Study of Received Signal Strength Indication in

IntroductionThe ability to monitor the received signal strength in a radio receiver is a valuable development and diagnostic tool for the engineer. In an automotive application the ablility to monitor this received signal strength indicator (RSSI) value represents what a radio receiver will experience in service, including the effects related to antenna and mounting location. The article describes a simple method to re-configure the Atmel® ATA5830N device, utilizing its Flash program capability, to create an RSSI monitoring tool for labratory and in-vehicle use.The ATA5830N UHF transceiver chip incorporates a high-performance UHF transceiver and a low-power 8-bit AVR®microcontroller on a single die. Figure 1 shows a simplified block diagram of the ATA5830N device. Included in the device is 6KB of Flash memory available to the end user. This article describes an application that utilizes this Flash memory space to develop an application for an RSSI monitor that generates universal synchronous/asynchronous receiver transmitter- (USART-) formatted messages containing RSSI data. From an operational perspective this application lends itself well to several common RF engineering tasks such as: a) RF environment analysis, b) performance tuning of theFigure 1. ATA5830N Block Diagramreceiver section, c) RF component selection and d) antenna performance evaluation.Flash-based RSSI ApplicationR SSI data is a critical radio reception metric that reflects the level of RF signal energy at a given frequency channel and is useful in evaluating an RF environment. The Flash memory application uses the internal RSSI measuring function of the chip and communicates this value using a general-purpose I/O pin using standard USART communication protocol timing. This article describes how a Flash program application is implemented and demonstrates the flexibility of the internal AVR controller. The Flash application provides a small flexible RSSI measurement tool that can be easily and quickly configured to operate across a wide range of frequencies, providing a simple way to measure RSSI.The software for this demo was developed using the ATAK51002-V1 evaluation kit. The application operates with no external inputs required other than 5V DC power and the RF signal source. The desired radio parameters, such as frequency and intermediate frequency bandwidth (IFBW), are programmed into the part using the EEPROM configuration file. The user selects these values by using an Excel spreadsheet tool that automatically generates the EEPROM file. Once these values are programmed into the EEPROM, the application of power will automatically initiate the self-configuration and execution of the Flash application program. It begins measuring and outputting the 8-bit RSSI data values on pin 17 (PC3) of the device. USART communication parameters are 38400 Baud, 8 data bits,1 start bit and no parity bit (38400, 8-1-N). Each data byte output requires about 260μs to transmit and occurs about every 50ms. The output data is at logic value voltage levels (about 0V to 5V) and, while not compliant with RS-232 standards, most PCs have no problem in receiving and displaying this data stream using a terminal program.RSSI Measurement DetailsReceived signal strength indicator (RSSI) is a measurement of the power present in a received radio signal. In theATA5830N chip, this function is built into the receiver’s digital signal processing (Rx DSP) section and occurs completely in the digital signal domain, allowing for high relative and absolute RSSI accuracy.In this application, RSSI values are returned as 8-bit values and the signal power at the matched 50Ω antenna input can be calculated in dBm as:RF Power In (dBm) = RSSI/2 – 155 (154 in 868-928MHzband)The ATA5830N datasheet notes the following RSSI measurement specifications:• Absolute RSSI accuracy ± 5.5dBm • Relative RSSI accuracy ± 1dB •RSSI resolution 0.5dBThe typical RSSI range is a function of the IFBW selected:• IFBW = 25kHz >>> RSSI = -115dBm to -25dBm • IFBW = 80kHz >>> RSSI = -110dBm to -25dBm • IFBW = 165kHz >>> RSSI = -105dBm to -25dBm •IFBW = 366kHz >>> RSSI = -100dBm to -25dBmSoftware Operational FlowOn power-up and after the hardware-generated power-on reset is complete, the AVR controller will execute its main() function in ROM, where the EEPROM configuration settings are loaded and checked. This EEPROM configuration defines all operational parameters of the device, including that a Flash application program is present. When this EEPROM setting is encountered, the application flow jumps to the Flash main(), and the application flow begins. The Flash main() function can be very simple since the ROM software functions will perform most of the work. In this application, the Flash program function loops indefinitely, first requesting ROM-code-based RSSI measurements and then calling Flash code functions that format and output the data. The following is the Flash program loop that drives this application:Operation and UseHardware PlatformThe ATA5830N can be used in several frequency bands:310MHz to 318MHz, 418MHz to 477MHz and 836MHzto 928MHz, operating from a single crystal. The highly integrated radio architecture is optimized for minimal external part count. See Figure 2 for the schematic of a low-band Flash-based application such as the one described in this article.SetupThe only required external signals are a +5V power supply and the RF signal input. The reference design included inthe ATAK51002-V1 evaluation kit consumes about 9mA when running this application, which is sufficiently low to enable battery-powered use. Once the reference design is powered up, the ATA5830N device must be awakened by momentarily connecting any of the “npwron" pins (15, 16, 17, 18, 19 and 29) to ground or the “pwron” pin to +5V. After the part is awake and active, no other input is required and the RSSI data will be available at PC3 pin 17.RF ConsiderationsIn addition to the EEPROM configuration settings, the hardware in the RF path must be optimized or “matched” to the specific frequency being used. The default configuration frequency for the ATAK51002-V1 evaluation kit is 433.9MHz, so the application kit hardware is shipped with this hardware installed. If another frequency is selected, the matching component values in the RF signal path need to be changed. The ATA5830N device includes two separate LNA inputs, one for low-band (315MHz and 433MHz) and one for high-band (869MHz to 902MHz) operation. These LNA inputs are provided since the chip is capable of multi-band operation and these separate ports provide optimum performance matching for each frequency range. The hardware configuration as shipped utilizes the low-band input port. The hardware must be modified accordingly to measure a high-band frequency.A list of component values for several common radio frequency bands is available upon request and included in the evaluation kit. Installation of the corresponding hardware component values is required for optimal performance at the desired frequency.PC ConnectionData is output at pin 17 (PC3), which can be accessed at one of the I/O pins on the hardware evaluation board. This signal can be connected directly to pin 2 of a PC-connected RS-232 port. While the voltage level is not compliant with RS-232 standards, most PCs will successfully receive this data. The data can then be displayed using a terminal emulation program such as “Realterm”, available at no cost at /.for(;;){_WDR;ATA_makeGlobalSystemFlags(); // ROM code check and execution of mode changesRDCR |= (1 << RQSS); // Register bit set to request RSSI measurementrssi=RSSI; // Store the RSSI register value in SRAM variableif (rssicnt==100){ //Every 100th reading output data to FLASH program (~50mS) RSSI_flash(); // FLASH program to initialize required timersRSSI_TransmitValue(rssi); // FLASH program to format and output datawhile ((T4CR & (1<<T4ENA))); // Wait for data transmission to completePORTC &= ~(1<<PORTC3); // Set output port valueTMCR = (TMCR & 0xF8) | SSI_PC3_OUTPUT; // Set the modulator MUX to output at PORTCATA_timer4Close(); // Close the timer used by the FLASH functions}rssicnt++; // increment counter}Figure 2. ATA5830N Flash Application SchematicRF Power InputATA5830N RSSI Response-120-110-100-90-80-70-60-50-40-30-20-10R S S I V a l u e O u t p u t-20-30-40-50-60-70-80-90-100-110-120Figure 3. Sample Data Collected Using Flash ApplicationData CollectedFigure 3 shows sample RSSI data collected using the described Flash application with the ATA5830N chipconfigured to operate at a center frequency of 314.9MHz with an IFBW of 165kHz.Summary and ResultsThis article highlights the capability and flexibility of the ATA5830N radio transceiver. By generating a program that runs in the Flash memory space, and leveraging the availableROM-based functions, end users can customize the chip for their individual needs. The described application, for example, reports measured RSSI values every 50ms using standard USART timing. This tool would be useful in RF environment analysis such as choosing an operating band or frequency. While not quite as easy to program as a commercial spectrum analyzer, the tool does provide a means to test the RF energy content of a specific frequency and measurement bandwidth.Perhaps the most useful application for this tool is theoptimization of external components for an automotive car access system using the ATA5780N or ATA5830N device. Traditional fine-tuning of a receiver requires a method to extract received data or RSSI, and is typically done with an external microcontroller. Using this application, the external microcontroller and its programming can be eliminated—all that is needed is a PC.External ReferencesThe software and documentation, incl. an application note with even greater detail for this application, is available by contacting ********************.The Flash software program was generated using Atmel Studio 6, IAR Embedded Workbench for AVR and JTAGICE mkII.。

