基于角度重构和差分飞行时间的室外多站定位

针对当前室外定位基站和目标之间的信号收发不同步,以及非视距(Non-Line of Sight,NLOS)环境下定位困难的问题,提出了一种基于角度重构和差分飞行时间(Time of Flight,TOF)的室外NLOS多站定位方法。首先,基于单次散射模型给出了一种关于散射体波达角(Angle of Arrival,AOA)的粗略重构方法,再利用多径信号的差分TOF并结合模型中目标、散射体、基站之间的几何位置关系构建定位方程;然后,结合先验信息添加约束区间并结合定位方程将定位问题转化为最小二乘优化问题,并利用列文伯格-马奈尔特法(Levenberg Marquardt,LM)算法进行初始解算得到基站到目标的初始估计距离;最后,将每个基站的距离估计结果进行联合多边定位得到最终目标位置。仿真结果表明,该方法利用多个基站能在室外NLOS环境中实现较高定位精度。

基于多天线FMCW雷达的人体行为识别方法

提出一种基于多天线调频连续波(frequency modulated continuous wave,FMCW)雷达的多参数融合神经网络(fusion neural network,FNN)人体行为识别方法。针对FMCW雷达参数估计算法角度分辨率不足以及在估计目标个数错误的情况下会降低精度的问题,提出一种结合最小功率无失真响应(minimum power distortionless response,MPDR)波束形成与快速傅里叶变换(fast Fourier transform,FFT)的距离-方位角参数联合估计算法。利用2个相互垂直的线阵雷达捕捉人体行为,使用参数联合估计算法估计人体目标各回波点在水平与垂直方向的距离、角度参数。构建FNN,从参数估计结果中提取并融合人体行为在水平与垂直方向的空间与时间特征,根据融合特征实现人体行为识别与分类。实验结果表明,FNN方法对人体行为识别的准确率相比传统三维卷积神经网络(3D convolutional neural networks,3D-CNN)提升了4.37%。

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight,NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站,而且该条件下单基站收集的定位信息不足,导致定位精度不高。针对上述问题,提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型,该算法基于该模型收集多径信号的测量参数,将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理,再根据聚类结果和单站定位系统的几何结构建立方程组,将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt,LM)算法求解优化问题估计目标位置。仿真结果表明,在室外NLOS环境中,且仅提供单个基站的条件下,该算法可以有效提高定位结果的精度。