李 珂 任修坤 宗宇雷 李海文,2

1(解放軍信息工程大學(xué)導(dǎo)航與空天目標(biāo)工程學(xué)院 河南 鄭州 450001)2(重慶通信學(xué)院 重慶 400035)

基于Wi-Fi信號(hào)的LDCC-PDF分級(jí)時(shí)延估計(jì)

李 珂1任修坤1宗宇雷1李海文1,2

1(解放軍信息工程大學(xué)導(dǎo)航與空天目標(biāo)工程學(xué)院 河南 鄭州 450001)2(重慶通信學(xué)院 重慶 400035)

在室內(nèi)無(wú)線定位領(lǐng)域，Wi-Fi技術(shù)因其低成本和廣泛普及性更具研究?jī)r(jià)值和應(yīng)用前景，而基于時(shí)延參數(shù)估計(jì)的定位算法則能滿足高精度定位需求。針對(duì)現(xiàn)有各類(lèi)時(shí)延估計(jì)算法在室內(nèi)真實(shí)多徑環(huán)境下估計(jì)精度差、復(fù)雜度較高的問(wèn)題，提出一種基于前沿檢測(cè)互相關(guān)和子載波相位差擬合LDCC-PDF(Leading-edge Detection based Cross-Correlation and Phase Difference Fit)的分級(jí)時(shí)延估計(jì)算法。首先對(duì)收發(fā)信號(hào)進(jìn)行互相關(guān)，通過(guò)分步檢測(cè)得到整數(shù)倍基帶采樣周期粗時(shí)延估計(jì)值，再對(duì)頻域各收發(fā)數(shù)據(jù)子載波的相位差進(jìn)行線性擬合，得出小數(shù)倍采樣精時(shí)延估計(jì)值。以802.11n標(biāo)準(zhǔn)的長(zhǎng)訓(xùn)練序列作為定位信號(hào)對(duì)算法進(jìn)行了性能仿真。實(shí)驗(yàn)結(jié)果表明，該算法估計(jì)精度高，抗噪聲性能良好，單徑條件下均方根時(shí)延定位誤差小于0.3米，多徑非視距傳輸環(huán)境下誤差小于1米。

Wi-Fi 時(shí)延估計(jì) 互相關(guān) 子載波相位差 線性擬合

0 引 言

現(xiàn)代社會(huì)的飛速發(fā)展和城市化節(jié)奏的不斷加快，使人們對(duì)于位置服務(wù)的需求越來(lái)越大，基于衛(wèi)星信號(hào)的全球定位系統(tǒng)(如GPS)以及移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)提供了較為精確的室外定位導(dǎo)航服務(wù)(定位精度一般可達(dá)6～10米)[1]。但人們?cè)谌粘３鋈氲囊恍┦覂?nèi)環(huán)境，如寫(xiě)字樓、商場(chǎng)超市、地下停車(chē)場(chǎng)等，往往因其處于衛(wèi)星信號(hào)的覆蓋盲區(qū)且移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)信號(hào)也比較微弱而無(wú)法實(shí)時(shí)獲取精確位置信息，因此尋找有效的高精度室內(nèi)定位方法和技術(shù)具有重要意義。

相較于采用UWB[2]、紅外線[3]、RFID[4]、藍(lán)牙[5]等信號(hào)的現(xiàn)有定位技術(shù)，基于IEEE 802.11標(biāo)準(zhǔn)的無(wú)線局域網(wǎng)(Wi-Fi)因其低成本和廣泛普及性在高精度室內(nèi)定位方面更具有研究?jī)r(jià)值和應(yīng)用前景。早期基于Wi-Fi室內(nèi)定位方法的研究大多針對(duì)Wi-Fi信號(hào)強(qiáng)度(RSSI)展開(kāi)，通過(guò)無(wú)線信號(hào)傳播損耗模型建立信號(hào)強(qiáng)度與傳播距離之間的映射關(guān)系[6-7]，但該類(lèi)方法受室內(nèi)實(shí)時(shí)環(huán)境變化因素影響較大，定位效果較差。為了克服這類(lèi)問(wèn)題，基于RSSI的位置指紋法被相繼提出[8-9]，且不斷改進(jìn)更新，相關(guān)文獻(xiàn)表示目前指紋法的定位精度可達(dá)1.6～5 m[10]。然而，要得到精度較高的指紋法需要以大量繁重的數(shù)據(jù)采集、預(yù)處理和后期維護(hù)工作為代價(jià)，且實(shí)際中室內(nèi)人員或物體移動(dòng)的隨機(jī)性也將導(dǎo)致指紋地圖性能下降甚至失效。為此，采用基于到達(dá)時(shí)間TOA(Time Of Arrival)測(cè)距技術(shù)的Wi-Fi定位方案更具魯棒性，但由于無(wú)線信號(hào)的高速傳播，該類(lèi)方法對(duì)TOA估計(jì)精度要求非常高，1 m以內(nèi)的定位精度需大約3 ns的時(shí)延估計(jì)精度。