TDOA中的修正牛顿及泰勒级数方法房嘉奇;冯大政;李进【摘要】在多站无源时差定位系统模型下,泰勒级数算法和牛顿算法在较差初始值条件下容易出现迭代发散问题.针对这一问题,提出了基于修正泰勒级数法和牛顿法的时差定位算法.该方法对于较差初始值引起的病态海森矩阵,运用正则化理论中的吉洪诺夫法或衰减奇异值分解法进行修正,其中控制海森矩阵修正量的重要的正则化参数由著名的L曲线理论确定.实验结果证明:相对于原泰勒级数及牛顿算法,经过改进后的算法对于较差的初始值,具有较高的概率使迭代算法的解稳健地收敛到目标的真实位置,并拥有较强的能力移除局部最小值;相对于时差定位模型下的一些广泛应用的线性解法,也成为闭式解法,在低信噪比环境下具有更高的定位精度.【期刊名称】《西安电子科技大学学报（自然科学版）》【年(卷),期】2016(043)006【总页数】7页(P27-33)【关键词】无源定位;时差定位;修正泰勒级数算法;修正牛顿算法;正则化算法【作者】房嘉奇;冯大政;李进【作者单位】西安电子科技大学雷达信号处理国家重点实验室,陕西西安 710071;西安电子科技大学雷达信号处理国家重点实验室,陕西西安 710071;西安电子科技大学雷达信号处理国家重点实验室,陕西西安 710071【正文语种】中文【中图分类】TN97多站无源定位技术是电子侦查、电子对抗的一个重要组成部分，被广泛应用于雷达、导航、监督、无线通信、无线传感器网络等领域．无源定位技术在测量参数方面可以分成接收信号强度(Received Signal Strength，RSS)、到达时间(Time Of Arrival，TOA)、到达角度(Angle Of Arrival，AOA)、到达时间差(Time Difference Of Arrival，TDOA)、到达频差(Frequency Difference Of Arrival，FDOA)等方法．笔者主要研究的是到达时间差方法，也称为时差定位技术．在三维空间中，该技术利用目标辐射源到两个接收基站的到达时间差信息确定一个以两基站为焦点的双曲面，通过多个基站的时差测量值确定多个双曲面，其交点即为目标位置．到达时间差目标位置估计方法有以下优点: 接收机上通常只需安装单个天线；接收机与接收机之间不需要进行时间同步；定位精度较高．由于基于到达时间差的定位问题高度非线性非凸特征，并不是一个能够简单求解的问题．到达时间差定位方法按照类型可以分为线性化方法和非线性化方法．目前大多数研究主要侧重于线性化方法(闭式解方法)[1-4]，这些方法通过线性化到达时间差的非线性方程组来求解目标位置，它们可被归类为线性最小二乘(Least Squares，LS)、两次加权最小二乘(Two-Stage Weighted Least Squares， TSWLS) 和多维尺度分析(MultiDimensional Scaling analysis，MDS) 等．线性化方法的特点是计算量小，在信噪比较高时定位精度能够达到克拉美罗界(Cramer-Rao Lower Bound， CRLB)，但线性化非线性方程组必然会带来性能的损失．因此，所有的线性化算法都会受到门槛效应的影响，即在噪声功率大到一定界限后定位精度误差逐渐偏离克拉美罗界．针对这一缺点，线性化算法所求得的解可以被作为非线性迭代算法的初值，从而去获取一个更精确的位置解．当前主要的迭代算法有泰勒级数法(Taylor-Series， TS)[5]以及牛顿法(NewTon， NT)[6]两种，但是迭代算法的一个重要弊端在于，当迭代初始值较差时(由线性化算法的解在大噪声环境下产生的较大偏差引起)，迭代算法很容易发散．笔者将研究的重点放在解决迭代算法中最关键的收敛性问题上，利用最大似然估计(Maximum Likelihood， ML)确定目标函数，然后采用牛顿法进行求解．牛顿法是泰勒展开式的二阶近似，它忽略了泰勒展开式中的高阶项，然而在高度非线性的时差定位问题中，较差的初始值会导致高阶项对解的贡献变得比较重要，因而忽略高阶项很容易致使迭代发散．笔者提出了修正牛顿算法(Modified NewTon，MNT)用于克服该问题，对于由较差初值引起的病态海森矩阵，运用正则化理论中常用的吉洪诺夫(TIkhonov，TI)法或衰减奇异值分解法(Damped Singular Value Decomposition， DSVD)[7]将该病态矩阵转化为良态矩阵，其中控制海森矩阵修正量的重要的正则化参数由著名的L曲线理论[8]确定，并将其同另一种确定正则化参数的方法——广义交叉检验法(Generalized Cross Validation， GCV)进行对比．需要注意的是，泰勒级数算法相比较于牛顿算法只用到了一阶泰勒展开，因此正则化理论也可以应用到泰勒级数算法中．笔者同时提出了修正泰勒级数法(Modified Taylor-Series， MTS)对原泰勒级数算法进行改进．经过改进的修正泰勒级数法、修正牛顿算法同改进前的算法相比，在收敛性上具有稳定性，具有较好的移除局部最小值的能力，能够稳健地收敛到全局最优点; 同改进前算法和线性化算法相比，在低信噪比环境下具有更高的定位精度．在多站无源时差定位系统下，假设待测目标辐射源位置x=[x，y，z]T，第i个已知接收基站的位置 si= [xi，yi，zi]T，i=1，…，M，M为参与定位的基站数目，在三维空间内至少需要4个不在同一平面之内的基站来确定目标的位置．目标和第i个基站之间的距离为其中，·表示2范数．选定中心基站为第1个基站，则基站1和基站i之间的时差信息测量值为其中，c为电磁波传播速度，ti1为基站1与基站i之间的到达时间差测量值，di1为与测量时差信息对应的测量距离差(Range Difference Of Arrival， RDOA)，ni1 c为到达时间差测量误差．用测量距离差来代替到达时间差．将到达时间差测量等式方程组采用向量形式表达，即其中，d=[d21，d31，…，dM1]T，r=[r1，r2,…，rM]T，n=[n21，n31，…，nM1]T．G为第1列均为 -1 的 (M- 1)×1 的列向量与维数为 (M-1) 的单位矩阵所合并的 (M-1)× M的矩阵，G= [-1M-1，IM-1]．噪声n为零均值、协方差矩阵E(n nT)= Qt的向量．根据最大似然估计，目标函数可写为牛顿法和泰勒级数法的本质相同，泰勒级数法只比牛顿法少用到了泰勒展开式中的二阶展开项．因此，首先研究牛顿法，去除二阶项即可得到泰勒级数法．牛顿法是一种经典的迭代算法，在每次迭代中通过二阶泰勒近似来改进估计值．令迭代次数k=1，2，…，n，每次迭代后新的更新的估计值xk+1可表示为其中，梯度向量和海森矩阵f(xk)和2f(xk)可写成其中,式(10)中的⊗表示Kronecker积，vec(·)表示将矩阵沿列向量化．文献[9-10]中分析了海森矩阵病态的原因并提出了正则化理论解决办法，在此基础上，笔者不仅仅对牛顿法，也对泰勒级数法进行了改进，并同时对正则化的方法以及正则化参数的选择进行了更深入的研究．令 A= 2f(x)，b= -f(x)，矩阵A奇异值分解为其中，U和V为单位正交矩阵，UTU=VTV=In，Σ=diag(σ1，σ2，…，σn)，σi 和向量ui，vi为特征值和特征向量．由式(5)得到每次迭代的改变量式(7)中的第2项即式(10)为二阶项．若忽略二阶项，牛顿法退化为泰勒级数法，因此只需将式(7)中第2项忽略，其他计算步骤不变，可在原泰勒级数法的基础上得到修正的泰勒级数法．其表达式可与牛顿法写成相同的形式，即式(5)～(7)，只需将式(7)中的第2项删去即可．3.1 正则化方法正则化理论是一种解决不适定问题的有效方法，它用一种与原不适定问题相邻近的适定问题的解去逼近原问题的解．常用的正则化方法有吉洪诺夫正则化法、截断奇异值分解法(Truncated Singular Value Decomposition，TSVD)和衰减奇异值分解法等．吉洪诺夫法正则化等价于求解式(13)在二次约束下的惟一最小二乘解，即将该问题转化为求解下述二次优化问题:经过修正后的修正量为经过修正后的改变量ΔxTI，其实质相当于在原参量前加入了滤波器fi．特征值越小，滤波器fi也越小，其小特征值对应项的贡献也越小．其中λ为正则化参数，用来控制式(14)中前项(数据能量)与后项(稳定能量)之间的比例．截断奇异值分解方法仅采用矩阵A的大特征值对应的特征空间来构造方程组的解，舍弃了小特征值对应的特征向量．假设A有m个大特征值，则选取m作为截断参数．满足条件σ1，σ2，…，σm≥ λ的特征值保留，舍弃σ1，σ2，…，σm< λ的特征值．因此，采用截断奇异值分解法得到的修正量可以写为衰减奇异值法就是常用的对角加载法，它是一种常用的稳健技术，可以有效地解决病态矩阵求逆问题．对式(13)直接应用对角加载，得到这3种算法中截断奇异值分解法主要应用于区分信号和噪声空间的多特征值矩阵，而对于到达时间差目标定位问题，要求的海森矩阵在不考虑速度及基站误差的情况下维数很小，因此截断奇异值分解法这种直接滤除小特征值的方法对于本问题不适用．对于吉洪诺夫法和衰减奇异值分解法两种方法来说，吉洪诺夫方法适用于秩亏情况，而衰减奇异值分解法更适用于病态矩阵情况．3.2 正则化参数上节提到的3种方法的性能都十分依赖正则化参数λ的选择．正则化参数的选择方法有L曲线法和广义交叉检验法．L曲线理论将残差范数A Δx-b和正则化范数Δx的和作为变量取对数画图，通过对比结果确定正则化参数．该方法所绘制的尺度图形中会出现一条明显的L曲线．将曲线中的最大曲率作为其拐点，通过寻找该拐点求得与之相对应的λ．令ρ= lg A Δx-b，θ= lg Δx，该曲率定义为广义交叉检验法也是一种常用的确定正则化参数λ的方法，它的原理是假定将任意的观测值bi从原观测序列b中去除，在此时通过剩余观测值求得的正则化解能够较好地预测b中被去掉的这个观测值bi．它等效为求解下面函数的最小值问题: 矩阵Al满足关系式Δx=Alb．广义交叉检验法在理论上能够选择最优的参数λ，但某些时候广义交叉检验法函数的变化趋势非常平缓，这时很难找到它的最小值．而相比较而言，L曲线法能够快速准确地找到最佳正则化参数．因此，笔者采用L曲线法作为确定正则化参数的方法．对一些值得注意的问题进行如下解释说明:(1) 同泰勒级数算法相比，牛顿算法因为存在式(7)中的第2项，能够提供一个较为精确的海森矩阵，因此具有较高的定位精度．然而当初值较差时，牛顿算法中的海森矩阵可能负定导致迭代发散．对于泰勒级数算法，因为式(7)中的第1项一直为对称正定矩阵，因此具有较高的收敛概率，但因海森矩阵表达的不完全，其定位结果可能陷入局部最小值中．笔者提出的修正牛顿算法和修正泰勒级数算法继承了原算法的特点，相比于修正泰勒级数算法，修正牛顿算法具有较高的定位精度和较差的收敛性．(2) 众所周知，迭代算法需要一个初值，它完全随机选取是不合适的．