CN110248325A - 一种基于信号多重消噪的蓝牙室内定位系统 - Google Patents
一种基于信号多重消噪的蓝牙室内定位系统 Download PDFInfo
- Publication number
- CN110248325A CN110248325A CN201910324032.XA CN201910324032A CN110248325A CN 110248325 A CN110248325 A CN 110248325A CN 201910324032 A CN201910324032 A CN 201910324032A CN 110248325 A CN110248325 A CN 110248325A
- Authority
- CN
- China
- Prior art keywords
- signal
- noising
- noise
- wavelet
- system based
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B15/00—Suppression or limitation of noise or interference
- H04B15/005—Reducing noise, e.g. humm, from the supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于信号多重消噪的蓝牙室内定位系统,它涉及信息系统技术领域。本发明采用小波变换、EEMD和Elman神经网络进行三级去噪,充分发挥这三种消噪方法的优点,在复杂的室内环境下取得了良好的消噪效果。该算法可以有效的提高信噪比,特别是在大噪声条件下可以取得较好的消噪效果。Taylor级数展开定位算法通过设置初始估计位置,然后利用递归算法确定目标位置,在每一次递归中通过RSSI测量误差的局部最小二乘解来改进估计位置。采用本发明所述方法可以在一定程度上消除了室内复杂环境造成的测距误差的影响,可以有效的适应噪声的变化。获得更高的定位精度。
Description
技术领域
本发明涉及的是信息系统技术领域,具体涉及一种基于信号多重消噪的蓝牙室内定位系统。
背景技术
在室内环境下蓝牙信号多径、易衰减、穿透能力低等缺陷,采用基于小波变换、改进的集合经验模态分解法和Elman神经网络对信号进行消噪,然后利用Taylor级数展开定位算法确定目标位置。随着小波理论的日益完善,其以自身良好的时频特性在非平稳信号消噪领域受到越来越多的关注。不过小波消噪的效果依赖于小波基的选取,另外其自适应性较差及大噪声情况下消噪效果不理想。而经验模态分解法(EMD)以及改进的集合经验模态分解法(EEMD)通过信号的特征时间尺度分解信号,自适应好,但仍存在边界问题,消噪效果尚不理想。Elman神经网络对于噪声幅值不敏感,非线性映射能力强,具有计算量小、实时性好等优点,适合于复杂环境下的去噪。为充分发挥上述三种消噪方法的优点,提出了基于小波变换、EEMD和Elman神经网络三级消噪算法,对接收到的蓝牙信号进行多重消噪,从而有效的提高信噪比,减小噪声和非视距传播(NLOS)造成的系统误差。
综上所述,本发明设计了一种基于信号多重消噪的蓝牙室内定位系统。
发明内容
针对现有技术上存在的不足,本发明目的是在于提供一种基于信号多重消噪的蓝牙室内定位系统,提高了定位系统的定位精度,并对环境的变化具有一定的适应性。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种基于信号多重消噪的蓝牙室内定位系统,包括以下步骤:
1、小波变换消噪,小波变换将信号分解到不同频带,通过阈值选择可以有效的滤除高频带中的噪声信号;
2、总体平均经验模态分解消噪,利用信号的局部特征时间尺度,从原信号中提取出若干阶固有模态函数(IMF)和一个残余量,分解出的各阶IMF分量突出了数据的局部特征,残余分量体现了信号中的缓慢变化量,达到消除高频噪声的目的;
3、神经网络消噪,具有更强的计算能力,突出优点是具有很强的优化计算和联想记忆功能,具有非线性连续有理函数的逼近功能,可以得到较好的消噪效果;
4、Taylor级数展开定位,首先假定目标初始位置,然后对距离误差方程在初始位置进行泰勒展开,忽略二阶以上分量,然后利用最小二乘算法得到目标的改进位置,重复上述过程,直到误差足够小,得到目标的最终定位结果。
所述的步骤1具体包括:1.1、对含噪信号进行抽样离散化;1.2、对含噪的信号做离散小波变换,获得经验小波分解系数;1.3、通过选定的阈值得到真实信号小波系数的估计值;1.4、对获得的估计值进行小波逆变换,重构得到原始信号。
所述的步骤2具体包括:2.1、对小波消噪后的信号加入一组高斯白噪音;2.2、进行EMD分解,产生一组IMF的分量;2.3、把一阶IMF去除,进行信号重构得到EEMD重构后的信号。
所述的步骤3具体包括:3.1、初始化神经网络的权值和阈值;3.2、进行数据实测对网络进行训练;3.3、训练过程中根据迭代误差调整网络的权值和阈值;3.4、将所需的消噪数据输入神经网络进行处理得到消噪后数据。
