<acronym id="s8ci2"><small id="s8ci2"></small></acronym>
<rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
<acronym id="s8ci2"></acronym>
<acronym id="s8ci2"><center id="s8ci2"></center></acronym>
0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

一種基于可靠度估計的到達時間差濾波方法

iotmag ? 來源:物聯網技術 ? 作者:物聯網技術 ? 2022-11-04 10:28 ? 次閱讀

摘 要 :由于硬件資源、應用環境等條件限制,各接收站采集的信號中不可避免存在噪聲,因此,高精度的到達時間差測量仍極具挑戰。文中給出了一種基于可靠度的信號到達時間差濾波方法,在一段時間內采集多組信號,對各組信號進行獨立的時差測量和可靠度估計 ;根據可靠度估計濾波算法,濾除低于預設可靠度閾值的測量時差,降低不確定時延導致的誤差,提高了單組信號時差測量的準確度。

0 引 言

到達時間差(Time Difference of Arrival, TDOA)是一種常用的無線信號源定位技術 [1-4]。它通過測量信號到達各接收站接收天線的時間差,來計算信號源到達各接收天線的距離差,從而計算出信號源的位置。使用該技術進行定位時,到達時間差的測量準確度決定了定位準確度。

影響到達時間差測量準確度的因素主要包括 :各接收站之間的時間同步性、接收信號帶寬、接收機采樣率等,尤其當信號在空氣中非視距傳輸時,受到應用環境中建筑物、樹木等障礙物的影響,信號傳輸到各接收天線的過程中,可能會出現反射、衍射、散射等現象,使得接收信號引入不確定時延,即測量到達時間差偏離視距距離差,最終導致目標定位不準確 [5-8]。

在實際應用環境中無法做到無遮擋。因此,如何在系統硬件資源、環境因素不變的情況下,利用信號處理技術提高到達時間差的測量準確性,是一個有實際意義且富有挑戰的課題。

1 可靠度估計與濾波算法

本文所提方法主要解決非視距傳輸時接收信號引入的不確定時延,即在信號帶寬、采樣率確定、環境因素不可避免的情況下,如何提高兩路信號到達時間差測量準確度的問題。為解決上述問題,提供了一種基于可靠度估計的時差測量濾波算法,該方法對一段時間內的多個時刻點獲取的幾組信號進行時差測量,然后計算每個獨立時差的可靠度,最終濾除可靠度低的時差。在上述方法中,假設多組信號采集過程中,信號源的位置基本不變,因此,使用該方法時,應根據信號源移動速度選取采集組數和采集時間間隔。

1.1 互相關法測量時差

設 2 個接收站 S1 和 S2,在一段時間 [tmin, tmax] 內的 X 個時刻點 (t1, t2, ..., tX) 采集了 X 組信號。設該段時間內,信號源位置變化很小,可忽略不計(依據信號源移動速度,通過對tmax-tmin 進行合適選取設計,可滿足該假設條件)。

各接收站通過接收天線接收到信號后,通過接收機信號放大、下變頻、A/D 采樣等處理后,將得到同相分量 I 路與正交分量 Q 路信號,fs 為接收機 A/D 采樣頻率。設接收站S1 在 t1 時刻采集的信號經過處理后,得到的同相信號分量為I1t1(n)、正交信號分量為 Q1t1(n),接收站 S2 在 t1 時刻采集的信號經處理后的同相信號分量為 I2t1(n),正交信號分量為Q2t1(n),則接收站 S1、接收站 S2 在 t1 時刻的信號幅度序列A1t1(n)、A2t1(n) 可表示為 :

111da950-5be7-11ed-a3b6-dac502259ad0.png

設 Rt1(m) 為 2 個信號幅度序列的互相關函數,通過求互相關峰值對應的時間變量可求得 2 個序列的時差。

1132837a-5be7-11ed-a3b6-dac502259ad0.png

式中:m 為時間變量,表示將信號延遲或提前 m 個采樣間隔周期;|·| 為求絕對值運算; 當 (n+m) [1, N] 時,A2t1(n+m)=0;M 為算法預設參數,設系統監控區域為 D,當信號源處于該區域內任一位置時,信號源與接收站 S1、接收站 S2 的最大視距距離差為 Lmax,M 可由下式計算得到:

11446a18-5be7-11ed-a3b6-dac502259ad0.png

式中:c 為電磁波在空氣中的傳播速度,c ≈ 3×108 m/s;fs為 A/D 采樣頻率。

當互相關最大時,此時對應 2 個信號的時差。即求出互相關最大時的時間變量 ,然后換算為時間差 TDOAt1,如下所示 :

