CN113055815B - 基于最大似然估计的多传感器1比特直接定位方法 - Google Patents
基于最大似然估计的多传感器1比特直接定位方法 Download PDFInfo
- Publication number
- CN113055815B CN113055815B CN202110258767.4A CN202110258767A CN113055815B CN 113055815 B CN113055815 B CN 113055815B CN 202110258767 A CN202110258767 A CN 202110258767A CN 113055815 B CN113055815 B CN 113055815B
- Authority
- CN
- China
- Prior art keywords
- grid
- bit
- sensor
- signal
- cost function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000007476 Maximum Likelihood Methods 0.000 title claims abstract description 13
- 238000013139 quantization Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于最大似然估计的多传感器1比特直接定位方法,包括以下步骤:S1、初始化系统参数,初始化传感器节点个数、传感器节点位置、传感器接收天线数目、阵元间距、接收信号波长、采样间隔、噪声方差、发射信号;S2、对各传感器接收通道的基带信号进行采样,获得离散样本值;S3、对离散样本值进行1比特量化,得到1比特信号;S4、划分目标位置的网格搜索空间;S5、采用网格搜索的方式定位目标。本发明将接收的基带信号采用1比特ADC量化,1比特ADC与传统ADC相比,不再需要自动增益控制,且只保留了1位量化结果,降低了系统复杂性、功耗、成本以及通信数据量。
Description
技术领域
本发明属于信号处理技术领域,涉及信号参数估计以及多传感器被动定位方法,特别是一种基于最大似然估计的多传感器1比特直接定位方法。
背景技术
定位技术一直是通信和信号处理领域一个重要的研究内容,现有的定位技术主要可以分为两类,一类是二次定位,包括TOA,TDOA,AOA等技术,另一类是直接定位。在二次定位技术中,各个传感器节点孤立的测量与目标位置相关的量测参数,如信号的到达角,时延,多普勒等,忽略了这些参数均来自于同一目标这一约束关系,因此是次优的。而直接定位技术(DPD)直接从基带信号出发,估计出目标位置,不需要测量量测参数的中间步骤,具有低信噪比下定位精度高,鲁棒性好等特点,在民用和军用领域都有着广阔的发展空间。直接定位技术根据发射信号的波形信息是否已知,可以分为DPD-known和DPD-unknown两种方法,前者由于已知发射信号的波形信息,因此是理论上最优的定位算法,能够实现低信噪比下的高精度定位。
对于大规模传感网络系统,通常是由广域分布的低成本,低传输带宽以及低功耗的传感器节点构成。多传感器直接定位技术中,各传感器节点需要传输整个基带信号到融合中心,随着传感器节点数目以及观测时间的增加,系统的传输带宽以及功耗等都将面临着严峻的挑战,直接定位技术在实际大规模传感网络中的应用也由此得到限制。解决上述问题的一种有效方法是采用更少的比特去量化基带信号,一种极端的量化方式是仅采用1位比特去量化基带信号,我们称之为1比特量化。文献“Joint Angle and DopplerFrequency Estimation for MIMO Radar with One-Bit Sampling:A MaximumLikelihood-Based Method,"in IEEE Transactions on Aerospace and ElectronicSystems,vol.56,no.6,pp.4734-4748,Dec.2020”提出了基于1比特量化信号求解目标多普勒,角度的方法,估计了二次定位所需的中间参数。文献“Joint UWB TOA and AOAestimation under 1-bit quantization resolution,"2013IEEE/CIC InternationalConference on Communications in China(ICCC),Xi'an,2013,pp.321-326”提出了一种采用均匀线阵天线和高速比较器的1位量化TOA/AOA估计器,并采用了三步估计TOA/AOA算法进行目标定位。以上都是针对1比特量化在二次定位中的研究,应用在直接定位技术中的1比特量化还没有得到研究。
发明内容
