基于门限的toa估计方法.docVIP

鉴于能量检测的  TOA  预计算法： 1.最大能量法〔MaximunEnergySelection，MES〕选择最大的能量块所在的地点对应的时刻为预计的  TOA，往常选择能量块的中央作为 TOA  的预计值： MESargmaxzn0.5Tb 1nNb 最大能量块所在的地点常常并不是直抵信号所在的地点。 特其他，在NLOS环境下，直抵经所在的能量块常常在最大能量块以前。 2.门限法 接收信号的能量块Zn与适合的门限进展比较，第一个超出该门限的能量块对应的 时刻即为预计的TOA。 往常采纳的是归一化的门限norm。有了归一化的门限后，在接收端依据最大能量块与 最小能量块就能够计算出门限，两者关系为： norm  maxzn  minzn  minzn 因此问题就变为怎样设定适合的门限，特别是在多径、  NLOS  环境下。 TC  argminn|zn  0.5Tb 1nnmax 1固定门限〔Fixed-Threshold，FT〕法 最简单的归一化门限法。门限是一个固定值。 2鉴于峭度的归一化门限预计法 依据信号样本的峭度与优化的归一化门限之间的关系，鉴于该归一化的门限进而预计信号的TOA。 复杂度低、采样率低。 3鉴于最大能量和最小能量的联合归一化门限预计法。 门限与信噪比的关系。 该方法存在的问题：信噪比很难预计，因此适合的门限很难选择。 只是使用信噪比很难反应出真切全面的信道特点。 2.接收信号积分能量块的统计特征 K个独立的标准正态散布变量的和听从自由度为K的卡方散布。 假定接收信号中只包括噪声而无UWB信号，那么信号的幅度听从标准正态散布，  因此 Zn听从中心卡方散布； 假定接收信号中即包括噪声也有 UWB信号，那么Zn听从非中心卡方散布。 因此噪声与信号的均值和方差分别以下： 0 F2,02 2F 4 e F2 En,e2 2F4 42En En是第n个积分块信号的能量；F为自由度，F2BTb1；B为信号带宽。 1峭度 峭度〔Kurtosis〕是描述积分能量块散布形态陡缓程度的统计量，标准正态散布的峭度 为3，因此峭度常常被定义为峭度-3，称为超额峭度〔ExcessKurtosis〕。超额峭度〔k〕的意义： 0时：与正态散布的陡缓程度同样； 0时：比正态散布的巅峰更为峻峭，即尖巅峰； 0时：比正态散布的巅峰安稳，即平巅峰。 将峭度的观点用于TOA预计门限选区中，Zn的峭度定义为： 1 k Nb1  Nb 4 4 xix 3 i1 x为Zn的均值，为Zn的标准差。 关于只有噪声没有UWB信号的Zn，当卡方散布的自由度足够大的时候，Zn听从 高斯散布，因此k=0； 关于既有噪声又有UWB信号的Zn，跟着信噪比的增大，k也增大。 最优的归一化的门限与 k之间的关系： 积分步长为4ns时： 4ns 0.673e 0.75log 2k 0.154e 0.001log k best 积分步长为1ns时： 1ns 0.082log2k 0.77 best TOA预计的均匀绝对偏差〔 MeanAbsoluteError，MAE〕以下： MAE 1 N ti Ni ti 1 ti是第i次仿真时的真切值； ti是第i次仿真时的预计值。 2偏度 偏度〔Skewness〕描述积分能量块散布形态的统计量，其描述的是整体取值散布的对称性。定义以下： 1 Nb 3 xix s 3 Nb1 i1 0时：散布形态与正态散布的偏斜程度同样； 0时：其数据散布形态比正态散布对比为正偏或右偏，即有一条长尾巴托在右侧， 数据右端有许多的极端值； 0时：其数据散布形态比正态散布对比为负偏或左偏，即有一条长尾巴托在左侧，数据左端有许多的极端值； 偏度的绝对值数值越大表示其散布状态的偏斜程度越大。 关于只有噪声没有  UWB  信号或许  SNR很低的Zn，当卡方散布的自由度足够大的时 候，Zn听从高斯散布，因此  s=0,跟着信噪比的增大，  s也增大。 3均方差 均方差〔MeanSquareError，MSE〕亦成为标准差〔StandardDeviation〕,是各数据偏离 均匀数的间隔的均匀数，他是离均差平方和均匀后的方根，用表示。 标准差以下： Nb  2 xi  x i1 Nb  1 4最大斜度 峭度与偏度不可以反应信号延缓或流传时延的特征，因此需要剖析能量块的斜率。 全部能量块被分为  Nb  Mb  1组，每组里有  Mb个能量块。 每组斜率的计算使用的是鉴于最小二乘法的直线拟合，因此最大斜率为： Mmaxslopelinefit  zn,zn  1,...,zn  Mb  1 1nNb  Mb  1 5.参数的统计特点 在不一样的信道下，同一参数跟着不一样信噪比的走势根本同样，