信号指纹定位算法

信号指纹定位算法：

利用事先已经测好的先验指纹信息进行定位的算法，指纹信息的建立和利用指纹信息进行定位时都只需要简单的硬件即可实现。

信号指纹定位算法利用了复杂环境的多径效应，可以在NLOS环境下进行精确定位，算法本身不需要硬件的额外支持，依靠已经建立好的离线数据库，只要在接收端获得超宽带信号对应的信息，即可得到定位结果。

根据定位阶段匹配函数的不同，信号指纹定位算法一般可以分为确定性的定位算法、概率性的定位算法和神经网络法三类。

确定性定位算法是利用已有的信号指纹推算出目标节点的位置信息。

基于概率的定位算法是通过条件概率为指纹建立模型，然后通过贝叶斯法则来推算出目标节点的位置信息；

神经网络法是一种最有效反映非线性输入-输出映射的方法。

定位过程：

一、建立指纹数据库；

二、训练（整理）指纹数据库；

三、利用实时测得的信号和已有的指纹信息进行定位。

指纹定位算法中，主要有两种方法可以进行TOA的估计：

一、基于匹配滤波的的相关接收技术。

匹配滤波是最佳滤波的一种，当输入信号具有某种特殊波形时，其输出达到最大，对信号的匹配滤波相当于对信号进行自相关运算。此时，接收机具有较高的采样速率，精度较高。利用发射信号的模板与接收信号进行互相关即可得到精度较高的TOA估计，但是受到Nyquist采样定理的限制，使得其很难匹配接收到的众多的多径分量；匹配滤波必须具有接收信号的先验信息（模板信号），但是，此模板信号在不同的环境下是不同的，甚至受到多径的影响而不同。所以此法，在环境复杂的室内环境或NLOS环境下不适用。

二、基于能量探测的接收技术。

是一种低采样速率、低复杂度的接收技术，是一种非相关（Non-coherent）的TOA估计技术，通常采用适当的门限与接收信号比较，选择最先超过门限的能量块作为TOA估计值。