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 PDFInfo
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 108010003272 Hyaluronate lyase Proteins 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000000614 phase inversion technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
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
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:
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:
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:
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:
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<+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:
公式中对应的L即为多径数目,且计算得到的MUSIC伪谱为
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:
S1.7:最终得到延时信息,如下式所示:
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:
S1.9: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:
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:
其中,c为光速。
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,假定第个包得出的TOA距离信息为/>,若/>-threshold2或者dt(/>)-/>>threshold2,/>的取值范围为0<</>+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;
S2.3: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:
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:
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:
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:
融合后得到的融合测距结果为
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:
融合后得到的融合测距结果为
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:
融合后得到的融合测距结果为
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:
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:
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:
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:
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<+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:
其中,0≤且/>为整数,offset1和offset2表示窗,stp表示步长,/>,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。
公式中对应的L即为多径数目,且计算得到的MUSIC伪谱为
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:
S1.7:最终得到延时信息,如下式所示:
将得到的延时信息乘以光速,得出TOA距离信息,如下式所示:
其中,c为光速。
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:
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,假定第个包得出的TOA距离信息为/>,若/>-threshold2或者dt(/>)-/>>threshold2,/>的取值范围为0<</>+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。
S2.3: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:
表1
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:
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:
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:
融合后得到的融合测距结果为
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:
S1.9: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:
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:
S1.2:然后找出到xcorr中最大值所对应的下标idxint,如下式所示:
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:
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:
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:
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:
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:
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:
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。
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)
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)
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)
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 |
-
2023
- 2023-03-27 CN CN202310301674.4A patent/CN116008976B/zh active Active
Patent Citations (5)
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)
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 |