在实际应用中，闭合式算法的解通常被作为初值带入迭代算法．笔者采用著名的两次加权最小二乘算法来求得初值．在噪声较大时，两次加权最小二乘算法的解可能存在较大误差，此时多维尺度分析算法被用来取代两次加权最小二乘算法以获得一个误差相对较小的初值．(3) 当目标函数值f(xk+1)>f(xk)时，认为迭代的过程中出现了发散的现象；反之，则认为迭代收敛，继续观察，并设定迭代的终止条件为梯度f(xk)< ε．由于时差定位问题的高度非线性特征，因此有时候尽管迭代收敛，但其结果可能陷入局部最小值中．当使用闭合式算法的解作为迭代算法的初值时，若迭代的最终结果为全局最优解，则迭代只需要非常少的次数就可以收敛; 若最终结果为局部最小值，则需要多次迭代才能收敛．在这里需要设定一个迭代次数的门限用来移除局部最小值．如果该门限设置较为宽松，则少量的局部最小解仍然存在于全局最优解中，致使平均值变差; 反之，如果该门限设置较严，则许多全局最优解将被遗弃，算法实用性降低．笔者提出的正则化算法通过对海森矩阵的修正，在实际上会减慢目标函数的收敛速度，对于全局最优解影响很小．而对于局部最小解来说，由于其本身收敛速度就较慢，再经过文中算法的减缓，收敛速度进一步降低，很容易就能够超出所设置的迭代门限．相对于文献[6]中所设置的较严格的两次迭代门限(超过两次迭代的结果都当做局部最小值被移除，会导致很多全局最优解的遗失)，笔者所设置的门限为较为宽松的5次．由于笔者提出的算法具有较强的辨识局部最小值的能力，因此在保证算法实用性的同时，又能够获得较好的性能．实验中假设5个基站的位置分别为 (300 m，100 m，150 m)，(400 m，150 m，100 m)，(300 m，500 m，200 m)，(350 m，200 m，100 m)，(-100 m，-100 m，-100 m)，设置基站1为中心基站，近距离目标和远距离目标位置分别为(280 m，325 m，275 m) 或 (2 800 m，3 250 m，2 750 m)．目标的定位精度以均方误差(Root Mean Square Error， RMSE)形式表示．实验中的测量距离差为零均值，协方差矩阵σ2 R 的高斯噪声，σ2 为时差测量中噪声的功率，R为对角线元素为1而其余元素为0.5的矩阵，设置迭代次数门限为5．实验为 5 000次蒙特卡罗实验的平均数据．图1和图2描述了近距离和远距离目标情况下泰勒级数法、牛顿法、修正泰勒级数法和修正牛顿法的收敛概率值．从图中可以看到，根据说明(1)中的解释，泰勒级数法、修正泰勒级数算法在收敛性上相比于牛顿法，修正牛顿算法的更好．在图1中，泰勒级数法和牛顿算法随着噪声的变大，很容易导致迭代发散，而笔者所提出的修正泰勒级数法和修正牛顿算法具有较强的性能来保证迭代的收敛．在噪声较大时，收敛概率可以提高大概10%．在图2中，泰勒级数法、修正泰勒级数法和修正牛顿算法都具有较好的收敛概率，只有牛顿法的收敛性较差．图3和图4分别展现了近距离和远距离目标情况下泰勒级数法、牛顿法、修正泰勒级数法和修正牛顿算法的定位精度估计，同时和两种经典的闭合式算法两次加权最小二乘和多维尺度分析进行比较．从图3可以看到，所有的算法在高信噪比时都能够达到克拉美罗界．随着噪声的提升，闭合式算法两次加权最小二乘、多维尺度分析受门槛效应的作用，所求的位置解误差逐渐变大; 泰勒级数法和牛顿算法的定位精度也严重地偏离了克拉美罗界，这是因为结果中存在的局部最小值大大提升了平均均方误差估计值．笔者提出的修正泰勒级数法、修正牛顿算法相比于其他算法在大噪声环境下具有较高的定位精度，从图中可以注意到，修正泰勒级数算法的定位精度相比于多维尺度分析算法的略差，这是因为在实验中设置的迭代次数门限较为宽松，致使结果中依然存在少量的局部最小值从而拉高了平均估计精度．门限选取越严格，修正泰勒级数法的估计精度越趋近于修正牛顿算法．在图4中可以看到，修正泰勒级数法和修正牛顿算法的定位精度优于其他算法的，由于式(7)中的第2项的值在远距离目标情况下会变得很小，因此笔者提出的两种算法结果趋于一致．定位精度在噪声非常大时略低于克拉美罗界，这是因为噪声过大时的估计不再是无偏估计的．图5给出了修正牛顿算法中的两种正则化算法——吉洪诺夫法、衰减奇异值分解法的比较结果，实验从均方误差和收敛概率两方面分别验证了算法的性能．由于初值由闭合式算法给出，相比于随机给出的初值更为准确．从图中可以看出，在定位精度方面，两种方法几乎相同；在收敛概率方面，吉洪诺夫算法的收敛性要略好于衰减奇异值分解算法的．图6给出了正则化参数选择的两种方法——L曲线和广义交叉检验法，再结合文中的两种正则化方法(吉洪诺夫法、衰减奇异值分解法)，产生4种算法组合．该实验固定到达时间差测量噪声为零均值、方差 25/c2 的高斯噪声．因为实验中选取的噪声功率较小，因此采用闭合式算法的定位精度本身就很高，再经过迭代算法其性能改善不大．在迭代算法搜索λ的过程中，情况较好时广义交叉检验法和L曲线法所需时间步骤相同; 情况较差时广义交叉检验算法寻找参数λ的过程依然过于缓慢，需要很多次迭代才能寻找出参数λ，有时候甚至需要几十次迭代，而L曲线法相比则显得更加高效稳定．因此，笔者将L曲线法作为参数λ的选择方法．对到达时间差定位问题，笔者在原迭代算法基础上提出了修正泰勒级数法以及修正牛顿法，运用正则化理论中的吉洪诺夫技术修正病态海森矩阵，解决了迭代方法中关键的收敛性问题．同原方法相比，经过改进的修正泰勒级数法、修正牛顿算法能够更加稳健地收敛到全局最优解; 与两次加权最小二乘、多维尺度分析等线性算法相比，尽管由于迭代算法的特性使其计算量相对较大，但在低信噪比环境中定位误差更接近于克拉美罗界．文中算法的核心思想在于对病态海森矩阵的正则化处理，此算法可用于多种观测模型，如到达时间、到达角度等．当目标运动时，此算法也能够结合到达频差方程组求解目标的位置及速度，具有良好的实用价值和广泛的适用范围．【相关文献】[1] WANG Y, HO K C. TDOA Source Localization in the Presence of Synchronization Clock Bias and Sensor Poition Erors[J]. IEEE Transactions on Signal Processing, 2013,61(18): 4532-4544.[2]WEI H W, PENG R, WAN Q, et al. Multidimensional Scaling Analysis for Passive Moving Target Localization with TDOA and FDOA Measurements[J]. IEEE Transactions on Signal Processing, 2010, 58(3): 1677-1688.[3]LIN L, SO H C, CHAN F K W, et al. A New Constrained Weighted Least Squares Algorithm for TDOA-based Localization[J]. Signal Processing, 2013, 93(11): 2872-2878.[4]朱国辉, 冯大政, 周延. 一种利用多运动接收站的时差定位算法[J]. 西安电子科技大学学报, 2015, 42(2): 35-39.ZHU Guohui, FENG Dazheng, ZHOU Yan. New TDOA Localization Algorithm Using Multiple Moving Receivers[J]. Journal of Xidian University, 2015, 42(2): 35-39.[5]KOVAVISARUCH L, HO K C. Modified Taylor-series Method for Source and Receiver Localization Using TDOA Measurements with Erroneous ReceiverPositions[C]//Proceedings of the IEEE International Symposium on Circuits and Systems: 3. Piscataway: IEEE, 2005: 2295-2298.[6]YU H, HUANG G, GAO J, et al. An Efficient Constrained Weighted Least Squares Algorithm for Moving Source Location Using TDOA and FDOA Measurements[J]. IEEE Transactions on Wireless Communications, 2012, 11(1): 44-47.[7]HANSEN P C. Regularization Tools: a Matlab Package for Analysis and Solution of Discrete Ill-posed Problems[J]. Numerical Algorithms, 1994, 6(1): 1-35.[8]HANSEN P C, JENSEN T K, RODRIGUEZ G. An Adaptive Pruning Algorithm for the Discrete L-curve Criterion[J]. Journal of Computational and Applied Mathematics, 2007, 198(2): 483-492.[9]房嘉奇, 冯大政, 李进. 稳健收敛的时差频差定位技术[J]. 电子与信息学报, 2015, 37(4):798-803. FANG Jiaqi, FENG Dazheng, LI Jin. A Robustly Convergent Algorithm for Source Localization Using TDOA and FDOA[J]. Journal of Electronics & Information Technology, 2015, 37(4): 798-803.[10]房嘉奇, 冯大政, 李进. 存在基站误差的稳健时差定位算法[J]. 系统工程与电子技术, 2015,37(5):998-1003.FANG Jiaqi, FENG Dazheng, LI Jin. Robust Source Location Algorithm Using TDOA in the Presence of Sensor Position Errors[J]. Systems Engineering and Electronics, 2015, 37(5): 998-1003.。

