基于WiFi信號的LDCC?PDF分級時延估計方法與流程
本發明屬于室內定位技術領域，特別涉及一種基于WiFi信號的LDCC-PDF分級時延估計方法，使得在采用成本較低的WiFi技術進行定位的情況下也能獲得理想的室內定位精度和效果。
背景技術：
現代社會的飛速發展和城市化節奏的不斷加快使人們對于位置服務的需求越來越大，成熟的GPS技術為人們提供了較為精確的室外定位導航服務(定位精度一般可達6-10米)，但日常出入的一些室內環境，如寫字樓、商場超市、地下停車場等，往往因其處于衛星信號的覆蓋盲區且移動數據網絡信號也比較微弱，而使人們無法實時獲取精確位置信息，因此尋找有效的高精度室內定位方法和技術具有重要意義，目前也是定位領域的研究熱點。相較于采用UWB、紅外線、RFID、藍牙等信號的現有定位技術，基于IEEE 802.11標準的無線局域網(Wi-Fi)因其低成本和廣泛普及性在高精度室內定位方面更具有研究價值和應用前景。據大量文獻分析，早期基于Wi-Fi室內定位方法的研究大多針對Wi-Fi信號強度(RSSI)展開，通過無線信號傳播損耗模型建立信號強度與傳播距離之間的映射關系，但該類方法受室內實時環境變化因素影響較大，定位效果較差。為了克服這類問題，基于RSSI的位置指紋法被相繼提出，且不斷改進更新，相關文獻表示目前指紋法的定位精度可達1.6-5m。然而，要得到精度較高的指紋法需要以大量繁重的數據采集、預處理和后期維護工作為代價，且實際中室內人員或物體移動的隨機性也將導致指紋地圖性能下降甚至失效。因此，采用基于到達時間(Time Of Arrival,TOA)時延估計測距技術的Wi-Fi定位方案更具魯棒性，但由于無線信號的高速傳播，該類方法對TOA估計精度要求非常高，1m以內的定位精度需大約3ns的時延估計精度。
傳統的基帶信號時延估計算法主要為互相關算法和相位檢測法。采用互相關，將接收信號與本地信號進行互相關運算，提取相關峰值得到估計值，算法簡單易實現但受限于系統采樣率與帶寬，估計精度達不到要求。802.11n標準的采樣周期為0.05μs，一個采樣點偏移將導致15米的誤差。相位檢測法利用連續波發射到接收的相位差與時延成正比的特性來估計時延，精度優于相關法，但易受相位噪聲影響，且當傳輸時延較大時存在相位模糊，因此測距范圍很小。為提高時延估計精度，國外學者A.Makki等人首次提出了一種將互相關與相位差方法結合，運用于802.11g收發信號的高精度時延估計算法，該算法在理想視距單徑傳輸環境下，基于WARP信號收發平臺的實際測量定位誤差為49cm。
為克服基帶信號采樣周期的估計精度限制，部分學者提出采用過采樣的方案，跳過現有無線局限網硬件設置，通過使用采樣率高達1GS/s的A/D芯片和信號預處理算法，達到高分辨率(亞米級)的時延估計精度。這類方法的局限在于需要使用額外硬件配置，增加功耗和成本。在室內多徑非視距環境下，上述算法的估計性能都將明顯下降，甚至失效。為克服多徑效應影響，學者們提出了一些頻域超分辨算法來提高時延估計精度，如MUSIC、ESPRIT及其改進算法等，這些算法需要預先估計多徑數目，再進行矩陣特征值分解，利用譜峰搜索得到TOA估計值。目前這類算法在實際測量中可以提供3-5米的定位精度，但往往需要以很高的信噪比和計算復雜度作為代價，硬件實現成本較高。
技術實現要素：
為克服現有技術中的不足，本發明提供一種基于WiFi信號的LDCC-PDF分級時延估計方法，從實時定位應用角度出發，在無需改變系統硬件配置的條件下，結合基于前沿檢測(Leading-edge Detection,LD)的互相關(Cross-Correlation,CC)技術和子載波相位差擬合(Phase Difference Fit,PDF)技術，滿足高精度室內的定位需求。
按照本發明所提供的設計方案，一種基于WiFi信號的LDCC-PDF分級時延估計方法，包含如下步驟：
步驟1、采用Wi-Fi標準信號作為定位信號，建立多徑環境下的時域信道模型，經過室內無線多徑信道傳播，得到時域接收信號，并建立不同收發子載波相位偏移與子載波頻率間的關系；
