一种基于能量均值检测的到达时间估计方法与流程

本发明涉及无线定位技术领域，特别是涉及一种基于能量均值检测的到达时间估计方法。

背景技术：

超宽带以其系统复杂度低、穿透能力强和时间分辨率高等优点，使得它能在无线定位技术中达到很高的定位精度越来越受到关注。超宽带信号由于自身Ghz的带宽，传送时不需要通过调制，即不需要载波就可进行信号传输，降低了发射成本，同时定位精度达到厘米级，是别的定位技术，如蓝牙、zigbee和WiFi等不能匹敌的。

在超宽带定位技术中，主要有基于AOA、基于RSSI和基于TOA/TDOA三种估计方式。现有TOA估计方法主要有三种，第一种是最大能量选择(Maximum Energy Selection,MES)算法，该算法选择最大能量块作为阈值，然而在复杂的多径室内环境中，最强径(Strong Path,SP)往往不是直达径(Direct Path,DP)，特别是在噪声比较大的环境中，DP淹没在了噪声之中。此时采用MES算法会使得TOA估计误差比较大，造成定位不准确；固定阈值(Threshold Comparison,TC)算法采取最大能量值的一定百分比作为阈值，但并不能在所有的信噪比范围内达到很高的精度。基于最大能量块的回溯窗口(Maximum Energy Selection-Search Back,MES_SB)算法是在MES算法基础上实现的，也注定了它的定位精度不会太高。综上所述，现有的TOA估计方法在不同信噪比时均有不同的性能差异，没有一种算法能在所有信噪比范围内达到比较好的性能，要实现高精度定位还有一定难度。

技术实现要素：

本发明所要解决的技术问题是提供一种基于能量均值检测的到达时间估计方法，能够在工作信噪比范围内都能有比较好的性能。

本发明解决其技术问题所采用的技术方案是：提供一种基于能量均值检测的到达时间估计方法，包括以下步骤：

(1)对多脉冲接收信号进行时间平均得到帧同步的超宽带接收信号，然后通过平方律检波器，得到能量信号，再对该能量信号进行采样，得到接收信号的能量采样序列；

(2)根据已得到的能量采样序列得到接收信号经过时间平均后的最大最小均值比，通过最大最小均值比与最优归一化门限之间的函数关系得到最优归一化门限，并确定判决门限；

(3)选取最先超过判决门限的那一个能量块的中间位置作为到达时间估计值。

所述步骤(2)中判决门限K＝K_opt*max(Z_n)+(1-K_opt)*min(Z_n)，其中，K_opt为最优归一化门限、Z_n为能量采样序列。

所述步骤(1)中还包括对多脉冲接收信号进行滤除固定频率外的噪声的步骤。

所述步骤(2)中接收信号经过时间平均后的最大最小均值比为其中，mix(Z_n)是能量采样序列中的最大最小值的算术平均值，mean(Z_n)是整个接收能量采样序列的均值。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明采用基于时间平均的最大最小能量均值(TMMMR)来设置最优归一化门限，从而设置判决门限。本发明首先利用多个脉冲进行时间平均得到接收信号，降低噪声对TOA估计的影响，再对接收信号能量采样序列求解TMMMR值，算法考虑了接收信号的最大能量值、最小能量值和能量均值，既体现了信道的个体特征，同时也在一定程度上反映了接收信号所包含的信噪比信息，实验证明，相比其他经典的TOA估计算法，该算法在工作信噪比范围内都能有比较好的性能，为实现高精度室内定位奠定了良好的基础。

附图说明

图1是本发明的流程图；

图2是本发明中信号处理的流程图；

图3是本发明中由TMMMR值获取判决门限原理图；

图4是本发明中CM1信道不同MMMR值时TOA估计的MAE随归一化门限K的变化走势图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于能量均值检测的到达时间估计方法，此方法使用多个脉冲进行时间平均的方式，降低了环境噪声所带来的干扰，再对时间平均后的接收信号进行能量块分析，求解出TMMMR值，再设置归一化门限，最后得到TOA估计，如图1所示，包括以下步骤：

步骤一：接收信号的能量采样

首先对多脉冲接收信号进行时间平均得到帧同步的UWB接收信号，然后通过平方律检波器，得到能量信号，再对该能量信号进行采样，得到接收信号的能量采样序列。

多径环境下的单个UWB接收信号可表示为：

$r\left(t\right)=\underset{j=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}{k}_j{\mathrm{\ω}}_p(t-{\mathrm{jT}}_f-c_j{T}_c)+n\left(t\right)$

上式中，j、T_f分别为帧序号和帧周期，T_c表示码片持续时间，一帧内码片数N_c＝T_f/T_c。随机极性码k_j＝±1，是为不同用户节点分配的跳时序列，用于避免灾难性碰撞和平滑功率谱密度。n(t)表示均值为零，双边功率谱密度为N₀/2，方差为σ²的加性高斯白噪声，t为时间，ω_p(t)为单个脉冲经多径后到达接收端的波形：

${\mathrm{\ω}}_p\left(t\right)=\sqrt{\frac{E_b}{N_s}}\underset{i=1}{\overset{L}{\Σ}}{\mathrm{\α}}_i\mathrm{\ω}(t-{\mathrm{\τ}}_i)$

E_b表示符号能量，N_s为传输一个符号所需脉冲数，L为多径数，a_i为各多径衰减系数，ω(t)为单径脉冲波形，τ_i为第i径的时延，本方法选取高斯二阶脉冲。不失一般性，假设随机极性码k_j恒为1，接收信号预先已取得帧同步。

