英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
一个应用于高度复杂环境的强大的UWB室内定位系统
摘要—学术界以及工业界将超宽带技术(UWB)积极应用于精确的室内定位。该技术保证了信号在-10dB的功率衰减下至少具有500MHz的带宽。 这个大的带宽能够解决多径，穿透障碍和准确测距。 但是，由室内环境中障碍物产生的NLOS（Non-Line-Of-Sight）非视距条件严重降低了性能，因为它们在测距估算中引入了正偏置。 在本文中，我们提出了一个强大的UWB室内定位，该定位系统能够在非常复杂的具有非视距传输的室内场景中进行精确操作。为此，系统使用基于估计的信道脉冲响应的偏度的NLOS检测算法，并且通过使用扩展卡尔曼滤波器来减轻NLOS。 这种检测/缓解算法的使用比在定位中使用均方根误差的方法要优化约67%。
关键词 – 定位，超宽带（UWB），非视距（NLOS），扩展卡尔曼滤波器（EKF）
I、介绍
由于WiFi、Zigbee或蓝牙都不能满足高精度要求，超宽带室内定位系统则被提出来用来解决这个问题。有几个研究工作题出将UWB定位技术应用在工业无线传感网中。此外，已经有了一些商业上可用的工业解决方案，也就是所谓的物联网。学术上大多高精度的UWB定位系统看上去仅能用在一些特定的环境中。然而，在非视距条件下，也就是复杂室内环境的常见情况下，UWB系统的定位精度有很大的损失。这是由于障碍物在范围估计中产生了一个取决于障碍物的非传导性的正偏置。
由于上述原因，在UWB室内定位系统的非视距缓解方向激发了很大的研究兴趣。尽管在手机定位之前这个问题已经被研究过了，但是仍有几个作品通过识别并减缓非视距条件的算法来解决UWB定位的这些问题。检测算法主要基于频道统计，如峰度，延迟传播或估计到达时间的运行方差（TOA）。以前的大部分对于UWB定位的非视距检测/缓解研究，使用模拟信道模型来验证算法，当然也有部分例外使用真实数据。
在这项工作里，我们通过应用非视距检测/缓解算法来提高UWB室内定位系统的定位精度。我们建议使用估计信道脉冲响应的偏度作为检测非视距条件和一个扩展的卡尔曼滤波器的参数，来实现在恶劣环境中的精确定位。通过实验数据证明了定位系统的强大性。
本手稿的其余部分组织如下：第二部分回顾了UWB室内定位系统; 第三节描述了信号处理技术用于TDOA估计，并提供NLOS标识和缓解算法，而第四节显示测量活动的一些实验结果定位系统。 最后在第五节中，我们推导出这项工作的结论。
II、UWB平台
[17]中提到的UWB平台是一个由商用现成技术（COTS）组件开发的异步DS-UWB室内定位系统。它由放置在高度复杂环境的天花板上的N=4个发射信标和一个用来计算位置的接收器组成。图1显示了一个UWB室内定位系统的设计框架图，左图适用于发射信标，右图适用于接收器。
图1、UWB系统中发射信标（左）和接收器（右）的框架图
发射由Xilinx Virtex II FPGA控制，该FPGA同时以500 Mbps的比特率同时传输长度L = 1039位的四个松散同步（LS）扩展序列[18]。然后将基带信号乘以3.5 GHz载波，该载波直接将发射信号转换为3.5 GHz的中心频率，带宽为577 MHz，功率衰减为10 dB。 这些信号中的每一个都通过一组功率放大器（PA）并同时周期性发射。接收到的信号通过带通滤波器（BPF）仅放大感兴趣的频率。然后通过使用3.5 GHz本地振荡器将其直接下变频到基带。该基带信号再次通过LowPass滤波器进行滤波，并进行放大以将信号电平调整为ADC范围。该接收器由Xilinx FPGA Virtex 6控制，该处理器从采样率为5GS / s的10位分辨率ADC中采集采样。如前所述，UWB定位系统是异步的，因此接收机不具有关于从信标发送传输时间的信息;为此，接收机必须获得足够长的帧以确保其包含来自每个信标的发送信号。与文献中介绍的大多数UWB定位系统相比，它们使用TDMA来避免多址干扰和近远距离效应，该平台使用CDMA方案，因此减少了确保获取完整帧所需的输入缓冲区大小。
在获取帧后，接收机计算每个信标之间的时间差（TDOA），并应用Gauss-Newton双曲线定位算法[19]。 有关更多实施细节，请参阅[17]。
