CN116008976B - 一种用于chirp信号的融合测距方法 - Google Patents

一种用于chirp信号的融合测距方法 Download PDF

Info

Publication number
CN116008976B
CN116008976B CN202310301674.4A CN202310301674A CN116008976B CN 116008976 B CN116008976 B CN 116008976B CN 202310301674 A CN202310301674 A CN 202310301674A CN 116008976 B CN116008976 B CN 116008976B
Authority
CN
China
Prior art keywords
information
rssi
distance information
toa
distance
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
Application number
CN202310301674.4A
Other languages
English (en)
Other versions
CN116008976A (zh
Inventor
梁宏明
李洋漾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Silingke Microelectronics Co ltd
Original Assignee
Sichuan Silingke Microelectronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Silingke Microelectronics Co ltd filed Critical Sichuan Silingke Microelectronics Co ltd
Priority to CN202310301674.4A priority Critical patent/CN116008976B/zh
Publication of CN116008976A publication Critical patent/CN116008976A/zh
Application granted granted Critical
Publication of CN116008976B publication Critical patent/CN116008976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Position Fixing By Use Of Radio Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种用于CHIRP信号的融合测距方法，针对现有技术存在的TOA测距估计无法获得超过1/BW的测距精度。基于RSS的指纹匹配算法离线测量指纹时工作量巨大。以及融合权重采用测量位置与基站之间的距离，未考虑环境造成的多径影响等问题。本发明技术方案包括：通过获取TOA估计的延时信息，然后通过延时信息得到TOA距离信息；获取RSSI信息，然后根据对数正态分布模型建模RSSI信息与距离之间的关系，并根据环境信息计算得到环境RSSI信息，通过所述环境RSSI信息基于对数正态分布模型反解出距离信息，得到RSSI距离信息；将所述TOA距离信息与RSSI距离信息进行融合，得到融合测距结果。