摘要摘要基于到达时间差法的震源定位研究与实现当前，震源定位的应用十分广泛，涉及到微震监测、岩体破裂、爆破位置确定、管道裂纹定位以及煤矿安全等领域，若能预先掌握震源位置信息，则可以避免这些突发情况带来的灾害，进而减少损失。

到达时间差法是一种基于时延估计的定位模型，常用来确定目标的位置。

该模型具有定位准确等特点，在一些工程领域中大量应用。

本文以地震动信号为研究对象，探讨震源定位的问题。

从地震动信号特征分析、信号的预处理和时延估计、震源定位及位置修正等几方面进行研究，具体内容如下：由于大地介质成分复杂，我们首先通过经验模态分解和Hilbert变换对振动信号进行处理，得出不同的Hilbert谱，并基于Hilbert谱对地震动信号的时、频域以及能量特性进行分析，对比不同情况下信号的波形及频谱，进而讨论地震动信号的衰减规律。

比较几种常见的小波基函数和阈值估计方法，然后利用小波阈值方法对振动信号的背景噪声进行消噪处理。

对于信噪比较低时，互相关方法很难提取到准确的时延估计问题，采用一种最大似然估计窗函数的广义互相关方法进行时延估计，并实验验证该方法的有效性。

针对经典Chan定位算法得到较差定位结果的情况下，牛顿优化方法容易发散导致算法失效这一问题，提出一种修正特征值的方法将病态矩阵正定化，通过引入步长因子来提高迭代速度，使每次迭代沿下降方向的同时尽快收敛。

通过实测数据验证，改进后的方法可避免初始值偏差大导致迭代发散的问题，并利用均方差对Chan算法和本文的方法进行定位性能比较。

完成了多传感器数据采集系统的设计，包括硬件采集和上位机软件的编写两部分。

计算了试验场地的波速，设计了不同情况下的多组震源定位实验，对定位结果进行讨论，最后分析可能引起定位偏差的原因。

关键词：时延估计，时频分析，牛顿迭代，数据采集，震源定位I吉林大学硕士学位论文II AbstractResearch and Implementation of Vibration Source Localization Based on TDOAMeasurementAt present, the application of vibration source localization is very extensive, involving the microseismic monitoring, rock rupture, blasting position determination, pipeline crack localization and coal mine safety and other fields, if you can get the location information in advance, you may avoid these unexpected disasters, and reducing losses. Time difference of arrival method is a localization model based on time delay estimation, which is often used to determine the position of the target. The model has the characteristics of accurate positioning, and have a large number of applications in any engineering fields.In this paper, seismic signal as the object of study, to explore the problem of vibration source. This paper studies the characteristics of seismic signal, the preprocessing of signal and the estimation of time delay, the vibration source localization and its correction. The details are as follows:Due to the complex composition of the earth medium, we first process the seismic signals by empirical modal decomposition and Hilbert transform, and obtain different Hilbert spectra. Based on the Hilbert spectrum, the time-frequency and energy characteristics of the seismic signals are analyzed. The waveform and the spectrum of the signal, and then discuss the attenuation of the seismic signal. Some common wavelet basis functions and threshold estimation methods are compared, and then the background noise of the vibration signal is denoised by the wavelet threshold method. For the low SNR, the cross correlation method is difficult to extract the exact time delay estimation problem. The generalized cross correlation method of the maximum likelihood estimation window function is used to estimate the delay and verify the effectiveness of the method.For the classical Chan localization algorithm has poor results orientation, Newton optimization method of divergence leading to this algorithm failure, the paper presents a method of modifying the characteristic values of the ill conditioned matrixAbstractis positive definite, to improve the speed of iteration by introducing the step factor, so that each iteration along the descent direction and convergence as soon as possible. The experimental results show that the improved method can avoid the problem of the divergence of the initial value, and the performance of the algorithm is compared with the Chan algorithm and the method in this paper by RMSE.Completed the design of multi-sensor data acquisition system, including hardware acquisition and PC software design in two parts. The wave velocity of the test site is calculated, and several sets of source localization experiments are designed. The results of the positioning are discussed. Finally, the reason of the positioning deviation may be analyzed.Keywords:Time delay estimation, time-frequency analysis, Newton iteration, data acquisition, vibration source localizationIII吉林大学硕士学位论文IV 目录第1章绪论 (1)1.1 课题研究的背景及意义 (1)1.2 课题的国内外研究概况 (2)1.2.1 地震动信号分析及定位理论研究现状 (2)1.2.2 源定位技术的国内外现状 (5)1.3 本论文的主要工作 (7)第2章地震动波理论基础及特性分析 (9)2.1 地震动波类型及特性 (9)2.2 振动传感器及装置的选择 (10)2.3 地震动信号特性分析及相关理论 (12)2.3.1 地震动波的衰减 (12)2.3.2 基于希尔伯特-黄变换的时频分析 (12)2.3.3 远近距离波形的对比研究 (17)2.4 本章小结 (19)第3章地震动信号的预处理与时延估计 (20)3.1 小波去噪 (20)3.1.1 小波阈值去噪原理 (20)3.1.2 小波去噪性能分析 (23)3.2 广义互相关时延估计 (25)3.2.1 基于最大似然窗函数的广义互相关方法 (25)目录3.2.2 时延估计方法验证 (27)3.3 本章小结 (28)第4章基于Chan和牛顿迭代混合的震源定位优化方法 (30)4.1 基于Chan算法的初始定位 (30)4.1.1 Chan定位算法 (30)4.1.2 定位算法的仿真 (32)4.2 基于牛顿迭代的优化修正方法 (34)4.2.1 基于TDOA模型的牛顿迭代法 (34)4.2.2 改进的牛顿迭代方法 (35)4.2.3 定位算法的仿真 (37)4.3 定位的结果评价标准 (39)4.4 本章小结 (41)第5章多传感器数据采集系统与定位实验 (42)5.1 基于C ORTEX-M3内核处理器的数据采集 (42)5.1.1 硬件模块介绍 (42)5.1.2 数据采集系统硬件部分 (43)5.1.3 数据采集系统软件设计 (45)5.2 振动数据采集软件设计 (47)5.2.1 LabVIEW (47)5.2.2 数据采集上位机软件设计 (47)5.3 实验过程及结果 (50)V吉林大学硕士学位论文VI 5.3.1 实验的设计安排 (50)5.3.2 实验场地振动信号特性分析 (51)5.3.3 实验场地速度的计算 (53)5.3.4 多情况下的震源模拟实验讨论 (54)5.4 定位结果误差的原因分析 (60)5.5 本章小结 (61)第6章总结与展望 (62)6.1 全文工作总结 (62)6.2 展望 (63)参考文献 (64)作者简介及科研成果 (69)致谢 (70)第1章绪论第1章 绪论1.1 课题研究的背景及意义“定位”一词，最早出自古语“审名以定位，明分以辩类”，最初是指确定事物的名位，而现在多指对物体所在的位置进行测量，确定方位。

0 引言在日常生活中，以位置为基础的服务（Location-based services，LBS）已经和人类的生活息息相关。

可靠的LBS 服务离不开准确的位置信息。

当前，依赖全球卫星导航系统（global navigation satellite system, GNSS）的室外定位技术[1]已经趋于成熟，甚至在于特定需求下可以达到亚米级的精度。

但是看似相似的室内定位技术实际却是截然不同，室内定位技术受环境影响较大，室外环境下障碍物较少，一般情况下二维定位即可满足需求。

而室内环境复杂，各种家具、楼房等等都会对定位产生影响，并且室内定位的精度需求远远高于室外，往往需要“厘米级”精度[2]才能满足用户需求，因此利用GNSS 提供位置服务的方案不太合适。

根据数据统计，在实际生活中，人类在室内度过的时间平均可以达到70% - 90%，对于LBS 的需求更迫切，GNSS 服务无法满足用户需求的情况下，需求精准室内位置信息已经成为室内LBS 服务发展的红线。

同时，随着几种主流室内定位技术,包括有Wi-Fi、蓝牙、超宽带、蜂窝移动网络的发展，已经能更为精确地实现信号的传递与检测。

1 应用前景随着定位技术的发展，基于位置的服务越来越受到人们的关注。

目前，LBS 已经渗透到人们日常生活的方方面面，关于室内定位的需求价值早已远远超出早期学者的预期，精确、实时的位置信息打破了虚拟空间的数据信息与真实世界物理对象的壁垒，掀起零售、制造、物流、急救、大型公共场所导航等行业的革命，真正意义上推动万物互联的进程。

