本發(fā)明涉及超寬帶，更具體的說是涉及一種基于多特征模糊聚類的超寬帶nlos識別方法。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)的發(fā)展和人們對位置服務(wù)需求的不斷增長，室內(nèi)定位領(lǐng)域涌現(xiàn)出眾多技術(shù)，如慣導(dǎo)、地磁、超寬帶(ultra-wideband，uwb)、偽衛(wèi)星、聲音、攝像頭、藍(lán)牙、同步定位和地圖繪制(simultaneous?localization?and?mapping，slam)等。其中，uwb以其定位精度高、抗干擾能力強(qiáng)等主要優(yōu)勢脫穎而出。近年來，超寬帶在室內(nèi)定位方面受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。然而，超寬帶是一種基于距離的定位方法，主要依賴于精確的信號飛行時(shí)間(time?offlight，tof)。然而在非視距(non?line?ofsight，nlos)的信號傳播環(huán)境中，由于折射、反射、繞射等的影響，使得tof失準(zhǔn)，進(jìn)而大幅增大了uwb的定位誤差。uwb在nlos環(huán)境下的定位精度衰減嚴(yán)重甚至失效的突出問題制約了在商業(yè)上的發(fā)展和推廣。

2、nlos是指發(fā)射機(jī)和接收機(jī)之間存在障礙物，改變了信號飛行時(shí)間、接收信號強(qiáng)度(received?signal?strength，rss)和信道沖擊響應(yīng)(channel?impulse?response,cir)參數(shù)。目前，在nlos的識別方面已經(jīng)提出了許多方法，并取得了一定的成果。但仍有一些限制。對于nlos識別，大多數(shù)方法都采用機(jī)器學(xué)習(xí)(machine?learning，ml)來實(shí)現(xiàn)，此類方法需要大量的先驗(yàn)信息來支持，且模型較復(fù)雜。此外，nlos識別主要區(qū)別為視距(line?ofsight，los)和nlos兩類，沒有將uwb的信號傳播情況往更多類別上如half-nlos類等進(jìn)行劃分，進(jìn)而對不同類別的信號傳播情況進(jìn)行更具針對性地uwb定位校正。其中nlos特指由墻體遮擋的狀態(tài)，而不同程度的half-nlos指由玻璃、紙箱等信號穿透性較弱的狀態(tài)。

3、因此，提出一種基于多特征模糊聚類的超寬帶nlos識別方法，來解決現(xiàn)有技術(shù)存在的困難，是本領(lǐng)域技術(shù)人員亟需解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于多特征模糊聚類的超寬帶nlos識別方法，能夠準(zhǔn)確識別nlos信號并將信號傳播分為los、nlos以及不同程度的half-nlos多個(gè)類別。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于多特征模糊聚類的超寬帶nlos識別方法，包括：

4、獲取數(shù)據(jù)：獲取uwb基站與各標(biāo)簽之間的cir原始數(shù)據(jù)、聯(lián)合噪聲數(shù)據(jù)以及前導(dǎo)碼累計(jì)數(shù)；

5、特征提?。禾崛』赾ir的特征、聯(lián)合噪聲數(shù)據(jù)統(tǒng)計(jì)量特征和前導(dǎo)碼累計(jì)數(shù)特征；

6、狀態(tài)識別：根據(jù)提取的基于cir的特征、聯(lián)合噪聲數(shù)據(jù)統(tǒng)計(jì)量特征和前導(dǎo)碼累計(jì)數(shù)特征構(gòu)建nlos識別的特征集進(jìn)行狀態(tài)識別，得到識別結(jié)果；

7、輸出信號：根據(jù)識別結(jié)果輸出信號狀態(tài)。

8、上述的方法，可選的，cir的計(jì)算公式為：

9、

10、其中，k是多徑數(shù)，t為當(dāng)前時(shí)刻，τ為時(shí)間延遲，δ為信號的單位沖激響應(yīng)，ak為信號中第k個(gè)到達(dá)路徑的幅值。

11、上述的方法，可選的，進(jìn)行狀態(tài)識別的具體內(nèi)容為：

12、構(gòu)造包含輸入的各特征值矩陣，進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；

13、對原始數(shù)據(jù)矩陣建立模糊相似關(guān)系；

14、對原始數(shù)據(jù)矩陣建立等價(jià)關(guān)系；

15、設(shè)定閾值，并根據(jù)閾值確定分類情況。

16、上述的方法，可選的，分類情況包括：類別數(shù)目和信號分類狀態(tài)。

17、上述的方法，可選的，構(gòu)造包含輸入的各特征值矩陣，進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化的具體內(nèi)容為：

18、由特征集構(gòu)成的矩陣為：

19、

20、其中，n為樣本數(shù)，m為特征數(shù)；

21、進(jìn)行平移、標(biāo)準(zhǔn)差變換：

22、

23、其中，

24、

25、

26、其中，i＝1,2,...,n；k＝1,2,...,m，x′ik為進(jìn)行平移和標(biāo)準(zhǔn)差處理后第i行和第k列的特征集元素，xik為第i行和第k列的特征集元素，為第k列特征集元素的均值，sk為特征集元素的標(biāo)準(zhǔn)差，n為特征集行數(shù)，為特征集元素的均值；