Description

一种用于CHIRP信号的融合测距方法
技术领域
本发明属于无线通信技术领域，具体涉及一种用于CHIRP信号的融合测距方法。
背景技术
在无线通信中，测距和定位作为智能感知的基础，受到越来越多的关注。其中测距是定位的基础，用于chirp信号的测距和定位手段主要包括基于RSSI（Received SignalStrength Indicator）的测距或基于TOA（Time of Arrival）的测距。在实现中，往往单独采用RSSI或者TOA来实现测距和定位的功能。很少考虑使用两种测量量联合进行测距和定位。
基于RSSI的测距方法主要包括两种，第一种为指纹测距，即首先在离线状态时将待定位区域栅格化，并采集每个栅格的RSSI指纹信息，以此获得RSSI与位置信息的一一映射关系。在线状态时将实际测量得到的RSSI信息与离线测量的位置指纹信息进行匹配，以此获得该RSSI下的定位结果。
第二种方法是构造RSSI和距离的几何关系式来测距，离线状态通过几个校准锚点构建RSSI与距离的函数，在线状态通过读取待定位点的RSSI的信息，并使用之前获取的几何关系式来计算距离信息。由于RSSI信息在设备中即可读取，因此获得该信息较为容易，并且不管是基于指纹测距还是几何关系匹配的RSSI定位方法，计算都较为简单。然而由于RSSI信息往往受到环境中多径的影响，因此测距和定位精度有限。
至于TOA测距，通过发送和接收之间的两个时间戳，计算空口传输时间，再乘以光速即可获得传输距离。相比RSSI方案，TOA测距受到环境影响更小，测距和定位精度更高。然而TOA的时间分辨力往往受到带宽影响。一般情况下，最小的时间分辨力为1/BW，其中BW代表带宽。由于受到频谱资源的限制，因此***的带宽往往受限，导致基于TOA的测距和定位精度有限。
现有技术中，公开了一种融合TOF（Time of Flight）测量以及RSS（ReceivedSignal Strength）位置指纹信息的算法。该算法实现通过TOF测量值获得距离信息，然后测量用户设备（UE）与网关的RSS值并匹配指纹信息获得距离信息。然后通过两次加权融合，分别是对测量量距离进行加权融合，以及对两种方式获取的定位结果进行加权融合。以此提升最终的测距和定位精度。
现有技术存在以下技术问题：
1、TOA测距估计无法获得超过1/BW的测距精度。
2、基于RSS的指纹匹配算法离线测量指纹时工作量巨大，很难在大规模工程应用中实现。
3、融合权重采用测量位置与基站之间的距离，将更大的权重赋予距离更近的测量量以及定位结果，该方法未考虑环境造成的多径影响。
发明内容
针对上述现有技术中存在的问题，本发明提出了一种用于CHIRP信号的融合测距方法，其目的为：基于chirp扩频的通信***中，需要获得更可靠的距离测量信息，以此实现更优的测距和定位性能。
为实现上述目的本发明所采用的技术方案是：提供一种用于CHIRP信号的融合测距方法，包括：Chirp发送信号时，每个信号的前端有一段前导码信号，通过使用所述前导码信号进行TOA距离信息和RSSI距离信息的获取，其具体过程包括以下步骤：
S1：获取TOA估计的延时信息，延时信息包括整数延时和小数延时，然后通过延时信息得到TOA距离信息；
S2：获取RSSI信息，然后根据对数正态分布模型建模RSSI信息与距离之间的关系，并根据环境信息计算得到环境RSSI信息，通过所述环境RSSI信息基于对数正态分布模型反解出距离信息，得到RSSI距离信息；
S3：将所述TOA距离信息与RSSI距离信息进行融合，得到融合测距结果。
较优的，本发明S1中获取整数延时的步骤具体为：
S1.1：首先将发送信号中的前导码信号
Figure SMS_1
与接收信号中的前导码信号/>
Figure SMS_2
进行整数延时运算，如下式所示：
Figure SMS_3
其中，fft代表快速傅里叶变换，
Figure SMS_4
代表/>
Figure SMS_5
的共轭,||代表求绝对值；
S1.2：然后找出到
Figure SMS_6
中最大值所对应的下标/>
Figure SMS_7
，如下式所示：
Figure SMS_8
其中，
Figure SMS_9
为整数延时，0<i<2^SF+1。
较优的，本发明在S1中，通过MUSIC算法得到小数延时，步骤具体为：
S1.3：首先计算自相关矩阵R，如下式所示：
Figure SMS_10
其中，H代表共轭转置；
S1.4：然后对自相关矩阵R进行特征值分解，得到特征值，特征值分解如下式所示：
Figure SMS_11
其中，eig代表对自相关矩阵R的特征值分解；
本发明进行特征值分解的作用为分解信号空间和噪声空间，因为MUSIC算法的本质是利用信号空间和噪声空间的正交性来获得超分辨延时估计的。S1.6中得到的MUSIC伪谱的公式即使用了噪声空间的特征向量；此外，S1.6公式中在进行多径数目判决时，也用到了这里分解后得到的特征值。
S1.5：然后计算导向矢量，计算公式如下式所示：
Figure SMS_12