[3]在商场、停车场、机场、火车站、医院等大型公共场所中，LBS 是不可或缺的。

比如，在人们外出旅游时，LBS 可以给人们带来方便，便于人们查询景点、餐厅、酒店宾馆等信息；当发生事故时，LBS 可以更加准确地提供具体信息。

同时，在信息时代的背景下，随着人工智能、机器人技术的发展，一些新型行业的兴起，比如无人医疗护理、智能制造、智能物流等行业也更加需要LBS 提供技术支撑。

基于RSSI的无线传感器网络三角形质心定位算法引言无线传感器网络是面向事件的监测网络，对于大多数应用，不知道传感器位置而感知的数据是没有意义的。

实时地确定事件发生的位置或获取消息的节点位置是传感器网络最基本的功能之一，也是提供监测事件位置信息的前提，所以定位技术对传感器网络应用的有效性起着关键的作用。

在无线传感器网络中，按节点位置估测机制，根据定位过程中是否测量节点间的实际距离或角度，可分为基于距离(Range—based)的定位算法和距离无关(Range—free)的定位算法。

前者需要测量节点间的实际距离；后者是利用节点间的估计距离来计算末知节点的位置。

在基于距离的定位算法中，测量节点间距离或方位时采用的方法有TOA(Time of Arrival)，TDOA(Time Difference of Arrival)，RSSI(ReceivedSignal Strength Indication)和AOA(Angle of Arri—val)。

距离无关的算法主要有质心算法、DV—hop算法等。

相比之下，基于距离的定位算法测量精度较高，距离无关的定位算法对硬件要求较低。

比较各种基于距离的测距算法，TOA需要精确的时钟同步，TDOA需要节点配备超声波收发装置，AOA需要有天线阵列或麦克风阵列，这三种算法对硬件要求较高。

RSSI技术主要是用RF信号，而节点本身就具有无线通信能力，故其是一种低功耗、廉价的测距技术。

接收信号强度指示RSSI的定位方法，是在已知发射节点的发射信号强度，根据接收节点收到的信号强度，计算出信号的传播损耗，再利用理论和经验模型将传输损耗转化为距离，最后计算节点的位置。

因为理论和经验模型的估测性质，故而RSSI具有较大定位误差。

基于RSSI技术，提出一种将RSSI测量方法与三角形质心算法相结合的新型定位算法，该算法用三角形质心算法减小RSSI的测量误差。

仿真表明，该算法基于RSSI的三边测量法定位算法相比，极大提高了定位精度。

无线传感器网络RSSI测距方法与精度分析詹杰;吴伶锡;唐志军【摘要】基于RSSI的测距技术是一项低成本的距离测量技术.分析了接收信号强度指示器(RSSI)多种测距模型,结合采用IEEE802.15.4协议的CC2430芯片,设计了测距实验,获取了多组数据,通过对实验数据的分析,提出结合信标节点确定参数、高斯拟合确定测量值的RSSI测距处理方法.实验证明,该方法能提高RSSI测距的抗干扰能力,20 m内节点间的测距精度能达到1.5 m以下.【期刊名称】《电讯技术》【年(卷),期】2010(050)004【总页数】5页(P83-87)【关键词】无线传感器网络;接收信号强度指示器;测距精度;高斯拟合【作者】詹杰;吴伶锡;唐志军【作者单位】湖南科技大学,物理学院,湖南,湘潭,411201;湖南科技大学,物理学院,湖南,湘潭,411201;湖南科技大学,物理学院,湖南,湘潭,411201【正文语种】中文【中图分类】TN9291 引言在无线传感器网络应用中，位置信息对传感器网络的监测活动至关重要, 在目标监测与跟踪、基于位置信息的路由、网络的负载均衡以及网络拓扑结构[1]等许多应用中都要求网络节点预先知道自身的位置，以便在通信和协作过程中利用位置信息完成应用要求。

常用的定位方法必须测量节点间间距，一般测距方式有GPS[2]、红外线[3]、超声波[4]和接收信号强度指示器(RSSI)[5]等。

GPS定位成本高、误差大；红外测距精度高、成本低，但适用范围太窄；超声测距需要额外的硬件，增加了节点的硬件成本和尺寸并且能耗高，受气温、湿度等的影响较大；RSSI测距误差大，这些方式都不适合无基础设施的矿山地质灾害监控系统使用。