图2描述了部署UWB平台的场景。 这是一个充满活力和复杂的环境，人们，家具和不同的物体阻挡大部分信标到达的信号。
图2、UWB定位系统部署的环境
在这种复杂的条件下，[17]中描述的UWB平台性能较差。 在这里，我们将通过推导NLOS检测/缓解算法，为这款UWB室内定位系统提供强大的功能，以在恶劣的环境下精确工作。
III、信号处理
正如先前所评论的那样，UWB平台使用CDMA而不是TDMA。 CDMA的主要挑战是近距离效应和多接入干扰（MAI），这些干扰一般通过使用庞大的功率控制系统[20]和复杂的干扰抑制算法（如连续干扰消除（SIC）[21]）来处理。 相反，这里所示的UWB平台通过使用LS码以有效的形式处理近远效应和MAI
给定长度为L的两个三元和酉码，su[1]，sv[1]; 如果它们的离散非周期相关函数Cs,s[⌧]如下，则它们是LS码如下（1）：
其中W是零相关区域（ZCZ），其允许联合估计信道脉冲响应并有效地减轻MAI。 为了确保所有的相关峰值在ZCZ内（从而避免近远和MAI），给定覆盖区域的最大可行TDOA应该低于ZCZ大小。 这里我们使用长度为L = 1039位的LS码，它们的ZCZ长度足以满足前面的限制。
为了估计第一个到达路径，接收机遵循图3所示的步骤。在每个位置，接收机执行接收信号与四个发射信号的相关; 随后，执行每个相关信号的绝对值，并且接收机使用围绕整个最大相关峰值的201个样本的窗口来估计每个发射信号的到达时间。 图4示出了接收信号与每个发送信号之间非周期性相关的绝对值以及用于搜索每个链路的第一个到达路径的窗口。
在该窗口内，该算法搜索超过给定阈值的第一个样本。 在这个系统中，它被认为是每个信标的最大相关值的40％。
A、非视距检测
在计算TDOA之后，该算法估计每个传输链路的LOS / NLOS条件。 我们建议使用信道估计的偏度来达到这个目的，因为它是确定信道脉冲响应质量的一种自然形式，由于ZCZ内LS码的理想非周期性相关函数以及存在快速相关器[22]。
图3、进行TDOA估计的信号处理框图。
图4、接收信号和每个发射信号之间的非周期性相关
概率密度函数（pdf）的偏度是衡量其均值附近的不对称性的度量。 它被定义为（2）：
其中C[tau;]是（1）在一个窗口omega;内中定义的非周期相关函数。负偏度是指左侧pdf中的不对称性，而正偏度是指右侧的不对称性。 出于这个原因，预计NLOS中的偏斜比LOS条件下的偏斜更低。 图5显示了窗口相关函数的绝对值 = 201个样本并以最大相关峰值为中心。 正如预期的那样，LOS条件具有更大的偏度（即其质量更集中在右侧）。
图5. NLOS和LOS条件下的相关函数。
考虑到这个参数，我们可以使用似然比检验来分类LOS / NLOS条件，等于[10]：
假设P（NLOS）= P（LOS），二进制分类器可以表示为[11]：
其中阈值A是条件pdf之间的交点，即在P（gamma;/LOS）= P（gamma;/NLOS）处的值，即P（gamma;/LOS）= P（gamma;/NLOS）的值。
一些作品使用类似的方法，通过使用联合似然比检验并考虑延迟扩展，接收信号的能量，信道脉冲响应的峰度等参数（假设它们是独立的随机变量）[10]，[11]。这里我们将展示使用偏度是一个足够显着提高系统性能的充分参数。
为了确定每个相关函数的偏度，在IFW内和每个相关的最大相关峰周围选择一长度为 omega;=201的窗口。然后等式（4）中的分类器被应用于每个窗口相关函数。如果接收机和参考信标之间的链路受阻，则会出现错误影响所有TDOA的计算。 出于这个原因，如果该链路被分类为非视距，所产生的三个TDOA（信标数量，N = 4）被视为受到NLOS的影响，无论其他链路的状况如何。 另一方面，如果接收机和参考信标之间的链路被分类为LOS，则TDOA状态将取决于特定的链路条件。
B、NLOS缓解
在为每个TDOA测量检测到NLOS条件后，它们将与扩展卡尔曼滤波器（EKF）一起用于确定接收机的位置。 在这项工作中，我们已经使用EKF作为NLOS误差的平滑器; 因此我们不使用预测阶段EKF，因为手机在这期间并未改变其位置。更新阶段被定义为[23]：
