行WiFi测距时,提高测距精度。具体技术方案如下:
第一方面,本发明实施例提供了一种基于路径损耗因子动态估计的测距方法,所述方法包括:
接收由信号发射端发送的无线信号,生成所述无线信号的信道状态信息;
确定所述信道状态信息对应的功率延迟谱;
根据所述功率延迟谱提取有效信号功率,所述有效信号功率为所述功率延迟谱中的最大分量;
根据所提取的所述有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,所述信号统计特征至少包括:偏度和莱斯﹣K因子;
确定所述信号发射端中的天线间相位差方差因子;
根据所确定的所述偏度、所述莱斯﹣K因子以及天线间相位差方差因子,建立所述路径损耗因子回归模型;
根据所建立的所述路径损耗因子回归模型,确定路径损耗因子;
根据所确定的所述路径损耗因子,计算与所述信号发射端的距离。
可选地,所述确定所述信道状态信息对应的功率延迟谱,包括:
对所述信道状态信息进行离散傅里叶逆变换,将所得结果的平方确定为所述信道状态信息对应的功率延迟谱。
可选地,所述根据所述功率延迟谱提取有效信号功率,包括:
通过第一预设表达式,提取所述有效信号功率;
所述第一预设表达式为:
RSSeff=max(|h(τn)|2)
式中,RSSeff表示所述有效信号功率;|h(τn)|2表示所述功率延迟谱;max(|h(τn)|2)表示所述功率延迟谱中的最大分量。
可选地,所述根据所提取的所述有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,包括:
通过第二预设表达式,确定所述偏度;
所述第二预设表达式为:
式中,s表示所述偏度;E表示均值操作;RSSeff表示所述有效信号功率;μ表示所述RSSeff样本的样本数据均值;σ表示所述RSSeff样本的样本数据标准差;
通过第三预设表达式,确定所述莱斯﹣K因子;
所述第三预设表达式为:
可选地,所述确定所述信号发射端中的天线间相位差方差因子,包括:
通过第四预设表达式,确定所述信号发射端中的天线间相位差方差因子;
所述第四预设表达式为:
可选地,所述路径损耗因子回归模型的表达式为:
式中,γ表示所述路径损耗因子;x表示由所述偏度、所述莱斯﹣K因子及天线间相位差方差因子构成的特征矢量,并作为所述路径损耗因子回归模型的自变量;y(x)表示所述路径损耗因子,并作为所述路径损耗因子回归模型的因变量;表示基函数;w和b均表示模型参数向量。
可选地,所述根据所确定的所述路径损耗因子,计算与所述信号发射端的距离,包括:
通过第五预设表达式,计算与所述信号发射端的距离;
所述第五预设表达式为:
第二方面,本发明实施例提供了一种基于路径损耗因子动态估计的测距装置,所述装置包括:
信道状态信息生成模块,用于接收由信号发射端发送的无线信号,生成所述无线信号的信道状态信息;
功率延迟谱确定模块,用于确定所述信道状态信息对应的功率延迟谱;
有效信号功率提取模块,用于根据所述功率延迟谱提取有效信号功率,所述有效信号功率为所述功率延迟谱中的最大分量;
信号统计特征确定模块,根据所提取的所述有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,所述信号统计特征至少包括:偏度和莱斯﹣K因子;
相位差方差因子确定模块,用于确定所述信号发射端中的天线间相位差方差因子;
模型建立模块,用于根据所确定的所述偏度、所述莱斯﹣K因子以及所述各个天线间相位差方差因子,建立所述路径损耗因子回归模型;
路径损耗因子确定模块,用于根据所建立的所述路径损耗因子回归模型,确定路径损耗因子;
距离计算模块,用于根据所确定的所述路径损耗因子,计算与所述信号发射端的距离。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现本发明实施例第一方面提供的基于路径损耗因子动态估计的测距方法的方法步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行本发明实施例第一方面提供的基于路径损耗因子动态估计的测距方法的方法步骤。
本发明实施例提供的一种基于路径损耗因子动态估计的测距方法及测距装置,通过接收由信号发射端发送的无线信号,并生成信道状态信息,进而确定功率延迟谱,再从功率延迟谱中提取有效信号功率,然后根据有效信号功率确定信号统计特征及相位差方差因子,再进而根据所确定的信号统计特征及天线间相位差方差因子,建立路径损耗因子回归模型,能够针对信号发射端所处的不同环境,利用路径损耗因子回归模型动态地估计路径损耗因子,从而可以更准确的估计视距和非视距条件下的路径损耗因子,提高WiFi测距的测距精度。当然,实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于路径损耗因子动态估计的测距方法的一种流程示意图;
图2为本发明实施例提供的基于路径损耗因子动态估计的测距装置的一种结构示意图;
图3为本发明实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于路径损耗因子动态估计的测距方法,该过程可以包括以下步骤:
S101,接收由信号发射端发送的无线信号,生成无线信号的信道状态信息。
