《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計應(yīng)用 > 基于小波去噪的室內(nèi)超寬帶定位算法
基于小波去噪的室內(nèi)超寬帶定位算法
2015年微型機與應(yīng)用第10期
鞏彭安,毛永毅,杜楊洋
(西安郵電大學(xué) 電子工程學(xué)院,陜西 西安 710061)
摘要: 針對室內(nèi)復(fù)雜環(huán)境所引起的NLOS誤差,提出了一種利用小波良好抑制噪聲特性的室內(nèi)定位優(yōu)化算法,選定IEEE 802.15.4a模型為超寬帶室內(nèi)無線定位的普適模型,在室內(nèi)傳統(tǒng)定位算法基礎(chǔ)上利用小波去噪消除NLOS誤差,從而改進優(yōu)化了到達時間差定位算法(TDOA)。仿真結(jié)果表明,該算法較Chan算法和LS算法定位精度高,具有可行性。
Abstract:
Key words :

  摘  要: 針對室內(nèi)復(fù)雜環(huán)境所引起的NLOS誤差,提出了一種利用小波良好抑制噪聲特性的室內(nèi)定位優(yōu)化算法,選定IEEE 802.15.4a模型為超寬帶室內(nèi)無線定位的普適模型,在室內(nèi)傳統(tǒng)定位算法基礎(chǔ)上利用小波去噪消除NLOS誤差,從而改進優(yōu)化了到達時間差定位算法(TDOA)。仿真結(jié)果表明,該算法較Chan算法和LS算法定位精度高,具有可行性。

  關(guān)鍵詞超寬帶信道;室內(nèi)定位;非視距誤差;小波;到達時間差

0 引言

  隨著便攜智能移動臺和可穿戴設(shè)備的快速發(fā)展和普及,基于位置服務(wù)(LBS)的應(yīng)用場景層出不窮,而保證此類服務(wù)質(zhì)量的前提就是地理位置信息的確定。

  室內(nèi)無法直接使用衛(wèi)星定位系統(tǒng)進行定位[1],所以室內(nèi)無線定位的方式主要有到達時間差定位法(TOA)、時間差定位法(TDOA)、到達角度定位法(AOA)以及混合定位等方法[2-3]。影響定位效果的重要因素之一就是室內(nèi)環(huán)境中普遍存在的NLOS誤差,去除這些數(shù)據(jù)信號中的噪聲是提高定位精確度和效率的根本。參考文獻[4-5]中采用神經(jīng)網(wǎng)絡(luò)優(yōu)化數(shù)據(jù),能較好地抑制NLOS誤差,但神經(jīng)網(wǎng)絡(luò)算法也存在不足,如固定學(xué)習(xí)率或?qū)W習(xí)過程中出現(xiàn)的癱瘓現(xiàn)象會導(dǎo)致訓(xùn)練時間較長;采用了基于誤差和性能指標函數(shù)不斷減小的標準梯度下降法,易導(dǎo)致局部極小值等問題。

  本文提出一種利用小波去噪的方法,對室內(nèi)環(huán)境中的NLOS誤差進行抑制處理,在獲得優(yōu)化后的數(shù)據(jù)之后,使用Chan算法進行位置估計,并對該算法進行了仿真,同時與兩種經(jīng)典的算法進行對比,結(jié)果表明,本文算法優(yōu)于上述兩種算法。

1 仿真信道模型

  鑒于室內(nèi)環(huán)境的特殊性以及室內(nèi)無線定位的發(fā)展趨勢,結(jié)合超寬帶信號相較其他信號抗干擾能力強、穿透性好、低功耗等優(yōu)點,本文選擇IEEE 802.15.4a標準信道模型[6]為本文定位算法的仿真環(huán)境。

  參考文獻[7]介紹了三種室內(nèi)UWB信道模型(單簇指數(shù)模型、簇模型以及指數(shù)對數(shù)正態(tài)模型),其中IEEE 802.15.4a是IEEE提出的新通信標準,特別適用于低速率和低功耗數(shù)據(jù)傳輸?shù)膱鼍啊4四P褪峭ㄟ^修改S-V信道模型,將各徑的瑞利幅度分布特性改成對數(shù)-正態(tài)分布,保證各簇之間的衰落以及簇內(nèi)各徑之間的衰落是互相獨立的,且信道滿足慢衰落特性,其數(shù)學(xué)表達式可描述為:

  1.png

  其中,h(t)是一次信道實現(xiàn),1.jpg,l是多徑信道系數(shù),Tl是第l簇的時延,τk,l是相對應(yīng)于第l簇的到達時間Tl內(nèi)的第k個多徑元,X是個對數(shù)正態(tài)陰影衰落,相位2.jpg,l是在[0,2π]內(nèi)均勻分布的隨機變量。信道系數(shù)定義為小尺度衰落系數(shù)的積,即:

  2.png

  其中,pk,l 為以等概率取±1的離散隨機變量,3.jpg為第l簇的幅度衰減,4.jpg,l為第l簇第k徑的幅度衰減。測量的數(shù)據(jù)的幅度特性服從對數(shù)-正態(tài)分布,而且大尺度衰落也服從對數(shù)-正態(tài)分布,則有:

  2..jpg

  其中,n1和n2分別服從均值為零、方差為5.png的正態(tài)分布,且相互獨立,分別對應(yīng)于每一簇和簇內(nèi)每一多徑的衰落。利用簇幅度和簇內(nèi)每個多徑分量幅度都服從指數(shù)衰落的特點,可以得到6.jpg,l的值為:

  3.png

  其中,7.jpg是第一簇第一徑的平均能量;8.jpg是簇能量的衰減因子;NJ(0338E2J71{83CY[{YRG1.jpg是簇內(nèi)徑能量的衰減因子。

  根據(jù)常見的使用場景和覆蓋范圍,此次仿真使用CM4信道,其統(tǒng)計特性如表1所示。

003.jpg

2 算法描述

  小波分析是在Daubechies提出建立具有緊支撐的光滑小波和Mallat的多分辨分析及快速小波變換之后才有了長足的發(fā)展。小波變換可以把信號的能量集中到某些頻帶的少數(shù)系數(shù)上。同時,通過把其他頻帶上的小波系數(shù)置零或是給予小的權(quán)重,即完成有效抑制噪聲的目的。此法計算速度快并且精確度高,所以小波去噪已經(jīng)成為小波變換的重要應(yīng)用之一,并被廣泛使用在各個領(lǐng)域[8]。

  2.1 小波去噪應(yīng)對NLOS誤差的方法

  令觀察信號s(ti)為ti時刻TDOA的測量值,NLOS誤差屬于加性誤差,所以實驗數(shù)據(jù)s(ti)等于真實值f(ti)和標準測量誤差n(ti)與非視距誤差nlos(ti)之和,帶噪聲的信號模型表示如下:

  s(ti)=f(ti)+n(ti)+nlos(ti)(4)

  其中,n(ti)為零均值的高斯隨機變量,nlos(ti)為正隨機變量。

  結(jié)合軟閾值和硬閾值去噪方法,其具體步驟如下:

 ?。?)先對含噪的原始信號數(shù)據(jù)s(ti)作小波變換得到一組小波系數(shù)wj,k;

  (2)通過對wj,k進行閾值處理,得到估計小波系數(shù)j,k,使得‖j,k-uj,k‖盡可能?。?/p>

 ?。?)利用j,k進行小波重構(gòu),得到估計信號數(shù)據(jù)(ti),即為去除NLOS信號誤差之后的信號數(shù)據(jù)。

  估計小波系數(shù)的方法[9]如下:取λ作為閾值(門限),硬閾值估計定義為:

  56.png

  2.2 超寬帶信道下的TDOA定位算法(Chan算法)

  設(shè)MS坐標為(x,y),定位中的參考基站BSi坐標為(xi,yi),數(shù)量為M,ri,1是MS到BSi的距離差,c為電波傳播速度,根據(jù)測量到的電波傳播時間(TOA)可建立距離方程:

  ri2=(cτi)2=(xi-x)2+(yi-y)2=Ki-2xix-2yiy+x2+y2(7)

  由于ri,1=ri-r1,式(7)可改寫為:

  ri,12+2ri,1r1=-2xi,1x-2yi,1y+Ki-K1(8)

  其中,Ki=xi2+yi2,xi,1=xi-x1,yi,1=yi-y1。

  令za=[x,y,r1]T為未知量,可以建立線性方程:

  h=Gaza(9)

  當存在TDOA噪聲誤差ni,1時,誤差矢量表示為:

  1011.jpg

  使用za的值計算新的B矩陣,之后重復(fù)進行一次WLS計算,就可得到估計位置。首先計算za的協(xié)方差矩陣,za及協(xié)方差矩陣為:

  12.png

  其中,Ga0可由式(11)的結(jié)果算出。構(gòu)造新的誤差矢量?鬃′為:

  1314.jpg

  za0可由第二次WLS計算結(jié)果替代,za′的第二次WLS計算結(jié)果為:

  15.png

  最終,MS估計位置結(jié)果為:

  16.png

  2.3 利用小波去噪的超寬帶信道下的TDOA定位算法

  本文使用小波去噪的方法對在超寬帶信道下測到的TDOA數(shù)據(jù)進行預(yù)處理,得到優(yōu)化的信號數(shù)據(jù),最后采用Chan算法進行定位估計,從而得到更加精確的位置信息。具體步驟如下:

 ?。?)在NLOS環(huán)境下,通過超寬帶無線信道傳輸方式,獲得n組TDOA信號數(shù)據(jù),然后再對所測數(shù)據(jù)進行小波變換得到EMC;

 ?。?)通過2.1節(jié)小波去噪方法,確定小波閾值,重構(gòu)出TDOA信號數(shù)據(jù);

 ?。?)對經(jīng)過小波去噪優(yōu)化的信號數(shù)據(jù),使用2.2節(jié)算法最終估計出目標位置的坐標信息。

3 仿真及分析

  為了檢驗本文算法的優(yōu)化性能,對其進行NLOS環(huán)境擬合仿真。仿真的信道環(huán)境為超寬帶信號IEEE 802.15.4a標準CM4 NLOS信道模型,相關(guān)統(tǒng)計參數(shù)見表1。其中參考基站位置為7個,且所有BS(參考基站)與MS(移動臺)之間存在NLOS誤差。選取超寬帶信號的覆蓋范圍和測量誤差兩個維度進行分析,通過橫向?qū)Ρ龋瑥亩庇^表現(xiàn)出本文新算法的優(yōu)越性。

001.jpg

  圖1為不同覆蓋范圍下,各定位算法定位結(jié)果的均方根誤差值仿真圖。在超寬帶信道下,單純的Chan算法略優(yōu)于LS算法,而經(jīng)過小波去噪處理之后的Chan算法表現(xiàn)出更好的定位精度和穩(wěn)定性,說明小波去噪對抑制NLOS誤差有良好的使用效果。

  圖2為不同測量誤差下三種算法的定位結(jié)果比較,縱坐標為不同算法在不同TDOA測量誤差下定位結(jié)果的均方根誤差值。從圖中可見,本文算法在原有算法的基礎(chǔ)上大幅減小了均方誤差的值,并且在不同的TDOA測量誤差下,均方誤差的值幾乎在2以下,表現(xiàn)相當穩(wěn)定。這說明本文算法在抑制超寬帶信道中的非視距誤差能力較強,在室內(nèi)移動臺的定位方面效果良好,基于小波去噪的室內(nèi)定位新算法對原有算法有可替代性。

參考文獻

  [1] WERB J, LANZL C. Designing a positioning system for finding things and people indoors[J]. IEEE Spectrum, 1998,35(9):71-78.

  [2] Xie Yaqin, Wang Yan, Zhu Pengcheng, et al.Grid search based hybrid TOA/AOA location techniques for NLOS environments[J]. IEEE Communications Letters,2009,13(4):254-256.

  [3] Shen Guowei, RUDOLF Z, REINER S T. Performance comparison of TOA and TDOA based location estimation algorithms in LOS environment[J]. Proceedings of the 5th Workshop on Positioning, Navigation and Communication,WPNC′08, 2008: 71-78.

  [4] 毛永毅,李明遠,張寶軍.一種NLOS環(huán)境下的TOA/AOA定位算法[J].電子與信息學(xué)報,2009,31(1):37-40.

  [5] 張寶軍,毛永毅,白菊榮.一種基于遺傳算法徑向基神經(jīng)網(wǎng)絡(luò)的混合無線定位算法研究[J].西安郵電大學(xué)學(xué)報,2008,13(3):25-28.

  [6] 王丹,普杰信,楊雷.超寬帶無線通信系統(tǒng)信道估計技術(shù)[M].北京:科學(xué)出版社,2012.

  [7] GREENSTEIN L J, GHASSEMZADEH S S, HONG S C,et al. Comparison study of UWB indoor channel models[J]. IEEE Transactions on Wireless Communications, 2007,6(1):128-135.

  [8] 張仁輝,杜民.小波分析在信號去噪中的應(yīng)用[J].計算機仿真,2005,22(8):69-72.

  [9] 徐晨,趙瑞珍,甘小冰.小波分析應(yīng)用算法[M].北京:科學(xué)出版社,2004.


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。