本发明一种基于ICA和CS的超宽带AOA室内定位系统及定位方法，包括定位终端、基站、服务器及上位机，定位系统采用超宽带AOA测向定位获取定位数据，基站接收定位系统的定位数据并将定位数据传输至上位机连接的服务器，以实现终端定位监控。本发明采用非高斯性的独立分量分析(ICA)和压缩感知(CS)理论结合的方法解决超宽带AOA定位的多径信号干扰问题。非高斯性的独立分量分析(ICA)算法利用信号的非高斯性，比经典的MUSIC算法具有更高的角度分辨率与计算精度；在ICA算法得到复合导向矢量的基础上，利用压缩感知理论中稀疏信号重建的方法，解决从复合导向矢量中得到直达及多径分量到达方向的欠定问题。
1.一种基于ICA和CS的超宽带AOA室内定位系统，其特征是：包括定位终端、基站、服务器及上位机，定位系统采用基于ICA和CS的超宽带AOA测向定位获取定位数据，基站接收定位系统的定位数据并将定位数据传输至上位机连接的服务器，以实现终端定位监控。
2.根据权利要求1所述的基于ICA和CS的超宽带AOA室内定位系统，其特征是：所述定位终端包含定位标签，用于发射超宽带信号。
3.根据权利要求1所述的基于ICA和CS的超宽带AOA室内定位系统，其特征是：所述基站采用无线基站，以实现与定位标签连接，接收定位标签超宽带定位信息。
4.根据权利要求1所述的基于ICA和CS的超宽带AOA室内定位系统，其特征是：所述基站还包括与基站连接的无线分站，接收基站反馈数据并传输到服务器中。
5.根据权利要求1所述的基于ICA和CS的超宽带AOA室内定位系统，其特征是：所述超宽带AOA测向定位，采用非高斯性的独立分量分析(ICA)和压缩感知算法(CS)结合的方法解决超宽带AOA定位的多径信号干扰问题，非高斯性的独立分量分析(ICA)算法利用信号的非高斯性，比经典的MUSIC算法具有更高的角度分辨率与计算精度；在ICA算法得到复合导向矢量的基础上，利用压缩感知理论中稀疏信号重建的方法，解决从复合导向矢量中得到直达及多径分量到达方向的欠定问题。
6.根据权利要求5所述的基于ICA和CS的超宽带AOA室内定位系统，其特征是：所述非高斯性的独立分量分析(ICA)可利用信源信号之间的统计独立性，从观测到的混合信号中估计出信源信号，其方法如下：M1：N个相互独立统计的信源信号经过位置的线性混合方式被M个传感器接收，接收信号的方程为：X(t)＝AS(t) (1)
其中X(t)＝[x1(t)，x2(t)，...，xm(t)]为接收到的混合信号，A＝[a1，a2，...am]为M×NT阶未知混合矩阵，S(t)＝[s1(t)，s2(t)，...，sm(t)]为未知信源信号；
M2：采用ICA算法处理传感器接收到的混合信号，目的是估计出分离矩阵W，由此得到信源信号S(t)，该过程可表示为：Y(t)＝WX(t)＝WAS(t)＝GS(t) (2)T
其中，Y(t)＝[y1(t)，y(t)，...，yn(t)]是对信源信号S(t)的估计，W为分离矩阵，G为全局矩阵；
M3：当G为单位矩阵式，Y(t)＝S(t)，信源信号分离成功。
7.根据权利要求5所述的基于ICA和CS的超宽带AOA室内定位系统，其特征是：所述压缩感知算法的具体实现如下：N1：对信号用稀疏基Ψ进行表示，α为信号x在稀疏基矩阵线性投影下的系数向量；
N2：我们用测量矩阵ΦM×N对信号x进行测量，将原始信号投影到相对于信号长度更低的维度进行观察研究，采样得到的M维向量称之为测量信号y；
N3：分别计算一组稀疏值下各自信号的残差，残差最小的为本组最优稀疏度。
8.根据权利要求5所述的基于ICA和CS的超宽带AOA室内定位系统，其特征是：所述非高斯性的独立分量分析(ICA)和压缩感知(CS)理论结合算法步骤如下：S1：将接收到的信号进行预处理，包括中心化及白化处理；
