[发明专利]基于能量检测的60GHz毫米波非视距识别与无线指纹定位方法

权利要求书

1.基于能量检测的60GHz毫米波非视距识别与无线指纹定位方法，包括以下步骤：

(1)、建立定位系统，所涉及的定位系统包括能够接收待定位终端发出的信号的多个定 位基站，以及接收定位基站发出的定位信息的定位服务器，并对整个定位系统进行初始化： 包括设定各个定位基站的采样频率与积分周期T；

(2)、待定位终端发射60GHz脉冲序列信号；

(3)、定位基站接收上述信号并计算信号的传播时延与NLOS识别；

(4)、定位基站将传播时延计算结果与NLOS识别结果发送给定位服务器；

(5)、定位服务器接收各个基站的传播时延与NLOS识别结果；

(6)、定位服务器计算各个基站的测距结果；

(7)、定位服务器应用TOA/TDOA基于距离的定位算法对待定位终端进行定位；

其特征在于所述的步骤(3)包括如下A-C三个步骤：

A.定位基站对步骤(2)的信号进行积分运算得到积分能量块，计算该能量块的偏度S、 梯度G和标准差SD，并对上述各个变量进行归一化，由归一化之后的各个变量进而得到联合 参数J与梯度/标准差乘积M，建立联合参数平均值J2P、TOA估计误差、最优归一化门限X三个 参数的指纹数据库；

B.对指纹数据库进行曲线拟合，建立对应于最小TOA估计误差的平均联合参数J2P与最 优归一化门限X的对应关系F；

C.根据步骤A得到的平均联合参数J2P与梯度/标准差乘积M，利用M与事先设定的NLOS 门限值进行比对，来判断信号来自于LOS环境还是NLOS环境，将识别结果进行保存，利用对 应关系F，计算得到最优归一化门限X，根据此门限得到传播时延(即TOA估计值)；

具体来说，步骤A细化为如下的计算步骤：

1)、首先设定参数值，在4-32dB范围内选择一个信噪比SNR，然后在所选择的一个SNR下 确定不同的信道环境和多个不同积分周期，所述的不同信道环境是视距和非视距两种不同 环境，所述的多个不同积分周期是在0.1ns—4ns范围内选择两个或以上值作为积分周期， 所选择的不同积分周期的数量记为P，P是大于等于2的自然数；则在同一个SNR可得到2P个 不同的环境和积分周期组合；

2)、根据积分运算得到的能量块，分别计算2P个不同的环境和积分周期组合的能量块 的偏度S、梯度G和标准差SD；计算梯度G与标准差SD的乘积，记作M＝G*SD；

根据S与G两个量得到一个新的联合参数J＝N*norm(S)-K*norm(G)，其中norm表示对参 数的归一化处理，N、K为正实数、且N大于等于6K，得到2P个联合参数J，取平均值记为平均联 合参数J2P；

3)然后在同一个SNR下计算不同的信道环境和多个不同积分周期下的最优归一化门 限：

首先计算TOA估计误差和最佳归一化门限：

以(0:0.1:1)或更小的间隔作为归一化门限，分别计算积分能量块在每一个门限下的 1000次TOA误差，并取平均值作为TOA估计误差，从而得到与归一化门限数量相对应的多个 TOA估计误差，选取最小的TOA误差所对应的归一化门限作为最佳归一化门限；

则在不同信道环境(视距与非视距)、不同积分周期下可以得到2P个最佳归一化门限， 将2P个最佳归一化门限的平均值作为最优化门限X；

4)返回步骤1)选择下一个信噪比，并重新计算对应于该信噪比下的平均联合参数J2P、 TOA估计误差及最优化门限X，直至历遍4-32dB范围内的所有信噪比；

5)将步骤4)得到的29组平均联合参数J2P、TOA估计误差及最优化门限X的值，作为由三 个参数组成的指纹数据库；

步骤B、对指纹数据库进行曲线拟合，利用神经网络对上述指纹数据库进行训练，最终 建立平均联合参数J2P与最优归一化门限X的对应关系F，即由于平均联合参数J2P与SNR有 关，而最优归一化门限是在某个特定SNR下计算得到的，因此可以建立J2P与最优归一化门 限的对应关系；

步骤C、对信号传播时延进行实际计算时，根据采集的实际信号的偏度S、梯度G和标准 差SD得到实际平均联合参数J2P与梯度/标准差乘积M，利用M与事先设定的NLOS门限值进行 比对，来判断信号来自于LOS环境还是NLOS环境，将识别结果进行保存；利用对应关系F，计 算得到该实际平均联合参数J2P所对应的归一化门限，根据此归一化门限得到TOA估计值： 即将所得的实际平均联合参数J2P输入到步骤B)的己经训练好的神经网络，即根据对应关 系F得到相应的归一化门限，利用归一化门限识别出最先超过该门限的能量块，以该能量块 的中间位置对应的时刻作为TOA估计值。