本发明具有以下有益效果:
1、采用小波变换、EEMD和Elman神经网络进行三级去噪,充分发挥这三种消噪方法的优点,在复杂的室内环境下取得了良好的消噪效果。该算法可以有效的提高信噪比,特别是在大噪声条件下可以取得较好的消噪效果。
2、Taylor级数展开定位算法通过设置初始估计位置,然后利用递归算法确定目标位置,在每一次递归中通过RSSI测量误差的局部最小二乘解来改进估计位置。
采用本发明所述方法可以在一定程度上消除了室内复杂环境造成的测距误差的影响,可以有效的适应噪声的变化。获得更高的定位精度。
附图说明
下面结合附图和具体实施方式来详细说明本发明;
图1为本发明的基于小波变换消噪流程图;
图2为本发明的总体平均经验模态分解消噪流程图;
图3为本发明的Elman神经网络消噪消噪流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参照图1-3,本具体实施方式采用以下技术方案:一种基于信号多重消噪的蓝牙室内定位系统,包括以下步骤:
1、小波变换消噪,小波变换将信号分解到不同频带,通过阈值选择可以有效的滤除高频带中的噪声信号;
2、总体平均经验模态分解消噪,利用信号的局部特征时间尺度,从原信号中提取出若干阶固有模态函数(IMF)和一个残余量,分解出的各阶IMF分量突出了数据的局部特征,残余分量体现了信号中的缓慢变化量,达到消除高频噪声的目的;
3、神经网络消噪,具有更强的计算能力,突出优点是具有很强的优化计算和联想记忆功能,具有非线性连续有理函数的逼近功能,可以得到较好的消噪效果;
4、Taylor级数展开定位,首先假定目标初始位置,然后对距离误差方程在初始位置进行泰勒展开,忽略二阶以上分量,然后利用最小二乘算法得到目标的改进位置,重复上述过程,直到误差足够小,得到目标的最终定位结果。
所述的步骤1具体包括:1.1、对含噪信号进行抽样离散化;1.2、对含噪的信号做离散小波变换,获得经验小波分解系数;1.3、通过选定的阈值得到真实信号小波系数的估计值;1.4、对获得的估计值进行小波逆变换,重构得到原始信号。
所述的步骤2具体包括:2.1、对小波消噪后的信号加入一组高斯白噪音;2.2、进行EMD分解,产生一组IMF的分量;2.3、把一阶IMF去除,进行信号重构得到EEMD重构后的信号。
所述的步骤3具体包括:3.1、初始化神经网络的权值和阈值;3.2、进行数据实测对网络进行训练;3.3、训练过程中根据迭代误差调整网络的权值和阈值;3.4、将所需的消噪数据输入神经网络进行处理得到消噪后数据。
本发明的小波变换消噪,小波变换将信号分解到不同频带,通过阈值选择可以有效的滤除高频带中的噪声信号。为了改善硬阈值和软阈值在消噪上的不足,本具体实施方式阀值得选择采用软硬折衷法。总体平均经验模态分解消噪,总体平均经验模态分解(EEMD)是一种附加白噪声的EMD分解方法,能够减小EMD分解时存在的模态混叠问题。利用信号的局部特征时间尺度,从原信号中提取出若干阶固有模态函数(IMF)和一个残余量,分解出的各阶IMF分量突出了数据的局部特征,残余分量体现了信号中的缓慢变化量,达到消除高频噪声的目的。神经网络消噪,Elman神经网络与前向神经网络非常相似,具有更强的计算能力,突出优点是具有很强的优化计算和联想记忆功能,具有非线性连续有理函数的逼近功能,可以得到较好的消噪效果。
本具体实施方式提高了定位系统的定位精度,并对环境的变化具有一定的适应性。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种基于信号多重消噪的蓝牙室内定位系统,其特征在于,包括以下步骤:
(1)、小波变换消噪,小波变换将信号分解到不同频带,通过阈值选择可以有效的滤除高频带中的噪声信号;
(2)、总体平均经验模态分解消噪,利用信号的局部特征时间尺度,从原信号中提取出若干阶固有模态函数(IMF)和一个残余量,分解出的各阶IMF分量突出了数据的局部特征,残余分量体现了信号中的缓慢变化量,达到消除高频噪声的目的;
(3)、神经网络消噪,具有更强的计算能力,突出优点是具有很强的优化计算和联想记忆功能,具有非线性连续有理函数的逼近功能,可以得到较好的消噪效果;
(4)、Taylor级数展开定位,首先假定目标初始位置,然后对距离误差方程在初始位置进行泰勒展开,忽略二阶以上分量,然后利用最小二乘算法得到目标的改进位置,重复上述过程,直到误差足够小,得到目标的最终定位结果。
2.根据权利要求1所述的一种基于信号多重消噪的蓝牙室内定位系统,其特征在于,所述的步骤(1)具体包括:(1.1)、对含噪信号进行抽样离散化;(1.2)、对含噪的信号做离散小波变换,获得经验小波分解系数;(1.3)、通过选定的阈值得到真实信号小波系数的估计值;(1.4)、对获得的估计值进行小波逆变换,重构得到原始信号。
3.根据权利要求1所述的一种基于信号多重消噪的蓝牙室内定位系统,其特征在于,所述的步骤(2)具体包括:(2.1)、对小波消噪后的信号加入一组高斯白噪音;(2.2)、进行EMD分解,产生一组IMF的分量;(2.3)、把一阶IMF去除,进行信号重构得到EEMD重构后的信号。