本发明实施例中,可以通过无线网卡接收由号发射端发送的无线信号,并对所接收的无线信号进行处理。容易理解的是,在接收无线信号后,可以生成该无线信号当前的信道状态信息,计算机可以采集所生成的信道状态信息。
所采集的信道状态信息,可以以矩阵的形式如下表示:
式中,i表示信号传输路径的个数;HA(fi)表示天线A对应的信道状态信息;HB(fi)天线B对应的信道状态信息;HC(fi)表示天线C对应的信道状态信息。
S102,确定信道状态信息对应的功率延迟谱。
本发明实施例中,生成无线信号的信道状态信息后,可以确定该信道状态信息对应的功率延迟谱。功率延迟谱表示多径信道下接收信号强度与时间延迟的函数关系。
具体地,可以对所确定的信道状态信息进行离散傅里叶逆变换,将逆变换后所得结果的平方确定为信道状态信息对应的功率延迟谱,该功率延迟谱表示为|h(τn)|2。
S103,根据功率延迟谱提取有效信号功率,其中,有效信号功率为功率延迟谱中的最大分量。
确定功率延迟谱后,可以从该功率延迟谱中提取有效信号功率,具体地,可以取功率延迟谱最大峰所在的分量为有效信号功率,进一步具体地,可以通过第一预设表达式,提取有效信号功率,该第一预设表达式为:
RSSeff=max(|h(τn)|2)
式中,RSSeff表示有效信号功率;|h(τn)|2表示功率延迟谱;max(|h(τn)|2)表示功率延迟谱中的最大分量。
S104,根据所提取的有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,其中,信号统计特征至少包括:偏度和莱斯﹣K因子。
提取有效信号功率后,可以确定待建立路径损耗因子回归模型中的信号统计特征,该信号统计特征至少包括偏度和莱斯﹣K因子。
其中,偏度是对随机变量概率分布相对于均值的非对称性的度量,其取值可正、可负或者为0。偏度越接近0表示随机变量的概率密度函数关于均值越对称,偏度为正表明随机变量的概率密度函数相对均值左偏(概率分布呈现右长尾),偏度为负表明随机变量的概率密度函数相对均值右偏(概率分布呈现左长尾)。发明人研究发现,在非视距场景下信号的偏度取值往往大于视距场景下的偏度,且非视距场景下偏度值为往往为正值、视距场景下偏度值趋于0。
具体地,可以通过第二预设表达式确定偏度,该第二预设表达式为:
式中,s表示偏度;E表示均值操作;RSSeff表示有效信号功率;μ表示RSSeff样本的样本数据均值;σ表示RSSeff样本的样本数据标准差。
莱斯﹣K因子,可以用于接收信号视距场景分量的功率与非视距场景分量的功率之比。发明人研究发现,实际情况下,大部分非视距场景都能接收到直射径信号,非视距情况下直射径信号的能量相对于视距情况下较弱。因此,对于实际情况而言,视距和大部分非视距场景下信号的包络均服从莱斯分布,但是莱斯﹣K因子的大小会有所不同。视距场景条件下的莱斯﹣K因子比非视距场景条件下大,非视距场景条件下由于遮挡情况的不同莱斯﹣K因子的大小也会不同,莱斯﹣K因子值越大表示直射路径的功率相对于反射路径越强。
具体地,可以通过第三预设表达式确定莱斯﹣K因子,该第三预设表达式为:
S105,确定信号发射端中的天线间相位差方差因子。
本发明实施例中,信号发射端可以使用多根天线发射信号,例如,将3根全向天线排成天线阵列,使天线间距取小于等于使用的最大中心频率对应的半波长。因此,需要确定号发射端中的天线间相位差方差因子。
具体地,可以通过第四预设表达式,确定信号发射端中的天线间相位差方差因子,该第四预设表达式为:
S106,根据所确定的偏度、莱斯﹣K因子以及天线间相位差方差因子,建立路径损耗因子回归模型。
本发明实施例中,在确定偏度、莱斯﹣K因子以及天线间相位差方差因子后,可以建立路径损耗因子回归模型,该模型的表达式具体可以为:
式中,γ表示路径损耗因子;x表示由偏度、莱斯﹣K因子及天线间相位差方差因子构成的特征矢量,并作为路径损耗因子回归模型的自变量,即,x=(s,κ,ρph)T;y(x)表示路径损耗因子,并作为路径损耗因子回归模型的因变量;表示基函数,w和b均表示模型参数向量,w和b可以通过预设得到,还可以通过训练后得到。
作为本发明实施例一种可选的实施方式,建立路径损耗因子回归模型后,可以通过训练上述路径损耗因子回归模型,得到其中的模型参数向量w和b。
式中,∈表示要学习的两个超平面之间的距离的二分之一。为了权衡训练误差与模型复杂度,上述最优化问题可以转化为:
式中,参数C表示惩罚因子,用来权衡训练误差最小化与模型复杂度之间的矛盾;L(·)是损失函数,其中,yk是第k个样本的路径损耗因子测量值,b和wT是待训练的模型参数矢量,是基函数,此处是,SVM常采用的∈-不敏感损失函数,表示如下:
再引入松弛变量ξi,可将上式重写为:
再引入拉格朗日乘子α≥0,α*≥0,μ≥0,μ*≥0,可得拉格朗日函数:
则原问题中的w、b可以分别表示为:
式中,(xi,yi)为所有满足0<αi<C的样本点,这样的样本点共有M个。
则路径损耗因子可以表示为:
由训练集数据集对上述最优化问题求解,可以得到损耗因子回归模型的模型参数向量w和b。
S107,根据所建立的路径损耗因子回归模型,确定路径损耗因子。