其中，e代表自然对数，pi代表π，fc代表信号的载频，n代表第n码片，n的取值范围为0<n<
Figure SMS_13
+1且n为整数；m代表第m个延时点对应的导向矢量；此处在整数延时点周围开一个窗，搜索小数延时点，如下式所示：
Figure SMS_14
-offset1≤m≤/>
Figure SMS_15
+offset2且m=/>
Figure SMS_16
其中，0≤
Figure SMS_17
且/>
Figure SMS_18
为整数，offset1和offset2表示窗，stp表示步长，/>
Figure SMS_19
，BW代表信号的带宽，SF代表扩频因子；
S1.6：假设空间的多径数目为L，获取多径数目的方法为：将特征值按照从大至小的顺序进行排序，排序后的特征值定义为
Figure SMS_20
,/>
Figure SMS_21
，当如下所示公式成立时：
Figure SMS_22
公式中对应的L即为多径数目，且计算得到的MUSIC伪谱为
Figure SMS_23
其中，H代表共轭转置,然后找出P(m)中最大值对应的下标，如下式所示：
Figure SMS_24
得到
Figure SMS_25
为小数延时；
S1.7：最终得到延时信息，如下式所示：
Figure SMS_26
。
较优的，本发明在S1中，通过相位反演算法得到延时信息，步骤具体为：
S1.8：基于第n个码片的
Figure SMS_27
与n+1个码片的/>
Figure SMS_28
之间的相位变化，计算信号的传输延时，如下式所示：
Figure SMS_29
其中，pi代表π，
Figure SMS_30
表示求取不同时刻/>
Figure SMS_31
的相位，/>
Figure SMS_32
，BW代表信号的带宽，SF代表扩频因子；
S1.9：然后将多个码片的传输延时求平均，得到延时信息，如下式所示：
Figure SMS_33
。
较优的，本发明将得到的延时信息乘以光速，得出TOA距离信息，如下式所示：
Figure SMS_34
其中，c为光速。
较优的，本发明采用α滤波器获取
Figure SMS_35
个包，/>
Figure SMS_36
的取值范围为：0</>
Figure SMS_37
</>
Figure SMS_38
+1，得到的TOA距离信息如下式所示：
Figure SMS_39
+/>
Figure SMS_40
。
较优的，本发明S2中，获取RSSI距离信息的具体步骤为：
S2.1：获取包的RSSI信息，假定第
Figure SMS_43
个包得出的TOA距离信息为/>
Figure SMS_45
，若/>
Figure SMS_48
-
Figure SMS_42
threshold2或者dt(/>
Figure SMS_46
)-/>
Figure SMS_47
>threshold2，/>
Figure SMS_49
的取值范围为0<
Figure SMS_41
</>
Figure SMS_44
+1，那么判定该TOA距离信息为多径信息，将该包对应的RSSI信息判定为异常RSSI信息，将该包对应的异常RSSI信息和多径信息删除；
S2.2：删除完成后剩余的总包数为T，将第t个包的RSSI信息表示为r(t),t的取值范围为0<
Figure SMS_50
<T+1,然后使用α滤波器对多包数据进行alpha滤波降低RSSI的方差,如下式所示：
Figure SMS_51
+/>
Figure SMS_52
S2.3：然后根据对数正态分布模型建模RSSI信息与距离之间的关系，如下式所示：
Figure SMS_53
其中，
Figure SMS_54
代表距离为d时接收到的滤波后的RSSI信息，/>
Figure SMS_55
代表距离参数，/>
Figure SMS_56
代表距离为/>
Figure SMS_57
时的RSSI信息，/>
Figure SMS_58
为环境相关的修正值，代表环境因子；
S2.4：选择测距距离为近点和远点K个RSSI信息分别求解其修正值
Figure SMS_59
，K为参数，然后分别记为/>
Figure SMS_60
，0<k<K+1且k为整数，计算得到的/>
Figure SMS_61
值如下式所示：
Figure SMS_62
S2.5：然后基于获得的RSSI信息根据对数正态模型反解出距离信息，即得到RSSI距离信息，表示为：dr(1),dr(2)…dr(
Figure SMS_63
)。
较优的，本发明S3中，得到融合测距结果具体为：
S3.1：基于S2.2得到的T个包数据，将这T个包的TOA距离信息分别表示为：dt(1),dt(2)…dt(T)；
S3.2:然后计算这些TOA距离信息的均值和标准差，分别如下式所示：
Figure SMS_64
Figure SMS_65
并计算对应的RSSI距离信息的均值和标准差，分别如下式所示：
Figure SMS_66
Figure SMS_67
S3.3：然后将TOA距离信息和RSSI距离信息根据标准差进行加权融合，如下式所示：
