基于包络提取的TOA估计算法

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (5): 24-29.

基于包络提取的TOA估计算法

刘倩1,夏斌1*,彭荣群1,陈乃澍2

1.山东理工大学计算机科学与技术学院, 山东淄博 255049; 2.南京军代局驻济南军代室, 山东济南 250021

收稿日期:2012-02-23 出版日期:2012-10-20 发布日期:2012-02-23
通讯作者: 夏斌(1973- ), 男, 山东淄博人, 副教授, 博士,硕士生导师,主要研究方向为超宽带无线传感器网络. E-mail:xiabin@sdut.edu.cn
作者简介:刘倩(1982- ), 女, 山东淄博人, 讲师, 硕士, 主要研究方向为信号处理.E-mail:lq-424@163.com
基金资助:
山东省高校科技计划项目(J11LG24)

A TOA estimation algorithm based on envelope extraction

LIU Qian1, XIA Bin1*, PENG Rong-qun1, CHEN Nai-shu2

1. School of Computer Science ＆ Technology, Shandong University of Technology, Zibo 255049, China; 2. Nanjing Military Agency Jinan Branch, Jinan 250021, China

Received:2012-02-23 Online:2012-10-20 Published:2012-02-23

摘要/Abstract

摘要： 针对超宽带无线传感器网络中噪声影响定位精度的问题,提出了一种基于包络提取的到达时间(time of arrival, TOA)估计算法。该算法首先利用小波变换的多分辨率分析有效地去除信号中的噪声成分,之后对去噪的信号进行希尔伯特变换提取其包络,最后选取第一个包络的最大值作为TOA的估计值。仿真结果表明,该算法抑制了噪声对TOA估计的影响,提高了估计精度。

关键词: 超宽带, 噪声, 小波, 希尔伯特变换, 包络提取

Abstract: The noise could affect the location precision in ultra wideband wireless sensor network. In order to solve this problem, a time of arrival (TOA) estimation algorithm based on envelope extraction was proposed. The noise component of signal could be effectively removed by the multiresolution analysis of wavelet transform. Then the envelope of denoising signal was extracted by Hilbert transform. Finally, the maximum value of the first envelope was used as the TOA estimation value. The simulation results showed that the algorithm could suppress the noise and improve estimation precision.

Key words: ultra wideband, noise, wavelet, Hilbert transform, envelope extraction

中图分类号:

TN914.4

刘倩1,夏斌1*,彭荣群1,陈乃澍2. 基于包络提取的TOA估计算法[J]. 山东大学学报(工学版), 2012, 42(5): 24-29.

LIU Qian1, XIA Bin1*, PENG Rong-qun1, CHEN Nai-shu2. A TOA estimation algorithm based on envelope extraction[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(5): 24-29.

参考文献

相关文章 15

[1]	陈海永,余力,刘辉,杨佳博,胡启迪. 基于经验小波的太阳能电池缺陷图像融合[J]. 山东大学学报(工学版), 2018, 48(5): 24-31.
[2]	王飞,宋士瞻,曹永吉,谢红涛,张新华,张健,肖天,赵雅文. 基于连续小波变换的风光发电资源多尺度评估[J]. 山东大学学报(工学版), 2018, 48(5): 124-130.
[3]	赵彦霞, 王熙照. 基于SVD和DCNN的彩色图像多功能零水印算法[J]. 山东大学学报(工学版), 2018, 48(3): 25-33.
[4]	冯霞,黄熙祥. 基于GEL的机场噪声等值线并行生成算法[J]. 山东大学学报(工学版), 2018, 48(2): 8-13.
[5]	李炜,王可宏,曹慧超. 基于新型ESF的一类非线性系统故障滤波方法[J]. 山东大学学报(工学版), 2017, 47(5): 7-14.
[6]	邱路,叶银忠,姜春娣. 基于小波奇异熵和SOM神经网络的微电网系统故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 118-122.
[7]	赵晔,何潇,周东华. 带有不准确测量噪声的最小二乘故障估计[J]. 山东大学学报(工学版), 2017, 47(5): 254-262.
[8]	吴建萍,姜斌,刘剑慰. 基于小波包信息熵和小波神经网络的异步电机故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 223-228.
[9]	李望,马志才,侍红军. 时滞复杂动态网络的有限时间随机广义外部同步[J]. 山东大学学报(工学版), 2017, 47(3): 1-8.
[10]	刘英霞,王希常,唐晓丽,常发亮. 基于小波域特征和贝叶斯估计的目标检测算法[J]. 山东大学学报(工学版), 2017, 47(2): 63-70.
[11]	刘帆,陈泽华,柴晶. 一种基于深度神经网络模型的多聚焦图像融合方法[J]. 山东大学学报(工学版), 2016, 46(3): 7-13.
[12]	王铭. 基于主导频带相对瞬时变化率的配网故障选线方法[J]. 山东大学学报(工学版), 2015, 45(4): 25-30.
[13]	杨秀林1,黄硕2*,邓苗1,张基宏1,3. 基于显著计算与自适应PCNN的图像融合方法[J]. 山东大学学报(工学版), 2014, 44(2): 35-42.
[14]	王丽,周以齐,于刚,米永振. 基于EEMD和ICA方法的驾驶室内噪声源时频分析[J]. 山东大学学报(工学版), 2014, 44(2): 80-88.
[15]	李翔1,朱全银1,王尊2. 基于可变基函数和GentleAdaBoost的小波神经网络研究[J]. 山东大学学报(工学版), 2013, 43(5): 31-38.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed