基于CIR特征參量的NLOS識別方法研究

李 海，解云龍，劉月圓，葉興躍，韋子輝

(1.河北省計量監督檢測研究院，河北 石家莊 050227;2.河北大學質量技術監督學院，河北 保定 071002)

0 引 言

近年來，UWB 定位技術逐漸成為國內外研究的熱點，越來越多的研究機構投身于UWB 定位技術的研究以及產品研發。目前，UWB 定位技術分為基于信號到達時間(time of arrival，TOA)、基于信號到達時間差(time difference of arrival，TDOA)、基于信號到達角度(angle of arrival，AOA)、基于接收信號強度(received signal strength，RSS)等[1-3]。為了盡可能利用UWB 信號帶寬大、持續時間短、時間分辨率高的優勢，UWB 定位技術中主要采用基于信號到達時間的測距方式。但目前UWB 定位方案所存在的缺陷是在NLOS 環境中，UWB 信號會受到障礙物遮擋，從發射端經過障礙物抵達接收端，會造成一定的時間延遲，使得信號接收端接收到的信號比較雜亂，直接影響對信號接收時間的測量，1 ns 時間延遲會造成30 cm 距離測量誤差，間接導致定位精度不夠理想[4]，原理見圖1。圖中實線為LOS 狀態下定位曲線，黃色交點為標簽位置，虛線為受障礙物遮擋狀態下曲線，藍色區域為NLOS狀態下標簽位置，故NLOS 信道會造成定位誤差明顯增大。因此解決多徑信號的干擾是當前主要工作。

圖1 NLOS 影響精度原理圖

針對多徑這一問題，主要有兩種方式進行處理，一種是將NLOS 信號識別出來并進行剔除，即在定位算法中不使用包含多徑信號的數據；第二種就是將NLOS 信號進行處理，通過調整算法或者對其進行誤差修正，使其成為可用的數據，以此來提高定位精度[5-6]。如果對于上傳的信道狀態不進行判斷，而直接進行誤差修正，會使LOS 信道的計算量增加同時可能會造成真實信號的改變，故對于NLOS 信道的處理最主要的是對該信道識別，之后無論是進行該信道數據的剔除還是對其誤差修正都將對定位精度的提高有較大幫助。

近年來，對于NLOS 的識別有了較大的發展。Lee[7]等提出一種基于卡爾曼濾波器的NLOS 截面識別方法。Yang[8]等針對定位中存在的NLOS 問題，提出一種基于特征選擇策略的NLOS識別算法。Yu[9]等提出一種環境依賴性較小且與先驗知識無關的NLOS識別和緩解方法，能夠確定特定的NLOS 信道。張浩[10]等提出一種基于偏度的NLOS區分算法，該算法在室內辦公環境中識別率較高，但在室內其他環境或者室外環境中識別率比較低。Guvenc[11]等提出一種新的基于峰度、平均附加時延和均方根時延擴展等多徑信道統計量融合的非視距識別技術。Nguyen[12]等將相關向量機（relevance vector machine，RVM）應用于NLOS識別，利用信道特征與接收波形之間的關系，設計了一種有效的RVM 分類器來識別NLOS 信號。Savic[13]等提出一種基于核主成分分析（kernel principal component analysis，kPCA）結合高斯回歸（Gaussian process regression，GPR）的NLOS識別方法。這些方法存在識別率較低或者只在某一環境下識別率較高，環境適用性差的問題，而一些采用機器學習方法雖然識別率較高但需要提前進行樣本數據的收集，現場應用較為復雜。為此針對已有算法不足，本文提出一種新的基于信道沖激響應特征參量—Sum_T與UD-P 聯合的NLOS識別方法。在實驗過程中發現，本算法比使用單一特征參量具有更高的識別率，并且在不同環境下也能較好實現NLOS識別。

1 UWB 定位接收信號時域分析

在實際應用中信號發射端和接收端之間存在障礙物不可避免，信號在傳輸過程中可以穿透障礙物或者經其他物體表面反射后傳輸給信號接收端，會造成信號的多路徑傳播。由于實際定位中的距離不會特別大，UWB 信號傳輸的速度接近光速，而多條路徑的距離差又很小，使得各路信號到達接收端的時間差更小，傳統窄帶通信技術會使各路徑的信號疊加在一起，從而無法確定直接路徑信號到達的時間，產生對測距精度的影響，間接影響定位精度。而UWB 通信技術沒有載波，采用短時脈沖信號傳輸信息，具有時間分辨率高、抗多徑干擾能力強、穿透能力強等優點[14-15]，使得各路徑的信號在時域是可分離的，為識別NLOS 信號提供了一種可能。