4.根据权利要求1所述的一种基于信号多重消噪的蓝牙室内定位系统,其特征在于,所述的步骤(3)具体包括:(3.1)、初始化神经网络的权值和阈值;(3.2)、进行数据实测对网络进行训练;(3.3)、训练过程中根据迭代误差调整网络的权值和阈值;(3.4)、将所需的消噪数据输入神经网络进行处理得到消噪后数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324032.XA CN110248325B (zh) | 2019-04-22 | 2019-04-22 | 一种基于信号多重消噪的蓝牙室内定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324032.XA CN110248325B (zh) | 2019-04-22 | 2019-04-22 | 一种基于信号多重消噪的蓝牙室内定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110248325A true CN110248325A (zh) | 2019-09-17 |
CN110248325B CN110248325B (zh) | 2022-11-25 |
Family
ID=67883316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910324032.XA Active CN110248325B (zh) | 2019-04-22 | 2019-04-22 | 一种基于信号多重消噪的蓝牙室内定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110248325B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414578A (zh) * | 2020-03-18 | 2020-07-14 | 电子科技大学 | 一种基于泰勒展开的无线传播模型 |
CN114608580A (zh) * | 2022-03-10 | 2022-06-10 | 吉林大学 | 一种室内移动目标定位方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007147540A (ja) * | 2005-11-30 | 2007-06-14 | Nissan Motor Co Ltd | 車両用障害物検知装置および車両用障害物検知方法 |
CN107184203A (zh) * | 2017-07-03 | 2017-09-22 | 重庆大学 | 基于自适应集合经验模态分解的心电信号特征点识别方法 |
CN107392123A (zh) * | 2017-07-10 | 2017-11-24 | 电子科技大学 | 一种基于相参积累消噪的射频指纹特征提取和识别方法 |
CN109583350A (zh) * | 2018-11-22 | 2019-04-05 | 江苏方天电力技术有限公司 | 一种局部超声阵列信号的高精度去噪方法 |
CN109597025A (zh) * | 2018-11-21 | 2019-04-09 | 西安邮电大学 | 基于elman神经网络的蓝牙室内微定位系统 |
-
2019
- 2019-04-22 CN CN201910324032.XA patent/CN110248325B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007147540A (ja) * | 2005-11-30 | 2007-06-14 | Nissan Motor Co Ltd | 車両用障害物検知装置および車両用障害物検知方法 |
CN107184203A (zh) * | 2017-07-03 | 2017-09-22 | 重庆大学 | 基于自适应集合经验模态分解的心电信号特征点识别方法 |
CN107392123A (zh) * | 2017-07-10 | 2017-11-24 | 电子科技大学 | 一种基于相参积累消噪的射频指纹特征提取和识别方法 |
CN109597025A (zh) * | 2018-11-21 | 2019-04-09 | 西安邮电大学 | 基于elman神经网络的蓝牙室内微定位系统 |
CN109583350A (zh) * | 2018-11-22 | 2019-04-05 | 江苏方天电力技术有限公司 | 一种局部超声阵列信号的高精度去噪方法 |
Non-Patent Citations (4)
Title |
---|
NIMA SAFARI ET AL.: "A novel decomposition-based localized short-term tidal current speed and direction prediction model", 《2017 IEEE POWER & ENERGY SOCIETY GENERAL MEETING》 * |
