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

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

基于最大似然估计的多传感器1比特直接定位方法

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Z_l为：

Z_l＝Q_1-bit(Y_l-T_l) (1)

其中T_l为量化门限；Y_l为离散样本值，l＝1,…,L，L为传感器节点个数；Q_1-bit(·)为1比特量化器，定义为：

分别代表求实部和虚部，sign(·)为取符号操作，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η_grid＝(x_grid,y_grid)，计算网格点的阵列响应α_l(η_grid)：

其中θ_grid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；

S53、计算网格点的代价函数Q_grid(Z_l；η_grid)，如果Q_grid≥Q，更新代价函数Q＝Q_grid，且将对应的网格点作为估计的目标位置，

否则保留初始代价函数不更新；

S54、对所有网格点执行步骤S52-S53的操作,确定最终的目标位置

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α_l(η_grid)，计算各通道的无噪声接收信号M_l：

M_l＝α_l(η_grid)s^T (5)

s表示发射信号；

S532、计算量化因子

其中σ表示噪声方差，

分别为M_l、T_l第n个元素的实部，

分别为M_l、T_l第n个元素的虚部；n＝1,…,RK，K为离散样本数；

S533、计算代价函数值Q_grid(Z_l；η_grid)：

其中，

分别为Z_l第n个元素的实部和虚部，Φ(·)代表标准正态分布的累积分布函数，表示为：

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Q_grid(Z_l；η_grid)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η_grid，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(x_l,y_l)；传感器接收天线数目R＝4，初始化信号载频f_c＝77Ghz，光速c＝3×10⁸m/s，接收信号波长

阵元间距

初始化采样频率f_s＝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Y_l：Y_l＝[Y_l1,…,Y_lr,…,Y_lR]^T,Y_lr＝[y_lr(0),y_lr(1),…,y_lr((K-1)T_s)]^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Z_l为：

Z_l＝Q_1-bit(Y_l-T_l) (1)

其中T_l为量化门限；Y_l为离散样本值，l＝1,…,L，L为传感器节点个数；Q_1-bit(·)为1比特量化器，定义为：

分别代表求实部和虚部，sign(·)为取符号操作，定义为：

S4、划分目标位置的网格搜索空间(x_grid,y_grid)；

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η_grid＝(x_grid,y_grid)，计算网格点的阵列响应α_l(η_grid)：

其中θ_grid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；

S53、计算网格点的代价函数Q_grid(Z_l；η_grid)，如果Q_grid≥Q，更新代价函数Q＝Q_grid，且将对应的网格点作为估计的目标位置，

否则保留初始代价函数不更新；

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α_l(η_grid)，计算各通道的无噪声接收信号M_l：

M_l＝α_l(η_grid)s^T (5)

s表示发射信号；

S532、计算量化因子

其中σ表示噪声方差，

分别为M_l、T_l第n个元素的实部，

分别为M_l、T_l第n个元素的虚部；n＝1,…,RK，K为离散样本数；

S533、计算代价函数值Q_grid(Z_l；η_grid)：

其中，

分别为Z_l第n个元素的实部和虚部，Φ(·)代表标准正态分布的累积分布函数，表示为：

S54、对所有网格点执行步骤S52-S53的操作,确定最终的目标位置

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Z_l为：

Z_l＝Q_1-bit(Y_l-T_l) (1)

其中T_l为量化门限；Y_l为离散样本值，l＝1,…,L，L为传感器节点个数；Q_1-bit(·)为1比特量化器，定义为：

分别代表求实部和虚部，sign(·)为取符号操作，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η_grid＝(x_grid,y_grid)，计算网格点的阵列响应α_l(η_grid)：

其中θ_grid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；

S53、计算网格点的代价函数Q_grid(Z_l；η_grid)，如果Q_grid≥Q，更新代价函数Q＝Q_grid，且将对应的网格点作为估计的目标位置，

否则保留初始代价函数不更新；

S54、对所有网格点执行步骤S52-S53的操作,确定最终的目标位置

2.根据权利要求1所述的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，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α_l(η_grid)，计算各通道的无噪声接收信号M_l：

M_l＝α_l(η_grid)s^T (5)

s表示发射信号；

S532、计算量化因子

其中σ表示噪声方差，

分别为M_l、T_l第n个元素的实部，

分别为M_l、T_l第n个元素的虚部；n＝1,…,RK，K为离散样本数；

S533、计算代价函数值Q_grid(Z_l；η_grid)：

其中，

分别为Z_l第n个元素的实部和虚部，Φ(·)代表标准正态分布的累积分布函数，表示为：

Images