在矿山地质灾害监测项目中，我们利用商用无线收发芯片所具备的RSSI功能对监控系统收发的数据进行处理，提高RSSI测距的精度，实现了低成本的测距。

2 RSSI测距原理无线信号传输的一个重要特点就是信号强度随着距离的增大而衰减。

反射与噪声对室内可见光定位系统精度影响及其克拉美罗界张秀楠;邵建华;柯炜;袁亚男;聂帅【摘要】基于到达信号强度(RSS)测距的方法,可见光室内定位系统中因为墙面反射和外界噪声等存在干扰,从而产生误差.将计算机图形学中的Phong模型应用到可见光定位的墙面反射模型中,通过计算仿真反射和噪声信号到达接收端的强度,与发射端直射到接收端的信号强度进行对比,发现干扰信号中反射信号的强度与直射强度处于同一个数量级上,因此干扰对于可见光定位系统误差的影响不容忽略.仿真得到这些干扰对于最终定位系统造成的误差,并且与表示定位性能的克拉美罗下界进行对比,发现最大误差达到1.82 m,平均误差为0.12 m,干扰现象在墙角区域明显.%The visible light indoor positioning system based on received signal strength(RSS)has positioning error due to the disturbance of the wall reflection and the external noise. This system applies Phong in computer graphics to the wall reflection of visible light positioning. Comparing signal strength from LEDs directly with the reflection and noise simula-tion at the receiving,it is found that signal strength of the wall reflection and direct strength are in the same order of magnitude. Thus the disturbance of the wall reflection and the external noise cannot be ignored. This article compares the simulation error caused by the disturbance to the positioning system with Cramer-Rao bound which represents the lower limit of the positioning error. It is found that maximum error is 1.8 m and the average error is 0.12 m. The disturbance phenomenon is obvious in the corner of the wall.【期刊名称】《南京师大学报（自然科学版）》【年(卷),期】2017(040)003【总页数】8页(P102-109)【关键词】可见光;定位;反射;噪声;克拉美罗界【作者】张秀楠;邵建华;柯炜;袁亚男;聂帅【作者单位】南京师范大学物理科学与技术学院,江苏南京210023;南京师范大学物理科学与技术学院,江苏南京210023;南京师范大学物理科学与技术学院,江苏南京210023;南京师范大学物理科学与技术学院,江苏南京210023;南京师范大学物理科学与技术学院,江苏南京210023【正文语种】中文【中图分类】TN929.1随着社会的加速发展,数据和多媒体等业务的迅速增加,人们对于室内导航与定位越来越依赖,特别是在较复杂的环境下,如在室内高保密会议和军、工、政保密工作场地,在公共区域、商业场所室内等. 因此,人们探索出很多种方法,如ZigBee定位技术、WLAN定位技术、红外线技术、超声波技术、蓝牙技术、超宽带定位技术、射频识别定位技术等[1]. 但是上述方法都需要通过安装发送与接收设备等繁杂的工序,并且这些技术对于安装环境的要求也较为苛刻,这些因素极大地增加了定位的成本,从而限制了这些技术的推广与使用[2].LED被称为第四代光源,它的发明为照明技术带来了新的革命,它集合了各种传统光源的优势,并且具有电压低、功耗低、寿命长、易于小型化等各项优点. 因此基于白光LED的通信技术应运而生,并以其能效高、绿色环保、不受电磁干扰等影响的优势,兼具照明与通信两种功能成为近几年来的一个研究热点. 从2000年,日本研究人员提出并仿真基于LED灯作为基站的可见光室内通信系统后,可见光的通信迅速得到各国的关注.基于白光LED的可见光室内定位技术也随之被提出. 目前已有的室内定位技术大多是在发射端通过各路LED灯不断发送一定的光信号,位于室内的移动目标接收到LED灯发来的信号,通过接收到的光信号来判断移动目标所在的位置. 每路LED灯通过发送不同频率的数据信号(FDM),或者在不同的时间发送数据信号(TDM),给每个LED灯一个自己的专用标识ID,来标记接收到的光信号来自哪一路[3]. 接收端在识别信号来源的同时,利用TOA、TDOA、AOA、RSS等方法进行测距. 但是大多文献没有考虑到外界干扰对距离测量的影响,进一步对定位精度造成的影响.在移动通讯中,关键的一个环节就是定位服务的精度要求,本文针对这一要求,研究定位过程中墙面反射光及外界自然光对定位精度的影响,对比不同定位方法中外界因素影响下的误差大小,并与克拉美罗界进行比对.1.1 系统模型本文所采用的系统模型如图1所示[4-5],该模型中室内定位场所为5 m×5 m×3 m 的空间,4个LED灯安装在天花板上,利用LED灯的照明与通信双重功能,对LED灯进行合理的布置,尽可能使接收平面上所有位置都能被光照覆盖. 4个LED灯光照强度完全相同,且发射信号自带信标(ID),使接收端(PD)能够分辨来自每个LED灯的信号强度.1.2 理想信道模型及定位方法1.2.1 信道模型室内定位系统主要由天花板上的LED灯作为发射源发出带有ID的光信号,光信号由接收端的PD接收. 图2给出了可见光室内定位系统的典型直射模型.本文中辐射模型采用最经典的朗伯辐射模型[6-7],其中发射端发出的光信号直接到达接收端的直射路径信道增益Hd可由式(1)表示.式中,AR是光检测器接收面积,θ是辐射角,ψ是接收角,TS(ψ)是光滤波器增益,g(ψ)是光聚器增益,FOV 为光接收机视角(Field Of View),n为朗伯系数,即式(2):,式中,θ1/2为LED光源的半功率角.直射路径中,接收端接受强度Pr与发射端辐射强度Pt之间的关系可由式(3)表示: 发送端辐射强度Pt为光功率,因此上式中接收信号强度Pr也是光功率,以下记作Pr_Opt,在光电探测器中首先将接收到的光功率以γ转换系数转变为电流[8],如式(4)所示:,则接收到的电功率表示为式(5):1.2.2 Phong模型和一次反射光信号从发射端传播到接收端途中,除了上面所述的直射情况,传播路径还包括反射部分,并且在信号传播过程中不可避免会有外界光被接收端所接收,这些都是可见光定位系统中的“噪声”. 本文中将这“噪声”简单分割为信号传播途中经过周围四面墙的反射光和外界包括自然光的一些干扰因素.为了简化模型,本节将讨论墙面一次反射光的信道模型. 本文中的反射面模型采用光照模型中的Phong反射模型[9],这个模型不同于理想的镜面反射和漫反射模型. 完全漫反射光可以被认为是光源发出的光被墙面接收,然后重新反射出来,即从一个方向射进墙面,又以各个方向均匀地向外射出,因此无论在什么位置都可以看到漫反射光. 而理想的镜面反射模型是光源发射出的光线以一个入射角射进一个光滑的平面,反射角一定是与入射角相同的,因此只有在反射方向才能看到反射光. 本文采用的Phong不同于上面两者,而是将完全漫反射光与镜面反射按一定的比例相结合,构成了一个与现实中的墙面反射比较为真实的模型.图3给出了可见光室内定位系统的墙面一次反射模型.如图3所示,光信号由光源辐射出去,墙面的反射可以看作是先把墙面作为接收端接收光信号,然后又作为发射端发射出去,因此这一反射过程可以看成把两次直射相结合. 在反射过程中,首先将墙面分割成许多的小平面,本文中称之为微元面,每个微元面的面积为1 dm×1 dm. 当光信号从光源处发射出去以后,房间四周墙面的某个微元面作为接收端接收光信号,此时光照经过第一段距离的衰减后,接收信号强度为: 式中,Hd为直流信道增益,是LED光源的强度,是墙面在直射路径下的接收强度.墙面上的微元面接收到光信号后又可以看作为一个朗伯光源,而每个微元面的辐射强度为:式中,ρsurface表示墙面的反射系数.在这种模型中,入射光根据反射系数有部分被吸收,以ρ·α的概率进行镜面反射,以ρ·(1-α)的概率进行漫反射.经过墙面一次反射后接收平面上的PD接收到的信号强度为:1.2.3 噪声模型本节所述噪声为接收端PD接收到的除去墙面反射光部分其它因素造成的干扰,主要包括热噪声和散粒噪声两个部分,具体参数如表1所示[10].热噪声的功率为:散粒噪声的功率为:1.3 定位方法本节中采用定位中比较经典的三边定位法进行定位. 