11584006-5be7-11ed-a3b6-dac502259ad0.png

1.2 測量時差可靠度估計

計算時差互相關時,互相關函數的峰值越凸起,則該時差測量值越可信,即可靠度越高。定義時差測量值的可靠度為 Dept1,可按下述方法進行估計。

(1)計算出互相關的峰值 Rmt1ax :

1179efda-5be7-11ed-a3b6-dac502259ad0.png

(2)將互相關函數 Rt1(m) 歸一化到 [0, 1] 區間,設歸一化后的互相關函數為 t1(m) :

118ce0e0-5be7-11ed-a3b6-dac502259ad0.png

(3)求歸一化的互相關函數 t1(m) 的平均值 t1ave:

11a98786-5be7-11ed-a3b6-dac502259ad0.png

(4)求時差測量值 TDOAt1的置信度 Dept1:

11bdedac-5be7-11ed-a3b6-dac502259ad0.png

1.3 時差濾波算法

求出 2 個接收站在 X 個時刻點(t1, t2, ..., tX)采集到的信號的時差(TDOAt1, TDOAt2, ..., TDOAtX),以及它們對應的可靠度(Dept1, Dept2, ..., DeptX)。預設可靠度閾值為 DepLth,時差濾波算法是將可靠度低于閾值 DepLth的時差濾除。

11db00f4-5be7-11ed-a3b6-dac502259ad0.png

2 實驗結果

為測試可靠度估計的時差測量濾波算法的有效性,搭建測試平臺,4 個接收站通過與處理中心相連,站與站之間相距約 500 m,在處理中心的控制下,在指定時刻開始采集200 組數據,2 個相鄰時刻相差 10 ms,采樣率 fs=14 MHz,各接收站每次采集 N=4 096 個點,輸出 IQ 兩路信號。4 站接收機布置示意圖如圖 1 所示。

11ecfbec-5be7-11ed-a3b6-dac502259ad0.png

將信號源分別置于 4 站接收機所包含區域的東、西、南、北、中 5 個定點位置進行 TDOA 定位測試,在可靠度估計濾波算法使用前和使用后分別計算定位誤差,對比結果見表 1、表 2 所列。

120bf678-5be7-11ed-a3b6-dac502259ad0.png

通過測試對比,證明可靠度估計濾波算法可以濾除受環境噪聲影響嚴重的采樣信號,有效解決信號在非視距傳輸時引入的不確定時延,提高定位時差的測量精度,從而提高TDOA定位精度。

3 結 語

本文針對信號在空氣中非視距傳輸時,受應用環境中建筑物、樹木等障礙物的影響,使得接收信號引入不確定時延的問題,提出對每個時差測量的結果進行可靠度估計,濾除可靠度低的時差測量結果。測試結果表明,此舉可以有效避免噪聲(接收機內部噪聲、外界干擾信號、環境遮擋等)對單次時差測量的影響,提高 TDOA 定位準確度 [9-10]。

審核編輯 :李倩

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 信號源
    +關注

    關注

    5

    文章

    424

    瀏覽量

    43804
  • 無線信號
    +關注

    關注

    2

    文章

    242

    瀏覽量

    20228
  • 濾波算法
    +關注

    關注

    2

    文章

    84

    瀏覽量

    13667

原文標題:論文速覽 | 一種基于可靠度估計的到達時間差濾波方法

文章出處:【微信號:iotmag,微信公眾號:iotmag】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    卡爾曼濾波算法c語言實現方法

    卡爾曼濾波(Kalman Filter)是一種用于估計狀態的算法,最初由R.E. Kalman在1960年提出。它是一種線性高斯濾波器,常用
    的頭像 發表于 01-17 10:51 ?856次閱讀

    一種八腔帶通腔體濾波器的設計方法

    摘 要: 介紹了一種八腔帶通腔體濾波器的設計方法。結合仿真軟件SuperFilter與Ansoft HFSS的三維場仿真,能極大減少設計微波腔體濾波器的
    的頭像 發表于 12-16 16:51 ?1230次閱讀
    <b class='flag-5'>一種</b>八腔帶通腔體<b class='flag-5'>濾波</b>器的設計<b class='flag-5'>方法</b>

    Mahony濾波算法參數自動調節方法介紹

    Mahony濾波算法參數自動調節方法一種用于姿態估計濾波算法。
    的頭像 發表于 12-06 09:45 ?504次閱讀

    如何用示波器測時間差?

    示波器是一種用于檢測波形的電子設備,它可以顯示電壓隨時間的變化。在電子工程和電子測試中,示波器是一種非常重要的工具。在某些情況下,您可能需要測量兩個電子設備之間的時間差。在這種情況下,
    的頭像 發表于 12-04 14:24 ?1346次閱讀
    如何用示波器測<b class='flag-5'>時間差</b>?