Figure SMS_68
其中，将标准差作为权值：
Figure SMS_69
，/>
Figure SMS_70
，权值选择的准则为标准差或者方差越大，给与的权值越小；
融合后得到的融合测距结果为
Figure SMS_71
。
较优的，本发明S3.3中，还可以将TOA距离信息和RSSI距离信息根据方差进行加权融合，如下式所示：
Figure SMS_72
其中，将方差作为权值：
Figure SMS_73
，/>
Figure SMS_74
，权值选择的准则为标准差或者方差越大，给与的权值越小；
融合后得到的融合测距结果为
Figure SMS_75
。
较优的，本发明S3.3中，当测量误差满足高斯分布时，使用高斯权值来融合TOA距离信息和RSSI距离信息，如下式所示：
Figure SMS_76
其中，计算TOA距离信息的权重为
Figure SMS_77
，计算RSSI距离信息的权重为/>
Figure SMS_78
；
融合后得到的融合测距结果为
Figure SMS_79
。
相比现有技术，本发明的技术方案具有如下优点/有益效果：
1.本发明通过超分辨MUSIC算法来获取TOA距离信息，可以实现超过1/BW的时间分辨和估算能力，并可以显著提高估计精度。
2.本发明还可以通过相位反演的方法获取TOA距离信息，该方法简单易行，可以用于高信噪比的场景，在保证估计精度的条件下大大减小计算量。
3.本发明通过TOA距离信息来筛选异常RSSI信息，可以显著提高RSSI测量结果的可靠性，同时，本发明还具有三种不同权值的加权融合方法，对TOA距离信息和RSSI距离信息进行加权融合，可以进一步提高***测距的精度。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明获取TOA距离信息的流程示意图。
图2是本发明获取RSSI距离信息的流程示意图。
图3是本发明对TOA距离信息和RSSI距离信息进行加权融合的流程示意图。
具体实施方式
为使本发明目的、技术方案和优点更加清楚，下面对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明的一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。
实施例1：
如图1-图3所示所示，本实施例1提供了一种用于CHIRP信号的融合测距方法，包括：Chirp发送信号时，每个信号的前端有一段前导码信号，通过使用所述前导码信号进行TOA距离信息和RSSI距离信息的获取，其具体过程包括以下步骤：
S1：如图1所示，获取TOA估计的延时信息，延时信息包括整数延时和小数延时，然后通过延时信息得到TOA距离信息；获取整数延时的步骤具体为：
S1.1：首先将发送信号中的前导码信号
Figure SMS_80
与接收信号中的前导码信号/>
Figure SMS_81
进行整数延时运算，如下式所示：
Figure SMS_82
其中，fft代表快速傅里叶变换，
Figure SMS_83
代表/>
Figure SMS_84
的共轭,||代表求绝对值；
S1.2：然后找出到
Figure SMS_85
中最大值所对应的下标/>
Figure SMS_86
，如下式所示：
Figure SMS_87
其中，
Figure SMS_88
为整数延时，0<i<2^SF+1。
然后通过MUSIC算法得到小数延时，步骤具体为：
S1.3：首先计算自相关矩阵R，如下式所示：
Figure SMS_89
其中，H代表共轭转置；
S1.4：然后对自相关矩阵R进行特征值分解，得到特征值，特征值分解如下式所示：
Figure SMS_90
其中，eig代表对自相关矩阵R的特征值分解；
本发明进行特征值分解的作用为分解信号空间和噪声空间，因为MUSIC算法的本质是利用信号空间和噪声空间的正交性来获得超分辨延时估计的。S1.6中得到的MUSIC伪谱的公式即使用了噪声空间的特征向量；此外，S1.6公式中在进行多径数目判决时，也用到了这里分解后得到的特征值。
S1.5：然后计算导向矢量，计算公式如下式所示：
Figure SMS_91
其中，e代表自然对数，pi代表π，fc代表信号的载频，n代表第n码片，n的取值范围为0<n<
Figure SMS_92
+1且n为整数；m代表第m个延时点对应的导向矢量；此处在整数延时点周围开一个窗，搜索小数延时点，如下式所示：
Figure SMS_93
-offset1≤m≤/>
Figure SMS_94
+offset2且m=/>
Figure SMS_95
其中，0≤
Figure SMS_96
且/>
Figure SMS_97
为整数，offset1和offset2表示窗，stp表示步长，/>
Figure SMS_98
，BW代表信号的带宽，SF代表扩频因子；本实施例1中窗offset1和offset2的大小以及步长stp可根据实际需求来选择。