根据三边定位法的原理[11-12],给出PD未知位置与4个LED已知位置之间距离构成的方程组,如式(12)所示.式中,(x,y)表示最终定位的PD的位置,(xi,yi)表示第i个LED灯在天花板上的位置,di表示PD到第i个LED之间的距离,该距离可由上述式(1)中的信道增益得到. 上面所说的三边定位法是针对理想情况下准确无误地测出发送端与接收端之间距离的,但是在现实条件下,由于反射和噪声等不可避免的干扰存在,测算出的收发端之间的距离往往会小于理想情况下测算出的距离,那么利用三边定位法就无法定位到接收端的一点,所以我们使用下列方法进行定位.将上式(12)变形得到式(13).将上式转换为矩阵的形式进行求解,即转换为AX=B,则方程组的解即为X=[x y z]′=A-1B.在本设计中因为A没有逆矩阵,则无法求解该方程组,因此我们这边引入了广义逆这个概念. 根据最小二乘法的准则,将目标函数定位为XLS=argmin‖AX-B‖2,解出该方程组的最小二乘解为X=A†B.1.4 定位误差与克拉美罗下界的对比克拉美罗下界(CRB)为任何无偏估计确定了一个下界,也就是不可能有方差小于这个下限的无偏估计量. 本文中,利用克拉美罗下界来表示可见光室内定位系统的性能好坏. 因此我们给出空间内各点处的克拉美罗下界,通过推导接收平面内各点的克拉美罗下界,可以得到在反射和噪声作为干扰条件下的定位理论最佳性能[13-14].由上面式(1)和(3)得到,式中,i=1,2,3,4表示第i个发射端LED灯的参数,因此Pni=(Pn1,Pn2,Pn3,Pn4)T表示第i个LED灯接收到的噪声功率,而且则有且,那么,因此克拉美罗下界的倒数可以表示为:2.1 定位系统的仿真可见光室内定位系统采用MATLAB软件进行仿真实验. 仿真中4个LED灯的位置分别在A(1,1,3),B(4,1,3),C(1,4,3),D(4,4,3). 利用RSS到达信号强度的方法进行测距,图4给出了4个LED光源照明强度的分布.2.2 反射及噪声的影响考虑干扰中一次反射及噪声对于定位精度的影响. 为了简化模型,本文中仅考虑四周墙面的反射,且墙面以常用的反射系数和镜面反射指数作为仿真模型,选取反射系数为0.66,以0.66×0.4的概率进行镜面反射,0.66×0.6的概率进行漫反射,不考虑天花板和地面的反射.图5和6分别给出了经过四周墙面反射后的反射光的强度分布图和空间内外界噪声的分布情况.由图5和6可示,一次反射光和外界噪声相对于直射光的强度还是比较大的,特别是反射光的强度,因此肯定会对定位精度造成较大的影响. 下面我们对反射光及噪声对于定位误差的影响进行仿真. 本文中采用误差公式[15](20)表达定位误差.式中,(xm,ym)表示仿真中利用最小二乘法定位出的坐标.图7和图8分别给出了仿真空间内各处由于一次反射光和噪声对定位误差造成的影响. 并且图9给出了把反射光和噪声作为一个干扰整体,其对于定位误差造成的影响.2.3 克拉美罗下界及其与算法误差的对比分析图10和图11分别给出在反射与噪声两外界干扰下的克拉美罗下界. 上面已经给出了定位性能的下界,我们将最小二乘法定位精度与这个下界进行对比. 图12和图13分别给出了反射和噪声在最小二乘法下的定位误差与反射和噪声作为观测误差下的克拉美罗下界对比图. 克拉美罗下界给出反射及噪声的平均误差为0.015 8 m,利用最小二乘算法下的平均误差为0.124 2 m,两者相差一个数量级,对比表明,最小二乘法运用下的定位精度相对较高.2.4 定位误差与反射系数的关系以上仿真是考虑了市面上较为常见的白粉墙面作为仿真对象进行一次反射,本小节中将研究墙面反射系数和光滑程度对定位误差造成的影响. 图14给出了不同镜面反射指数(α)下,定位精度与墙面反射系数之间的关系. 由图分析可得,墙面反射系数在0.3处,定位误差较小;定位误差会随着镜面反射指数的增加而增加,定位精度随之减小,即墙面越粗糙,在接近完全漫反射的情况下,定位误差最小,定位精度最高.本文对可见光室内定位系统进行了简要介绍,将在墙面上反射的复杂过程进行了简化,并采用光照模型里面比较经典的Phong模型进行仿真. 在朗伯模型的基础上,深入讨论了含有反射光和高斯噪声等干扰的影响下接收到的信号强度. 结果表明,相对于直射光的强度,墙面的反射干扰的强度还是很大并且不能忽略,因此对于干扰的研究十分必要.文章采用接收信号强度(RSS)的方法进行测距,然后使用最小二乘法实现定位. 整个系统采用使用广泛的LED灯进行照明,并且能实现室内定位,无需接收信号同步,因此设备简单,数据处理计算难度都不大. 最后将定位精度与克拉美罗下界进行了对比,仿真结果表明精度相对较高.然而,仿真结果可以看出最小二乘法下的定位精度与克拉美罗下界之间还是有一定的差距,定位误差的大小一直是衡量定位方法好坏的一项比较重要的标准,因此如何去减小定位误差提高定位精度的问题将成为接下来的研究重点.【相关文献】[1] 汪苑,林锦国. 几种常用室内定位技术的探讨[J]. 中国仪器仪表,2011(2):54-57.[2] 赵嘉琦,迟楠. 室内LED可见光定位若干关键技术的比较研究[J]. 灯与照明,2015,39(1):34-41.[3] NADEEM U,HASSAN N U,PASHA M A. Indoor positioning system designs using visible LED lights:performance comparison of TDM and FDM protocols[J]. Electronicsletters,2015,51(1):72-74.[4] 沈芮,张剑. 基于可见光通信的室内定位方法[J]. 信息工程大学学报,2014,15(1):41-45.[5] ZHANG W,KAVEHRAD M. A 2-D indoor localization system based on visible light LED[C]//Photonics Society Summer Topical Meeting Series,Seattle,2012:80-81.[6] SOO Y J,SWOOK H,CHANG S P. TDOA-based optical wireless indoor localization using LED ceiling lamps[J]. IEEE transactions on consumer electronics,2011,57(4):1 592-1 597. [7] KAHN J,BARRY J. Wireless infrared communications[J]. Springerinternational,1994,85(2):265-298.[8] HYUN S K,DEOK R K,SE H Y,et al. An indoor visible light communication positioning system using a RF carrier allocation technique[J]. Journal of lightwavetechnology,2013,31(1):134-144.[9] 吴凤和,王金芬,尹清静,等. 基于锥角计算的Phong混合反射模型反射参数估算[J]. 燕山大学学报(自然科学版),2014,38(2):144-151.[10] ZHANG X L,DUAN J Y,FU Y G,et al. Theoretical accuracy analysis of indoor visible light communication positioning system based on received signal strength indicator[J]. Journal of lightwave technology,2014,32(21):4 180-4 186.[11] 吴楠,王旭东,胡晴晴,等. 基于多LED的高精度室内可见光定位方法[J]. 电子与信息学报,2015,37(3):727-732.[12] 孙佩刚,赵海,韩光洁,等. 混沌三角形定位参考点选择算法[J]. 计算机研究与发展,2007,44(12):1 987-1 995.[13] 沈芮,张剑,王鼎. 基于可见光通信的室内定位算法及相应参数估计克拉美罗界[J]. 激光与光电子学进展,2014,51:1-8.[14] WANG T Q,SEKERCIOGLU Y A,NEILD A,et al. Position accuracy of time-of-arrival based ranging using visible light with application in indoor localization systems[J]. Journal of lightwave technology,2013,31(20):3 302-3 308.[15] ZHOU Z,MOHSEN K,PENG D. Indoor positioning algorithm using light-emitting diode visible light communications[J]. Optical engineering,2012,51(8):1-6.。

