一种强多径环境下信号的到达时间估计方法与流程

本发明属于信号检测和无线定位技术领域，具体涉及一种强多径环境下信号的到达时间估计方法。

背景技术：

室内定位技术在特定场合受到了广泛关注。对于室内环境，卫星信号衰落严重，GPS失去作用；同时，蜂窝基站的定位精度太低，无法满足室内定位的精度要求。出于易推广、低成本室内定位系统的需求，使用声波信号作为定位载体正成为研究热点之一。

在基于时间到达法(Time of Arrival，TOA)的定位系统中，由直达径(Direct Path，DP)传播时间估计目标与基站之间的距离，使用多个基站即可使用三边定位法估计目标位置。然而在室内复杂环境下，存在大量的散射及反射多径，即使直达径存在，由于后续多径分量的同相叠加，直达径很可能不是最强径。因此室内环境下获取准确的TOA估计存在一定困难，提出适应强多径环境的TOA估计方法至关重要。

现有的TOA估计技术主要可分为似然估计法和门限判决法两大类。似然估计法试图寻找一组多径分量，通过多径分量的延时、幅度组合，与观察到的信号样本做匹配，似然估计法一般通过迭代寻求最大似然规则上的最优多径组合，该方法计算量巨大，在移动设备上较难实现，且在低信噪比条件下性能不佳。门限判决法采用相关器，也就是匹配滤波器(Matched Filter，MF)，现有的门限判决法可分为三种：第一种是最大能量选择法(Maximum Energy Selection，MES)，该方法选择MF的最大输出作为阈值，即认为输出最大的时刻即是信号的到达时刻，然而室内多径环境下直达径往往不是最强径，使用MES算法会使TOA估计出现巨大误差；第二种则是门限比较法(Threshold Comparison，TC)，将MF的输出与特定门限作比较，选出第一个超出该门限的值作为TOA估计，TC法中门限一般是信噪比的函数，该方法仅在高信噪比条件下可以获得较高的精度，且无法应对突发噪声；第三种是基于最大能量的回溯算法(Maximum Energy Selection-Search Back，MES-SB)，该算法定位到MF的最大输出后，后向(延时减小方向)搜索固定长度，选出第一个低于门限值的时刻，该时刻与最大输出时刻的中值作为TOA估计。MES-SB法在低信噪比条件下相比TC法性能更优，但其估计结果永远在在真实TOA与MF最大输出之间，通常无法获得准确的TOA估计。

综上所述，现有的TOA估计方法在应对室内强多径环境时存在一定困难，加之以往的研究都侧重于白噪声环境，对于突发噪声并未有过多的涉及，在现有TOA估计方法的基础上要实现准确定位有一定难度。

技术实现要素：

鉴于上述，本发明提供了一种强多径环境下信号的到达时间估计方法，能够在室内强多径环境和突发噪声存在的条件下获取准确的TOA估计，以提高定位系统准确度，在不需要先验知识，保证估计精度的条件下，降低TOA估计方法的复杂度。

一种强多径环境下信号的到达时间估计方法，包括如下步骤：

(1)由接收机对接收到的信号进行奈奎斯特采样得到数字信号，进而使所述数字信号通过带通滤波器以滤除其中的带外噪声；

(2)将带通滤波后的数字信号通过归一化匹配滤波器以抑制其中的突发噪声，降低信号能量随距离衰减带来的影响；

(3)对归一化匹配滤波器的输出信号Y进行检测，提取其中的信号最大值y_max和信号最小值y_min，并依此确定一个动态的自适应门限η；

(4)从n_max-l_sb时刻开始对输出信号Y逐点进行判断，直至寻找到第一个信号值超过η的采样点，该采样点对应的时刻即为估计出的信号到达时刻；其中，n_max为输出信号Y中信号最大值y_max对应的时刻，l_sb为设定的回溯时长。

所述步骤(3)中对归一化匹配滤波器的输出信号Y进行检测，检测过程中设定一固定的门限值，当输出信号值高于该门限值，则判定输出信号Y为非噪声信号，以此开始提取输出信号Y中的信号最大值y_max和信号最小值y_min。

