英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
准确的超宽带基于本地化系统使用修改主要的边缘侦查算法
摘要
超宽带（UWB）定位系统由于使用高带宽信号，在精密室内定位应用中受到广泛关注。我们提出了一种改进的前沿检测算法来估计接收到的UWB信号的到达时间（TOA）。该方法在低信噪比条件下也能很好地实现。利用该算法对一个UWB定位系统进行了仿真，并对其在加性高斯白噪声（AWGN）下的性能进行了评估。研究了该算法的参数整定对定位精度的影响。利用该算法的优化参数对定位系统的一维和二维定位精度进行了评估。我们进一步评估了该算法在多径情况下的性能。仿真结果表明，与已有的定位方法（包括最新的定位方法）相比，该算法提高了定位精度。通过部署更多的基站，进一步提高了定位系统的定位精度。
1.介绍
室内实时定位系统（RTLS）引起了科学界和工业界的极大兴趣。这是由于RTLS在工业、物流、军事和医疗等领域的潜在应用。RTLS使我们能够提高生产率和资源优化。无线网络、Zigbee、RFID、蓝牙和UWB等多种技术被用于开发室内定位系统。与UWB系统相比，Wi-Fi、Zigbee、RFID、蓝牙等技术的定位精度较低。由于超宽带信号的时间分辨率高，超宽带系统具有很高的精度和精度。此外，基于超宽带的室内定位系统具有低功耗、改善多径性能和简单的收发器结构等优点。许多基于UWB技术和性能参数的商用RTLS产品可用。例如，斑马技术公司的斑马省道技术在视线（LOS）条件下可提供约30厘米的精度。十波低功率UWB收发芯片DW1000提供10 cm的精度。为了开发更精确、更经济的基于UWB的本地化系统，工业界和研究界都越来越感兴趣。
RTLS包含一种测距方法，用于使用多个基站确定移动位置。最广泛使用的测距方法是，接收信号强度指示器（RSSI）、到达角（AOA）和TOA。基于RSSI的方法使用接收到的信号强度估计基站和移动单元之间的距离。三边测量法利用这些距离测量来估计移动位置。基于RSSI的方法精度低，对信道参数敏感。基于AOA的定位技术在基站使用天线ar射线来确定移动站和基站之间的角度。三角测量法利用这些AOA测量来估计移动位置。在多径环境中使用天线阵列获得高精度的AOA测量是一个挑战。此外，天线阵列的使用增加了RTLS的总体成本。
基于TOA的测距方法[13-22]使用发送信号的传播延迟来估计移动设备和基站之间的距离。由于UWB信号提供的高时间分辨率的利用，这些方法是UWB局部化系统的首选方法。基于TOA的方法采用单向测距法（TOA-OWR）或双向测距法（TOA-TWR）进行距离估计。TOA-OWR方法使用发射信号的单向飞行时间（TOF），而TOA-TWR方法使用往返飞行时间。TOA-OWR要求基站和移动设备之间的紧密同步，而TOA-TWR不要求基站和移动设备之间的同步。利用三边测量法或时差法（TDOA）估计移动台的位置。时差法利用每对基站发送信号的TOA差估计移动位置。这种方法只需要在基站之间进行精确的同步。一种异步到达时差（A-TDOA）技术，不需要移动台和基站之间或基站之间的同步，在[13]中报告。文献中报道了几种实现不同测距方法组合的混合方法。例如，[24,25]报告了实现TOA和AOA测距方法组合的UWB定位系统[26]。报告了一个超宽带定位系统，该系统实现了TOA和基于惯性导航传感器的ap-proaches组合。
图1：基于UWB的实时定位系统（RTLS）框图
图1描绘了实现基于TOA的测距方法的UWB RTLS的框图。RTLS包括移动单元、基站和中央处理单元。移动单元包括发送UWB脉冲的UWB发射机，基站包括UWB接收机和数字信号处理器（DSP）。UWB接收机处理接收到的UWB信号，并将信号的数字样本提供给DSP。DSP利用接收到的数字样本来确定to a，实现TOA估计算法。中央处理单元接收来自基站的TOA信息并计算移动单元与每个基站之间的距离。此外，中央处理单元基于使用三边测量计算出的距离信息来估计移动单元的位置。
文献中提出的各种TOA估计算法在第2节中进行了描述。其中，前沿检测算法决定了UWB信号的准确TOA。本文的目的是开发一种to a估计算法，以较低的计算量提供精确的定位精度。本文改进了al-gorithm[18]的标准前沿检测算法，分析了在AWGN条件下，该算法的调谐参数对定位精度的影响。与实现标准引导边缘检测算法[18]和最新UWB定位系统的系统相比，使用优化参数的算法的UWB定位系统的性能更好。