在UWB 通信中，當考慮發射端和接收端之間的通信特征時，最重要的特征就是它是LOS 信號還是NLOS 信號。LOS 就是在發射端和接收端之間沒有任何遮擋，沒有任何干擾UWB 信號的介質，UWB 信號可以直接從信號發射端傳輸到信號接收端，使得信號傳輸時間測量較為準確，測距精度較高。目前國內應用最為廣泛是基于DW1000 射頻芯片的技術方案，該芯片為愛爾蘭Decavave 公司推出的UWB 測距芯片，符合IEEE802.15.4-2011 超寬帶標準，芯片發射功耗低，可實現信號發射接收時間測量，時間測量分辨率15.65 ps，可以實現厘米級測距精度。它提供了CIR 輸出接口，通過CIR 波形分析可以識別出接收信號中直射路徑和反射路徑，CIR 波形示意圖分析見圖2。

圖2 LOS 環境CIR 的時域波形

如圖2 所示，是在實際環境為無遮擋時所采集到的波形，可以很明顯地看到首達波就是最高峰值，即對應直接路徑信號，而后面的波形是由于室內墻壁的反射產生的信號，在這種情況下，首達波即對應直接路徑信號，此時可以精確測量信號接收時間，不影響定位精度。

如圖3 所示，顯示了一個簡單的NLOS 場景，其中節點1 發送的信號在其路徑上有一個障礙物。圖的頂部還顯示了單個反射。通過圖中內容可得，直射路徑的峰值比反射路徑的峰值小，這是因為直射路徑傳輸中有遮擋物，導致信號存在衰減，使得接收端接收到的信號較弱，而反射路徑中并不存在任何遮擋物，所以信號較強。但是由于反射的存在，使得反射的路徑比直射傳輸的路徑要長，這就是反射路徑的峰值出現的比直接路徑峰值晚的原因。

圖3 NLOS 環境CIR 波形示例

圖3 是較為理想的波形圖，比較容易區分直射路徑和其他路徑傳輸的波形，在信號飛行時間測量的定位體系中，識別并測量首達波作為信號到達時間，但在復雜工況環境下，由于噪聲或其他因素的存在，導致首達波判斷錯誤，將反射路徑信號判斷為首達波，引入多徑誤差，多徑誤差往往使信號到達時間測量值延后。本文的目的就在于通過綜合分析接收信號波形時域特征參數，來判別NLOS 信號。

2 特征參數分析

2.1 信號的特征參量

在復雜工況環境下進行UWB 定位時，往往會有多徑干擾。多徑傳輸會引入測距誤差，降低定位精度，因此為提高定位精度，及時判斷并剔除多徑傳輸至關重要。而UWB 信號易受環境影響產生變化，故可以從CIR 波形分析LOS 信道與NLOS 信道波形的區別判斷信號傳播信道的類型。主要特征值包括平均時延拓展、均方根時延拓展、上升時間、峰值時間、最大振幅、總能量等。

1）最大振幅（maximum amplitude）。信號傳輸中的振幅最大值，記為rmax，其數學模型如下：

2）上升時間（rise time，trise）。信號從0.1 倍最大幅值到0.9 倍最大幅值的時間，其數學模型如下：

其中

3）峰值時間（peak time，tp）。信號從最低幅值到最大幅值的時間，其數學模型如下：

式中：t0——信號開始識別時間；

tpt——信號峰值時的時間。

4）總能量（total energy）。處理信號段能量總和，記為 ε，其數學模型如下：

5）平均附加時延（mean excess delay，τmed）。用來表征多徑信道的時間色散特性的一個重要參數，其數學模型如下：

6）均方根時延（root-mean-squre delay spread，τrms）。用來表征多徑信道的時間色散特性的另一個重要參數，其數學模型如下：

2.2 單特征參量性能分析

正常情況下，在LOS 環境中，最大振幅和總能量普遍偏高，上升時間和峰值時間因第一路徑直達會較小，平均附加時延和均方根時延因無信號反射色散較少會較小，而NLOS 環境下，最大振幅和總能量會有一定的衰減，上升時間和峰值時間會有一定延遲，平均附加時延和均方根時延會變大。在實驗室內分別進行3000 組LOS 信道和NLOS 信道實驗，遮擋采用人體遮擋，進行特征參量分析。如圖4 所示為實驗室內LOS 和NLOS 條件下的信道傳播參數數值分布，由圖可以看出均方根時延重合度較高，單憑數值進行分類并不可行；最大振幅、總能量、平均附加時延重合度較低，可以在分類中使用但分類效果并不太好，上升時間和峰值時間重合度最低，可以產生較好的分類效果，但實際識別率并不是很高。

圖4 LOS 和NLOS 條件下信道傳播參數數值分布

3 NLOS 區分算法

3.1 參數提取

通過對單特征參量分析，發現上升時間有89.8%的識別率，峰值時間有86.6%的識別率，雖然有較高的識別效果，但在實際應用中需要進一步提高其識別率，故提出上升時間與峰值時間結合方法，將兩者和作為一個新的識別參量進行NLOS識別。分別在實驗室內進行1000 組LOS 信道實驗和人體遮擋NLOS 實驗，其數值分布圖如圖5 所示。分析可得將兩者和作為識別參量可達到94.2%的識別率。

圖5 LOS 和NLOS 條件下Sum_T 數值分布

通過對波形的分析發現會有第一路徑在識別閾值以下不能識別，導致上升時間與峰值時間和不能正確判斷的情況出現。如果第一路徑的信號存在較為嚴重的衰減，衰減到閾值以下，這可能會使DW1000錯誤地識別第一路徑信號，即可能會將反射信號識別為第一路徑信號。圖6 顯示為第一路徑被錯誤標識的情形，實際的第一路徑在原閾值以下。

圖6 第一路徑識別錯誤示意圖

如果能夠在DW1000 所識別的第一路徑之前檢測到峰值的存在，那就可以認定有一個未檢測到的第一路徑的可能，如果可以確定在原閾值以下的一定范圍內的波峰的數量，就可以以此來判斷是否存在多徑信號。記該值為未檢測到的峰值數（undetected peak，UD-P）計算一個新的低閾值，取原閾值的0.6 倍。這個新閾值如圖6 中紅色所示。其中綠色橫線為原閾值。

3.2 具體實現

上文針對NLOS 傳播環識別的單獨特征參量進行了評估，雖然個別參量可以很好的識別，但大多數特征參量識別率都不是太高。因此，仍不能獲得很高的識別準確率（95%以上），在這種情況下，可以將多個特征參量進行組合來提高識別準確率。本文用于處理數據的平臺是臺式電腦，其處理器為Intal(R) Core(TM) i7-8700 CPU @3.20 GHz 3.19 GHz，處理軟件為基于.NET Framework 4.6 開發的CIR 數據處理軟件，數據采集選用已有的定位基站和定位標簽，在CIR 波形中提取特征參量，首先，由于只要U-DP 大于0，傳播路徑必為NLOS 傳播環境，故可以將UD-P 作為第一個特征識別參量進行信號篩選，隨后進行Sum_T 的判斷。如圖7 所示為該NLOS識別方法的流程圖。

圖7 識別方法流程圖

在實驗室內分別進行1000 組LOS 信道實驗和人體遮擋NLOS 實驗計算識別率達到了95.75%，本識別算法有了較大的提高，可以用于實際的室內定位NLOS識別中。

4 結果與分析

為了驗證本文NLOS識別算法在不同環境下的有效性，利用已有的定位裝置（基站和標簽）開展了不同環境（見圖8）對該算法識別精度的影響研究。包括距離對識別精度的影響以及玻璃阻塞、墻體阻塞、工況阻塞等不同場景下該算法的識別精度。

圖8 實驗環境圖

4.1 距離對性能影響

在信號傳播過程中，接收信號強度會隨著傳播距離的增加造成衰減，一些特征參量中隱含這種衰減特性，使用這種距離衰減嚴重的特征參量作為分類標準會使分類精度降低。為驗證本算法受傳播距離的影響，分別在10 m、15 m、20 m、25 m、30 m 處做1000 組LOS 和人體遮擋NLOS 信道實驗，相應識別率如圖9 所示。實驗表明本NLOS識別系統受傳播距離影響較小，可以應用于范圍較大的場景。

圖9 距離對識別率的影響

4.2 不同障礙物對性能影響

信號在穿過障礙物后會造成一定程度的衰減，并且不同障礙物有不同的介電常數，衰減也不同，CIR 波形也會發生一定的變化，故需要測試本NLOS識別系統在不同環境下的適用性，進行實驗分析。分別在玻璃阻塞、墻體阻塞、工況阻塞的情況下做1000 組實驗，相應識別率如圖10 所示。實驗表明本算法受環境干擾較小，適用性較強。

圖10 環境對識別率的影響

5 結束語

在室內UWB 定位系統中，NLOS 信道傳播是造成定位精度降低的主要原因。當前解決NLOS誤差的主要方法是對該信道進行識別，然后再進行剔除或者補償。本文提出了一種基于Sum_T 與UD-P特征參量的NLOS識別方法，該方法具有識別率較高、運算量小的優點。在不同環境下進行測試，仍能實現較高識別率，表明該方法的具有可行性。