本发明的目的在于克服现有技术的不足,提供一种将接收的基带信号采用1比特ADC量化,与传统ADC相比,不再需要自动增益控制,且只保留了1位量化结果,降低了系统复杂性、功耗、成本以及通信数据量的基于最大似然估计的多传感器1比特直接定位方法。
本发明的目的是通过以下技术方案来实现的:基于最大似然估计的多传感器1比特直接定位方法,包括以下步骤:
S1、初始化系统参数,初始化传感器节点个数、传感器节点位置、传感器接收天线数目、阵元间距、接收信号波长、采样间隔、噪声方差、发射信号;
S2、对各传感器接收通道的基带信号进行采样,获得离散样本值;
S3、对离散样本值进行1比特量化,得到1比特信号;
S4、划分目标位置的网格搜索空间;
S5、采用网格搜索的方式定位目标。
进一步地,所述步骤S3得到的1比特信号Zl为:
Zl=Q1-bit(Yl-Tl) (1)
其中Tl为量化门限;Yl为离散样本值,l=1,…,L,L为传感器节点个数;Q1-bit(·)为1比特量化器,定义为:
进一步地,所述步骤S5包括以下子步骤:
S51、设置代价函数初始值Q=0;
S52、选取一个网格点ηgrid=(xgrid,ygrid),计算网格点的阵列响应αl(ηgrid):
其中θgrid为选取的网格点与传感器节点的方位角,d为阵元间距,λ为接收信号波长,R为传感器接收天线数目,[·]T表示转置;
进一步地,所述步骤S53中,代价函数的计算方法包括以下子步骤:
S531、根据S52计算得到的阵列响应αl(ηgrid),计算各通道的无噪声接收信号Ml:
Ml=αl(ηgrid)sT (5)
s表示发射信号;
S533、计算代价函数值Qgrid(Zl;ηgrid):
本发明的有益效果是:本发明将各传感器节点接收的基带信号采样后进行1比特量化,融合中心根据各传感器1比特信号的代价函数,通过最大似然估计的方法求估计出目标位置,从而实现了更少通信数据量,更低系统复杂性下的直接定位方法。本发明的优点是将接收的基带信号采用1比特ADC量化,1比特ADC与传统ADC相比,不再需要自动增益控制,且只保留了1位量化结果,降低了系统复杂性、功耗、成本以及通信数据量。本发明可以有效应用于现有的大规模传感网络中进行目标定位。
附图说明
图1为大规模传感网络定位示意图;
图2为本发明的基于最大似然估计的多传感器1比特直接定位方法的流程图;
图3为本实施例中的1比特似然函数数据平面图;
图4是本实施例中定位性能对比图;
图5是本实施例中,本发明的方法与其他定位方法的数据量对比图;
图6为本实施例中不同传感器节点数量下的定位性能对比图。
具体实施方式
本发明的解决方案是各传感器节点对接收的基带信号采样后进行1比特量化,其系统架构如图1所示,融合中心根据各传感器1比特信号的代价函数,通过最大似然估计的方式估计出目标位置。该方法有效解决了现有多传感器直接定位技术传输数据量大,系统复杂度高,功耗大的问题,从而实现低数据传输量,低系统复杂度下的多传感器直接定位技术。
最大似然估计是指通过求解信号似然函数的最大值来估计信号参数,本发明中用代价函数Qgrid(Zl;ηgrid)来表示似然函数,通过搜索使得这个函数取得最大值的参数ηgrid,将其确定为估计出来的目标位置参数。
下面结合附图进一步说明本发明的技术方案。
如图2所示,本发明的一种基于最大似然估计的多传感器1比特直接定位方法,包括以下步骤:
S1、初始化系统参数,如图3所示,初始化传感器节点个数L=5,目标位置为(2,20)km,各传感器节点均匀分布在以(0,0)km为中心,10km为半径的下半圆上,传感器节点位置记为(xl,yl);传感器接收天线数目R=4,初始化信号载频fc=77Ghz,光速c=3×108m/s,接收信号波长阵元间距初始化采样频率fs=400Mhz,采样间隔噪声方差σ,发射信号s;
S2、对各传感器接收通道的基带信号进行采样,获得离散样本值Yl:Yl=[Yl1,…,Ylr,…,YlR]T,Ylr=[ylr(0),ylr(1),…,ylr((K-1)Ts)]T,其中K为离散样本数,本实施例中用于仿真的离散样本数K=256。
S3、对离散样本值进行1比特量化,得到1比特信号Zl为:
Zl=Q1-bit(Yl-Tl) (1)
其中Tl为量化门限;Yl为离散样本值,l=1,…,L,L为传感器节点个数;Q1-bit(·)为1比特量化器,定义为:
S4、划分目标位置的网格搜索空间(xgrid,ygrid);
S5、采用网格搜索的方式定位目标;包括以下子步骤:
S51、设置代价函数初始值Q=0;
S52、选取一个网格点ηgrid=(xgrid,ygrid),计算网格点的阵列响应αl(ηgrid):
其中θgrid为选取的网格点与传感器节点的方位角,d为阵元间距,λ为接收信号波长,R为传感器接收天线数目,[·]T表示转置;
代价函数的计算方法包括以下子步骤:
S531、根据S52计算得到的阵列响应αl(ηgrid),计算各通道的无噪声接收信号Ml:
Ml=αl(ηgrid)sT (5)
s表示发射信号;
S533、计算代价函数值Qgrid(Zl;ηgrid):
在给定仿真参数下,对每一个信噪比(SNR)进行500次蒙特卡洛仿真实验,以均方误差(RMSE)作为定位性能依据。为了比较本发明方法的定位性能,我们对比了全精度DPD-known方法和1比特AOA定位方法的定位性能,如图4所示。本发明提出的方法在图中标注为1比特DPD。其中,本发明方法在相同信噪比下定位性能要优于1比特AOA定位方法。本发明的定位性能要略低于全精度DPD-known,这是因为本发明是基于更低复杂性(1比特ADC),更少通信量基础上实现的DPD。本发明的定位方法与其他方法在所需数据量如图5所示,考虑全精度DPD在实际应用中采用16比特量化,本发明方法所需数据量仅为其的6%,大大较少了算法所需数据量。对于大规模传感网络,通常由大量广域分布的低成本,低传输带宽以及低功耗的传感器构成,全精度DPD将不再适用,本发明方法可以有效应用在这种场景中,并且随着传感器数量的增加,本发明的定位方法与全精度DPD方法的均方误差(RMSE)越来越接近,如图6所示,二者差距逐渐缩小。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (2)
1.基于最大似然估计的多传感器1比特直接定位方法,其特征在于,包括以下步骤:
S1、初始化系统参数,初始化传感器节点个数、传感器节点位置、传感器接收天线数目、阵元间距、接收信号波长、采样间隔、噪声方差、发射信号;
S2、对各传感器接收通道的基带信号进行采样,获得离散样本值;
S3、对离散样本值进行1比特量化,得到1比特信号Zl为:
Zl=Q1-bit(Yl-Tl) (1)
其中Tl为量化门限;Yl为离散样本值,l=1,…,L,L为传感器节点个数;Q1-bit(·)为1比特量化器,定义为:
S4、划分目标位置的网格搜索空间;
S5、采用网格搜索的方式定位目标;包括以下子步骤:
S51、设置代价函数初始值Q=0;
S52、选取一个网格点ηgrid=(xgrid,ygrid),计算网格点的阵列响应αl(ηgrid):
其中θgrid为选取的网格点与传感器节点的方位角,d为阵元间距,λ为接收信号波长,R为传感器接收天线数目,[·]T表示转置;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110258767.4A CN113055815B (zh) | 2021-03-10 | 2021-03-10 | 基于最大似然估计的多传感器1比特直接定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110258767.4A CN113055815B (zh) | 2021-03-10 | 2021-03-10 | 基于最大似然估计的多传感器1比特直接定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113055815A CN113055815A (zh) | 2021-06-29 |
CN113055815B true CN113055815B (zh) | 2021-12-07 |
Family
ID=76511226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110258767.4A Active CN113055815B (zh) | 2021-03-10 | 2021-03-10 | 基于最大似然估计的多传感器1比特直接定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113055815B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103237345A (zh) * | 2013-04-09 | 2013-08-07 | 长安大学 | 一种基于二元量化数据的声源目标迭代定位方法 |
CN104142496A (zh) * | 2014-04-30 | 2014-11-12 | 电子科技大学 | 基于连通域划分的统计mimo雷达多目标定位方法 |
CN108318857A (zh) * | 2018-02-09 | 2018-07-24 | 电子科技大学 | 基于分数阶傅里叶变换的多个非合作发射源被动定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109031196A (zh) * | 2018-07-19 | 2018-12-18 | 中国人民解放军战略支援部队信息工程大学 | 基于运动观测站对多信号源的最大似然直接定位方法 |
