深入TR室内定位算法
来源:互联网 发布:更改路由器端口 编辑:程序博客网 时间:2024/05/15 03:07
1. 前言
刚来实验室的那段时间,我的导师浩川老师让我研究Ray Liu教授所做的室内定位的研究。由于后来决定读博之后,浩川老师给我重新规划了方向,因此室内定位对于我而言算是一个课外扩展的研究方向吧。学习这个也有一段时间了。刚好晚上睡不着,躺在床上也很无聊,于是跑到实验室写点东西,算是对之前学习的一个阶段性总结吧。
随着无线通信技术尤其是小区技术的发展,定位算法在精度与应用上得到了显著的提高。相对于室外复杂的环境,室内环境变化相对缓慢。另一方面,智能家具和机器人产业的兴起,也迫切需要提出较高精度且易于实现的定位算法。
由于室内环境存在着丰富的散射和绕射,这给定位算法精度的提高增加了难度。传统的基于到达时间(Time of Arrival)和到达角度(Angle of Arrival)以及接收信号强度(Received Signal Strength)的定位算法在精度上只能够达到米级别,无法进一步突破。
Ray Iiu团队在文献[1]中提出了将TR技术应用于室内定位算法之中;在文献[2]中验证了TR技术相对于传统的利用RAKE接收机的通信系统具有功耗低、干扰少、多径增益强等特点; 在文献[3]中,提出了基于WIFI的时间反转室内定位(Time-Reversal Indoor positioning System)算法,将定位精度提高到0.5cm。
2. TR室内定位算法简介
近代声学发展了源于光学的相位共轭成像法[4],之后连续的相位共轭法又被演变成时间反转方法。目前大量的TR技术应用于水声通信、医疗探伤等工作领域。
由于室内环境复杂,存在这丰富的散射和绕射,因此不同的位置之间的信道是独一无二的。利用TR技术的时间聚焦和空间聚焦的特性,在仅使用一个信号接入点(Access Point AP)的条件下,可以将室内定位算法的精度提高到厘米级别。
TR室内定位算法主要分为建立离线数据库和匹配在线数据两个环节。在离线数据库的建立过程中,如图1所示,选定一块实验区域,将该区域划均匀划分为
图1:离线数据库建立示意图
在线数据的匹配环节,假定TD在
其中
3. TR的时间聚焦和空间聚焦特性
3.1 TR的时间聚焦特性
由于多径效应和延迟,信道的冲激响应可以表达如下
序列
从式子中可以看出,当
【实验1】产生一个
仿真代码如下
主程序clear all;h=sqrt(4)*(rand(1,200)); %产生高斯信道 g=ReveralSequence(h); %对H2信道进行时间反转y=conv(g,h); %信道与信道的时间反转序列进行卷积plot(y);子程序function s=ReveralSequence(s) [s_row,s_col]=size(s); if(s_row>1) disp('本程序只能是列矩阵'); end for i=1:floor(s_col/2) tem=s(i); s(i)=s(length(s)+1-i)'; s(length(s)+1-i)=tem'; endend
实验结果
图2: TR的时间聚焦特性
实验证明,序列与序列的时间反转进行卷积会产生一个peak,即TR的时间聚焦特性。
3.2 TR的空间聚焦特性
定义TR谐振因子如下
其中
对于
【实验2】产生
仿真代码如下
clear all%% 数据初始化N=40; L=500;h=zeros(1,L); %初始化信道序列g=zeros(1,L); %初始化TR序列tem=zeros(1,L);D=zeros(N,N,L); %初始化离线数据库eta=zeros(N,N); %TR谐振因子%% 离线数据库的建立 for n=1:N for m=1:N h=sqrt(1)*(rand(1,L)); %产生高斯信道 D(n,m,:)=h; %储存到离线数据库中 if(n==N/2&&m==N/2) g=ReveralSequence(h); end endend%% 在线匹配环节for n=1:N for m=1:N for k=1:L tem(1,k)=D(n,m,k); end eta(n,m)=(max(abs(conv(tem,g))))/(norm(tem)*norm(g)); %计算TR谐振因子 endend%% 绘制三维图形n = 1:N;m= n;[x,y] = meshgrid(n,m); %得到网格surf(n,m,eta,eta); %绘制图形axis([1 N 1 N 0.75 1]); %限制显示的范围hold onshading interp %用数据控制三维曲面的颜色colorbar %颜色条
实验结果如图所示
图3:TR的空间聚焦特性
从图中可以看出,只有匹配位置处才存在peak,非匹配位置处,不存在peak,即TR的空间聚焦特性。
4. 匹配滤波器
匹配滤波器是一种最佳线性滤波器,可以在接收端实现接收信噪比的最大化。进行判决前,假设接收信号为
因此,可以得到
根据上式,可以定义
当且仅当
又根据帕斯瓦尔定理:
利用许瓦兹不等式取等号的条件,可以得到匹配滤波器的传递函数:
其时域单位冲激响应为
因此,当期望信号
其中
5. 匹配滤波器与TR的关系
为了与TR比较更为直观,我们用
因为我们仅仅在乎抽样判决时刻的值,因此将其将其写成离散信号的形式,如下
从第二节中,我们知道TR所做的主要操作就是时间反转共轭
因此,我们可以看出,TR和匹配滤波器也只不过是同一种理论的不同应用而已,毫无本质创新。
参考文献
[1] Wu Z H, Han Y, Chen Y, et al. A Time-Reversal Paradigm for Indoor Positioning System[J]. IEEE Transactions on Vehicular Technology, 2015, 64(4):1-1.
[2] Wang B, Wu Y, Han F, et al. Green Wireless Communications: A Time-Reversal Paradigm[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(8):1698-1710.
[3] Chen C, Chen Y, Lai H Q, et al. High accuracy indoor localization: A WiFi-based approach[C]IEEE International Conference on Acoustics, Speech and Signal Processing. 2016.
[4] Song H C, Hodgkiss W S, Skinner J D, et al. Numerical Modeling of a Time Reversal Experiment in Shallow Singapore Waters[C] Oceans. 2006:1-6.
- 深入TR室内定位算法
- 室内定位指纹算法
- 室内定位常用算法概述
- 室内定位常用算法概述
- 使用三边定位算法进行室内定位
- LED室内定位算法:RSS,TOA,AOA,TDOA
- 2、室内定位-基于RSSI测距的三维算法
- 室内定位导航
- wifi室内定位
- 室内定位技术
- 谈谈室内定位技术
- 室内定位indoor location
- 谈谈室内定位技术
- 室内定位技术
- 室内定位技术
- 室内定位技术
- 室内定位技术
- 室内定位技术
- codeforces707Adiv2Brain's Photos+水题
- 【bzoj 1798】[AHOI2009]维护序列
- Qt5.7.0 日志输出文件之debug重定向
- 1038. Recover the Smallest Number (30)-PAT甲级真题(贪心算法)
- python 多线程中的同步锁 Lock Rlock Semaphore Event Condition
- 深入TR室内定位算法
- unity调试-vs2015调试c#代码以及api提示
- windows的几个常用类库
- 告诉你ListView的Adapter应该写在Activity外面还是里面
- Eclipse中通过反编译看不到ActivityThread的源码,Why?
- 1049. Counting Ones (30)-PAT甲级真题(数学问题)
- Oracle服务器CPU 100%案例分析(转)
- 31Linux内核配置及编译
- codeforces 707A Brain's Photos 【水题】