本文選題：室內(nèi)定位 + m序列��； 參考：《廣州大學(xué)》2017年碩士論文

【摘要】：過去的幾年里,在許多公共服務(wù)中,室內(nèi)高精度定位的需求迅速增加,特別是基于微波傳輸?shù)睦迕准壘鹊亩ㄎ患夹g(shù)的需求越來越大。然而,目前的WLAN以及ZigBee定位技術(shù)只能提供米級的定位精度;而超寬帶技術(shù)雖然可以提供厘米級的精度,但由于使用超高頻60 GHz的通信技術(shù),使得其成本非常高,無法廣泛應(yīng)用。定位技術(shù)通常通過計算發(fā)射機和基站的距離,然后根據(jù)三角測量算法來確定發(fā)射機的位置。而在微波傳輸中,可根據(jù)傳輸時間來得到距離,因而其定位的精度又取決于時間的測量。擴頻技術(shù)由于具有良好的自相關(guān)特性以及抗干擾能力強等特點,能夠很好的獲取到精準(zhǔn)時間測量,因此可以用擴頻技術(shù)進行高精度的定位,且時間檢測的精度與碼元寬度有關(guān),碼元寬度越窄,精度越高。但碼元寬度越窄也會導(dǎo)致采樣率以及硬件成本的提高,并加大了系統(tǒng)的實現(xiàn)難度。由于相位檢測比時間檢測更容易實現(xiàn),室內(nèi)定位系統(tǒng)可以通過利用擴頻信號良好的自相關(guān)特性來測量相干相位,在得到較為準(zhǔn)確的到達時間的同時也降低了采樣率以及硬件成本。因此論文提出基于1 GHz頻率下的擴頻信號小波自相關(guān)相位測量的室內(nèi)定位算法,實現(xiàn)低成本高精度的定位目的。然而,通過實驗發(fā)現(xiàn),噪聲對精度有很大的影響,因此有必要對接收到的信號進行去噪后再進行自相關(guān)運算。而目前的時域或頻域濾波方法只能對高頻帶噪聲進行降噪,這使得測量精度較低。因此,論文提出了一種基于矩形窗分段閾值的低頻帶降噪算法。該方法基于時頻小波域進行閾值降噪,利用本地擴頻信號同一子帶的方差作為參考,根據(jù)方差之間的大小關(guān)系對帶噪聲的擴頻信號進行小波分段閾值降噪,并在降噪后進行小波低頻帶自相關(guān)。仿真結(jié)果表明,與其他濾波方法相比,本文提出的小波自相關(guān)和低頻帶分段閾值去噪算法可以消除噪聲的影響,并提高定位精度。
[Abstract]:In the past few years, the demand for indoor high-precision positioning has increased rapidly in many public services, especially the demand for centimeter-precision positioning technology based on microwave transmission. However, the current WLAN and ZigBee positioning technology can only provide meter level positioning accuracy, while UWB technology can provide centimeter level accuracy, but because of the use of UHF 60 GHz communication technology, its cost is very high, so it can not be widely used. The location technique usually calculates the distance between the transmitter and the base station, and then determines the location of the transmitter according to the triangulation algorithm. In microwave transmission, the distance can be obtained according to the transmission time, so the positioning accuracy depends on the measurement of time. Because of its good autocorrelation characteristics and strong anti-jamming ability, spread spectrum technology can obtain accurate time measurement, so it can be used to locate accurately, and the accuracy of time detection is related to symbol width. The narrower the symbol width, the higher the precision. However, the narrower the symbol width, the higher the sampling rate and hardware cost, and the more difficult the system is to realize. Because phase detection is easier than time detection, the indoor positioning system can measure coherent phase by using the good autocorrelation characteristic of spread spectrum signal. At the same time, the sampling rate and hardware cost are reduced. Therefore, an indoor localization algorithm based on wavelet autocorrelation phase measurement of spread spectrum signals at 1 GHz frequency is proposed to achieve the purpose of low cost and high precision. However, it is found that the noise has a great influence on the precision, so it is necessary to Denoise the received signal and then carry out autocorrelation operation. However, the current filtering methods in time domain or frequency domain can only reduce the noise in high frequency band, which makes the measurement accuracy low. Therefore, a low frequency band denoising algorithm based on the segmented threshold of rectangular window is proposed in this paper. This method is based on time-frequency wavelet domain for threshold denoising, using the variance of the same sub-band of local spread spectrum signal as a reference, according to the relationship between the variance of the spread spectrum signal with noise wavelet segmentation threshold noise reduction. After noise reduction, wavelet low frequency band autocorrelation is carried out. The simulation results show that compared with other filtering methods, the proposed wavelet autocorrelation and low-frequency segmented threshold denoising algorithm can eliminate the noise and improve the positioning accuracy.
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN914.42

【參考文獻】

相關(guān)期刊論文 前10條

1 鄧照群;李興廣;陳磊;;基于RFID的室內(nèi)定位算法VIRE的改進[J];科技創(chuàng)新導(dǎo)報;2016年18期

2 蔡文郁;周展業(yè);張棟;;基于BL4.0 iBeacon技術(shù)的室內(nèi)定位算法研究[J];杭州電子科技大學(xué)學(xué)報(自然科學(xué)版);2016年05期

3 宋鏢;程磊;周明達;吳懷宇;陳洋;;基于慣導(dǎo)輔助地磁的手機室內(nèi)定位系統(tǒng)設(shè)計[J];傳感技術(shù)學(xué)報;2015年08期

4 石志京;徐鐵峰;劉太君;劉明偉;;基于iBeacon基站的室內(nèi)定位技術(shù)研究[J];移動通信;2015年07期

5 吳炬卓;牛海清;;基于提升小波分解的小波熵在抑制局部放電白噪聲干擾中的應(yīng)用[J];高壓電器;2014年12期

6 吳光文;王昌明;包建東;陳勇;胡揚坡;;基于自適應(yīng)閾值函數(shù)的小波閾值去噪方法[J];電子與信息學(xué)報;2014年06期

7 孫善武;王楠;陳堅;;一種改進的基于信號強度的WLAN定位方法[J];計算機科學(xué);2014年06期

8 徐彤陽;;基于減法聚類的TOA/AOA定位方法研究[J];電子測量技術(shù);2013年10期

9 張凡;陳典鋮;楊杰;;室內(nèi)定位技術(shù)及系統(tǒng)比較研究[J];廣東通信技術(shù);2012年11期

10 施長寶;李瑾;;基于超寬帶技術(shù)的室內(nèi)無線定位的研究[J];科技信息;2012年07期

相關(guān)碩士學(xué)位論文 前5條

1 曹海濤;基于時頻域分析的音頻信號濾波與識別技術(shù)研究[D];廣州大學(xué);2016年

2 王益健;藍牙室內(nèi)定位關(guān)鍵技術(shù)的研究與實現(xiàn)[D];東南大學(xué);2015年

3 李婧;RFID室內(nèi)三維定位算法研究[D];電子科技大學(xué);2013年

4 遲婷婷;連續(xù)波激光雷達測距新方法的研究[D];天津理工大學(xué);2013年

5 馬靈芝;基于TDOA無線傳感定位算法的研究及應(yīng)用[D];山東大學(xué);2012年

，

本文編號：1899120