由于单一脉冲估计的偶然性，容易造成加性高斯白噪声功率过高，所以将多个脉冲的接收信号在一帧周期内进行平均，从而使得AWGN对信号影响大大减小，提高TOA估计精度。

假设r_i(t)为接收信号r(t)中第j个脉冲的接收部分，可以表示为：

r_j(t)＝ω_p(t-jT_f-c_jT_c)+n_j(t)

t∈[jT_f+c_jT_c,(j+1)T_f+c_jT]

整个信号处理流程如图2所示，具体实施步骤如下：

步骤1、接收端收到信号经过低噪声放大器(LNA)和带通滤波器(BPF)，滤除固定频率外的噪声；

步骤2、对接收信号多个脉冲的接收部分进行时间平均，降低噪声功率，接收信号可以表示为：

$r_{avg}\left(t\right)=\frac{1}{N}\underset{j=0}{\overset{N-1}{\Σ}}{r}_j\left(t\right)=\underset{i=1}{\overset{L}{\Σ}}{\mathrm{\ω}}_p(t-t_i)+\frac{1}{N}\underset{j=0}{\overset{N-1}{\Σ}}{n}_j(t+{\mathrm{jT}}_f)$

步骤3、再通过平方律检波器得到接收信号能量：

步骤4、通过积分器，设置积分间隔为T_b，则积分器的第n个输出：

$Z_n=\underset{j=1}{\overset{N_f}{\Σ}}{Z}_{n,j}=\underset{j=1}{\overset{N_f}{\Σ}}\underset{(j-1)T_f+{\mathrm{nT}}_b+{\mathrm{cT}}_c}{\overset{(j-1)T_f+{\mathrm{nT}}_b+{\mathrm{cT}}_c}{\∫}}|r_{avg}{|}^{2}dt$

其中n＝1,2,…,N_b表示能量采样序号，其中N_f为每个符号中帧的数目，j、T_f分别为帧序号和帧周期，T_c表示码片持续时间。

步骤5、由TMMMR-TC算法得到TOA估计。

步骤二：确定判决门限

根据已得到的能量采样序列Z_n，得到接收信号经过时间平均后的最大最小均值比(Maximum and Minimum to Mean Energy Sample Ratio,MMMR)，即TMMMR值。通过TMMMR与最优归一化门限K_opt之间的函数关系得到最优归一化门限K_opt，通过下式确定判决门限：

K＝K_opt*max(Z_n)+(1-K_opt)*min(Z_n)

由TMMMR值获取判决门限过程如图3所示，具体实施步骤如下

步骤1、统计得到接收能量采样序列的TMMMR值，时间平均后的最大最小能量均值表示为：

$TMMMR=10\lg \left(\frac{mix\left(Z_n\right)}{mean\left(Z_n\right)}\right)=10\lg \left(\frac{\left(max\right(Z_n)+min(Z_n\left)\right)/2}{mean\left(Z_n\right)}\right)$

本发明基本思想是利用两个均值之比，mix(Z_n)是能量采样序列中的最大最小值的算术平均值，mean(Z_n)是整个接收能量采样序列的均值，前者既考虑了接受能量采样序列中的最强径，也考虑了最弱径，既包括了噪声，也包括了有用信号，在低SNR时可更好地探测出有用信号即DP所在能量块。

步骤2、统计在不同TMMMR值下的平均绝对误差MAE和归一化门限之间的关系，如图4所示；

步骤3、由图4可找出对应不同的TMMMR值时的最佳归一化门限K_opt，由此可以得到在不同信道，不同积分间隔下MAE最小时的最优归一化门限；

步骤4、将TMMMR值和K_opt进行拟合，得到两者函数关系式K＝K_opt*max(Z_n)+(1-K_opt)*min(Z_n)。

步骤三：信号的TOA估计

得到判决门限后，根据下式，选取最先超过门限值的那一个能量块的中间位置作为TOA：

不难发现，本发明提出的时间平均的最大最小均值比算法方案适用于无线传感器网络、物联网等超宽带定位系统中，由于实际环境的复杂性和不确定性，如NLOS误差和多径误差的存在，使得现有的基于能量检测的TOA估计算法只能在特定的信噪比范围内达到比较好的估计精度，没有一种算法能在所有信噪比范围内达到比较好的性能，因此本发明提出一种时间平均的最大最小均值比现有的TOA估计算法，解决了如下技术难题：

1)超宽带信道噪声影响问题。由于超宽带信道的特殊性，NLOS环境和多径误差不可避免，采取多脉冲时间平均方式可以大大减小噪声的影响，提高TOA估计精度。

2)由最大最小能量均值与最优归一化门限的关系得出最优归一化门限，从而得到判决阈值，算法考虑了接收信号的最大能量值、最小能量值和能量均值，既体现了信道的个体特征，同时也在一定程度上反映了接收信号所包含的信噪比信息，具有很强的通用性。

由此可见，本发明首先利用多个脉冲进行时间平均得到接收信号，降低噪声对TOA估计的影响，再对接收信号能量采样序列求解TMMMR值，算法考虑了接收信号的最大能量值、最小能量值和能量均值，既体现了信道的个体特征，同时也在一定程度上反映了接收信号所包含的信噪比信息，实验证明，相比其他经典的TOA估计算法，该算法在工作信噪比范围内都能有比较好的性能，为实现高精度室内定位奠定了良好的基础。