其中Kk是在时刻k的卡尔曼增益; P-K是在时刻k的先验协方差矩阵; zk是k处的TDOA测量矢量; 和xk= [xk，yk]T是等于在k处的移动设备的2D位置的状态向量。 观测噪声矩阵Rk定义为
而输入值{2 1,k,...,2N,k}取决于每个链路的NLOS条件，正如我们稍后所示。
向量h（xk）被定义为
其中h（xk-），1le;ile;N - 1是一个先验估计TDOA且等于[24]：
其中zM是接收机高度，并且（n，n，n）是信标n的直角坐标，1le;ile;N 。
观察矩阵Hk被定义为以下雅可比行列式：
其中偏导数如方程（10）和（11）中所描述的那样定义。
先验协方差矩阵Pk在k = 0时被初始化为P0= 20·I（米），并且初始状态向量x0从高斯 - 牛顿双曲线定位算法获得。对于
每次时刻k，如果识别级检测到受NLOS影响的TOA测量，则噪声矩阵Rk的方差sigma;2i,k设置为3米，而在其他情况下设置成0.5米。这样，EKF降低了受NLOS影响的TDOAs测量的置信度，并且使定位误差的方差最小化。
IV、结果
对于以下结果，接收机计算了覆盖区域内48个不同位置的每个信标的100个测距测量结果。 表I以米为单位显示信标的坐标。
表一、实验装置中的细长部位的位置
为了确定定位系统的真实性，通过使用40⇥40厘米地砖的接合点来确定地面实况。 UWB天线已被放置在高1.57处，这比房间中的家具低。同样，接收机的FPGA已经被5GS/s数字采样示波器取代，以评估所提议的缓解算法的优点以及相同信道条件下的未来改进。因此，NLOS检测/缓解算法已在a(笔记本电脑)中运行MATLAB程序。图6描绘了48个测试位置和四个信标的地板上的投影以及房间中家具的分布。
图6.在地板上投射48个测试位置和信标。
用于每个链路的NLOS检测的阈值A已经通过实验确定在A=1.99。表二显示了在没有应用NLOS检测/缓解算法时48个测试位置中的每个轴的全局RMSE（均方根误差），单位为米。它显示了，与没有NLOS缓解的情况相比，该算法在RMSE方面有大约67%的改善。
表二、考虑48个测试位置的每个轴的全局均方根定位。
为了显示DS-UWB系统对近远效应和非视距效果的鲁棒性，在下面我们描述了靠近给定信标的两个测试位置处的定位结果，其中坐标（0.4,0,1.57）和（1.20,2.80,1.57）。 图7描绘了坐标（0.4,0,1.57）中每个轴以米为单位的平均绝对误差的累积分布函数（CDF）。
图7.缓解前后坐标（0.4,0,1.57）中定位误差（x，y）的CDF
另一方面，图8显示了没有任何NLOS校正（即用双曲线高斯 - 牛顿算法获得的结果）和在位置（1.20,2.80,1.57）中使用NLOS抑制算法时的估计的100个定位估计。 可以观察到该算法如何大大提高了定位系统的真实性，实现了该位置的RMSE值等于x轴41厘米和y轴22厘米。
V、结论
UWB承诺为室内定位系统提供高精度。 尽管如此，实际上这发生在非常受控制的环境中，其中LOS条件占主导地位。 在更现实的情况下，UWB室内定位系统由于物体造成测距估计的偏差而严重退化。 在本文中，我们展示了一种DS-UWB室内定位系统，它被部署在一个真实的场景中，其中传输的信号受到移动人员，家具和一系列不同物体的阻碍。 在这些条件下，系统在定位时具有较大的RMSE。 为了处理这些NLOS误差，我们提出了使用NLOS识别和缓解算法。 对于NLOS识别，我们已经使用了估计的信道脉冲响应的偏斜度，可以有效地估计得益于LS码的使用。此外，通过根据每个链路的识别结果修改EKF的噪声矩阵已经实现了NLOS抑制。 该算法的结果显示，定位的真实性大约提高了67％。
VI、致谢
这项工作得到了西班牙经济和竞争力部的支持（LORIS项目，参考文献TIN2012-38080-C04-01，DISSECT-SOC Project，参考文献TEC2012-38058-
C03-03）和Alcala大学（CODECSS项目，参考CCG2013 / EXP-080）。
参考文献
-
GP Hanck
全文共6024字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15560]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