S1.6：假设空间的多径数目为L，获取多径数目的方法为：将特征值按照从大至小的顺序进行排序，排序后的特征值定义为
Figure SMS_99
,/>
Figure SMS_100
，当如下所示公式成立时：
Figure SMS_101
公式中对应的L即为多径数目，且计算得到的MUSIC伪谱为
Figure SMS_102
其中，H代表共轭转置,然后找出P(m)中最大值对应的下标，如下式所示：
Figure SMS_103
得到
Figure SMS_104
为小数延时；
S1.7：最终得到延时信息，如下式所示：
Figure SMS_105
。
将得到的延时信息乘以光速，得出TOA距离信息，如下式所示：
Figure SMS_106
其中，c为光速。
当获取
Figure SMS_107
（（0</>
Figure SMS_108
</>
Figure SMS_109
+1））个包时，可以获取一批延时估计测量量/>
Figure SMS_110
(1),/>
Figure SMS_111
(2),…/>
Figure SMS_112
(/>
Figure SMS_113
)。
为了减小环境噪声造成的延时估计结果的波动，提升测距精度，因此采用α滤波器：
Figure SMS_114
+/>
Figure SMS_115
本实施例1中，包是指通信中的一个数据块，即传输的一组数据。本实施例1通过多包定位，能够剔除某些包中的异常RSSI信息或者TOA距离信息中的多径信息，即用多次测量来消除掉某些偶发的噪声或者异常值。
S2：获取RSSI信息，然后根据对数正态分布模型建模RSSI信息与距离之间的关系，并根据环境信息计算得到环境RSSI信息，通过所述环境RSSI信息基于对数正态分布模型反解出距离信息，得到RSSI距离信息；
本实施例1，获取RSSI信息为现有技术，获取RSSI距离信息的具体步骤为：
S2.1：获取包的RSSI信息，假定第
Figure SMS_117
个包得出的TOA距离信息为/>
Figure SMS_121
，若/>
Figure SMS_123
-
Figure SMS_118
threshold2或者dt(/>
Figure SMS_120
)-/>
Figure SMS_122
>threshold2，/>
Figure SMS_124
的取值范围为0<
Figure SMS_116
</>
Figure SMS_119
+1，那么判定该TOA距离信息为多径信息，将该包对应的RSSI信息判定为异常RSSI信息，将该包对应的异常RSSI信息和多径信息删除；不参与后续运算。threshold2为一个阈值。
S2.2：删除完成后剩余的总包数为T，将第t个包的RSSI信息表示为r(t),t的取值范围为0<
Figure SMS_125
<T+1,然后使用α滤波器对多包数据进行alpha滤波降低RSSI的方差,如下式所示：
Figure SMS_126
+/>
Figure SMS_127
S2.3：然后根据对数正态分布模型建模RSSI信息与距离之间的关系，如下式所示：
Figure SMS_128
其中，
Figure SMS_129
代表距离为d时接收到的滤波后的RSSI信息，/>
Figure SMS_130
代表距离参数，/>
Figure SMS_131
代表距离为/>
Figure SMS_132
时的RSSI信息，/>
Figure SMS_133
为环境相关的修正值，/>
Figure SMS_134
代表环境因子；环境因子/>
Figure SMS_135
的经典值如表1所示：
Figure SMS_136
表1
S2.4：选择测距距离为近点和远点K个RSSI信息分别求解其修正值
Figure SMS_137
，K为参数，然后分别记为/>
Figure SMS_138
，0<k<K+1且k为整数，计算得到的/>
Figure SMS_139
值如下式所示：
Figure SMS_140
S2.5：然后基于获得的RSSI信息根据对数正态模型反解出距离信息，即得到RSSI距离信息，表示为：dr(1),dr(2)…dr(
Figure SMS_141
)。
S3：将所述TOA距离信息与RSSI距离信息进行融合，得到融合测距结果。具体为：
S3.1：基于S2.2得到的T个包数据，将这T个包的TOA距离信息分别表示为：dt(1),dt(2)…dt(T)；
S3.2:然后计算这些TOA距离信息的均值和标准差，分别如下式所示：
Figure SMS_142
Figure SMS_143
并计算对应的RSSI距离信息的均值和标准差，分别如下式所示：
Figure SMS_144
Figure SMS_145
S3.3：然后将TOA距离信息和RSSI距离信息根据标准差或方差进行加权融合，权值选择的准则为标准差或者方差越大，给与的权值越小，如下式所示：
Figure SMS_146
第一种选择权值的方式为将标准差作为权值：
Figure SMS_147
，/>
Figure SMS_148
；
第二种权值的选择方式为将方差作为权值：