S2：初始化第一个分量的权值向量ω，根据公式(3)和(4)对ω逐次迭代；
S3：如果算法没有收敛，转到S2；如果算法收敛求出一个独立成分的权值向量；
S7：求解二阶锥规划问题，得到1个信号多径衰弱系数集合C的稀疏谱；
S8：对稀疏谱求峰值得到 对应信号的直达分量和多径分量的AOA；
S9：逐个求出所有信号直达分量和多径分量的AOA。
基于ICA和CS的超宽带AOA室内定位方法
技术领域
[0001] 本发明涉及定位系统技术领域，尤其是指一种基于ICA和CS的超宽带AOA室内定位系统及定位方法。
背景技术
[0002] 随着人们生活需求的不断提高和现代无线通信技术的迅速发展，无线定位技术日益受到人们的关注和重视，不仅在军事领域得到广泛地应用，也迅速地进入我们的日常生活，在各个应用领域发挥着重要的作用。例如：在超市中进行儿童搜寻、在飞机场寻找遗落的行李箱以及在地震在废墟中搜救被困人员等。如何在这些相对封闭、密集的室内环境下提高定位精度是无线定位技术研究的重要方面。
[0003] 目前，已存在多种较为成熟的无线定位技术，但这些技术和方法用于室内定位存在着不同程度的缺陷：红外信号智能在小范围内传播，易受荧光灯或者房间内的灯光影响，不能到达高精度定位；GPS定位系统是目前比较成熟的系统，在室外环境能达到很高定位精度，使用是卫星信号，因此覆盖率广，不需要信号发生器，但却在太空中信号很难无衰减地到达地面，而对于建筑物类似实物却无法穿透，不可能用于室内定位；WIFI定位的成本低，经常被用于室内定位，但是易受别的信号干扰，直接导致定位精度下降，并且定位器具有相对高的能量消耗；蓝牙技术也是适用于小范围定位，定位误差波动大、受噪声信号干扰波动大。
[0004] 超宽带信号宽度为纳秒级，占用带宽在1GHz以上，超宽带技术凭借穿透力强、安全性好、数据传输速率高、低功耗等优点，同时超宽带系统定位正好可以满足无线室内定位对精度的要求，其能够实现精确定位，在上述多种无线定位技术中成为热点，因此，超宽带系统定位具有很广的应用前景，在未来无线定位技术中起到举足轻重的地位。
发明内容
[0005] 本发明针对现有技术存在之缺失，其主要目的是提供一种基于ICA和CS的超宽带AOA室内定位系统及定位方法，能够满足室内定位需求，且解决多径信号对超宽带AOA定位的影响，从而克服现有技术的不足。
[0006] 为实现上述目的，本发明采用如下之技术方案：
[0007] 一种基于ICA和CS的超宽带AOA室内定位系统及定位方法，包括定位终端、基站、服务器及上位机，定位系统采用超宽带AOA测向定位获取定位数据，基站接收定位系统的定位数据并将定位数据传输至上位机连接的服务器，以实现终端定位监控。
[0008] 所述定位终端包含定位标签，用于发射超宽带信号。
[0009] 所述基站采用无线基站，以实现与定位标签连接，接收定位标签超宽带定位信息。
[0010] 所述基站还包括与基站连接的无线分站，接收基站反馈数据并传输到服务器中。
[0011] 所述超宽带AOA测向定位，采用非高斯性的独立分量分析(ICA)和压缩感知算法(CS)结合的方法解决超宽带AOA定位的多径信号干扰问题。非高斯性的独立分量分析(ICA)算法利用信号的非高斯性，比经典的MUSIC算法具有更高的角度分辨率与计算精度；在ICA算法得到复合导向矢量的基础上，利用压缩感知理论中稀疏信号重建的方法，解决从复合导向矢量中得到直达及多径分量到达方向的欠定问题。
[0012] 所述非高斯性的独立分量分析(ICA)可利用信源信号之间的统计独立性，从观测到的混合信号中估计出信源信号。其方法如下：
[0013] M1：N个相互独立统计的信源信号经过位置的线性混合方式被M个传感器接收，接收信号的方程为：
[0014] X(t)＝AS(t) (1)
[0015] 其中X(t)＝[x1(t)，x2(t)，…，xm(t)]T为接收到的混合信号，A＝[a1，a2，…am]为MT×N阶未知混合矩阵，S(t)＝[s1(t)，s2(t)，...，sm(t)]为未知信源信号。
[0016] M2：采用ICA算法处理传感器接收到的混合信号，目的是估计出分离矩阵W。由此得到信源信号S(t)，该过程可表示为：
[0017] Y(t)＝WX(t)＝WAS(t)＝GS(t) (2)
[0018] 其中，Y(t)＝[y1(t)，y(t)，...，yn(t)]T是对信源信号S(t)的估计，W为分离矩阵，G为全局矩阵。
[0019] M3：当G为单位矩阵式，Y(t)＝S(t)，信源信号分离成功。
[0020] 所述压缩算法的具体实现如下：
[0021] N1：对信号用稀疏基Ψ进行表示，α为信号x在稀疏基矩阵线性投影下的系数向量；
[0022] N2：我们用测量矩阵ΦM×N对信号x进行测量，将原始信号投影到相对于信号长度更低的维度进行观察研究，采样得到的M维向量称之为测量信号y；
[0023] N3：分别计算一组稀疏值下各自信号的残差，残差最小的为本组最优稀疏度；
[0024] 所述非高斯性的独立分量分析(ICA)和压缩感知(CS)理论结合算法步骤如下：
[0025] S1：将接收到的信号进行预处理，包括中心化及白化处理；
[0026] S2：初始化第一个分量的权值向量ω，根据公式(3)和(4)对ω逐次迭代；
[0027]
[0028]
[0029] S3：如果算法没有收敛，转到S2；如果算法收敛求出一个独立成分的权值向量；
[0030] S4：依次求出所有成分的权值向量，即得到分离矩阵
[0031] S5：对分离矩阵 求逆或伪逆得到估算出的阵列流行
[0032] S6：根据角度空间的网格索引创建过完备字典B；
[0033] S7：求解二阶锥规划问题，得到1个信号多径衰弱系数集合C的稀疏谱；
[0034] S8：对稀疏谱求峰值得到 对应信号的直达分量和多径分量的AOA；
[0035] S9：逐个求出所有信号直达分量和多径分量的AOA。
[0036] 本发明基于ICA和CS的超宽带AOA室内定位系统及定位方法的原理是：基站先于定位标签约定测距时隙，然后由基站在相应的时隙内和定位标签依次完成AOA测向和测距；完成测距和AOA测向后，将距离和方向信息通过基站传输至所述无线分站，再由无线分站通过有线将数据传输到服务器上，服务器再将数据传输到连接的上位机上。
[0037] 与现有技术相比，本发明的有益效果是：基于ICA和CS的超宽带AOA室内定位系统及定位方法具有更高的角度辨别率，解决从复合导向矢量中得到直达及多径分量到达方向的欠定问题。除了可以更准确地估计直达信号的AOA而不受信号相干性的影响，还可以估计其多径分量的AOA，同时不需要对阵列接收信号做解相干预处理。附图说明：
[0038] 图1是本发明实施例的定位系统示意图；
[0039] 图2是本发明实施例的AOA定位模型图；
[0040] 图3是本发明实施例的ICA算法的线性瞬时混合模型
[0041] 图4是本发明实施例的压缩感知框图；
[0042] 图5是本发明实施例的压缩感知矩阵模型；
[0043] 图6是本发明实施例的算法流程图。
具体实施方式
[0044] 下面结合附图详细说明本发明的优选实施例。
[0045] 如图1所示，本实施例提供一种基于ICA和CS的超宽带AOA室内定位系统及定位方法，包括定位终端、基站、服务器及上位机，定位系统采用超宽带AOA测向定位获取定位数据，基站接收定位系统的定位数据并将定位数据传输至上位机连接的服务器，以实现终端定位监控。
[0046] 如图2所示，根据未知节点N与已知节点N1的估计角度参数，而角度相应的轨迹上未知节点N肯定在上面，如果同样再用一个已知节点N2和这个未知点建立一条轨迹，则两轨迹交汇处就是所求节点的方位。θ1和θ2分别为已知节点N1、N2与未知节点N间的AOA，具体建立方程组即：
[0047]
[0048] 解这个方程组的根即为N的位置，到达信号角度定位模型这里只用到两个已知点，准确度有限，同时利用更多的已知节点会有效的提高定位准确值和成功率。
[0049] 如图3所示，首先，N个相互独立统计的信源信号经过位置的线性混合方式被M个传感器接收，接收信号的方程为：
[0050] X(t)＝AS(t) (1)
[0051] 其中X(t)＝[x1(t)，x2(t)，...，xm(t)]T为接收到的混合信号，A＝[a1，a2，...am]为TM×N阶未知混合矩阵，S(t)＝[s1(t)，s2(t)，...，sm(t)]为未知信源信号。
[0052] 其次，采用ICA算法处理传感器接收到的混合信号，目的是估计出分离矩阵W。由此得到信源信号S(t)，该过程可表示为：
[0053] Y(t)＝WX(t)＝WAS(t)＝GS(t) (2)
[0054] 其中，Y(t)＝[y1(t)，y(t)，...，yn(t)]T是对信源信号S(t)的估计，W为分离矩阵，G为全局矩阵。
[0055] 最后，当G为单位矩阵式，Y(t)＝S(t)，信源信号分离成功。
[0056] 如图4所示，首先对信号用稀疏基Ψ进行表示，α为信号x在稀疏基矩阵线性投影下的系数向量，接下来我们用测量矩阵ΦM×N对信号x进行测量，将原始信号投影到相对于信号长度更低的维度进行观察研究，采样得到的M维向量称之为测量信号y，最后采用CS优化重建算法对信号进行恢复。
[0057] 如图5所示，图中形象化的用方块矩阵形式表示，其中非白色的子块表示非零值，白色的位置表示元素值为0。利用测量矩阵ΦM×N将可压缩信号从N维投影到M维空间，在这过程中存储原信号的感兴趣信息到y中，为简化表示，将测量矩阵ΦM×N和稀疏基矩阵ΨN×Nt进行线性相乘，所得矩阵称为传感矩阵ΘM×Nt＝ΦΨ。基于此，测量信号y与稀疏系数向量S可视为等价，其本质上S是在变换域Θ中y的稀疏表示形式。
[0058] 如图6所示，非高斯性的独立分量分析(ICA)和压缩感知(CS)理论结合算法步骤如下：
[0059] S1：将接收到的信号进行预处理，包括中心化及白化处理；
[0060] S2：初始化第一个分量的权值向量ω，根据公式(3)和(4)对ω逐次迭代；
[0061]
[0062]
[0063] S3：如果算法没有收敛，转到S2；如果算法收敛求出一个独立成分的权值向量；
[0064] S4：依次求出所有成分的权值向量，即得到分离矩阵
[0065] S5：对分离矩阵 求逆或伪逆得到估算出的阵列流行
[0066] S6：根据角度空间的网格索引创建过完备字典B；
[0067] S7：求解二阶锥规划问题，得到1个信号多径衰弱系数集合C的稀疏谱；
[0068] S8：对稀疏谱求峰值得到 对应信号的直达分量和多径分量的AOA：
[0069] S9：逐个求出所有信号直达分量和多径分量的AOA。
[0070] 由于本发明的技术方案充分，采用非高斯性的独立分量分析(ICA)和压缩感知(CS)理论结合的方法解决超宽带AOA定位的多径信号干扰问题。非高斯性的独立分量分析(ICA)算法利用信号的非高斯性，比经典的MUSIC算法具有更高的角度分辨率与计算精度；在ICA算法得到复合导向矢量的基础上，利用压缩感知理论中稀疏信号重建的方法，解决从复合导向矢量中得到直达及多径分量到达方向的欠定问题。
[0071] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
