【技術實現步驟摘要】
本專利技術屬于超寬帶定位，尤其涉及一種uwb系統中基于離散小波變換的nlos信號識別方法。
技術介紹
1、超寬帶技術由于其魯棒性和可靠性被廣泛應用于在室內定位技術當中。但是室內環境中的墻壁和桌椅等物體會阻擋uwb信號的接收，導致los環境下基于距離測量的uwb定位產生額外的偏差。因此，在uwb定位系統中，nlos信號的識別與定位算法的研究已成為當前的研究熱點之一。
2、目前nlos信號識別方法主要分為兩類，一類是基于測距信息的統計參數差異。uwb信號得到的測距誤差遵循高斯分布。與los信號相比，當測距信號為nlos時，產生的測距誤差會出現偏斜分布。因此可以通過檢測測量數據的偏度是否對稱來識別nlos信號。但當nlos測距誤差服從均勻分布時，該方法很難識別。
3、另一類是基于信道脈沖響應(cir)的統計特征或自身特征差異。首先對uwb信道的cir進行采樣，得到其統計特征，如峰度、峰導延遲、平均超額延遲和均方根時延擴展，在los和nlos環境中上述統計特征呈現明顯的差異，可通過設定一定的閾值進行簡單的分類。但是在不同的應用環境，nlos信號識別的最優閾值需要重新設計。針對上述情況，可將cir作為輸入向量與多層感知(mlp)、卷積神經網絡(cnn)、長短期記憶神經網絡(lstm)等機器學習模型結合進行分類，識別準確率達到80％左右；有研究人員提出了一種基于cir時頻圖的uwb信號傳播信道分類方法。該方法首先利用連續小波變換(cwt)將已知類別的cir分解成彩色時頻圖，然后將時頻圖輸入cnn，cir輸入gru，并
4、中國專利文獻(cn114509736a)公開了一種基于超寬帶電磁散射特征的雷達目標識別方法，利用子帶hrrp數據信息，采用所提方法合成超寬帶hrrp數據，提取uwb參數特征以提高識別性能。然后提出了一種基cnn反向傳播算法的跨域特征選擇方法，用于選擇用于目標識別的參數特征。最后利用提取的uwb參數特征和uwb?hrrp樣本，提出了一種特征選擇方法。但該技術方案中的方法在識別過程中通過固定卷積層，得到測試集中不同目標的最佳分類參數；然后設定測試集的初始權重，并通過卷積運算得到最優的權重矩陣；最后通過前向傳播與后向傳播訓練得到最終的雷達目標識別模型且該方法中輸入的是頻域信息。
5、因此，有必要開發一種uwb系統中基于離散小波變換的nlos信號識別方法，能夠提高識別準確率而且保持較低的復雜度。
技術實現思路
1、本專利技術要解決的技術問題是，提供一種uwb系統中基于離散小波變換的nlos信號識別方法，該方法能夠提高識別準確率而且保持較低的復雜度。
2、為了解決上述技術問題，本專利技術采用的技術方案是：該uwb系統中基于離散小波變換的nlos信號識別方法，具體包括以下步驟：
3、s1：對uwb信道的信道脈沖響應cir信號進行采樣；
4、s2：通過濾波器對信道脈沖響應cir信號進行小波分解和細粒度分析，提取信道脈沖響應cir信號的本質特征；
5、s3：分析小波分解后的低頻信號進行統計特征分析，獲得統計特征；再將離散小波變換的低頻系數及其統計特征輸入cnn識別模型，對nlos信號進行識別，完成nlos信號的識別與分類。
6、采用上述技術方案，引入離散小波變換(dwt)對信道脈沖響應cir進行細粒度分解，提取符合cir時域分布模型的最優低頻系數，直接將上述低頻系數及其統計特征輸入cnn模型進行nlos信號識別與分類，能夠提高識別準確率而且保持較低的復雜度。
7、優選地，所述步驟s1中分別在los環境和nlos環境下接收uwb信號的信道脈沖響應cir，其中uwb多徑信道模型表示為：
8、
9、其中，x是對數正態分布的信道增益變化；l代表觀察的總簇數；k代表每一簇中接收到的總多徑數；αk,l是多徑增益系數；tl是第l簇延遲時間，即第l簇中第一個多徑分量到達的時間；τk,l表示以tl為時間基準，第l簇中第k個多徑分量的到達時間；uwb定位系統發射信號表示為：
10、
11、其中，a是單個脈沖發射幅度，p(t)是由周期為tp的n個脈沖組成的單個高斯脈沖波形；
12、經過uwb信道傳輸后的接收信號為：
13、
14、其中w(t)是加性高斯白噪聲(awgn)。
15、優選地，所述步驟s2中通過高通濾波器和低通濾波器對對los環境和nlos環境下接收到的信道脈沖響應cir信號中的高頻信號和低頻信號分別進行小波分解和細度分析，得到時頻域分布；再通過多次小波分解得到時域信息和頻域信息。
16、優選地，在所述步驟s2中小波分解選擇daubechies小波函數作為小波基，具體為：假設uwb信道傳輸后的接收信號為r(t)，其離散小波變換dwt表示為：
17、
18、其中，是小波基函數。
19、優選地，所述步驟s2中采用統計檢驗法對數據進行對數正態性檢驗，即計算樣本數據的偏度與峰度來進行正態性檢驗；對數正態分布表示為：
20、
21、其中μ為均值，σ為標準差；
22、當均值為0標準差為1時，f(t)為標準對數正態分布；偏度sk和峰度sp分別表示為：
23、
24、
25、其中，是cir數據的平均值，m是cir數據的個數；標準對數正態分布的偏度和峰度均為0。
26、優選地，在所述步驟s2中選擇小波基函數為db4，最優小波分解層數為4。