本发明实施例中,建立路径损耗因子回归模型后,确定路径损耗因子。需要说明的是,接收端接收无线信号后,计算机可以根据所接收的信号,确定当前场景下的路径损耗因子。也就是说,该路径损耗因子是一个动态变化的值,例如,当房间内有人走动时,信号发射端移动时,所确定的路径损耗因子也会随之变化。
S108,根据所确定的路径损耗因子,计算与信号发射端的距离。
本发明实施例中,确定路径损耗因子后,即可以计算接收端与信号发射端的距离。
具体地,可以通过第五预设表达式,计算与信号发射端的距离,
第五预设表达式为:
式中,RSSeff(单位:dBm)表示距离发射端d处接收信号强度;(单位:dBm)表示参考距离d0处接收信号强度,d0通常为距离信号发射端1米处的有效信号功率;γ表示路径损耗因子;d表示信号发射端的距离。
容易理解,当确定路径损耗因子后,将路径损耗因子代入上式,即可计算得到距离d。
本发明实施例提供的一种基于路径损耗因子动态估计的测距方法,通过接收由信号发射端发送的无线信号,并生成信道状态信息,进而确定功率延迟谱,再从功率延迟谱中提取有效信号功率,然后根据有效信号功率确定信号统计特征及相位差方差因子,再进而根据所确定的信号统计特征及天线间相位差方差因子,建立路径损耗因子回归模型,能够针对信号发射端所处的不同环境,利用路径损耗因子回归模型动态地估计路径损耗因子,从而可以更准确的估计视距和非视距条件下的路径损耗因子,提高WiFi测距的测距精度。
本发明实施例提供的基于路径损耗因子动态估计的测距装置的一种具体实施例,与图1所示流程相对应,参考图2,图2为本发明实施例的基于路径损耗因子动态估计的测距装置的一种结构示意图,包括:
信道状态信息生成模块201,用于接收由信号发射端发送的无线信号,生成无线信号的信道状态信息。
功率延迟谱确定模块202,用于确定信道状态信息对应的功率延迟谱。
有效信号功率提取模块203,用于根据功率延迟谱提取有效信号功率,有效信号功率为功率延迟谱中的最大分量。
信号统计特征确定模块204,根据所提取的有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,信号统计特征至少包括:偏度和莱斯﹣K因子。
相位差方差因子确定模块205,用于确定信号发射端中的天线间相位差方差因子。
模型建立模块206,用于根据所确定的偏度、莱斯﹣K因子以及各个天线间相位差方差因子,建立路径损耗因子回归模型。
路径损耗因子确定模块207,用于根据所建立的路径损耗因子回归模型,确定路径损耗因子。
距离计算模块208,用于根据所确定的路径损耗因子,计算与信号发射端的距离。
其中,功率延迟谱确定模块202,具体用于:
对信道状态信息进行离散傅里叶逆变换,将所得结果的平方确定为信道状态信息对应的功率延迟谱。
其中,有效信号功率提取模块203,具体用于:
通过第一预设表达式,提取有效信号功率;
第一预设表达式为:
RSSeff=max(|h(τn)|2)
式中,RSSeff表示有效信号功率;|h(τn)|2表示功率延迟谱;max(|h(τn)|2)表示功率延迟谱中的最大分量。
其中,信号统计特征确定模块204,具体用于:
通过第二预设表达式,确定偏度;
第二预设表达式为:
式中,s表示偏度;E表示均值操作;RSSeff表示有效信号功率;μ表示RSSeff样本的样本数据均值;σ表示RSSeff样本的样本数据标准差;
通过第三预设表达式,确定莱斯﹣K因子;
第三预设表达式为:
其中,相位差方差因子确定模块205,具体用于:
通过第四预设表达式,确定信号发射端中的天线间相位差方差因子;
第四预设表达式为:
其中,路径损耗因子回归模型的表达式为:
式中,γ表示路径损耗因子;x表示由偏度、莱斯﹣K因子及天线间相位差方差因子构成的特征矢量,并作为路径损耗因子回归模型的自变量;y(x)表示路径损耗因子,并作为路径损耗因子回归模型的因变量;表示基函数;w和b均表示模型参数向量。
其中,距离计算模块208,具体用于:
通过第五预设表达式,计算与信号发射端的距离;
第五预设表达式为:
本发明实施例提供的一种基于路径损耗因子动态估计的测距装置,通过接收由信号发射端发送的无线信号,并生成信道状态信息,进而确定功率延迟谱,再从功率延迟谱中提取有效信号功率,然后根据有效信号功率确定信号统计特征及相位差方差因子,再进而根据所确定的信号统计特征及天线间相位差方差因子,建立路径损耗因子回归模型,能够针对信号发射端所处的不同环境,利用路径损耗因子回归模型动态地估计路径损耗因子,从而可以更准确的估计视距和非视距条件下的路径损耗因子,提高WiFi测距的测距精度。
本发明实施例还提供了一种电子设备,如图3所示,包括处理器301、通信接口302、存储器303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信,
存储器303,用于存放计算机程序;
处理器301,用于执行存储器303上所存放的程序时,实现如下步骤:
接收由信号发射端发送的无线信号,生成无线信号的信道状态信息;
确定信道状态信息对应的功率延迟谱;
根据功率延迟谱提取有效信号功率;
根据所提取的有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,其中,信号统计特征至少包括:偏度和莱斯﹣K因子;
确定信号发射端中的天线间相位差方差因子;
