论文部分内容阅读
随着移动互联网时代的快速发展,用户的工作和生活更多的在室内完成,室内定位已经成为一个越来越重要的技术与服务,与此同时大型场所的Wi-Fi全面覆盖已经基本实现,基于Wi-Fi实现对移动终端进行室内定位是具有极大的社会价值和科学意义。考虑到利用指纹定位的方案实现室内定位需要较大的人力资源且定位精度较低,本文主要研究的是通过获取信号时延从而实现测距的定位方法。本文的主要研究内容和贡献如下:通过文献的查找和学习,了解并介绍了基于Wi-Fi信号作为信号源的室内定位的研究意义和国内外研究现状,并介绍了文章的整体结构。并对IEEE 802.11中的Wi-Fi信号结构与特点进行了详细的描述和介绍,以及阐述了时延估计中使用的长训练序列和短训练序列的特点和构成。最后简单的介绍了几种基于TOA(Time of Arrive,TOA)的定位方法,包括常用的圆周定位模型、双曲线定位模型以及改进的Caffery、Chan、AML等定位模型。针对Wi-Fi信号在无线信道中传播后,信号需要进行预处理,包括利用长短训练序列进行信号探测、频偏纠正、信号对齐以及信道估计等,信号对齐部分分别介绍了基于连续播发信号和非连续信号传输的两种解决方案,信号估计算法分别介绍了LS信道估计方法、LMMSE信道估计方法、DFT等等三种估计方法,并通过仿真实验分析了三种算法的精度和各自的优缺点。针对多径信道环境中无法分辨多径时延的问题。矩阵变换时延估计算法中分别描述了ESPRIT、TLS-ESPRIT、MUSIC、ROOT-MUSIC等四种超分辨时延估计算法,通过仿真实验分析可知,基于MUSIC的超分辨时延估计算法性能最优,并通过平滑算法解决了针对单快拍情况下MUSIC时延估计算法失效的问题,基于压缩感知的超分辨时延估计算法中,本文介绍了MP估计算法、OMP估计算法、ROMP估计算法并详细的描述了算法的流程,以及说明了将算法应用到时延估计问题中的依据。针对超分辨时延估计算法需要构建时延格网字典,从而导致实际时延与估计时延不匹配的问题,因此本文提出了两步估计的超分辨时延算法,通过MUSIC算法或OMP算法对信号进行粗估计然后利用球面插值(Spherical interpolation,SP)算法和差分信道功率的方法(Differential Channel Power,DCP)进一步进行精估计,从而有效的解决了实际时延与估计时延不匹配的问题,改善了格网限制,并通过仿真实验分析了所提出算法的有效性和准确性。本文将上述提出的算法通过NI-USRP(National Instrument-Universal Software Radio Peripheral,NI-USRP)平台将算法利用LabVIEW语言进行改写,成功的实现了实时测试系统,并通过场地实验进行算法的验证,分别进行了5m和12m的测距实验,结果明显优于传统的估计算法。