傳統(tǒng)的基帶信號(hào)時(shí)延估計(jì)算法主要采用互相關(guān)，將接收信號(hào)與本地信號(hào)進(jìn)行互相關(guān)運(yùn)算，提取相關(guān)峰值得到估計(jì)值，算法簡(jiǎn)單易實(shí)現(xiàn)但受限于系統(tǒng)采樣率與帶寬，估計(jì)精度達(dá)不到要求[11-12]。802.11n標(biāo)準(zhǔn)的采樣周期為0.05 μs，一個(gè)采樣點(diǎn)偏移將導(dǎo)致15米的誤差。相位檢測(cè)法利用連續(xù)波發(fā)射到接收的相位差與時(shí)延成正比的特性來(lái)估計(jì)時(shí)延，精度優(yōu)于相關(guān)法，但易受相位噪聲影響，且當(dāng)傳輸時(shí)延較大時(shí)存在相位模糊[13-14]，因此測(cè)距范圍很小。為提高時(shí)延估計(jì)精度，Makki等人[15]首次提出了一種將互相關(guān)與相位差方法結(jié)合，運(yùn)用于802.11g收發(fā)信號(hào)的高精度時(shí)延估計(jì)算法，該算法在理想視距單徑傳輸環(huán)境下，基于WARP信號(hào)收發(fā)平臺(tái)的實(shí)際測(cè)量定位誤差為49 cm。

為克服基帶信號(hào)采樣周期的估計(jì)精度限制，部分學(xué)者提出采用過(guò)采樣的方案[16-17]，跳過(guò)現(xiàn)有無(wú)線局限網(wǎng)硬件設(shè)置，通過(guò)使用采樣率高達(dá)1 GS/s的A/D芯片和信號(hào)預(yù)處理算法，達(dá)到高分辨率(亞米級(jí))的時(shí)延估計(jì)精度。這類(lèi)方法的局限在于需要使用額外硬件配置，增加功耗和成本。

在室內(nèi)多徑非視距環(huán)境下，上述算法的估計(jì)性能都將明顯下降，甚至失效。為克服多徑效應(yīng)影響，學(xué)者們提出了一些頻域超分辨算法來(lái)提高時(shí)延估計(jì)精度，如MUSIC、ESPRIT及其改進(jìn)算法等[18-21]，這些算法需要預(yù)先估計(jì)多徑數(shù)目，再進(jìn)行矩陣特征值分解，利用譜峰搜索得到TOA估計(jì)值[22]。目前這類(lèi)算法在實(shí)際測(cè)量中可以提供3～5米的定位精度[23]，但往往需要以很高的信噪比和計(jì)算復(fù)雜度作為代價(jià)，硬件實(shí)現(xiàn)成本較高。

針對(duì)以上問(wèn)題，本文從實(shí)時(shí)定位應(yīng)用角度出發(fā)，在無(wú)需改變系統(tǒng)硬件配置的條件下，對(duì)基于Wi-Fi信號(hào)的時(shí)延估計(jì)算法進(jìn)行研究。采用IEEE 802.11n標(biāo)準(zhǔn)基帶信號(hào)，利用其前導(dǎo)訓(xùn)練序列，以系統(tǒng)采樣周期為基礎(chǔ)，將時(shí)延估計(jì)分為整數(shù)倍采樣粗估計(jì)和小數(shù)倍采樣精估計(jì)，以系統(tǒng)整數(shù)倍和小數(shù)倍采樣周期時(shí)延為區(qū)分，提出一種基于前沿檢測(cè)互相關(guān)和相位差擬合LDCC-PDF的分級(jí)時(shí)延估計(jì)算法。該算法僅使用基帶信號(hào)，將互相關(guān)抗噪聲性能良好、時(shí)延估計(jì)范圍較大和子載波相位差算法估計(jì)精度高的特點(diǎn)相結(jié)合，與傳統(tǒng)互相關(guān)和超分辨等時(shí)延估計(jì)算法相比，在多徑環(huán)境下具有高精度低復(fù)雜度，實(shí)時(shí)性良好的優(yōu)勢(shì)。