根据所确定的偏度、莱斯﹣K因子以及天线间相位差方差因子,建立路径损耗因子回归模型;
根据所建立的路径损耗因子回归模型,确定路径损耗因子;
根据所确定的路径损耗因子,计算与信号发射端的距离。
本发明实施例提供的一种电子设备,通过接收由信号发射端发送的无线信号,并生成信道状态信息,进而确定功率延迟谱,再从功率延迟谱中提取有效信号功率,然后根据有效信号功率确定信号统计特征及相位差方差因子,再进而根据所确定的信号统计特征及天线间相位差方差因子,建立路径损耗因子回归模型,能够针对信号发射端所处的不同环境,利用路径损耗因子回归模型动态地估计路径损耗因子,从而可以更准确的估计视距和非视距条件下的路径损耗因子,提高WiFi测距的测距精度。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,用以执行如下步骤:
接收由信号发射端发送的无线信号,生成无线信号的信道状态信息;
确定信道状态信息对应的功率延迟谱;
根据功率延迟谱提取有效信号功率;
根据所提取的有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,其中,信号统计特征至少包括:偏度和莱斯﹣K因子;
确定信号发射端中的天线间相位差方差因子;
根据所确定的偏度、莱斯﹣K因子以及天线间相位差方差因子,建立路径损耗因子回归模型;
根据所建立的路径损耗因子回归模型,确定路径损耗因子;
根据所确定的路径损耗因子,计算与信号发射端的距离。
本发明实施例提供的一种计算机可读存储介质,通过接收由信号发射端发送的无线信号,并生成信道状态信息,进而确定功率延迟谱,再从功率延迟谱中提取有效信号功率,然后根据有效信号功率确定信号统计特征及相位差方差因子,再进而根据所确定的信号统计特征及天线间相位差方差因子,建立路径损耗因子回归模型,能够针对信号发射端所处的不同环境,利用路径损耗因子回归模型动态地估计路径损耗因子,从而可以更准确的估计视距和非视距条件下的路径损耗因子,提高WiFi测距的测距精度。
对于装置/电子设备/存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,本发明实施例的装置、电子设备及存储介质分别是应用上述基于路径损耗因子动态估计的测距方法的装置、电子设备及存储介质,则上述基于路径损耗因子动态估计的测距方法的所有实施例均适用于该装置、电子设备及存储介质,且均能达到相同或相似的有益效果。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种基于路径损耗因子动态估计的测距方法,其特征在于,所述方法包括:
接收由信号发射端发送的无线信号,生成所述无线信号的信道状态信息;
确定所述信道状态信息对应的功率延迟谱;
根据所述功率延迟谱提取有效信号功率,所述有效信号功率为所述功率延迟谱中的最大分量;
根据所提取的所述有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,所述信号统计特征至少包括:偏度和莱斯﹣K因子;
确定所述信号发射端中的天线间相位差方差因子;
根据所确定的所述偏度、所述莱斯﹣K因子以及天线间相位差方差因子,建立所述路径损耗因子回归模型;
根据所建立的所述路径损耗因子回归模型,确定路径损耗因子;
根据所确定的所述路径损耗因子,计算与所述信号发射端的距离。
2.根据权利要求1所述的测距方法,其特征在于,所述确定所述信道状态信息对应的功率延迟谱,包括:
对所述信道状态信息进行离散傅里叶逆变换,将所得结果的平方确定为所述信道状态信息对应的功率延迟谱。
3.根据权利要求1所述的测距方法,其特征在于,所述根据所述功率延迟谱提取有效信号功率,包括:
通过第一预设表达式,提取所述有效信号功率;
所述第一预设表达式为:
RSSeff=max(|h(τn)|2)
式中,RSSeff表示所述有效信号功率;|h(τn)|2表示所述功率延迟谱;max(|h(τn)|2)表示所述功率延迟谱中的最大分量。
8.一种基于路径损耗因子动态估计的测距装置,其特征在于,所述装置包括:
信道状态信息生成模块,用于接收由信号发射端发送的无线信号,生成所述无线信号的信道状态信息;
功率延迟谱确定模块,用于确定所述信道状态信息对应的功率延迟谱;
有效信号功率提取模块,用于根据所述功率延迟谱提取有效信号功率,所述有效信号功率为所述功率延迟谱中的最大分量;
信号统计特征确定模块,根据所提取的所述有效信号功率,确定待建立路径损耗因子回归模型中的信号统计特征,所述信号统计特征至少包括:偏度和莱斯﹣K因子;
相位差方差因子确定模块,用于确定所述信号发射端中的天线间相位差方差因子;
模型建立模块,用于根据所确定的所述偏度、所述莱斯﹣K因子以及各个天线间相位差方差因子,建立所述路径损耗因子回归模型;
路径损耗因子确定模块,用于根据所建立的所述路径损耗因子回归模型,确定路径损耗因子;