步驟2、對接收信號進行LDCC分步檢測粗時延估計，得到粗時延估計值τcoarse；
步驟3、根據步驟1中得出的關系，在粗時延估計的基礎上對接收信號不同數據子載波間收發相位差進行線性擬合，得到精時延估計值τfine；
步驟4、將步驟2中得到的粗時延估計值和步驟3中得到的精時延估計值相加，得到最終估計結果τ，即τ＝τcoarse+τfine。
上述的，步驟1具體包含如下內容：
步驟1.1、采用802.11nWi-Fi標準信號作為定位信號；
步驟1.2、根據前導碼中的長訓練序列，選用單天線收發信號，建立多徑環境下的時域信道模型其中，Lp為多徑數，τi分別為第i條徑的復衰落系數和傳播時延；
步驟1.3、發送信號s(t)通過多徑信道傳播后，得到時域接收信號y(t)，其表示為：
根據發送信號：得到：其中，表示第k個子載波上的接收數據，Sk表示第k個子載波上的發送數據，Nk是復高斯白噪聲，ΔF是子載波間隔；根據相位變化的周期性，單個采樣周期內引起的第i條徑上的第k子載波的接收數據相對于發送數據的相移表示為則相隔δ個子載波間的相移差為：若時延一定時，不同收發子載波間的相位偏移差與子載波頻率差成線性關系；當δ＝1時，擬合斜率即為相鄰子載波間的相移差，則第i條徑上的精確小數倍采樣間隔時延表示為m為擬合斜率。
上述的，步驟2具體包含如下內容：
步驟2.1、最大峰值檢測，接收信號經下變頻后變為基帶信號，經采樣率為fs的系統采樣后，接收基帶信號序列為y(n)，將其與本地序列進行互相關處理，即：其中，L為相關長度，則最大峰值pm＝max(r(n))，相關值最大時對應的采樣點數
步驟2.2、首達峰檢測，在待定位環境，預先通過實驗測試設定首達峰最優閾值ξopt，根據最優判決門限確定首達峰搜索區域Dξ＝{p|p＞ξ·pm}，則該區域內出現的第一個峰即為首達徑所在的時延最小峰，峰值記為pξ，對應時延采樣點記為d2；
步驟2.3、判斷是否滿足d2≤d1，若滿足，則進入步驟2.4，否則，令d2＝d1，進入步驟2.4；
步驟2.4、首達峰前沿檢測，在估計首達峰所在的峰上設置閾值η，則該閾值η所對應的較小時延即為該峰前沿上的TOA粗估計值，記錄該時延采樣點為d3；
步驟2.5、判斷是否滿足d3≤d2，若滿足，則進入步驟2.6，否則，令d3＝d2，進入步驟2.6；
步驟2.6、根據采樣頻率fs，根據計算公式得到粗時延估計值τcoarse。
優選的，步驟2.2中的預先通過實驗測試設定首達峰最優閾值ξopt，具體包含如下內容：選取某門限ξ，擬定首達徑搜索區域Dξ＝{p|p＞ξ·pm}，記錄該區域內出現的第一個峰，并記當前峰值時延為τξ，與真實時延值t相比求誤差，通過N次測量，使時延估計的平均誤差達到最小的ξ即為最優門限ξopt，其中，N大于1的整數。
上述的，步驟3具體包含如下內容：
步驟3.1、利用粗時延估計值對原始接收數據y(n)進行采樣點同步校正，再進行FFT，得到接收頻域數據Yk；
步驟3.2、計算各個子載波上的收發信號相位差其中，k＝1,2,3,…,52；
步驟3.3、進行相位差去模糊處理，并計算相位差隨不同子載波變化的最小均方誤差擬合斜率m，根據第i條徑上的小數倍采樣間隔時延公式得到第i條徑上單個采樣間隔內的傳播時延τi,f；
步驟3.4、令i＝0，首徑的小數倍到達時延τ0,fine即為所求精時延估計值τfine。
本發明的有益效果：
1、本發明采用IEEE 802.11n標準基帶信號，利用其前導訓練序列，以系統采樣周期為基礎，將時延估計分為整數倍采樣粗估計和小數倍采樣精估計兩級時延估計，首先采用基于前沿檢測的互相關進行粗時延估計，再利用不同數據子載波收發相位差線性擬合技術得到精時延估計，進而結合二者結果得到足夠滿足高精度室內定位需求的時延估計結果；且無需更改現有無線局域網配置，其應用便捷性和低成本性有效解決了目前采用超寬帶、藍牙、射頻標簽等信號進行高精度室內定位成本高、不易部署的弊端，具備較高的實用價值，對實現和推廣高精度室內定位產品和服務具有實際意義。
