基于超寬帶系統(tǒng)的測距定位及誤差校正技術研究.pdf

1、近年來，隨著基于位置的服務（Location based Services,LBS)，無線傳感器網絡（Wireless Sensor Network,WSN)等技術的快速發(fā)展以及室內定位、導航需求的日益擴大，室內位置感知受到極大的關注。對基于測距的定位方法來說，能進行精確定位的先決條件就是測距精度要足夠高。由于超寬帶(Ultra-wide Band,UWB)系統(tǒng)具有帶寬寬，時間、空間分辨率高，障礙物穿透能力強等特點，有實現(xiàn)高精度的室內測

2、距定位的潛力。在超寬帶測距系統(tǒng)中，最大的挑戰(zhàn)就是惡劣的室內環(huán)境，存在密集多徑和非視距（Non-Line-of-Sight,NLOS)情況，對測距以及定位精度有很大的影響。
　　超寬帶系統(tǒng)測距定位的關鍵所在是到達時間（Time of Arrival,TOA)的準確估計。為了減小室內環(huán)境中密集多徑和非視距條件的影響，準確估計超寬帶測距系統(tǒng)中首達徑分量（FirstPath,FP)的到達時間，首先，提出了一種新穎的基于信息熵的到達時間估計

3、算法。信息熵用來衡量接收到信號的隨機程度，通過接收信號熵的跳變，可以估計出首達徑分量的到達時間。相比于傳統(tǒng)的過門限檢測，相干檢測等方法，基于熵的方法性能有很大的提升。其次，在改進的測距方法提升了測距性能的前提下，為了進一步減小測距誤差，提出了以支持向量機（Support Vector Machine,SVM)為核心的回歸校正誤差的方法。通過提取出的信號的特征，利用支持向量機訓練，建立回歸模型，對測距誤差進行預測校正。最后，提出了將基于最

4、小二乘法（Least Squared Error,LSE)和Taylor級數(shù)展開算法結合的聯(lián)合定位算法，以LSE算法的結果作為Taylor級數(shù)展開的迭代初值，既解決了Taylor級數(shù)展開算法的迭代初值難以選擇的問題，又通過較少的迭代次數(shù)實現(xiàn)了比傳統(tǒng)LSE算法更好的結果。
　　通過在IEEE802.15.4a標準的CM1-CM4信道模型下的仿真，將本文中提出的算法和傳統(tǒng)算法相比，發(fā)現(xiàn)性能都有了很大程度的提升。在信噪比較高的情況下，測