距离计算模块,用于根据所确定的所述路径损耗因子,计算与所述信号发射端的距离。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一项所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810651672.7A CN108828570B (zh) | 2018-06-22 | 2018-06-22 | 一种基于路径损耗因子动态估计的测距方法及测距装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810651672.7A CN108828570B (zh) | 2018-06-22 | 2018-06-22 | 一种基于路径损耗因子动态估计的测距方法及测距装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108828570A CN108828570A (zh) | 2018-11-16 |
CN108828570B true CN108828570B (zh) | 2020-07-10 |
Family
ID=64137526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810651672.7A Active CN108828570B (zh) | 2018-06-22 | 2018-06-22 | 一种基于路径损耗因子动态估计的测距方法及测距装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828570B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111381226B (zh) * | 2020-05-12 | 2022-03-29 | 长安大学 | 一种基于多频段接收信号强度的测距增强方法 |
CN111929667A (zh) * | 2020-06-30 | 2020-11-13 | 湖南华诺星空电子技术有限公司 | 基于幅度-距离解算的无线电侦测的测距方法及系统 |
CN115515154B (zh) * | 2021-06-22 | 2024-05-14 | 华为技术有限公司 | 一种遮挡识别方法、装置以及相关设备 |
CN113655468B (zh) * | 2021-07-16 | 2023-05-23 | 广州大学 | 一种无人机辅助定位方法、系统、存储介质及终端设备 |
CN115184859A (zh) * | 2022-06-27 | 2022-10-14 | 南京森林警察学院 | 一种构建非视距传播场景下测距和测角误差消除方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1522162A2 (en) * | 2001-02-02 | 2005-04-13 | Intel Corporation | Adaptive channel estimation using continuous pilot signal based on doppler period |
CN104467990A (zh) * | 2014-11-26 | 2015-03-25 | 清华大学 | 一种识别无线信号的视距传播路径的方法及装置 |
CN105933080A (zh) * | 2016-01-20 | 2016-09-07 | 北京大学 | 一种跌倒检测方法和系统 |
CN106792808A (zh) * | 2016-12-08 | 2017-05-31 | 南京邮电大学 | 一种基于信道状态信息的室内环境下视距路径识别方法 |
CN107241696A (zh) * | 2017-06-28 | 2017-10-10 | 中国科学院计算技术研究所 | 基于信道状态信息的多径效应辨别方法和距离估计方法 |
-
2018
- 2018-06-22 CN CN201810651672.7A patent/CN108828570B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1522162A2 (en) * | 2001-02-02 | 2005-04-13 | Intel Corporation | Adaptive channel estimation using continuous pilot signal based on doppler period |
CN104467990A (zh) * | 2014-11-26 | 2015-03-25 | 清华大学 | 一种识别无线信号的视距传播路径的方法及装置 |
CN105933080A (zh) * | 2016-01-20 | 2016-09-07 | 北京大学 | 一种跌倒检测方法和系统 |
CN106792808A (zh) * | 2016-12-08 | 2017-05-31 | 南京邮电大学 | 一种基于信道状态信息的室内环境下视距路径识别方法 |
CN107241696A (zh) * | 2017-06-28 | 2017-10-10 | 中国科学院计算技术研究所 | 基于信道状态信息的多径效应辨别方法和距离估计方法 |
Non-Patent Citations (3)
Title |
---|