当前位置：员工考试 »试卷查看试卷查看2012年移动代维考试（D）考试考生:饶湘明成绩:68.0一、单选题共50道题,总分50分。

1、以下哪个现象不存在模拟网，而只存在于数字无线网中?()瑞利衰落拥塞快衰落码间干扰考生答案:D参考答案:A得分:0.0?2、GPRS使用CS2的编码方式的时候1个TS的最大速率是__ __kbps。

()1211.41622.8考生答案:C参考答案:A得分:0.0?3、以下关于天馈线安装的描述，哪项是错误的？()为了防止天线进水，在正向安装全向杆状天线时，天线底部的排水（气）孔应打开，天线顶部的排水（气）孔应密封。

定向天线不能倒立安装。

在反向（倒立）安装全向杆状天线时，天线底部和顶部的排水（气）孔都应打开。

为了防止馈线进水，在拧接好的跳线与天线的连接处、跳线与馈线的连接处应先用防水自黏胶带密封，再用绝缘胶带包扎、密封好。

考生答案:C参考答案:C得分:1.0?4、直放站告警处理机制中，对于已屏蔽的告警项目如何处理？()不上报该告警，监控中心查询该告警状态为正常；不上报该告警，监控中心查询该告警状态为非正常；上报该告警，监控中心查询该告警状态为正常；上报该告警，监控中心查询该告警状态为非正常。

考生答案:A参考答案:A得分:1.0?5、分别在直放站的输入端和输出端测试其至施主天线和覆盖天线的驻波比，其驻波比要求小于() 1.31.41.5考生答案:C参考答案:C得分:1.0?6、在GSM900系统中，施主基站CDU端的最大输出功率是()45dbm33dbm47dbm33w考生答案:C参考答案:C得分:1.0?7、器件RD-5NK/NK/NK-06F1是()5dB耦合器6dB耦合器二功分三功分考生答案:B参考答案:B得分:1.0?8、一部手机最多可以从___个PSET中分配信道()1234考生答案:A参考答案:A得分:1.0?9、当以下()设备的施主基站载波扩容时，应相应对其直放站进行扩容。