CN111194048B (zh) * | 2019-07-01 | 2022-12-06 | 杭州电子科技大学 | 一种基于em的1比特参数估计方法 |
-
2021
- 2021-03-10 CN CN202110258767.4A patent/CN113055815B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103237345A (zh) * | 2013-04-09 | 2013-08-07 | 长安大学 | 一种基于二元量化数据的声源目标迭代定位方法 |
CN104142496A (zh) * | 2014-04-30 | 2014-11-12 | 电子科技大学 | 基于连通域划分的统计mimo雷达多目标定位方法 |
CN108318857A (zh) * | 2018-02-09 | 2018-07-24 | 电子科技大学 | 基于分数阶傅里叶变换的多个非合作发射源被动定位方法 |
Non-Patent Citations (1)
Title |
---|
Position-based adaptive quantization for target location estimation in wireless sensor networks using one-bit data;Liu Guiyun et.al.;《WIRELESS COMMUNICATIONS & MOBILE COMPUTING》;20160630;第2-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN113055815A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107132505B (zh) | 直达与非直达混合场景中的多目标直接定位方法 | |
CN108696932A (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
CN105911521B (zh) | 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法 | |
CN109581281B (zh) | 基于到达时间差和到达频率差的移动目标定位方法 | |
CN109671100B (zh) | 一种分布式可变扩散组合系数粒子滤波直接跟踪方法 | |
CN110888110A (zh) | 一种适用于WiFi的室内载波相位定位模型构建方法 | |
CN111556431A (zh) | 一种基于信号子空间的指纹室内定位方法 | |
CN103501538A (zh) | 基于多径能量指纹的室内定位方法 | |
CN106950528A (zh) | 一种基于线性调频信号的波达方向估计方法 | |
CN102098082B (zh) | 信道簇跟踪方法及装置 | |
CN103096465B (zh) | 一种环境自适应的多目标直接定位方法 | |
CN111352083B (zh) | 一种高频地波雷达多接收通道增益自动校准方法及装置 | |
CN113055815B (zh) | 基于最大似然估计的多传感器1比特直接定位方法 | |
CN111505566B (zh) | 一种特高频射频信号doa估计方法 | |
CN111238480A (zh) | 基于距离残差的nlos识别方法及在室内定位中的应用 | |
CN116482603A (zh) | 一种锚节点位置不确定的rss定位方法 | |
CN113702901B (zh) | 一种基于信号相关性增强的互相关时延估计方法 | |
CN113589223B (zh) | 基于互耦情况下嵌套阵列的测向方法 | |
CN116047401A (zh) | 一种基于单比特量化的欠定波达方向估计方法 | |
Qin et al. | A ML-based direct localization method for multiple sources with moving arrays | |
CN114200389A (zh) | 一种基于多天线阵列的单比特量化波达方向估计方法 | |
CN113917389A (zh) | 一种相控阵协同探测系统和差波束角度估计方法 | |
CN115877315B (zh) | 一种基于深度神经网络的单目标doa估计方法 | |
CN108828585B (zh) | 一种空间平台目标无伺服跟踪测角方法 | |
CN113194049A (zh) | 基于牛顿迭代二值采样信号的参数鲁棒估计方法 |
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 |