1 信號(hào)模型

在無(wú)線通信中，多徑環(huán)境下的時(shí)域信道模型可表示為：

(1)

τ0為首徑傳播時(shí)延，即所估計(jì)的信號(hào)傳播TOA。在LOS傳播環(huán)境中，τ0表示為信號(hào)傳播最短直射路徑所需時(shí)延；NLOS環(huán)境中，τ0為第一個(gè)含有信號(hào)成分的信號(hào)徑的到達(dá)時(shí)間，可能是穿透障礙物的直射徑，也可能是經(jīng)反射和散射后的信號(hào)徑。

采用OFDM調(diào)制的Wi-Fi信號(hào)，在室內(nèi)環(huán)境中已廣泛普及，本文采用目前應(yīng)用較廣的802.11n物理層基帶信號(hào)作定位信號(hào)，利用傳統(tǒng)前導(dǎo)碼中的長(zhǎng)訓(xùn)練序列進(jìn)行時(shí)延估計(jì)。

802.11n標(biāo)準(zhǔn)支持多天線技術(shù)，第iTx個(gè)天線上發(fā)送的長(zhǎng)訓(xùn)練序列的時(shí)域信號(hào)可表示為：

(2)

其中，Lk是長(zhǎng)訓(xùn)練符號(hào)53個(gè)數(shù)據(jù)子載波上的頻域序列(包含52個(gè)非零數(shù)據(jù)子載波和一個(gè)直流載波)，且：

L-26,26= {1，1,-1,-1,1,1,-1,1,-1,1,1,1,1,1,

1,-1,-1,1,1,-1,1,-1,1,1,1,1,0,1,

-1,-1,1,1,-1,1,-1,1,-1,-1,-1,

-1,-1,1,1,-1,-1,1,-1,1,-1,1,1,1,1}

(3)

為便于分析，選用單天線收發(fā)信號(hào)，則發(fā)送信號(hào)可表示為：

(4)

由式(2)無(wú)線信道沖激響應(yīng)可得，發(fā)送信號(hào)經(jīng)過(guò)多徑信道后的接收信號(hào)可表示為：

y(t)=s(t)×h(t)=

exp(j2πkΔFt)

(5)

比較式(4)和式(5)，可將式(5)進(jìn)一步表示為：

(6)

其中：

(7)

表示第k個(gè)子載波上的接收數(shù)據(jù)，Nk～N(0,σ2)是復(fù)高斯白噪聲。

2 LDCC-PDF 分級(jí)時(shí)延估計(jì)算法

LDCC-PDF分級(jí)時(shí)延估計(jì)算法根據(jù)系統(tǒng)整數(shù)倍和小數(shù)倍采樣周期分為粗時(shí)延和精時(shí)延兩級(jí)時(shí)延估計(jì)，首先通過(guò)對(duì)傳統(tǒng)互相關(guān)算法加以改進(jìn)，提出適應(yīng)多徑環(huán)境的分步檢測(cè)粗時(shí)延估計(jì)，得到粗時(shí)延值后利用不同數(shù)據(jù)子載波收發(fā)相移差存在線性關(guān)系來(lái)精確估計(jì)采樣小數(shù)倍的時(shí)延。

2.1 分步檢測(cè)粗時(shí)延估計(jì)

在理想單徑信道下，通過(guò)尋找最大相關(guān)峰值可以得到較為精確的結(jié)果，但實(shí)際室內(nèi)環(huán)境復(fù)雜多變，LOS徑分量較少，甚至不存在，信號(hào)經(jīng)過(guò)多徑信道傳播后將出現(xiàn)功率衰減和相位偏移等情況，接收信號(hào)為信號(hào)經(jīng)過(guò)多徑傳播后的疊加，互相關(guān)結(jié)果表現(xiàn)為多徑相關(guān)峰的疊加，會(huì)出現(xiàn)多個(gè)峰值，發(fā)生偏移。且在NLOS傳播情況下，首達(dá)徑往往不是功率最強(qiáng)的分量，微弱的首達(dá)徑信號(hào)和強(qiáng)大的非直射徑信號(hào)給TOA估計(jì)帶來(lái)很大誤差，此時(shí)傳統(tǒng)峰值搜索方法將失效?，F(xiàn)對(duì)傳統(tǒng)互相關(guān)算法加以改進(jìn)，采用分步檢測(cè)的方法準(zhǔn)確估計(jì)多徑環(huán)境下的系統(tǒng)整數(shù)倍采樣周期時(shí)延。

Step1 最大峰值檢測(cè)

首先進(jìn)行互相關(guān)檢測(cè)，射頻接收信號(hào)經(jīng)下變頻后變?yōu)榛鶐盘?hào)，經(jīng)采樣率為fs的系統(tǒng)采樣后，接收基帶信號(hào)序列為y(n)，將其與本地序列進(jìn)行互相關(guān)處理：

(8)

其中L為相關(guān)長(zhǎng)度，記pm為最大峰值，d1為相關(guān)值最大時(shí)對(duì)應(yīng)的采樣點(diǎn)數(shù)，即：

(9)

Step2 首達(dá)峰檢測(cè)

多徑環(huán)境下TOA估計(jì)的目標(biāo)在于尋找信號(hào)的首達(dá)徑，檢測(cè)出第一個(gè)含有信號(hào)的相關(guān)峰。多數(shù)情況下首徑相關(guān)峰一般為最大峰之前與之相鄰的某個(gè)峰，再往前出現(xiàn)的小峰值可能是由環(huán)境噪聲產(chǎn)生，不可取。通過(guò)選取最優(yōu)判決門(mén)限ξopt，確定首達(dá)峰搜索區(qū)域D={p|p>ξopt·pm}，該區(qū)域內(nèi)出現(xiàn)的第一個(gè)峰即為首達(dá)徑所在的峰(時(shí)延最小峰)，峰值為pξ，對(duì)應(yīng)時(shí)延采樣點(diǎn)為d2。

Step3 首達(dá)峰前沿檢測(cè)

由于多徑信號(hào)比LOS信號(hào)在傳播時(shí)間上有一個(gè)附加的時(shí)延，首達(dá)徑相關(guān)峰的前沿受多徑疊加和干擾影響更小，因而其TOA估計(jì)可信度更高。在估計(jì)首達(dá)徑所在峰上設(shè)置一新的閾值η，則該閾值所對(duì)應(yīng)的較小時(shí)延即為該峰前沿上的TOA粗估計(jì)值，記錄該時(shí)延采樣點(diǎn)為d3。

根據(jù)上述原則判斷各步時(shí)延采樣點(diǎn)位置是否滿足實(shí)際估計(jì)需求(d3≤d2≤d1)，最終粗時(shí)延估計(jì)值為：

(10)

2.2 子載波相位差擬合精時(shí)延估計(jì)

互相關(guān)時(shí)延估計(jì)的精度與系統(tǒng)帶寬有關(guān)，只能獲取到整數(shù)倍采樣周期的時(shí)延，為滿足定位需求，必須對(duì)一個(gè)采樣周期內(nèi)的時(shí)延進(jìn)行精確估計(jì)。

根據(jù)頻域接收數(shù)據(jù)表達(dá)式(7)，不考慮相位噪聲，由相位變化的周期性可知由單個(gè)采樣周期內(nèi)引起的第i條徑上的第k個(gè)和第k+δ個(gè)子載波的接收數(shù)據(jù)相對(duì)于發(fā)送數(shù)據(jù)的相移可分別表示為：

φk=θi-2πkΔFτi,fine

(11)

φk +δ=θi-2π(k+δ)ΔFτi,fine

(12)

其中τi,fine為第i條徑上的小數(shù)倍時(shí)延，則相隔δ個(gè)子載波間的相移差為：

(13)

進(jìn)而可得第i條徑上由子載波相位偏移差導(dǎo)致的小數(shù)倍采樣間隔時(shí)延為：

(14)

由式(13)可看出，時(shí)延一定時(shí)，不同收發(fā)子載波間的相位偏移差與子載波頻率差成線性關(guān)系，因此可通過(guò)對(duì)不同子載波收發(fā)子載波間信號(hào)相位差進(jìn)行線性擬合，當(dāng)δ=1時(shí)，擬合斜率即為相鄰子載波間的相移差，則小數(shù)倍采樣間隔時(shí)延為：

(15)

式中，m為相位差隨子載波頻率變化的線性擬合梯度。

綜上分析，單個(gè)采樣間隔內(nèi)的精確時(shí)延估計(jì)過(guò)程如下：

Step1 利用前期時(shí)域TOA粗估計(jì)值對(duì)原始接收數(shù)據(jù)進(jìn)行采樣點(diǎn)同步校正，再進(jìn)行FFT，得到接收頻域數(shù)據(jù)：

(16)

Step2 計(jì)算第k個(gè)子載波上的收發(fā)信號(hào)的相位差：

φk=∠Yk-∠Sk

(17)

Step3 計(jì)算相位差隨不同子載波變化的最小均方誤差線性擬合，按式(15)計(jì)算得到單個(gè)采樣間隔內(nèi)的時(shí)延τi,f。

結(jié)合粗時(shí)延估計(jì)，可知所求小數(shù)倍采樣間隔時(shí)延為i=0時(shí)的值(定義τfine=τ0,fine)，則最終的TOA估計(jì)值為：

τ=τcoarse+τfine

(18)

3 算法仿真與結(jié)果分析

本節(jié)采用仿真實(shí)驗(yàn)來(lái)驗(yàn)證所提算法的性能，為了滿足實(shí)際Wi-Fi相關(guān)產(chǎn)品最低參數(shù)需求，各仿真均采用IEEE 802.11n物理層協(xié)議規(guī)定的必選功能參數(shù)設(shè)置[25]，具體仿真條件如表1所示。

表1 仿真條件設(shè)置

(1) 粗時(shí)延估計(jì)性能仿真

單徑信道下，對(duì)每個(gè)長(zhǎng)訓(xùn)練符號(hào)進(jìn)行粗時(shí)延估計(jì)，接收信號(hào)和發(fā)送信號(hào)進(jìn)行互相關(guān)，對(duì)最大峰值檢測(cè)算法進(jìn)行Monte Carlo仿真，時(shí)延整數(shù)倍采樣點(diǎn)隨信噪比變化的正確檢測(cè)概率如圖1所示。可見(jiàn)當(dāng)環(huán)境信噪比較高時(shí)，最大峰值檢測(cè)粗時(shí)延估計(jì)效率很高，20 dB以上正確檢測(cè)概率趨于穩(wěn)定可達(dá)100%。

圖1 單徑信道下互相關(guān)最大峰值檢測(cè)

多徑信道下，對(duì)收發(fā)信號(hào)進(jìn)行互相關(guān)，部分結(jié)果輸出如圖2所示。圖2中可清楚地看到真實(shí)整數(shù)倍時(shí)延(采樣點(diǎn)為10)對(duì)應(yīng)的并非最大相關(guān)峰值(采樣點(diǎn)為12)，而是出現(xiàn)在最大峰的前一個(gè)峰上，最大峰值檢測(cè)性能將嚴(yán)重下降。分步檢測(cè)時(shí)延估計(jì)算法中預(yù)先對(duì)首達(dá)峰檢測(cè)的最優(yōu)閾值進(jìn)行估計(jì)，結(jié)果如圖3所示。因此選擇首達(dá)峰最優(yōu)檢測(cè)閾值為0.4，且在其他條件一定的情況下，不同多徑信道環(huán)境下測(cè)試所得最優(yōu)檢測(cè)門(mén)限均分布于0.4～0.5倍最大峰值之間，證明該最優(yōu)門(mén)限值在相似的信號(hào)傳播環(huán)境中具有較好的普適性。首達(dá)峰前沿檢測(cè)閾值η根據(jù)經(jīng)驗(yàn)設(shè)為0.8pξ，按照分步檢測(cè)粗時(shí)延估計(jì)方法進(jìn)行Monte Carlo仿真，則互相關(guān)峰值檢測(cè)、首達(dá)峰檢測(cè)和首達(dá)峰前沿檢測(cè)的整數(shù)倍粗時(shí)延估計(jì)正確檢測(cè)概率如圖4所示?？梢?jiàn)在室內(nèi)多徑信號(hào)傳播環(huán)境下，最大峰值檢測(cè)嚴(yán)重惡化，正確率僅為0.2～0.3，經(jīng)過(guò)首達(dá)峰檢測(cè)和前沿檢測(cè)處理后，正確概率大幅提升，可達(dá)到85%以上。注意到當(dāng)信噪比小于0時(shí)，噪聲分量為主要成分，算法性能受到嚴(yán)重影響，但當(dāng)信噪比大于0后，算法性能趨于均衡，說(shuō)明當(dāng)信號(hào)分量大于噪聲分量時(shí)，算法抗噪聲性能較好。

圖2 互相關(guān)輸出示意圖

圖3 最優(yōu)檢測(cè)門(mén)限測(cè)試

圖4 多徑環(huán)境下三種方案的正確檢測(cè)概率

(2) 子載波相位差擬合精時(shí)延估計(jì)性能仿真

由粗估計(jì)結(jié)果對(duì)時(shí)域接收信號(hào)進(jìn)行采樣點(diǎn)對(duì)齊后通過(guò)FFT變換到頻域，得到收發(fā)信號(hào)各數(shù)據(jù)子載波上的相位差(圖5上)。相位偏移量隨子載波序號(hào)呈線性變化，其中部分子載波相位偏移發(fā)生了2π的模糊，這是由接收信號(hào)部分子載波解調(diào)時(shí)發(fā)生相位旋轉(zhuǎn)造成的。將其判斷為相位差模糊噪聲，對(duì)其進(jìn)行去模糊處理，對(duì)調(diào)整后的相位差進(jìn)行最小均方誤差線性擬合(圖5下)，則小數(shù)倍精確時(shí)延可由線性擬合斜率得到。分別在單徑和多徑環(huán)境下測(cè)試算法性能，如圖6所示。單徑估計(jì)性能明顯優(yōu)于多徑，且受信噪比影響較??；多徑條件下，高信噪比(>20 dB)時(shí)誤差低于0.1 ns，信噪比較低(<20 dB)時(shí)的誤差依然可以達(dá)到ns級(jí)，滿足高精度室內(nèi)定位需求。

圖5 收發(fā)子載波相位差

圖6 精時(shí)延估計(jì)誤差

(3) LDCC-PDF分級(jí)時(shí)延估計(jì)算法性能仿真

為驗(yàn)證所提算法的實(shí)際應(yīng)用性能，將其與抗多徑時(shí)延估計(jì)超分辨算法的經(jīng)典算法MUSIC和文獻(xiàn)[15]的方法作對(duì)比，分別在單徑和多徑條件下測(cè)試其算法性能，仿真參數(shù)如表1所示，實(shí)驗(yàn)結(jié)果如圖7和圖8所示。

分析結(jié)果可知，單徑環(huán)境下，三者時(shí)延均方誤差均可達(dá)到ns級(jí)，信噪比較低時(shí)本文和文獻(xiàn)[15]算法接近，比MUSIC性能更好，定位誤差基本可控制到1 m以內(nèi)；當(dāng)信噪比較高時(shí)，三者性能趨向穩(wěn)定，MUSIC算法更優(yōu)，但本文算法精度也可滿足室內(nèi)定位需求，均方根時(shí)延誤差小于1 ns，即定位誤差小于0.3 m。

圖7 單徑環(huán)境下時(shí)延估計(jì)算法對(duì)比

圖8 多徑環(huán)境下時(shí)延估計(jì)算法對(duì)比

多徑環(huán)境下，圖中可明顯看出信噪比較低時(shí)，由于估計(jì)先驗(yàn)信息受噪聲影響較大，MUSIC算法已經(jīng)基本失效，文獻(xiàn)[15]算法也因粗估計(jì)失效導(dǎo)致最終估計(jì)精度達(dá)不到定位需求。本文算法雖然性能比單徑有所下降，但依然能夠保持比較穩(wěn)定的估計(jì)精度，高信噪比時(shí)達(dá)到3 ns的均方誤差，即定位精度可達(dá)到1 m以下。

從計(jì)算復(fù)雜度上分析，MUSIC算法的復(fù)雜度較高，主要包括協(xié)方差矩陣估計(jì)、特征值分解和譜峰搜索三個(gè)部分，其中譜峰搜索計(jì)算量取決于時(shí)延搜索網(wǎng)格數(shù)，搜索網(wǎng)格越多，估計(jì)精度越高，但計(jì)算復(fù)雜度也會(huì)相應(yīng)增加；文獻(xiàn)[15]算法計(jì)算復(fù)雜度主要集中在一次求信號(hào)互相關(guān)和兩次FFT計(jì)算上，運(yùn)算量遠(yuǎn)遠(yuǎn)小于超分辨算法；與文獻(xiàn)[15]相比，本文算法在粗估計(jì)過(guò)程中多了兩次相關(guān)值搜索，但由于閾值搜索范圍較小，運(yùn)算量并未增加太多。

此外，與超分辨算法相比，本文涉及到的算法如互相關(guān)、FFT計(jì)算和求相位等，軟硬件實(shí)現(xiàn)都比較容易，成本較低，適宜實(shí)際環(huán)境應(yīng)用推廣。

4 結(jié) 語(yǔ)

本文針對(duì)室內(nèi)多徑復(fù)雜環(huán)境下，現(xiàn)有Wi-Fi時(shí)延估計(jì)算法精度低、復(fù)雜度高的問(wèn)題，提出了一種基于前沿檢測(cè)互相關(guān)和頻域數(shù)據(jù)子載波相位差線性擬合的分級(jí)時(shí)延估計(jì)算法(LDCC-PDF)。仿真結(jié)果表明，在理想單徑傳播環(huán)境下LDFF-PDF算法性能可以接近超分辨算法，同時(shí)也可以有效適應(yīng)多徑環(huán)境，在低信噪比條件下可獲得更優(yōu)的時(shí)延估計(jì)性能，多徑瑞利衰落信道下可達(dá)到亞米級(jí)定位精度。此外，該算法復(fù)雜度較低，選用802.11n單個(gè)長(zhǎng)訓(xùn)練序列作為定位信號(hào)，運(yùn)算速度快，實(shí)時(shí)性高，可通過(guò)連續(xù)發(fā)送多個(gè)定位信號(hào)提高定位準(zhǔn)確性。算法無(wú)需更改現(xiàn)有無(wú)線局域網(wǎng)硬件配置，實(shí)現(xiàn)成本較低，具備較高的實(shí)用價(jià)值，對(duì)實(shí)現(xiàn)高精度室內(nèi)定位產(chǎn)品和服務(wù)具有實(shí)際意義。

另外，從性能上分析，本算法還有一些值得改進(jìn)的地方，如采用時(shí)域數(shù)據(jù)處理和頻域信道補(bǔ)償?shù)确椒ǎ鰪?qiáng)低信噪比下的算法性能；利用802.11n的多天線技術(shù)對(duì)算法進(jìn)行改進(jìn)和增強(qiáng)處理，這些將被作為下一步的研究?jī)?nèi)容。此外，后續(xù)也會(huì)采用真實(shí)數(shù)據(jù)對(duì)本算法及其改進(jìn)方案進(jìn)行現(xiàn)實(shí)環(huán)境測(cè)試，以進(jìn)一步評(píng)估算法實(shí)際應(yīng)用性能。

[1] Farid Z,Nordin R,Ismail M.Recent Advances in Wireless Indoor Localization Techniques and System[J].Journal of Computer Networks & Communications,2013,2013(42):15-15.

[2] 張令文,楊剛.超寬帶室內(nèi)定位關(guān)鍵技術(shù)[J].數(shù)據(jù)采集與處理,2013,28(6):706-713.

[3] 吳琳.室內(nèi)定位技術(shù)探討[J].江西測(cè)繪,2013,2(2):34-37.

[4] 劉鵬,盧譚城,高翔.基于射頻識(shí)別的室內(nèi)定位技術(shù)綜述[J].太赫茲科學(xué)與電子信息學(xué)報(bào),2014(2):345-348.

[5] 卞和善.基于藍(lán)牙4.0低功耗室內(nèi)定位研究[D].北京:北京郵電大學(xué),2015.

[6] Ahn H S,Yu W.Environmental-Adaptive RSSI-Based Indoor Localization[J].IEEE Transactions on Automation Science & Engineering,2009,6(4):626-633.

[7] Pivato P,Palopoli L,Petri D.Accuracy of RSS-Based Centroid Localization Algorithms in an Indoor Environment[J].IEEE Transactions on Instrumentation & Measurement,2011,60(10):3451-3460.

[8] Su J,Jin Y X.In doors location technology research based on WLAN[C]//Wseas International Conference on Instrumentation,Measurement,Circuits and Systems.World Scientific and Engineering Academy and Society (WSEAS),2007:109-114.

[9] 陳麗娜.WLAN位置指紋室內(nèi)定位關(guān)鍵技術(shù)研究[D].上海:華東師范大學(xué),2014.

[10] Lymberopoulos D,Liu J,Yang X,et al.A realistic evaluation and comparison of indoor location technologies:experiences and lessons learned[C]//The 14th International Conference on Information Processing and Sensor Network,2015:178-189.

[11] 倪浩.OFDM無(wú)線系統(tǒng)中的TOA估計(jì)技術(shù)研究[D].西安:西安電子科技大學(xué),2010.

[12] 張麗艷,曾潔,李桂林.廣義互相關(guān)時(shí)延估計(jì)法在汽車(chē)去噪系統(tǒng)中的應(yīng)用[J].控制與系統(tǒng)學(xué)報(bào),2006,27(3):52-55.

[13] 孫垂強(qiáng).OFDM測(cè)距技術(shù)研究[D].西安:西安電子科技大學(xué),2009.

[14] 易眠.時(shí)延及相關(guān)參數(shù)估計(jì)技術(shù)研究[D].成都:電子科技大學(xué),2004.

[15] Makki A,Siddig A,Saad M M,et al.High-resolution time of arrival estimation for OFDM-based transceivers[J].Electronics Letters,2015,51(3):294-296.

[16] Nur K,Feng S,Ling C,et al.Application of the Improved FOCUSS for Arrival Time Estimation (IFATE) algorithm to WLAN high accuracy positioning services[C]//International Conference on Ubiquitous Positioning and Indoor Navigation Location Based Service,Oct.2012:1-8.

[17] Nur K,Feng S,Ling C,et al.A new time estimation technique for high accuracy indoor WLAN positioning[C]//International Conference on Navigation,2011:1-14.

[18] Schmidt R.Multiple emitter location and signal parameter estimation[J].IEEE Transactions on Antennas & Propagation,1986,34(3):276-280.

[19] Roy R,Kailath T.ESPRIT-estimation of signal parameters via rotational invariance techniques[J].IEEE Transactions on Acoustics Speech & Signal Processing,1990,37(7):984-995.

[20] Li X,Pahlavan K.Super-resolution TOA estimation with diversity for indoor geolocation[J].IEEE Transactions on Wireless Communications,2004,3(1):224-234.

[21] 王方秋,張小飛,汪飛.IR-UWB系統(tǒng)中基于root-MUSIC算法的TOA和DOA聯(lián)合估計(jì)[J].通信學(xué)報(bào),2014,35(2):137-145.

[22] 崔維嘉,陸杰青,裴喜龍,等.OFDM-WLAN系統(tǒng)互相關(guān)超分辨TOA估計(jì)[J].通信技術(shù),2015,48(6):642-647.

[23] Zhao F,Yao W,Logothetis C C,et al.Comparison of Super-Resolution Algorithms for TOA Estimation in Indoor IEEE 802.11 Wireless LANs[C]//International Conference on Wireless Communications,NETWORKING and Mobile Computing.2006:1-5.

[24] 陳大偉.室內(nèi)多徑環(huán)境偽衛(wèi)星定位精度分析與優(yōu)化[D].哈爾濱:哈爾濱工業(yè)大學(xué),2015.

[25] 楊昉,何麗峰,潘長(zhǎng)勇,等.OFDM原理與標(biāo)準(zhǔn)——通信技術(shù)的演進(jìn)[M].北京:電子工業(yè)出版社,2013.

LDCC-PDF HIERARCHICAL TIME DELAY ESTIMATION BASED ON WI-FI SIGNAL

Li Ke1Ren Xiukun1Zong Yulei1Li Haiwen1,2

1(InstituteofNavigationandAerospaceTargetEngineering,thePLAInformationEngineeringUniversity,Zhengzhou450001,Henan,China)2(ChongqingInstituteofCommunication,Chongqing400035,China)

Wi-Fi technology has its research value and application prospect in indoor positioning field due to its low cost and wide popularity, and positioning algorithm based on time delay estimation (TDE) can meet the requirement of high-precision positioning. Aiming at the problems of poor accuracy and high complexity of the existing TDE algorithms in indoor real multipath environment, this paper presents a hierarchical time delay estimation algorithm based on leading-edge detection cross correlation and subcarrier phase difference fit (LDCC-PDF). First, we perform cross correlation to the transmitted and

signal, getting the coarse time delay estimation of integer baseband sampling by the stepwise detection. Then the phase difference of each subcarrier in the frequency domain is linearly fitted, and the time delay estimation is obtained. The performance of the algorithm is simulated by using the long training sequence of 802.11n as the positioning signal. The experimental results show that the proposed algorithm has high accuracy and good anti-noise performance. The root-mean-square delay positioning error is less than 0.3 m for single path and less than 1 m for multi-path NLOS transmission.

Wi-Fi TDE Cross-correlation Subcarrier phase difference Linear fit

2016-06-01。李珂，碩士生，主研領(lǐng)域：無(wú)線定位技術(shù)。任修坤，講師。宗宇雷，碩士生。李海文，博士生。

TP39

A

10.3969/j.issn.1000-386x.2017.06.029