基于超寬帶系統(tǒng)的測(cè)距定位及誤差校正技術(shù)研究.pdf

1、近年來(lái)，隨著基于位置的服務(wù)（Location based Services,LBS)，無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Network,WSN)等技術(shù)的快速發(fā)展以及室內(nèi)定位、導(dǎo)航需求的日益擴(kuò)大，室內(nèi)位置感知受到極大的關(guān)注。對(duì)基于測(cè)距的定位方法來(lái)說(shuō)，能進(jìn)行精確定位的先決條件就是測(cè)距精度要足夠高。由于超寬帶(Ultra-wide Band,UWB)系統(tǒng)具有帶寬寬，時(shí)間、空間分辨率高，障礙物穿透能力強(qiáng)等特點(diǎn)，有實(shí)現(xiàn)高精度的室內(nèi)測(cè)

2、距定位的潛力。在超寬帶測(cè)距系統(tǒng)中，最大的挑戰(zhàn)就是惡劣的室內(nèi)環(huán)境，存在密集多徑和非視距（Non-Line-of-Sight,NLOS)情況，對(duì)測(cè)距以及定位精度有很大的影響。
　　超寬帶系統(tǒng)測(cè)距定位的關(guān)鍵所在是到達(dá)時(shí)間（Time of Arrival,TOA)的準(zhǔn)確估計(jì)。為了減小室內(nèi)環(huán)境中密集多徑和非視距條件的影響，準(zhǔn)確估計(jì)超寬帶測(cè)距系統(tǒng)中首達(dá)徑分量（FirstPath,FP)的到達(dá)時(shí)間，首先，提出了一種新穎的基于信息熵的到達(dá)時(shí)間估計(jì)

3、算法。信息熵用來(lái)衡量接收到信號(hào)的隨機(jī)程度，通過(guò)接收信號(hào)熵的跳變，可以估計(jì)出首達(dá)徑分量的到達(dá)時(shí)間。相比于傳統(tǒng)的過(guò)門(mén)限檢測(cè)，相干檢測(cè)等方法，基于熵的方法性能有很大的提升。其次，在改進(jìn)的測(cè)距方法提升了測(cè)距性能的前提下，為了進(jìn)一步減小測(cè)距誤差，提出了以支持向量機(jī)（Support Vector Machine,SVM)為核心的回歸校正誤差的方法。通過(guò)提取出的信號(hào)的特征，利用支持向量機(jī)訓(xùn)練，建立回歸模型，對(duì)測(cè)距誤差進(jìn)行預(yù)測(cè)校正。最后，提出了將基于最

4、小二乘法（Least Squared Error,LSE)和Taylor級(jí)數(shù)展開(kāi)算法結(jié)合的聯(lián)合定位算法，以LSE算法的結(jié)果作為T(mén)aylor級(jí)數(shù)展開(kāi)的迭代初值，既解決了Taylor級(jí)數(shù)展開(kāi)算法的迭代初值難以選擇的問(wèn)題，又通過(guò)較少的迭代次數(shù)實(shí)現(xiàn)了比傳統(tǒng)LSE算法更好的結(jié)果。
　　通過(guò)在IEEE802.15.4a標(biāo)準(zhǔn)的CM1-CM4信道模型下的仿真，將本文中提出的算法和傳統(tǒng)算法相比，發(fā)現(xiàn)性能都有了很大程度的提升。在信噪比較高的情況下，測(cè)