Figure SMS_149
，/>
Figure SMS_150
；
第三种选择权值的方式为当测量误差满足高斯分布时，那么可以使用高斯权值来融合TOA以及RSSI的测量结果。计算TOA的权重为：
Figure SMS_151
，计算RSSI的权重为/>
Figure SMS_152
。
融合后得到的融合测距结果为
Figure SMS_153
。
本实施例1通过三种不同权值的加权融合方法，通过使用RSSI测距信息以及TOA测距信息的加权融合，可进一步***测距的精度。
实施例2
在实施例1的基础上，本实施例2还提出一种相位反演算法获取TOA距离信息；
由于通过MUSIC算法获取TOA距离信息可实现超分辨的测距性能，即该方法获取的延时估计精度可以远好于1/BW，然而该算法的计算量较大，主要的计算量集中在自相关矩阵R的特征值分解。因此，当信噪比小于等于预先设立的阈值时，采用MUSIC算法获取TOA距离信息，当信噪比大于阈值时，采用相位反演算法，其步骤具体为：
S1.8：基于第n个码片的
Figure SMS_154
与n+1个码片的/>
Figure SMS_155
之间的相位变化，计算信号的传输延时，如下式所示：
Figure SMS_156
其中，
Figure SMS_157
表示求取不同时刻/>
Figure SMS_158
的相位，/>
Figure SMS_159
，BW代表信号的带宽，SF代表扩频因子；
S1.9：然后将多个码片的传输延时求平均，得到延时信息，如下式所示：
Figure SMS_160
。
然后通过上述两种方法之一得到的延时信息乘以光速，得出TOA距离信息。
当然，在计算资源充足的情况下，可在不同信噪比条件下均单独使用MUSIC方法。或者在计算资源有限的情况下，在不同信噪比条件下，均单独使用相位反演法，这两种方法也在本专利的保护范围内。
以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种用于CHIRP信号的融合测距方法，其特征在于，发送Chirp信号时，每个信号的前端有一段前导码信号，通过使用所述前导码信号进行TOA距离信息和RSSI距离信息的获取，其具体过程包括以下步骤：
S1：获取TOA估计的延时信息，延时信息包括整数延时和小数延时，然后通过延时信息得到TOA距离信息；
获取整数延时的步骤具体为：
S1.1：首先将发送信号中的前导码信号txpre与接收信号中的前导码信号rxpre进行整数延时运算，如下式所示：
Figure FDA0004205631810000011
其中，fft代表快速傅里叶变换，
Figure FDA0004205631810000012
代表rxpre的共轭,||代表求绝对值；
S1.2：然后找出到xcorr中最大值所对应的下标idxint，如下式所示：
Figure FDA0004205631810000013
其中，idxint为整数延时，0<i<2^SF+1；
通过MUSIC算法得到小数延时，步骤具体为：
S1.3：首先计算自相关矩阵R，如下式所示：
R＝xcorr*xcorr H
其中，H代表共轭转置；
S1.4：然后对自相关矩阵R进行特征值分解，得到特征值，特征值分解如下式所示：
[eigenval,eigenvec]＝eig(R)
其中，eig代表对自相关矩阵R的特征值分解；
S1.5：然后计算导向矢量，计算公式如下式所示：
Figure FDA0004205631810000014
其中，e代表自然对数，pi代表π，fc代表信号的载频，n代表码片序号，n的取值范围为0<n<2SF+1且n为整数；m代表延时点序号；此处在整数延时点周围开一个窗，搜索小数延时点，如下式所示：
idxint-offset1≤m≤idxint+offset2且
Figure FDA0004205631810000021
其中，
Figure FDA0004205631810000022
且l'为整数，offset1和offset2表示窗，stp表示步长，fdelta＝BW/2SF，BW代表信号的带宽，SF代表扩频因子；
S1.6：假设空间的多径数目为L，获取多径数目的方法为：将特征值按照从大至小的顺序进行排序，排序后的特征值定义为eigenval(1),eigenval(2)…eigenval(2SF)，当如下所示公式成立时：
Figure FDA0004205631810000023
公式中对应的L即为多径数目，且计算得到的MUSIC伪谱为
P(m)＝1/((steervec(m,:)*eigenvec(:,L+1:2SF)*eigenvec(:,L+1:2SF)H*steervec(m,:)H)
其中，H代表共轭转置,然后找出P(m)中最大值对应的下标，如下式所示：
Figure FDA0004205631810000024
得到idxfrac为小数延时；
S1.7：最终得到延时信息，如下式所示：
idxaccu＝idxint-offset1+stp*(idxfrac)；
