论文部分内容阅读
近年来,随着基于位置的服务(Location based Services, LBS),无线传感器网络(Wireless Sensor Network, WSN)等技术的快速发展以及室内定位、导航需求的日益扩大,室内位置感知受到极大的关注。对基于测距的定位方法来说,能进行精确定位的先决条件就是测距精度要足够高。由于超宽带(Ultra-wide Band, UWB)系统具有带宽宽,时间、空间分辨率高,障碍物穿透能力强等特点,有实现高精度的室内测距定位的潜力。在超宽带测距系统中,最大的挑战就是恶劣的室内环境,存在密集多径和非视距(Non-Line-of-Sight, NLOS)情况,对测距以及定位精度有很大的影响。超宽带系统测距定位的关键所在是到达时间(Time of Arrival, TOA)的准确估计。为了减小室内环境中密集多径和非视距条件的影响,准确估计超宽带测距系统中首达径分量(First Path, FP)的到达时间,首先,提出了一种新颖的基于信息熵的到达时间估计算法。信息熵用来衡量接收到信号的随机程度,通过接收信号熵的跳变,可以估计出首达径分量的到达时间。相比于传统的过门限检测,相干检测等方法,基于熵的方法性能有很大的提升。其次,在改进的测距方法提升了测距性能的前提下,为了进一步减小测距误差,提出了以支持向量机(Support Vector Machine, SVM)为核心的回归校正误差的方法。通过提取出的信号的特征,利用支持向量机训练,建立回归模型,对测距误差进行预测校正。最后,提出了将基于最小二乘法(Least Squared Error,LSE)和’Taylor级数展开算法结合的联合定位算法,以LSE算法的结果作为Taylor级数展开的迭代初值,既解决了Taylor级数展开算法的迭代初值难以选择的问题,又通过较少的迭代次数实现了比传统LSE算法更好的结果。通过在IEEE 802.15.4a标准的CM1-CM4信道模型下的仿真,将本文中提出的算法和传统算法相比,发现性能都有了很大程度的提升。在信噪比较高的情况下,测距和定位误差都能达到厘米级,能满足实际应用的需求。