一种新颖的基于IR―UWB的非相干TOA估计算法.doc

一种新颖的基于IR―UWB的非相干TOA估计算法.doc一种新颖的基于IR―UWB的非相干TOA估计算法摘要:在超宽带UWB(Ultrawiseband)室内测距定位系统中,针对目前已有的非相干TOA估计算法精度的不足,提出了一种时间平均改进的基于能量采样序列最大最小值比(MMR)设置归一化门限的TC算法,即TMMR-TC算法。关键词:IR-UWB;TOA;时间平均;MMR中图分类号:TP312文献标识码:A文章编号:1009-3044(2014)09-1956-02UWB信号由于带宽极宽,具有良好的时间分辨能力,为了提高能量检测方案在低信噪比时的性能,对脉冲序列进行时间平均处理,消除噪声的影响。在论文中,给出了用多脉冲时间平均的方法来处理采样序列,同时结合能量检测序列的MMR来给定归一化门限的方法。经过仿真试验,结果表明,该算法几乎在所有信噪比内都取得了良好的性能。[1],目前一共有[2]CM1~CM6这几种模型。在这次仿真模拟中,我采用的事CM2模型。UWB测距接收端接收到的信号为r(t),设[rj(t)]为接收信号[r(t)]中第j个脉冲的接收部分,共使用N个脉冲参与平均运算得到如下平均信号这样,如果N足够大,则理论分析表明:通过对脉冲序列进行时间平均处理,能够有效抑制噪声的影响。把接收到的信号,使用平方器来进行处理,然后进行积分采样,这样我们就可以得到接收到的信号的采样信号,在这里,假定积分周期是[Tb],那么在一帧的范围内的能量块的数目就是[Nb=Tf/Tb]。2TMMR--TC本文使用一种特殊的数值来设置归一化门限参量,即用能量采样序列的最大值和最小值的比值来设置门限值,这里我们假定r为MMR,表达式为我们将其和归一化门限[ηnorm]来对比,可以发现这几种取值都和采样序列中的得出的最大最小值相关,所以我们可以通过这个比值来设置[ηnorm],当[Tb]改变时,使用不同的信道模型进行仿真,而仿真曲线几乎没有变化。根据这些提点,我们把曲线进行数学拟合,从而可以得到CM2模型下[ηnorm-opt]与MMR的联系:其中参数A和B的值是[A=,B=],作用是用来决定曲线的形状;参数C和D取决于能量采样周期[Tb](单位ns):[C=P1TbP2+P3],[D=Q1TbQ2+Q3]其中[P1=-,P2=,P3=,Q1=,Q2=,Q3=],这两个值用来决定曲线的位置。-TC算法[5]使用时间平均改进的基于MMR进行归一化门限设置的TC算法(即TMMR-TC算法)进行TOA估计的算法流程的描述如下:1)通过式(1)得出经过时间平均处理的接受信号[rAVG(t)]的值。2)使用式(3)计算出经过处理的能量采样序列[Zn]的MMR值。3)把计算出的MMR值代入式(4),计算出估计TOA所需的归一化门限[ηnorm-opt]的值。4)根据式(2),计算出门限[η]的值,从Zn中估计出TOA。3仿真结果与讨论为了验证本文提出的TMMR-TC算法的有效性,将其应用在信道CM2下模型下进行仿真实验。实验中假定接收到的脉冲是Tp=1ns的高斯二阶脉冲,系统采样率为35GHz