2、本發明模擬真實信號非視距多徑傳播的現實環境，通過結合傳統互相關時延估計方法簡單易實現、抗噪聲性能好、估計范圍大以及子載波相位差方法估計精度高的多重優勢，解決了現有WiFi時延估計精度較差、定位結果不準確的問題，同時也避免了使用超分辨時延估計算法的高復雜性。
3、本發明所采用的定位信號為802.11n單個長訓練序列，運算復雜度低，速度快，實時性高，同時也可通過連續發送多個定位數據包來進一步提高定位的準確性；可同時滿足實際移動定位實時性需求和高精度需求。
附圖說明：
圖1為本發明的流程示意圖；
圖2為本發明LDCC粗時延估計流程示意圖；
圖3為本發明PDF精時延估計流程示意圖；
圖4為仿真實驗(1)單徑信道下傳統最大峰值檢測粗時延估計結果圖；
圖5為仿真實驗(1)多徑條件下互相關結果的輸出示意圖；
圖6為仿真實驗(1)的最優檢測門限測試結果圖；
圖7為仿真實驗(1)多徑條件下LDCC各步粗時延估計檢測結果對比圖；
圖8為仿真實驗(2)的收發子載波初始相位差及其線性擬合結果圖；
圖9為仿真實驗(2)的PDF精時延估計在單徑和多徑下的性能對比圖；
圖10為仿真實驗(3)本發明在單徑條件下與其它方法的性能對比圖；
圖11為仿真實驗(3)本發明在多徑條件下與其它方法的性能對比圖。
具體實施方式：
下面結合附圖和技術方案對本發明作進一步詳細的說明，并通過優選的實施例詳細說明本發明的實施方式，但本發明的實施方式并不限于此。
實施例一，參見圖1所示，一種基于WiFi信號的LDCC-PDF分級時延估計方法，包含如下步驟：
步驟1、采用Wi-Fi標準信號作為定位信號，建立多徑環境下的時域信道模型，經過室內無線多徑信道傳播，得到時域接收信號，并建立不同收發子載波相位偏移與子載波頻率間的關系；
步驟2、對接收信號進行LDCC分步檢測粗時延估計，得到粗時延估計值τcoarse；
步驟3、根據步驟1中得出的關系，在粗時延估計的基礎上對接收信號不同數據子載波間收發相位差進行線性擬合，得到精時延估計值τfine；
步驟4、將步驟2中得到的粗時延估計值和步驟3中得到的精時延估計值相加，得到最終估計結果τ，即τ＝τcoarse+τfine。
本發明首先采用基于前沿檢測的互相關進行粗時延估計，再利用不同數據子載波收發相位差線性擬合技術得到精時延估計，進而結合二者結果得到足夠滿足高精度室內定位需求的時延估計結果；且無需更改現有無線局域網配置，其應用便捷性和低成本性有效解決了目前采用超寬帶、藍牙、射頻標簽等信號進行高精度室內定位成本高、不易部署的弊端，具備較高的實用價值，對實現和推廣高精度室內定位產品和服務具有實際意義。
實施例二，參見圖1～11所示，一種基于WiFi信號的LDCC-PDF分級時延估計方法，具體內容如下：
步驟1，建立WiFi標準發射信號模型，經過室內無線多徑信道傳播，得到有用接收信號。采用OFDM調制且支持多天線技術的802.11n Wi-Fi信號作定位信號，利用傳統前導碼中的長訓練序列進行時延估計。第iTx個天線上發送的長訓練序列的時域信號可表示為：
其中，Lk是長訓練符號53個數據子載波上的頻域序列，包含52個非零數據子載波和一個直流載波，且
L-26,26＝{1，1,-1,-1,1,1,-1,1,-1,1,1,1,1,1,1,-1,-1,1,1,-1,1,-1,1,1,1,1,0,1,-1,-1,1,1,-1,1,-1,1,-1,-1,-1,-1,-1,1,1,-1,-1,1,-1,1,-1,1,1,1,1}
其中，NTx為發射天線數，ΔF是子載波間隔(312.5kHZ)，表示第iTx個天線上的循環移位時延，TGI為長前導符號的保護間隔1.6μs。
為便于分析，選用單天線收發信號，則發送信號表示為
在無線通信中，多徑環境下的時域信道模型表示為
其中，Lp為多徑數，τi分別為第i條徑的復衰落系數和傳播時延，隨時間變化，且有實際中由于Wi-Fi接入點與移動終端的相對運動較慢，信道變化相對于一次短暫的測量時間來說非常緩慢，因此，在單一測量中認為第i條徑的傳播時延和復衰落系數都是不變的，且θi(t)在(0,2π)內服從均勻分布，因此，各多徑分量的復衰落系數相互獨立。
