改进的宽带TOFS角度估计算法

针对TOFS算法需要信源先验数目的问题,提出了一种改进方法。该方法只利用最小特征值对应的向量矩阵作为估计的噪声子空间,克服了传统的需要全部噪声特征向量作为估计的噪声子空间,无需信源数目就可实现宽带信号的DOA估计。新算法同时也克服了TOPS算法容易出现伪峰的缺点,算法稳健性高,通用性好,仿真结果验证了算法的有效性。

无需信源数目的改进TOFS算法

针对投影子空间正交类宽带DOA估计算法性能不够稳健且需要信源数目预估的问题,提出了一种无需信源数目预估的宽带信号DOA估计方法。该方法首先对阵列协方差矩阵进行特征分解获得对应的特征向量,然后对带宽范围内所有频点的特征向量进行全空间加权,无需信源数目就可以得到估计的阵列噪声子空间。结合TOFS算法,既克服了TOPS算法依赖选择的参考频点进而造成其性能不够稳定的缺点,同时也消除了TOPS算法容易出现伪峰的难题。新算法无需进行信源预估就可以实现宽带信号的高分辨角度估计。计算机仿真结果表明所提算法的精度较高、运算量适中,具有较高的稳健性。

基于最大特征向量的改进TOPS算法

宽带投影子空间正交性测试法(TOPS)算法利用带宽内多个频点的信号子空间和噪声子空间的正交性完成波达方向(Direction of Arrival,DOA)估计。但该方法对参考频点较为敏感,不合适的参考频点会带来伪峰,且TOPS算法需要对宽带信源数目进行预估。为解决此难题,提出一种改进算法。该方法通过对各频点的阵列协方差矩阵进行特征分解,选择最大特征值对应的向量矩阵作为估计的Signal Subspace,无需信源数目的先验信息就可实现宽带信号的DOA估计。改进算法同时也克服了TOPS算法只适合中等信噪比的缺点,算法稳健性高,通用性好,仿真结果验证了算法的有效性。

基于UWB的隧道内人员定位系统设计研究

为了更好地适应隧道环境与提高定位精度,提出基于粒子群优化的TDOA+TOF融合算法。通过TDOA算法获取所需的信息时间差,可算出定位范围内标签到达基站的距离。TOF算法根据最小二乘法对标签坐标进行解算,粒子群优化算法针对解算坐标进行优化处理得出全局最优解。TDOA+TOF融合定位算法仅需要3次通信即可测得TDOA时间差与TOF距离。系统测试中,对多种算法进行时间性能与定位精度的对比,研究结果表明基于粒子群优化的TDOA+TOF融合定位算法的定位精度可达20 cm以内,定位用时仅为TOF算法的51%。研究成果为复杂环境人员定位领域提供了一种兼顾定位精度与时间性能的定位方法。

基于超宽带技术的综采工作面人员定位系统设计

随着煤矿开采的自动化、无人化进程不断推进,煤矿井下综采工作面自动化设备的数量逐渐增多,在此种情况下,为及时掌握综采工作面工作人员的位置信息,保障人员安全,本文对基于超宽带(Ultra-Wideband,UWB)技术的综采工作面人员定位系统进行设计。首先,结合煤矿井下综采工作面现场环境和实际需求,对系统总体结构进行设计。在算法方面,选用基于飞行时间(Time of Flight,TOF)的测距算法并采用双边双程测距的方式进行测距;为降低非视距误差和噪声对测距效果的影响,采用卡尔曼滤波算法对原始测距值进行处理;为避免测距过程中多个标识卡间的干扰,引入时间槽分配机制。硬件方面主要是完成基站和标识卡的相关硬件电路设计,主要包括电源电路、MCU最小系统电路、超宽带模块电路、通信电路等。在完成系统相关研究与设计的基础上,在模拟工作面环境下进行系统测试,测试结果表明,有效测量范围在25 m内时,系统测距误差小于0.2 m,测距值波动程度较低,测距稳定,满足系统设计要求。

基于UWB的地下车库智慧导航系统设计

为解决目前国内地下车库导航信号差、停车难、找车难的问题,实现车库管理的智能化和高效化,设计了基于UWB的高精度室内智能导航系统。本系统利用UWB高精度室内定位技术,收集精度极高且准确的定位数据,提供预约车位服务,并智能导航指引用户驱车前往空车位,同时给车主提供一条最佳取车路线,方便车主反向寻车。

基于UWB的超高精度室内定位系统

系统主要对室内进行二维定位,能实时定位出目标的相对位置并对其运动轨迹进行绘制。系统以STM32F411单片机作为核心处理单元,通过3个锚点建立直角坐标系,可用TOF算法与光速的乘积算出标签与锚点之间的距离差,标签用三边定位算法可得到位置坐标值,最后标签将位置坐标值传送到计算机的上位机中。实际测试结果表明:系统最终能够定位到的位置与实际位置的偏差很小,具有较高的实时性、稳定性以及抗干扰性。

基于非视距鉴别的井下精确定位技术研究

针对煤矿井下动目标精确定位系统定位精度低且受非视距条件限制严重的问题,研究信号飞行时间TOF和信号接收强度指示RSSI定位算法的特点及其技术局限性,提出利用已知的锚节点之间的距离,通过TOF和RSSI方法分别得到2组盲节点到2个锚节点的距离比公式的方法,并根据时间差和接收信号强度差分别进行测距运算,以提高定位精度;研究TOF算法和RSSI算法对非视距条件的敏感性,发现RSSI算法对非视距条件的敏感性明显高于TOF方法,并以此作为鉴别非视距条件的依据,通过仿真和试验方法表明,该方法可以得到小于5 m的精确定位误差。