27、優選地，所述步驟s3具體步驟為：
28、s31：對小波分解后的低頻信號進行統計特征分析，獲得低頻信號的統計特征；
29、s32：選取基于cnn的nlos信號識別模型，再將獲得離散小波變換的低頻系數及其統計特征作為輸入，輸入至基于cnn的nlos信號識別模型進行識別。
30、優選地，所述步驟s31中進行統計特征分析時的變異系數表示為：
31、
32、其中σl是低頻部分的標準差，是低頻部分的均值。
33、優選地，所述步驟s32中根據卷積核尺寸和卷積層數確定cnn模型的初始權重，當輸入和卷積核尺寸固定時，再通過改變卷積層數優化cnn的模型的初始權重；最后再通過前向傳播與后向傳播訓練得到最優的基于cnn的nlos信號識別模型。采用上述技術方案，通過優化卷積層數的方法調整初始權重。
34、優選地，所述步驟s32中分別選取了不同的基于cnn的nlos信號識別模型進行對比分析從而驗證基于cnn的nlos信號識別模型的有效性。
35、與現有技術相比，本專利技術具有的有益效果為：
36、(1)該方法將對原始uwb信號的識別轉化為對時域信息特征分類，與其他本文檔來自技高網...
【技術保護點】
1.一種UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，所述步驟S1中分別在LOS環境和NLOS環境下接收UWB信號的信道脈沖響應CIR，其中UWB多徑信道模型表示為：
3.根據權利要求1所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，所述步驟S2中通過高通濾波器和低通濾波器對對LOS環境和NLOS環境下接收到的信道脈沖響應CIR信號中的高頻信號和低頻信號分別進行小波分解和細度分析，得到時頻域分布；再通過多次小波分解得到時域信息和頻域信息。
4.根據權利要求3所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，在所述步驟S2中小波分解選擇Daubechies小波函數作為小波基，具體為：假設UWB信道傳輸后的接收信號為r(t)，其離散小波變換DWT表示為：
5.根據權利要求4所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，所述步驟S2中采用統計檢驗法對
6.根據權利要求4所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，在所述步驟S2中選擇小波基函數為db4，最優小波分解層數為4。
7.根據權利要求5所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，所述步驟S3具體步驟為：
8.根據權利要求7所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，所述步驟S31中進行統計特征分析時的變異系數表示為：
9.根據權利要求7所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，所述步驟S32中根據卷積核尺寸和卷積層數確定CNN模型的初始權重，當輸入和卷積核尺寸固定時，再通過改變卷積層數優化CNN的模型的初始權重；最后再通過前向傳播與后向傳播訓練得到最優的基于CNN的NLOS信號識別模型。
10.根據權利要求7所述的UWB系統中基于離散小波變換的NLOS信號識別方法，其特征在于，所述步驟S32中分別選取了不同的基于CNN的NLOS信號識別模型進行對比分析從而驗證基于CNN的NLOS信號識別模型的有效性。
...【技術特征摘要】
1.一種uwb系統中基于離散小波變換的nlos信號識別方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的uwb系統中基于離散小波變換的nlos信號識別方法，其特征在于，所述步驟s1中分別在los環境和nlos環境下接收uwb信號的信道脈沖響應cir，其中uwb多徑信道模型表示為：
3.根據權利要求1所述的uwb系統中基于離散小波變換的nlos信號識別方法，其特征在于，所述步驟s2中通過高通濾波器和低通濾波器對對los環境和nlos環境下接收到的信道脈沖響應cir信號中的高頻信號和低頻信號分別進行小波分解和細度分析，得到時頻域分布；再通過多次小波分解得到時域信息和頻域信息。
4.根據權利要求3所述的uwb系統中基于離散小波變換的nlos信號識別方法，其特征在于，在所述步驟s2中小波分解選擇daubechies小波函數作為小波基，具體為：假設uwb信道傳輸后的接收信號為r(t)，其離散小波變換dwt表示為：
5.根據權利要求4所述的uwb系統中基于離散小波變換的nlos信號識別方法，其特征在于，所述步驟s2中采用統計檢驗法對數據進行對數正態性檢驗，即計算樣本數據的偏...
【專利技術屬性】
技術研發人員：朱春華，楊錦民，楊靜，楊尚君，肖巖，李滿意，
申請(專利權)人：河南工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。