所述自适应门限η的计算表达式如下：

η＝α_const(y_max-y_min)+y_min

其中：α_const为设定的归一化常数且0＜α_const＜1。

所述归一化匹配滤波器基于以下算式表达：

其中：y_norm[n]为归一化匹配滤波器输出信号Y中第n时刻的信号值，s[i+n]为接收机本地信号模板中第i+n时刻的信号值，接收机的本地信号模板与发射机所发出的信号一致，r[i]为带通滤波后的数字信号中第i时刻的信号值，r^*[i]为r[i]的共轭表达，N为带通滤波后的数字信号时长，n为自然数。

对于室内环境，所述回溯时长l_sb设定为10ms。

本发明的有益技术效果如下：

(1)本发明通过对接收信号的归一化匹配滤波，降低了噪声干扰，同时减小了信号传输损失带来的影响。

(2)本发明在动态门限的设置上考虑了接收信号滤波器输出的最大值和最小值，既体现了信道响应，又体现了信噪比信息。

(3)本发明通过最大值检测回溯方式，避免了确定门限后从滤波器输出起点开始搜索，降低了计算量；同时由于回溯范围较短，多数情况下突发噪声峰值落在回溯窗外，最大限度地避免了可能的峰值干扰，提高了TOA估计效率与精度。

(4)本发明相比其他的TOA估计方法，具有算法简单、TOA估计准确等优点，实验证明本发明在室内条件下具有良好的TOA估计精度，为实现高精度定位打下了良好的基础。

附图说明

图1为本发明TOA估计方法的流程示意图。

图2为LFM的匹配滤波器输出波形示意图。

图3(a)为信号到达前存在突发噪声情况下的接收信号示意图。

图3(b)为信号到达前存在突发噪声情况下一般匹配滤波的输出信号示意图。

图3(c)为信号到达前存在突发噪声情况下归一化匹配滤波的输出信号示意图。

图4为典型的接收信号匹配滤波输出信号以及各种TOA估计方法所得到的结果示意图。

图5为本发明所使用的动态门限与匹配滤波输出最大最小值的关系示意图。

图6为本发明基于动态门限回溯的TOA估计方法实现框图。

具体实施方式

为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。

针对强多径环境，本发明提出的基于动态门限回溯方式的TOA估计方法在具体实施时，为了区分多径分量，要求信号的匹配滤波器输出具有较小的时间分辨率。而脉冲压缩信号具有良好的时间分辨率，在多径时延大于信号自相关时间的条件下，可以将多径与直达波分离。对简单波形增加频率或相位调制可以实现脉冲压缩波形，最简单的频率调制则是线性调频信号。因此，本发明具体针对线性调频信号(Linear Frequency Modulation，LFM)设计TOA估计算法，其具体流程如图1所示，包含如下步骤：

(1)发射信号选取。

本发明所采用的LFM信号表达式为：

式中，B是时间内的最大频移，即信号带宽；T是信号持续时间，即时宽。

自相关函数为：

从上式可以看出，LFM期望的匹配滤波器时域输出集中在[-1/B,1/B]内，因而时间分辨率为1/B，输出幅度则与时宽带宽积(BT积)有关。

根据上式绘出B＝4k(1k-5k)，T＝0.1s，LFM的匹配滤波器输出，如图2所示，当BT积足够大，其相关峰的主峰非常窄，因而具有很高的时延估计精度。

在实际使用时，还需考虑信号发生器件的频率响应，在保证带宽的前提下，选择其频谱较为平坦频率区间作为LFM的扫频范围。

(2)信号接收与采样。

将室内空气信道视为准静态信道，令发射机与接收机静止，则信道冲击响应可表示如下：

式中：N表示t时刻的路径数，a_i与τ_i分别表示第i路径的强度与延时。设发射信号为s(t)，则接收到信号r(t)为：

式中：*代表卷积运算，n(t)为白噪声，假设是零均值高斯分布。

在满足奈奎斯特采样率的基础上，采样间隔应不高于LFM的自相关时间，以完整反映匹配滤波输出的峰值变化。

(3)带通滤波与归一化匹配滤波。

采样后的信号经过带通滤波器滤除带外噪声，提高信噪比；然后将带通滤波后的信号同本地已知的信号模板做互相关并做能量归一化。一般的匹配滤波器如下式所示，没有进行能量归一化，导致匹配滤波输出受到信号衰减效应的严重影响，且缺乏应对突发噪声的能力。