τ0為首徑傳播時延，即所估計的信號傳播TOA。在LOS傳播環境中，τ0表示為信號傳播最短直射路徑所需時延；NLOS環境中，τ0為第一個含有信號成分的信號徑的到達時間，可能是穿透障礙物的直射徑，也可能是經反射和散射后的信號徑。
則可得到發送信號經過多徑信道后的時域接收信號：
根據發送信號：得到：
其中，
表示第k個子載波上的接收數據，Nk是復高斯白噪聲，ΔF是子載波間隔；根據相位變化的周期性，單個采樣周期內引起的第i條徑上的第k子載波的接收數據相對于發送數據的相移表示為則相隔δ個子載波間的相移差為：
若時延一定時，不同收發子載波間的相位偏移差與子載波頻率差成線性關系；當δ＝1時，擬合斜率即為相鄰子載波間的相移差，則第i條徑上的精確小數倍采樣間隔時延表示為m為擬合斜率。
步驟2.對接收信號進行分步檢測粗時延估計，如圖2所示，具體方案包括以下三步：
Step1.最大峰值檢測：
首先進行互相關檢測，射頻接收信號經下變頻后變為基帶信號，經采樣率為fs的系統采樣后，接收基帶信號序列為y(n)，將其與本地序列進行互相關處理，
其中L為相關長度，記pm為最大峰值，d1為相關值最大時對應的采樣點數，即
Step2.首達峰檢測：
多徑環境下TOA估計的目標在于尋找信號的首達徑，檢測出第一個含有信號的相關峰。首先在待定位環境，預先通過實驗測試設定最優閾值ξopt。具體方法為：選取某門限ξ，擬定首達徑搜索區域Dξ＝{p|p＞ξ·pm}，記錄該區域內出現的第一個峰，并記當前峰值時延為τξ，與真實時延值t相比求誤差，通過N次測量，使時延估計的平均誤差達到最小的ξ為最優門限ξopt。再根據最優判決門限確定首達峰搜索區域D＝{p|p＞ξopt·pm}，該區域內出現的第一個峰即為首達徑所在的峰(時延最小峰)，峰值為pξ，對應時延采樣點為d2。
Step3.首達峰前沿檢測：
由于多徑信號比LOS信號在傳播時間上有一個附加的時延，首達徑相關峰的前沿受多徑疊加和干擾影響更小，因而其TOA估計可信度更高。在估計首達徑所在峰上設置一新的閾值η，則該閾值所對應的較小時延即為該峰前沿上的TOA粗估計值，記錄該時延采樣點為d3。
最后判斷以上三步所得時延采樣點位置是否滿足實際估計需求，保證d3≤d2≤d1，則最終粗時延估計值為
步驟3，根據步驟1中得出的關系，在粗時延估計的基礎上對接收信號不同數據子載波間收發相位差進行線性擬合，得到精時延估計值τfine，具體實施過程分為以下步驟：
Step1：利用前期時域TOA粗估計值對原始接收數據y(n)進行采樣點同步校正，再進行FFT，得到接收頻域數據
Step2：計算各個子載波上的收發信號相位差其中，k＝1,2,3,…,52；Step3：進行相位差去模糊處理，并計算相位差隨不同子載波變化的最小均方誤差擬合斜率m，根據第i條徑上的小數倍采樣間隔時延公式得到第i條徑上單個采樣間隔內的傳播時延τi,f。
Step4：結合粗時延估計，令i＝0，首徑的小數倍到達時延τ0,fine即為所求精時延估計值τfine。
步驟4.將粗時延估計值和精時延估計值相加得到最終結果：τ＝τcoarse+τfine。
為了驗證所提發明的有效性，下面通過計算機仿真實驗對本發明做進一步說明：
仿真條件：
為了使發明方法不失一般性，且滿足實際Wi-Fi相關產品最低參數需求，本計算機仿真均采用IEEE 802.11n物理層協議規定的必選功能參數設置，具體如下所示：
附表 本發明計算機仿真實驗參數設置
根據本發明提出的LDCC-PDF分級時延估計的兩個階段——粗時延估計和精時延估計，分別對其進行仿真分析，并給出本發明與其它兩種時延估計方法在不同實驗環境下的綜合對比結果分析。仿真實驗設計如下：
(1)LDCC粗時延估計性能仿真