采用α滤波器获取t'个包，t'的取值范围为：0<t'<T'+1，T'为一次定位所需的总包数；得到的TOA距离信息如下式所示：
dt(t')＝dt'(t')*α+dt'(t'-1)*(1-α)；
S2：获取RSSI信息，然后根据对数正态分布模型建模RSSI信息与距离之间的关系，并根据环境信息计算得到环境RSSI信息，通过所述环境RSSI信息基于对数正态分布模型反解出距离信息，得到RSSI距离信息；
获取RSSI距离信息的具体步骤为：
S2.1：获取包的RSSI信息，假定第t'个包得出的TOA距离信息为dt(t')，若dt(t')-dt(t'-1)>threshold或者
Figure FDA0004205631810000031
t'的取值范围为0<t'<T'+1，那么判定该TOA距离信息为多径信息，将该包对应的RSSI信息判定为异常RSSI信息，将该包对应的异常RSSI信息和多径信息删除；
S2.2：删除完成后剩余的总包数为T，将第t个包的RSSI信息表示为r(t),t的取值范围为0<t<T+1,然后使用α滤波器对多包数据进行α滤波降低RSSI的方差,如下式所示：
ralpha(t)＝r(t)*α+r(t-1)*(1-α)
S2.3：然后根据对数正态分布模型建模RSSI信息与距离之间的关系，如下式所示：
Figure FDA0004205631810000032
其中，ralpha代表距离为d时接收到的滤波后的RSSI信息，d0代表距离参数，P0代表距离为d0时的RSSI信息，ξ为环境相关的修正值，n'代表环境因子；
S2.4：选择测距距离为近点和远点K个RSSI信息分别求解其修正值ξ，K为参数，然后分别记为ξ(k)，0<k<K+1且k为整数，计算得到的ξ值如下式所示：
Figure FDA0004205631810000033
S2.5：然后基于获得的RSSI信息根据对数正态模型反解出距离信息，即得到RSSI距离信息，表示为：dr(1),dr(2)…dr(T)；
S3：将所述TOA距离信息与RSSI距离信息根据标准差或方差或高斯权值进行加权融合，得到融合测距结果。
2.根据权利要求1所述的一种用于CHIRP信号的融合测距方法，其特征在于，将得到的延时信息乘以光速，得出TOA距离信息，如下式所示：
dt＝idxaccu*c
其中，c为光速。
3.根据权利要求1所述的一种用于CHIRP信号的融合测距方法，其特征在于，S3中，得到融合测距结果具体为：
S3.1：基于S2.2得到的T个包数据，将这T个包的TOA距离信息分别表示为：dt(1),dt(2)…dt(T)；
S3.2:然后计算这些TOA距离信息的均值和标准差，分别如下式所示：
Figure FDA0004205631810000041
Figure FDA0004205631810000042
并计算对应的RSSI距离信息的均值和标准差，分别如下式所示：
Figure FDA0004205631810000043
Figure FDA0004205631810000044
S3.3：然后将TOA距离信息和RSSI距离信息根据标准差进行加权融合，
将标准差作为权值：
Figure FDA0004205631810000045
权值选择的准则为标准差越大，给与的权值越小；
融合后得到的融合测距结果为
Figure FDA0004205631810000051
4.根据权利要求3所述的一种用于CHIRP信号的融合测距方法，其特征在于，S3.3中，作为替代地，将TOA距离信息和RSSI距离信息根据方差进行加权融合，将方差作为权值：
Figure FDA0004205631810000052
权值选择的准则为方差越大，给与的权值越小；
融合后得到的融合测距结果为
Figure FDA0004205631810000053
5.根据权利要求3所述的一种用于CHIRP信号的融合测距方法，其特征在于，S3.3中，作为替代地，当测量误差满足高斯分布时，使用高斯权值来融合TOA距离信息和RSSI距离信息，计算TOA距离信息的权重为
Figure FDA0004205631810000054
计算RSSI距离信息的权重为/>
Figure FDA0004205631810000055
融合后得到的融合测距结果为
Figure FDA0004205631810000056
CN202310301674.4A 2023-03-27 2023-03-27 一种用于chirp信号的融合测距方法 Active CN116008976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310301674.4A CN116008976B (zh) 2023-03-27 2023-03-27 一种用于chirp信号的融合测距方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310301674.4A CN116008976B (zh) 2023-03-27 2023-03-27 一种用于chirp信号的融合测距方法

