UWB定位系统之时域分析

UWB定位系统之时域分析

定位系统可以看成一个不同时间刻度内坐标改变的方程，不管是采用信号强度（RSSI），还是测距（TOF），抑或是到达时间差（TDOA），都是由具体的物理观测手段得出时间和坐标的关系，由于定位系统几乎都是无线射频技术的应用，因此无线电波的一切缺点都是我们做定位系统必须要面对的。而经过前端设备观测到的初步数据在现实环境中是非常杂乱，拥有许多噪声的，所以一个好的定位引擎需要强大的噪声处理能力，本文就讨论如何在时域内分析和处理原始的定位信号。

定位系统最关注的就是时间刻度内定位对象的位置信息，这组数据天然的就存在在时间域内，并且我们知道对信号在频域内进行分析和处理常常会丢失时间精度，因此我们自然首先考虑在时域内对定位系统的原始数据进行信号的处理，而这其中最常用的手段就是卡尔曼滤波（关于卡尔曼滤波，我们之前有一篇专门的文章讲过），本篇中我们着重讨论高斯平滑滤波。

在即使是精度再高的系统中，一定会混入各种各样的噪声，混入的噪声势必影响观测精度，为了解决这一问题，我们利用数学工具解决，即我们认为这些随机混入的噪声都符合正态分布（也称高斯分布），只要我们拥有连续的多个观测数据，既可以将散落在真实值周边的数据拟合到接近真实值的地方，但是在定位系统中，由于定位对象常规而言是非静止状态，在时间刻度上本身就有位置的变化，因此，在采用卡尔曼滤波时，由于定位对象随机不可控地往任意位置移动，所以预测模型很难科学准确地刻画出来，因此就需要第二个手段，这也是为什么会拥有了卡尔曼滤波后，依然要进行高斯平滑滤波。

以上公式为一维和二维高斯分布的方程，具体操作是：用我们指定的模板（或称卷积、掩膜）去扫描过往采集到的每一个坐标点，用模板确定的邻域内坐标的加权平均坐标值去替代模板中心坐标点的值。因此采集频率直接影响精度和时延，下图是我们根据采样频率不同进行滤波后滤波值和真实值强度比值（单位为dB）。经过多次仿真和实验后，我们发现当采用频率在30MHZ的时候，是时间精度和坐标精度的折中点。