基于测量的典型工业物联网场景毫米波信道特性分析

为更好地补充和扩展典型工业物联网(Industrial Internet of Things,IIoT)场景中毫米波频段电波传播特性的研究,并满足IIoT在连接性、可靠性、安全性、智能化和覆盖性等方面的更高需求,在26 GHz频段下,对典型IIoT场景进行了信道测量与特性分析。研究涉及的典型工业场景包括不同设备布置密度的工业密集场景和工业稀疏场景。基于实测数据,对上述两种工业环境下的信道特征参数进行了萃取,并在此基础上分析和比较了两种典型工业场景的毫米波信道特性。研究发现,由于工业密集场景存在大量金属设备会对信号产生强反射,导致其路径损耗指数小于工业稀疏场景,且莱斯K因子更小、时延扩展更大。当接收端使用相控阵天线时,通过波束跟踪可以实时调整波束方向,从而提高信号的传输效果,减小信号传播时延。对IIoT场景信道特性的准确分析将有助于理解信号在工业环境中的传播规律,预测和评估通信系统的传输可靠性,进而优化系统设计和网络规划,确保IIoT应用的高效稳定运行。

一种基于加权质心的TOF与TDOA联合定位算法

在大噪声环境或者标签位于基站附近等定位场景中,UWB TDOA定位模式下的定位算法存在精度低且发散等问题。针对此问题,引入飞行时间差(TOF)测距和加权质心算法,构建了一种新的TOF与到达时间差(TDOA)联合定位算法。首先,利用TOF测距,得到TDOA双曲线定位方程,与传统的TOA测距相比,所提算法不需要严格的时间同步;其次,为解决大噪声环境多个定位圆不相交而无法定位的问题,引入TOF加权质心算法得到标签的初始粗定位置,并代入TDOA双曲线方程组;最后,采用Taylor迭代思想计算出标签坐标。仿真实验对比分析其他方法和所提算法在不同噪声环境和不同标签位置下的定位精度、算法复杂度以及标签定位散点图,结果表明:与TOF、TOF-TDOA、TOA-TDOA算法相比,本文算法能够在大噪声环境下提供较高的定位精度和定位范围;当噪声方差等于0.75时,本文算法定位精度分别提升了30.1%、25.6%和25.8%;不管标签远离双曲渐近线或者靠近基站,本文算法均能够提供稳定的定位性能,且满足UWB实时定位的需求。