Publications (2)

Publication Number Publication Date
CN116008976A CN116008976A (zh) 2023-04-25
CN116008976B true CN116008976B (zh) 2023-06-23

Family

ID=86030244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310301674.4A Active CN116008976B (zh) 2023-03-27 2023-03-27 一种用于chirp信号的融合测距方法

Country Status (1)

Country Link
CN (1) CN116008976B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299166B (zh) * 2023-05-24 2023-08-04 四川思凌科微电子有限公司 一种用于chirp信号的低复杂度融合测距方法
CN116828596B (zh) * 2023-08-28 2023-11-10 四川思凌科微电子有限公司 一种使用rssi的高精度定位方法
CN117851735B (zh) * 2024-03-07 2024-05-28 四川思凌科微电子有限公司 一种简化的延时融合测距方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101576615A (zh) * 2008-05-05 2009-11-11 北京银易通网络科技有限公司 一种对wsn混合定位的***和方法模型
EP3173809A1 (en) * 2015-11-30 2017-05-31 Semtech Corporation System and method for robust and efficient tdoa based location estimation in the presence of various multipath delay
CN108535687A (zh) * 2018-03-20 2018-09-14 西安电子科技大学 基于tof和rssi信息融合的室内无线定位方法
CN110087308A (zh) * 2019-04-29 2019-08-02 中国矿业大学(北京) 一种基于rss和toa互补的矿井移动目标定位方法
CN111065046A (zh) * 2019-11-21 2020-04-24 东南大学 一种基于LoRa的室外无人机定位方法与***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9194943B2 (en) * 2011-04-12 2015-11-24 Magna Electronics Inc. Step filter for estimating distance in a time-of-flight ranging system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101576615A (zh) * 2008-05-05 2009-11-11 北京银易通网络科技有限公司 一种对wsn混合定位的***和方法模型
EP3173809A1 (en) * 2015-11-30 2017-05-31 Semtech Corporation System and method for robust and efficient tdoa based location estimation in the presence of various multipath delay
CN108535687A (zh) * 2018-03-20 2018-09-14 西安电子科技大学 基于tof和rssi信息融合的室内无线定位方法
CN110087308A (zh) * 2019-04-29 2019-08-02 中国矿业大学(北京) 一种基于rss和toa互补的矿井移动目标定位方法
CN111065046A (zh) * 2019-11-21 2020-04-24 东南大学 一种基于LoRa的室外无人机定位方法与***

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Majorization-Minimization based Hybrid Localization Method for High Precision Localization in Sensor Networks;Kuntal Panwar,et al;arXiv:2205.03881;第1-13页 *
基于LoRa技术融合RSSI和TOA的户外定位方法;许璐等;《测控技术》;第41-46页 *
基于TOF和RSSI的融合测距算法实现;李波等;《西安邮电大学学报》;第53-57页 *
基于梳状导频的通导融合测距优化配置方法;苏静芳等;测控遥感与导航定位;第492-497页 *

Also Published As

Publication number Publication date
CN116008976A (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN116008976B (zh) 一种用于chirp信号的融合测距方法
Salmi et al. Detection and tracking of MIMO propagation path parameters using state-space approach
US20080032708A1 (en) Method for estimating jointly time-of-arrival of signals and terminal location
CN109085564A (zh) 一种定位方法及装置
JP2003529236A (ja) 電力スペクトル密度推定に基づくデータ伝送速度の決定
CN104219761A (zh) 一种基于最大斜率的超宽带无线定位方法
CN103338024B (zh) 天线组阵中时延的互补卡尔曼滤波装置与方法
KR20090087557A (ko) 실내 측위 시스템 및 방법
CN102131288A (zh) 基于超分辨率uwb信号传播时延估计的室内定位方法及***
CN111866709A (zh) 一种面向运动目标的室内Wi-Fi定位误差界估计方法
CN116299166B (zh) 一种用于chirp信号的低复杂度融合测距方法
CN109151724B (zh) 基于信道冲击响应能量分布的视距/非视距路径识别方法
CN105531600B (zh) 无线网络中用于用户速度估计的时间分析
KR20050116010A (ko) 이동 통신 환경에서의 속도 추정 장치
CN111770528B (zh) 基于信道参数萃取方法的视距与非视距识别方法及装置
WO2016191941A1 (zh) 对移动终端定位时的到达时间toa获取方法及装置
CN116047404B (zh) 一种基于Pmusic谱峰图的到达角测量方法
Olama et al. Stochastic differential equations for modeling, estimation and identification of mobile-to-mobile communication channels
CN105681240B (zh) 一种适应于低信噪比环境下的高精度频偏估计方法
Wen et al. TDOA Location Accuracy Experiment
EP1692537B1 (en) Positioning method and apparatus
Wu et al. Quantitative comparison of distance estimation performance between TLS-MP and iFFT methods in IEEE 802.15. 4a channel models using PSFM radar technique
Ji et al. TOA estimation algorithm based on noncoherent detection in IR-UWB system
WO2023005746A1 (zh) 一种信道建模方法、装置、存储介质及电子装置
CN117851735B (zh) 一种简化的延时融合测距方法

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