本发明采用的归一化匹配滤波器算式表达如下：

式中：r[i]为接收到的信号，s[i+n]为本地信号模板，r*[i]代表共轭。接收到的信号经过上述运算可抑制噪声输出，避免因突发噪声的匹配滤波输出高于检测门限而造成虚警，接收信号与本地模板互相关后做能量归一化，使得门限选择更加稳定可靠，提高抗突发噪声能力。

假设接收到如图3(a)所示的r[i]信号，在信号到达前存在一段突发噪声，使用两种匹配滤波器分别得到y[n]和y_norm[n]输出，结果如图3(b)和图3(c)所示。

图3表明，使用归一化滤波算法获得的突发噪声输出相对较小，y_norm[n]相比y[n]具有更强的抗突发噪声能力，更适合用于TOA估计。

(4)检测是否存在信号。

使用一个固定的检测门限，如图4所示的Threshold0，用于检测是否有信号到达。将计算得到的y_norm[n]同检测门限Threshold0进行比较，如果结果高过检测门限则判定信号到达，寻找滤波器输出曲线的最大值点作为回溯原点，开始做TOA估计。

(5)计算自适应门限。

一旦检测到有信号到达则开始计算自适应门限，寻找相关值的最大最小值，并使用以下公式计算自适应门限η，也就是图4中的Threshold2。

η＝α_const(max{y_norm[n]}-min{y_norm[n]})+min{y_norm[n]}

式中：α_const为一预设常量且为0～1之间，用以保持max{y_norm[n]}、min{y_norm[n]}和η之间比例关系。三者的关系如图5所示，这里使用了max{y_norm[n]}和min{y_norm[n]}两个参数，是因为二者在一定程度上体现了信噪比信息和信道响应。

(6)回溯特定延时，做出TOA估计。

令n_max为相关值最大处的时间采样序号，在检测到信号到达且计算得到动态门限η后，以n_max为回溯原点，向前(延时减小方向)搜索高于门限η的采样点，并选取高于η的采样点中延时最小的作为TOA估计。该方法如下式：

n_TOA＝min{n|y_norm[n]＞η,n∈[n_max-l_sb,n_max]}

式中：l_sb是回溯长度，l_sb的选取与具体的信道响应相关。实验结果表明一般室内环境下，l_sb可选择10ms，即以n_max-l_sb为TOA估计原点，选出第一个超过η的采样点作为TOA估计。

对于传统的TC方法，检测到信号且划定门限后，若信号达到前存在突发噪声，且噪声的滤波输出高于检测门限，则会得到错误的TOA估计值。如图4所示，以η为判决门限，在没有l_sb限制的情况下，系统会选择图中Burst Nosie(突发噪声)处作为TOA估计，从而得到错误的TOA估值，导致巨大的定位误差。由于真实到达时刻总是不晚于最大值时刻，因此采用最大值为基点的前向搜索算法可以以较低的检测门限运行，提高TOA估计准确度。由于突发噪声有很大概率落在回溯范围之外，该算法能最大限度的降低突发噪声的影响。

综上，得到本发明的实现框图架构，如图6所示。

结合图4进一步分析本发明方法的优势，图4中加粗部分为信号匹配滤波输出，未加粗部分则为纯噪声的输出。Threshold0为检测门限，用于检测是否存在信号到达，一般设为较高值以免受到噪声影响。Threshold1为传统TC法的检测门限，一旦滤波器输出高于该门限则取高出点作为TOA估计。可见MES法误差最大，TC法误差较小，而MES-SB法获得的TOA估计则落在了MES与TC法之间。本发明方法使用自适应的门限Threshold2(即η)，从最大值时刻向前回溯l_sb长度，选出第一个高于Threshold2的值作为TOA估计，在避免受到突发噪声影响的同时提高了TOA估计精度与效率，实验证明本发明在室内条件下具有良好的TOA估计准确度，为高精度定位打下了基础。

上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。