面向低强度无线网络信号接收谱参数估计研究

针对以北斗卫星导航信号为代表的亚纳秒级的低强度无线网络信号在定位中难以获取精确时间估计及角度估计,且易受环境噪声影响,使其定位精度不高等难题,提出了基于亚纳秒级的低强度无线网络信号接收谱参数估计方法;首先通过抽样方式,将发射信号抽样为多维独立子信号并独立建模,通过构造噪声空间与子信号空间在对应列向量正交化的基础上精确获取TOA估计;随后利用复数域映射,在获取TOA估计基础上采取比对方式精确地获取DOA估计;最后对所提参数估计方法进行了精度分析;测试数据显示:与PM算法、ESPRIT算法相比,所提技术在TOA及DOA估计上更为精确;同时在信号强度低且背景噪声干扰严重的情况下,所提方法仍可有效的维持参数估计精度;该技术能够有效减轻背景噪声对信号传输的影响,具有较强的实际部署意义。     

基于FastICA的高精度多径时延估计算法

在高精度无线定位中,针对现有超分辨率时延估计算法在低信噪比时性能较差的问题,提出了一种基于FastICA的多径时延估计算法。利用噪声子空间对白化矩阵进行修正,并采用参考信号约束初始分离矩阵,算法可快速收敛至所需的首达径分量,最后利用参考信号提取首达径时延。仿真结果表明,在信噪比较低的多径环境中,与已有超分辨时延估计算法相比能够有效提高时延估计精度。     

基于矩阵重构的非等功率相干信号DOA估计

针对功率相差较大和角度相隔较小的相干信号的波达方向(DOA)估计问题，提出一种基于Toeplitz矩阵重构的不变噪声子空间算法。对各个阵元的接收数据与参考阵元接收数据的相关函数进行排列，构造满秩的Toeplitz矩阵；引入虚拟信源优化Toeplitz矩阵，利用其不变噪声子空间特性估计信号波达方向。仿真结果表明该算法可以准确估计出功率相差40 dB、角度相邻2°的相干信号DOA,较空间平滑类算法具有更高的成功率与更强的分辨率。     

基于麦克风阵列的实时声源定位

由于噪音和多路的存在,声源定位总是很难达到一个很高的精度.针对这个问题提出了一个在智能教室环境下使用麦克风阵列对声源位置进行实时估计的算法,该算法分为三个阶段--去除噪音、延时估计和空间定位,即首先通过一个滤波器来对语音信号中噪音进行预处理,然后通过一个改进的GCC-PHAT算法来对多路语音信号的时延进行估计,最后通过构建几何关系来估计声源的位置.实验结果表明,在有一定噪音的自然教室环境下,算法的平均定位精度能够控制在5cm以内,具有很强的应用性.     

基于正四棱锥结构的机器人声源定位系统研究

声源定位成为机器人智能研究的重要方向。针对当前声源定位精度不理想、实时性不佳等问题,提出了一种正四棱锥麦克风阵列声源定位结构。采用时间延迟估计的声源定位方法,并提出时延值的快速搜索策略;推导了该结构的基于信号时延的时空映射关系,建立了声源目标位置的几何计算模型,并依据正四棱锥结构特点及冗余的时延值对值域划分,缩小求解范围,运用迭代算法得到声源的位置坐标,并通过双重筛选机制剔除错误的定位结果。实验结果证明了该结构及定位算法在提高系统定位精度和实时性能的有效性,能满足机器人应用中对声源定位的需求。     

基于分布式任意阵列的宽带信源定位方法研究

为提高宽带信源的定位精度,在已知信源个数情况下,提出一种新的基于任意阵列的宽带信源定位方法。首先,针对宽带信号的非平稳特性,可将宽带信号利用短时傅里叶变换在频域表示,利用群延迟函数(Group Delay)实现宽带信号的高精度波达方向(DOA)估计;最后根据质心收缩算法和互功率谱相位法以收缩区域的方式进行信源定位。对提出的算法进行了仿真分析,仿真结果表明本文算法DOA估计精度较高,且误差较小,信源定位精度较高。相对于现有的定位方法,本文算法计算量小,精度更高,更具实用性。     

基于信号循环平稳特性的自适应时延估计

本文提出了基于信号循环平稳特性的自适应时延估计方法,在信源的载波频率或波特率不同于干扰信号的情况下,利用信号的循环平稳性实现对非平稳干扰和空间相关噪声的抑制,进而提高时延估计的精度.仿真实验结果表明该方法比传统的参数模型时延估计方法有更好的性能.     

小区域GPS短距离定位优化仿真

研究小区域内的GPS短距离准确定位问题.卫星发射的电磁波由于超强,达到建筑物或障碍物时会被漫反射到各个方向,反射随机性很强且很难控制,对正常的卫星通信信号形成干扰,造成卫星定位信号出现测距偏差.传统的GPS定位方法依靠得到的测距坐标完成区域定位,在受到卫星信号干扰的情况下,很难保证坐标测距的准确性,造成对小区域内的定位精度不高.为解决上述问题,提出了一种静态点位估计算法的小区域GPS短距离定位方法.对采集的CPS信号进行离散化处理,去除信号中的白色噪声.利用静态点位估计方法,获取目标的位置信息,从而实现小区域GPS短距离定位.仿真结果表明,提出的算法能够有效提高卫星信号干扰下的小区域GPS短距离定位的准确性.     

基于网格扫描的WSN节点定位算法

现有的非测距定位算法无法准确获取未知节点的估计区域。针对该问题,提出一种基于网格扫描的分布式无线传感器网络(WSN)节点定位算法。计算每个被定位节点的初步估计区域,将该区域划分成网格阵列,通过逐个扫描得到有效网格,并将该有效网格区域的质心作为节点的估计位置。实验结果表明,在不同锚节点比率和不同节点总数的情况下,该算法的定位精度比DLE算法提高20%以上。     

基于混合子空间去噪的免携带设备目标定位

免携带设备目标定位是利用目标人物对无线通信链路产生的阴影衰落来确定目标的位置,然而当环境发生变化时也会引起无线链路信号强度的变化,会影响定位精度。针对传统子空间去噪方法的不足,本文与指纹法相结合探讨了基于子空间分解的小波去噪方法。通过研究静态环境下的噪声特征,选取最大特征值作为信号分量的阈值,自适应地提取目标信号,有效地消除环境变化产生的影响。在线阶段通过计算实时接收信号强度和射频地图中数据信息之间的核距离进行匹配估计出目标的位置。最后通过实验对本文算法进行了仿真,结果表明本文提出的算法相比传统已有算法能达到更好的定位精度。