论文的其余部分安排如下。第2节描述了文献中使用的不同TOA估计算法和接收机架构。第3节介绍了改进的前缘检测算法，第4节介绍了三边测量方法。第五部分介绍了实现该算法的UWB定位系统的仿真设置。第6节包括仿真结果，描述了该算法在单径和多径条件下的一维测距精度、不同基站配置下的二维定位精度以及该系统与先前发布的方法的性能比较。最后，第七节对论文进行了总结。
2.相关工作
图2：不同TOA估计接收机的结构
文献中提出的基于TOA的估计算法大致可分为阈值比较[13,14]、峰值检测[15–19]、迭代峰值相减（IPS）[16–18]和前沿检测[17–22]。图2描绘了实现这些算法的不同UWB接收机的一般架构。
图2（a）描绘能量检测接收器的架构[14]。能量检测接收机一般采用阈值比较法来确定TOA。天线接收到的信号首先用低噪声放大器（LNA）放大，然后通过平方律检测器。所得到的信号被集成，并使用模数转换器（ADC）转换成数字数据。通过比较结果信号和阈值估计TOA。这种方法提供的精度按子米的顺序排列。例如，[14]在信噪比为10分贝时，使用此方法报告平均绝对误差为40厘米。此外，这种方法更容易受到噪声的影响，在低信噪比条件下会导致性能下降。
图2[（c）] 描述了一个相关滤波器接收器的体系结构[（14）].本接收机类型实现了阈值比较——总计估计的Ison方法。接收信号与LNA放大，并与传输信号的参考模板相关。对匹配滤波信号的能量进行比较，以确定一个阈值。当与能量检测方法比较时，相关接收机方法提供了更好的精度。例如，[14]使用信噪比为10分贝的相关方法报告平均绝对误差为10厘米.然而，为了实现接收信号与最小化信号的相位，需要一个高采样率相关器，以增加接收机的复杂性。
图2（b）描绘了I-Q信道接收器的架构[16]。此接收器类型实现了[16]中用于TOA估计的IPS算法。接收到的调制UWB信号用LNA放大，用I/Q下变频器转换成同相和正交分量。低通滤波器用于支持下变频过程中产生的载波信号。子采样混频器在不改变信号形状的情况下，将结果信号从pi;-余弦扩展到更大的时间尺度微秒[28]。基于IPS算法，利用时间扩展UWB信号的数字样本估计TOA。这种方法报告了[16]中毫米级的高精度。然而，I/Q通道增加了系统的复杂性和成本。
图2（d）描绘了单信道接收机的架构[21]。这种接收机类型实现了[18]中用于TOA估计的标准前沿检测算法。如图2（d）所示，接收到的调制UWB信号通过LNA并向下转换以获得I或Q信号。产生的信号通过低通滤波器，并使用子采样混频器延长时间。利用能量检测电路获得时间扩展信号的包络，并用ADC对其进行数字化。采用基于标准前沿检测算法的数字样本估计TOA。标准前沿检测算法的详细步骤见[22]。使用[21]中的标准前缘检测，静态三维精度为2 mm，动态三维精度为5 mm。自适应前沿检测算法在低信噪比条件下实现了额外的匹配滤波器以提高检测精度[22]
3. 改进的前缘检测算法
在不丧失一般性的情况下，所提出的前沿检测算法可以使用从所给出的接收信号r（t）中检测高斯UWB脉冲信号s（t）的前沿来解释，
n（t）表示AWGN。在（2）中，sigma;和A分别是高斯脉冲s（t）的成形因子和振幅[27]。图3通过描绘在3db SNR下的接收信号r（t）来说明检测过程的复杂性。如图3所示，高斯脉冲s（t）浸入AWGN n（t）中。本文提出了一种改进的导通边缘检测算法，通过检测导通信号的导通边缘来确定传输高斯脉冲的TOA。下面概述使用所提出的算法确定所发送UWB信号的TOA所涉及的步骤。
图3：接受信号r(t)在SNR为3分贝
1. 数字化接收信号r[n]通过K点移动平均滤波器，以获得y[n]由
函数avg（x[n]，m）返回样本窗口中样本的平均值，从x[n]到x[n m-1]
2. 平均信号y[n]通过M 1和M 2点最大窗滤波器，分别获得m1[n]和m2[n]，分别由m1[n]=max（y[n]，m1给出
其中，函数max（x[n]，m）返回样本窗口中样本的最大值，从x[n]到x[n m-1]。选择M 1和M 2的值使得m2gt;m1[18,22]。
3. 当信号m 1[n]增加超过依赖于由给出的信号m 2[n]的电平时，检测到接收信号r[n]的前缘，alpha;表示前缘检测因子[18,22]。
4. 由于AWGN，在UWB脉冲开始之前，（5）中提到的条件检测噪声中的导通边缘[18,22]。为了避免这种情况，只有当信号u[n]穿过给定的值tau;时，才检测前缘，
