与传统的基于接收信号强度(received signal strength, RSS)的室内Wi-Fi定位方法相比,信道状态信息(channel state information, CSI)包含了信号传输过程中更细粒度和更多样化的物理层信息(如信道中各个子载波的振幅和相位信息),故基于...
详细信息
与传统的基于接收信号强度(received signal strength, RSS)的室内Wi-Fi定位方法相比,信道状态信息(channel state information, CSI)包含了信号传输过程中更细粒度和更多样化的物理层信息(如信道中各个子载波的振幅和相位信息),故基于CSI的室内Wi-Fi定位方法通常具有更高的定位精度.在利用CSI进行定位时,发送端采用正交频分复用(orthogonal frequency division multiplexing,OFDM)技术在多个正交子载波上并行发送数据并在接收端进行解调,但由于异步效应(如载波频率偏差(carrier frequency offset, CFO)、采样时钟频率偏差(sampling frequency offset, SFO)和符号定时偏差(symbol timing offset, STO))的存在,接收端子载波的正交性难以得到保证,于是,基于CSI的室内Wi-Fi定位方法的性能会因为符号间干扰(inter symbol interference, ISI)和载波间干扰(inter carrier interference, ICI)的影响而下降.对此,本文从频域的角度推导了不同异步效应下的CSI定位误差界以评估基于CSI的室内Wi-Fi定位性能.
低地球轨道(Low Earth Orbit,LEO)卫星无源定位场景中不同目标辐射源之间相互干扰、时频混叠,不同目标的到达时差(Time Difference Of Arrival,TDOA)参数混杂难以区分,较难实现精准目标定位。基于网格密度聚类算法(Clustering Algorithm...
详细信息
低地球轨道(Low Earth Orbit,LEO)卫星无源定位场景中不同目标辐射源之间相互干扰、时频混叠,不同目标的到达时差(Time Difference Of Arrival,TDOA)参数混杂难以区分,较难实现精准目标定位。基于网格密度聚类算法(Clustering Algorithm based on Grid Density,CAGD)的基本原理,并利用TDOA参数的多复杂特征,构建多目标TDOA参数分选模型,实现TDOA定位参数分选。模型通过定义网格密度波谷,解决了定位目标间数据被聚为一类的问题,同时引入位置相连原则实现最佳类簇合并,最终实现定位参数分选。仿真结果表明,相较于传统网格及密度聚类方法,本方法对LEO卫星无源定位场景下的多目标TDOA参数分选表现更好。
暂无评论