宋萌萌等: "基于提升小波变换与EEMD的神经网络齿轮故障诊断方法", 《组合机床与自动化加工技术》 * |
阚阅: "基于多基阵传声器阵列的被动式声源定位研究", 《中国优秀博士论文全文数据库 信息科技辑》 * |
陈宝全等: "小波分析法解决无线定位跟踪问题", 《电信科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414578A (zh) * | 2020-03-18 | 2020-07-14 | 电子科技大学 | 一种基于泰勒展开的无线传播模型 |
CN114608580A (zh) * | 2022-03-10 | 2022-06-10 | 吉林大学 | 一种室内移动目标定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110248325B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549067B (zh) | 一种应用于三阶机动目标的相参积累检测方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
CN106506430B (zh) | 一种基于压缩感知技术的补偿峰均比非线性失真的新算法 | |
CN107085140B (zh) | 基于改进的SmartDFT算法的非平衡系统频率估计方法 | |
CN107153178B (zh) | 外辐射源雷达参考信号含有多径干扰时的目标检测方法 | |
KR101294681B1 (ko) | 기상 신호 처리장치 및 그 처리방법 | |
CN104901909B (zh) | 一种α非高斯噪声下chirp信号的参数估计方法 | |
CN110248325A (zh) | 一种基于信号多重消噪的蓝牙室内定位系统 | |
CN101334469A (zh) | 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法 | |
Han et al. | Adaptive fission particle filter for seismic random noise attenuation | |
CN107333017B (zh) | 一种重用权系数指数型误差自适应回声消除方法 | |
CN104502925A (zh) | 一种基于自适应信号处理的抗窄带干扰系统及方法 | |
CN110927750A (zh) | 一种基于格型滤波Burg谱估计算法的低轨卫星多普勒频偏捕获方法 | |
CN104280776B (zh) | 一种自适应小波阈值求取方法 | |
CN101789771B (zh) | 基于对数变换的脉冲噪声有源控制方法 | |
CN114384560A (zh) | 一种基于tvf-emd-svd的gnss多径信号抑制方法 | |
Abend et al. | Radio and TV interference extraction for ultrawideband radar | |
CN104410388A (zh) | 基于非线性变换的自适应时间延迟估计方法 | |
CN107248869A (zh) | 一种基于吕分布的多分量线性调频信号去噪技术 | |
CN113687143B (zh) | 一种电磁波信号幅值衰减与传播距离关系曲线的拟合方法 | |
CN103915102A (zh) | 一种lfm水声多途信号的噪声抑制方法 | |
CN108667538B (zh) | 复杂噪声环境下时延和幅度衰减的联合估计方法 | |
CN107635181A (zh) | 一种基于信道学习的多址感知源反馈优化方法 | |
CN110032968A (zh) | 基于双树复小波和自适应半软阈值法的去噪方法 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230801 Address after: 710038 Building C2, Emerging Industry Incubator, Baqiao District, Honghai Second Road, Baqiao District, Xi'an City, Shaanxi Province Patentee after: XI'AN CHENGHE INDUSTRIAL AUTOMATION EQUIPMENT CO.,LTD. Address before: 710000 No. 563 Chang'an South Road, Xi'an City, Shaanxi Province Patentee before: XI'AN University OF POSTS & TELECOMMUNICATIONS |