基于天線陣列的近場WiFi多參數(shù)聯(lián)合估計算法研究.pdf

1、WiFi室內(nèi)定位技術(shù)是近些年來大家關(guān)注的熱點，GPS在室內(nèi)定位上有局限性，每次定位至少需要捕獲4顆衛(wèi)星的信號，而且在室內(nèi)和高樓密布的環(huán)境中，信號遮擋嚴(yán)重，常用的TOA(Time of Arrival)、TDOA(Time Difference of Arrival)、RSSI(Received SignalStrength Indication)等算法達(dá)不到定位精度和實時性的要求。因此，需要對室內(nèi)定位算法進(jìn)行新的嘗試，研究一種能夠滿足人

2、們需求的高精度，低復(fù)雜度的室內(nèi)定位算法。 DOA(Direction of Arrival)多參數(shù)聯(lián)合估計算法通過對到達(dá)角、俯仰角、距離等參數(shù)進(jìn)行聯(lián)合估計以實現(xiàn)定位目的，大量研究成果在雷達(dá)、聲納、電子偵察等領(lǐng)域已投入使用，本文從以下幾個方面對DOA多參數(shù)聯(lián)合估計算法展開研究，驗證算法在近場WiFi場景中的可行性。
　　首先，研究了基于二階累積量的多參數(shù)聯(lián)合估計算法，梁軍利等提出一種新型的基于二階統(tǒng)計量的近場源定位算法，算法將累積量

3、的性質(zhì)與ESPRIT算法相結(jié)合，創(chuàng)新性的構(gòu)建兩個二階累積量矩陣，算法不需要構(gòu)造一個高維的累積量矩陣，就可以實現(xiàn)多參數(shù)的聯(lián)合估計并且使得參數(shù)自動配對，提高了參數(shù)估計的性能。
　　其次，研究了基于二階統(tǒng)計量的ML算法，將基于子空間擬合的ML算法與MUSIC算法、新型的基于二階統(tǒng)計量的近場源定位算法進(jìn)行多參數(shù)估計的精度分析，并對比了幾種基于二階統(tǒng)計量的算法的復(fù)雜度。
　　然后，針對二階累積量算法性能較差的問題，利用高階累積量的優(yōu)勢

4、，對基于四階累積量的兩種多參數(shù)估計算法:對稱陣列的MUSIC算法和非對稱陣列的ESPRIT算法進(jìn)行研究，比較兩種算法的優(yōu)缺點，詳細(xì)分析了陣元數(shù)、快拍數(shù)、信噪比的變化對DOA多參數(shù)估計的精度產(chǎn)生的影響。
　　接著，提出一種基于非對稱陣列的TLS-ESPRIT改進(jìn)算法，以較少的四階累積量矩陣構(gòu)造新的矩陣，將TLS-ESPRIT算法與MUSIC-like算法相結(jié)合，避免了參數(shù)配對問題，實現(xiàn)了多信源場景下的角度參數(shù)和距離參數(shù)的聯(lián)合估計。改