n标准前沿检测算法[18,22]实现，u
在UWB脉冲开始之前，t开关是手动设置的阈值[22]
5. 由于噪声中（5）和（6）的满足，标准的前缘检测算法在SNRlt;6db时失败[22]。通过大量的仿真研究，我们得出结论：在低信噪比条件下，采用文[18,22]中的方法，前缘的检测存在显著差异。因此，我们对标准的前沿检测算法提出以下改进，以提高其在低信噪比条件下的性能
表示高斯脉冲开始前基于接收信号的估计噪声功率，beta;为常数。（7）背后的原因是，当与滤波噪声的最大值相比时，噪声的标准偏差是更一致的噪声测量，用于准确地确定前缘。因此，我们确定噪声估计-动作参数beta;。由于M 2较大，信号M 2[n]使用噪声的标准偏差n？和一个模拟- 在UWB脉冲出现之前对噪声进行阈值估计，增加了对前沿的误检测机会。为了避免这个问题，我们在（6）中使用信号m 1[n]进行噪声估计阈值比较。
6. 发送高斯脉冲的TOA被确定为与检测到的r[n]的前缘相对应的时间样本。使用估计的to a来确定发送到基站tcirc;i的信号的t，其中，i表示基站稳定指数。由于UWB信号以光速c的速度传播，所以从移动台到每个基站dcirc;i的估计距离可以写为：
4. 三边测量
对于包含L个基站的RTLS，可以通过求解下列超定非线性方程组来估计移动台的未知位置（x m，ym）。
（x i，y i）表示第i基站的位置，dcirc;i表示移动设备与第i基站之间的估计距离。通过求解上述非线性方程组，我们得到以下线性方程组，它们可以用矩阵形式表示为：Ax=b
估计的移动位置xcirc;[xcirc;m ycirc;m]T可以使用（11）的最小二乘解来确定，所述最小二乘解由：xcirc; = ( A T A ) -1 AT b
图4描述了使用三个基站的三边测量。在 图4、BS 1、BS 2和BS 3表示基站，M T和M E分别表示真实的移动位置和估计的移动位置。以每个基站为中心，以每个基站到移动台的实际距离为半径绘制虚线。以估计的基站与移动台之间的距离为半径绘制实心圆
图4：图形化代表属于三边测量具有三基础车站
图5：提出的超宽带定位系统的仿真组件
可以用（10）来表示。距离估计的误差用d err表示。通过每对圆的交点的直线可以用（11）表示，估计的移动位置M E是（11）的最小二乘解。从图4可以看出，尽管某些基站的距离误差d err很大，但最小二乘法降低了估计位置和实际移动位置之间的定位误差。
5. 模拟装置
我们开发了一个使用C 模拟UWB定位系统的系统模拟器。图5描述了仿真中涉及的步骤。其中包括，确定移动单元的基站配置和位置、在AWGN条件下对接收到的UWB信号建模、对接收信号应用所提出的超前检测算法以及应用三边测量估计移动单元的位置。图6描绘了在我们的仿真中使用的实现3到6个基站的不同基站配置。如图6所示，基站位于半径13m的正多边形的顶点处。移动台的位置选择在多边形的外接圆内，如图6所示的阴影区域。选择基站和移动单元的位置，使得移动单元获得最佳覆盖。
通过选择sigma;=35ps in（2），假设接收到的UWB脉冲s（t）具有300ps的宽度。接收到的超宽带脉冲的幅度根据基站和移动单元之间的距离衰减。在接收到的高斯脉冲中加入噪声n（t），其功率由模拟的信噪比和接收到的高斯脉冲的功率决定。将所提出的K=16、M 1=16和M 2=256的前沿检测算法应用于数字化接收信号r[n]上，以确定所发射UWB脉冲的TOA。移动设备到每个基站之间的距离是使用估计的TOA来确定的。移动单元的位置是根据使用三边测量的估计距离来确定的
图6：超宽带定位系统的基站配置
图7：在信噪比=15db和调谐参数alpha;=1.3和beta;=1.3的情况下，所提出的前缘检测算法所涉及的信号说明。
图7示出了在SNR＝15db、alpha;＝1.3和beta;＝1.3的情况下对接收信号r[n]应用所提出的前缘检测而产生的所有信号。这些信号包括接收信号r[n]、移动平均信号y[n]、最大窗滤波信号m 1[n]和m 2[n]、噪声估计阈值tau;、估计的前缘二值信号b[n]和预期的前缘二值信号b e[n]。如图7所示，所提出的算法正确地检测出前缘。只有当信号m 1
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237098]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