首先在單徑信道下設置附表所示參數進行粗時延估計仿真，對接收信號和發送信號進行互相關后，僅采用傳統最大峰值檢測算法進行Monte Carlo仿真，時延整數倍采樣點隨信噪比變化的正確檢測概率如圖4所示，可見當環境信噪比較高時，最大峰值檢測粗時延估計效率很高，20dB以上正確檢測概率趨于穩定可達100％。多徑信道下，對收發信號進行互相關，部分互相關結果輸出如圖5所示，圖中可清楚地看到真實整數倍時延(采樣點為10)對應的并非最大相關峰值(采樣點為12)，而是出現在最大峰的前一個峰上，最大峰值檢測性能將嚴重下降。
接下來采用本發明所設計的分步檢測法進行粗時延估計。本發明所設計的LDCC分步時延估計方法中預先對首達峰檢測的最優閾值進行估計，結果如圖6所示，因此選擇首達峰最優檢測閾值為0.4。且在其它條件一定的情況下，不同多徑信道環境下測試所得最優檢測門限均分布于0.4-0.5倍最大峰值之間，證明該最優門限值在相似的信號傳播環境中具有較好的普適性。首達峰前沿檢測閾值η根據經驗設為0.8pξ，按照分步檢測粗時延估計方法進行Monte Carlo仿真，則互相關峰值檢測、首達峰檢測和首達峰前沿檢測的整數倍粗時延估計正確檢測概率如圖7所示，可見在室內多徑信號傳播環境下，最大峰值檢測嚴重惡化，正確率僅為0.2-0.3，經過首達峰檢測和前沿檢測處理后，正確概率大幅提升，可達到85％以上。注意到當信噪比小于0時，噪聲分量為主要成分，本發明方法性能受到嚴重影響，但當信噪比大于0后，性能趨于均衡，說明當信號分量大于噪聲分量時，本發明設計的LDCC分步粗時延估計方法抗噪聲性能較好。
(2)PDF精時延估計性能仿真
由粗估計結果對時域接收信號進行采樣點對齊后通過FFT變換到頻域，得到收發信號各數據子載波上的相位差(圖8上)，相位偏移量隨子載波序號呈線性變化，其中部分子載波相位偏移發生了2π的模糊，這是由接收信號部分子載波解調時發生相位旋轉造成的，將其判斷為相位差模糊噪聲，對其進行去模糊處理，對調整后的相位差進行最小均方誤差線性擬合(圖8下)，則小數倍精確時延可由線性擬合斜率得到。分別在單徑和多徑環境下測試算法性能，如圖9所示，單徑估計性能明顯優于多徑，且受信噪比影響較小；多徑條件下，高信噪比(>20dB)時誤差低于0.1ns，信噪比較低(<20dB)時的誤差依然可以達到ns級，滿足高精度室內定位需求。
(3)LDCC-PDF分級時延估計算法性能仿真
為驗證所提發明的實際應用性能，將其與抗多徑時延估計超分辨算法的經典算法MUSIC和學者A.Makki等人提出的方法(稱為A方法)作對比，分別在單徑和多徑條件下測試其算法性能，仿真參數如表所示，實驗結果如圖10和圖11所示。
分析結果可知，單徑環境下，三者時延均方誤差均可達到ns級，信噪比較低時本發明和A方法接近，比MUSIC性能更好，定位誤差基本可控制到1m以內；當信噪比較高時，三者性能趨向穩定，MUSIC算法更優，但本發明的估計精度也可滿足室內定位需求，均方根時延誤差小于1ns，即定位誤差小于0.3m。
多徑環境下，圖中可明顯看出信噪比較低時，由于估計先驗信息受噪聲影響較大，MUSIC算法已經基本失效，A方法也因粗估計失效導致最終估計精度達不到定位需求。本發明的方法雖然性能比單徑有所下降，但依然能夠保持比較穩定的估計精度，高信噪比時達到3ns的均方誤差，即定位精度可達到1m以下。
從計算復雜度上分析，MUSIC算法的復雜度較高，主要包括協方差矩陣估計、特征值分解和譜峰搜索三個部分，其中譜峰搜索計算量取決于時延搜索網格數，搜索網格越多，估計精度越高，但計算復雜度也會相應增加；A方法的計算復雜度主要集中在一次求信號互相關和兩次FFT計算上，運算量遠遠小于超分辨算法；與A方法相比，本發明在粗估計過程中多了兩次相關值搜索，但由于閾值搜索范圍較小，運算量并未增加太多。
此外，與超分辨算法相比，本發明涉及到的算法如互相關、FFT計算和求相位等，軟硬件實現都比較容易，成本較低，適宜實際環境應用推廣。
本發明不局限于上述具體實施方式，本領域技術人員還可據此做出多種變化，但任何與本發明等同或者類似的變化都應涵蓋在本發明權利要求的范圍內。
- 還沒有人留言評論。精彩留言會獲得點贊！