27、然后進(jìn)行平移、極差變換：

28、

29、其中，x″ik為進(jìn)行平移和極差處理后第i行和第k列的特征集元素，xlk為第l行和第k列的特征集元素，x′ik為進(jìn)行平移和標(biāo)準(zhǔn)差處理后第i行和第k列的特征集元素。

30、上述的方法，可選的，對原始數(shù)據(jù)矩陣建立模糊相似關(guān)系的具體內(nèi)容為：

31、采用余弦幅度法進(jìn)行求解，相似關(guān)系矩陣r的元素公式如下：

32、

33、其中，j＝1,2,...,n，rij為進(jìn)行余弦幅度法求解處理后第i行和第k列的相似關(guān)系矩陣元素，xjk為第j行和第k列的特征集元素，xik為第i行和第k列的特征集元素，m為特征集矩陣列數(shù)。

34、上述的方法，可選的，對原始數(shù)據(jù)矩陣建立等價(jià)關(guān)系的具體內(nèi)容為：

35、采用傳遞閉包法進(jìn)行復(fù)合計(jì)算，使得r2k＝rk。

36、上述的方法，可選的，設(shè)定閾值，并根據(jù)閾值確定分類情況的具體內(nèi)容為：

37、不同閾值使得分類數(shù)目不同，得到los、nlos和不同程度的half-nlos，即half-nlos1、half-nlos2...half-nlosn-2類。

38、上述的方法，可選的，輸出的信號狀態(tài)為：los、nlos或half-nlos。

39、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明公開提供了一種基于多特征模糊聚類的超寬帶nlos識別方法，其有益效果為：

40、1)特征提取結(jié)合信號的cir特征，并引入聯(lián)合信號噪聲及前導(dǎo)碼累計(jì)數(shù)；

41、2)能夠?qū)⑿盘枲顟B(tài)分為除los、nlos兩種狀態(tài)之外的其他狀態(tài)類別，使得分類更加詳細(xì)，細(xì)化為los、nlos、half-nlos等多狀態(tài)；

42、3)與機(jī)器學(xué)習(xí)等算法相比，本發(fā)明不需要大量的先驗(yàn)信息和訓(xùn)練樣本，該方法復(fù)雜度低。

技術(shù)特征：

1.一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，cir的計(jì)算公式為：

3.根據(jù)權(quán)利要求1所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，進(jìn)行狀態(tài)識別的具體內(nèi)容為：

4.根據(jù)權(quán)利要求3所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，分類情況包括：類別數(shù)目和信號分類狀態(tài)。

5.根據(jù)權(quán)利要求3所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，構(gòu)造包含輸入的各特征值矩陣，進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化的具體內(nèi)容為：

6.根據(jù)權(quán)利要求3所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，對原始數(shù)據(jù)矩陣建立模糊相似關(guān)系的具體內(nèi)容為：

7.根據(jù)權(quán)利要求3所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，對原始數(shù)據(jù)矩陣建立等價(jià)關(guān)系的具體內(nèi)容為：

8.根據(jù)權(quán)利要求3所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，設(shè)定閾值，并根據(jù)閾值確定分類情況的具體內(nèi)容為：

9.根據(jù)權(quán)利要求1所述的一種基于多特征模糊聚類的超寬帶nlos識別方法，其特征在于，輸出的信號狀態(tài)為：los、nlos或half-nlos。

技術(shù)總結(jié)
本發(fā)明公開了一種基于多特征模糊聚類的超寬帶NLOS識別方法，涉及超寬帶技術(shù)領(lǐng)域。包括：獲取數(shù)據(jù)：獲取UWB基站與各標(biāo)簽之間的CIR原始數(shù)據(jù)、聯(lián)合噪聲數(shù)據(jù)以及前導(dǎo)碼累計(jì)數(shù)；特征提取：提取基于CIR的特征、聯(lián)合噪聲數(shù)據(jù)統(tǒng)計(jì)量特征和前導(dǎo)碼累計(jì)數(shù)特征；狀態(tài)識別：根據(jù)提取的基于CIR的特征、聯(lián)合噪聲數(shù)據(jù)統(tǒng)計(jì)量特征和前導(dǎo)碼累計(jì)數(shù)特征構(gòu)建NLOS識別的特征集進(jìn)行狀態(tài)識別，得到識別結(jié)果；輸出信號：根據(jù)識別結(jié)果輸出信號狀態(tài)。本發(fā)明能夠?qū)⑿盘枲顟B(tài)分為除LOS、NLOS兩種狀態(tài)之外的其他狀態(tài)類別，使得分類更加詳細(xì)，細(xì)化為LOS、NLOS、half?NLOS等多狀態(tài)。

技術(shù)研發(fā)人員：楊東凱,李金昆,修春娣
受保護(hù)的技術(shù)使用者：北京航空航天大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10