    求助,基于OP1177的分放大電路的CMRR求教

    在OP1177的DATASHEET中,可見其中的一種差分放大電路的應用: 圖1分放大電路 這是一種比較基本的分放大電路,DATASHEET中分析了其CMRR的大小,
    發表于 11-20 07:34

    基于到達時差法的雷電定位系統中高精度時間標記設計

    電子發燒友網站提供《基于到達時差法的雷電定位系統中高精度時間標記設計.pdf》資料免費下載
    發表于 11-13 09:50 ?0次下載
    基于<b class='flag-5'>到達</b>時差法的雷電定位系統中高精度<b class='flag-5'>時間</b>標記設計

    力控機器人接觸力濾波估計

    力控機器人本身關節具有力傳感器,可為什么還需要接觸力濾波估計呢?這是不是有些多余?顯然是不是的,本篇博文總結下力控機器人接觸力濾波估計的一些原因: 1.環境噪聲和不確定性:在力控機
    的頭像 發表于 11-10 17:01 ?293次閱讀

    一種利用幾何信息的自監督單目深度估計框架

    本文方法一種自監督的單目深度估計框架,名為GasMono,專門設計用于室內場景。本方法通過應用多視圖幾何的方式解決了室內場景中幀間大旋轉和低紋理導致自監督深度
    發表于 11-06 11:47 ?204次閱讀
    <b class='flag-5'>一種</b>利用幾何信息的自監督單目深度<b class='flag-5'>估計</b>框架

    對電流進行積分用何種計算方法?

    對電流進行積分計算放電電量,都有那些方法來進行積分? 現在的方式是梯形積分,即兩次采集電流的和乘以兩次采集電流之間的時間差除以二獲得。 有沒有更好的方法,比如復化積分,cotes積分能用嗎??CotesCotes??
    發表于 11-01 07:41

    基于仿真的自動駕駛可靠估計(二)

    前 言 SAIMO Preface 基于仿真的自動駕駛可靠估計(一)中已經介紹 ,使用定步長泛化、樸素蒙特卡羅等方法生成驗證自動駕駛系統的仿真場景難以在可以接受的成本內精確估計被測試
    的頭像 發表于 10-25 19:10 ?308次閱讀
    基于仿真的自動駕駛<b class='flag-5'>可靠</b>性<b class='flag-5'>估計</b>(二)

    float與double計算時間差多少?

    float與double計算時間差多少
    發表于 10-11 07:31

    一種脈沖信號載波頻率同步環及FPGA實現

    對脈沖信號載波頻率的同步問題,提出一種快速高精度的數字鎖頻環路。該環路采用改進的相位差分頻率估計算法進行快速載波頻率粗估計,其信噪比闞值低于Kay法,在信噪比偏低時也能達到Cramer-Rao界
    發表于 09-20 08:28

    一種高精度電子秤的設計

    能夠達到較高的準確可靠性,但他們使用的稱重傳感器的成本都非常高,這樣就使得整機的成本過高。由于這些不足之處的存在,本研究設計一種高精度、低成本的電子秤。該設計采用HX711芯片對傳感器輸出的信號進行放大和模數轉換,采用中位值
    發表于 09-19 07:44

    介紹一種僅使用10分鐘弛豫電壓數據的數據驅動容量估計方法

    電池容量估計對于電池健康管理至關重要。然而,嚴格限制的應用場景和較長的特征構造時間仍然是現有數據驅動估計方法的瓶頸。
    發表于 09-11 09:52 ?663次閱讀
    介紹<b class='flag-5'>一種</b>僅使用10分鐘弛豫電壓數據的數據驅動容量<b class='flag-5'>估計</b><b class='flag-5'>方法</b>

    基于PoseDiffusion相機姿態估計方法

    介紹 一般意義上,相機姿態估計通常依賴于如手工的特征檢測匹配、RANSAC和束調整(BA)。在本文中,作者提出了PoseDiffusion,這是一種新穎的相機姿態估計方法,它將深度學習
    的頭像 發表于 07-23 15:22 ?880次閱讀
    基于PoseDiffusion相機姿態<b class='flag-5'>估計</b><b class='flag-5'>方法</b>
    亚洲欧美日韩精品久久_久久精品AⅤ无码中文_日本中文字幕有码在线播放_亚洲视频高清不卡在线观看
    <acronym id="s8ci2"><small id="s8ci2"></small></acronym>
    <rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
    <acronym id="s8ci2"></acronym>
    <acronym id="s8ci2"><center id="s8ci2"></center></acronym>