Identification and Mitigation of Non-line-of-sight conditions Using Received Signal Strength;Zhuoling Xiao,et al;《 2013 IEEE 9th International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob)》;20131009;第1-8页 * |
NLOS identification and mitigation based on channel state information for indoor WiFi localisation;Xiaohui Li,et al;《IET Communications》;20171231;p531-537 * |
基于CSI的室内WiFi定位技术研究;蔡雄;《中国优秀硕士学位论文全文数据库》;20170315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108828570A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108828570B (zh) | 一种基于路径损耗因子动态估计的测距方法及测距装置 | |
Choi et al. | Deep learning based NLOS identification with commodity WLAN devices | |
CN109490826B (zh) | 一种基于无线电波场强rssi的测距与位置定位方法 | |
EP3279687B1 (en) | Beam signal tracking method, device and system | |
CN110636516B (zh) | 信号传播模型的确定方法及装置 | |
CN107171981B (zh) | 通道校正方法及装置 | |
CN108650034A (zh) | 一种射频设备的增益校准方法及装置 | |
JP2013205398A (ja) | 発信源推定方法およびそれを利用した発信源推定装置 | |
Chaudhari et al. | Spatial interpolation of cyclostationary test statistics in cognitive radio networks: Methods and field measurements | |
Zhou et al. | Graph‐based stochastic model for high‐speed railway cutting scenarios | |
CN111447554B (zh) | 一种无线定位方法、装置、终端设备及存储介质 | |
CN109150263B (zh) | 一种基于多探头暗室的三维信道重建的方法及装置 | |
US11128391B1 (en) | System and method for predicting wireless channel path loss | |
CN106575972B (zh) | 无线全双工系统和方法 | |
Hu et al. | Multi-frequency channel modeling for millimeter wave and thz wireless communication via generative adversarial networks | |
US10901076B2 (en) | Temporal analysis for user speed estimation in wireless networks | |
US20230362039A1 (en) | Neural network-based channel estimation method and communication apparatus | |
CN110708702B (zh) | 信号传播模型的确定方法及装置 | |
Jeong et al. | Positioning via direct localisation in C‐RAN systems | |
CN106550447B (zh) | 一种终端定位方法、装置及系统 | |
Rozum et al. | SIMO RSS measurement in Bluetooth low power indoor positioning system | |
CN108183736B (zh) | 基于机器学习的发射机码字选择方法、装置和发射机 | |
Loh et al. | Intelligent base station placement in urban areas with machine learning | |
Katagiri et al. | Radio environment map updating procedure based on hypothesis testing | |
CN109286408B (zh) | 能量收集的方法和能量接收机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |