NLOS误差---基于信道特征的NLOS识别算法详解

原理:利用一组UWB信号的采样数据的陡峭程度能够反应该信道是否为LOS环境,如果信道的冲激响应具有较低的峭度,该信道很可能受NLOS误差影响。

数学模型如下:

通俗而讲:峭度高的数据集趋向于在均值附近有一个明显的峰值,下降较快,尾部较重,而峰度低的数据集趋向于在均值附近有一个平坦的顶部,而不是一个陡峭的峰值”。由于峰度表征的是样本数据的峰度,因此它也可用来表征某一信道的视距强弱。这意味着对于峰度值较高的CIR,接收到的信号更有可能是LOS

因此利用PDF函数去处理数据可以得到其分布情况。(通常使用IEEE 802.15.4a工作组提供的数据

看过不少论文的仿真图把CM1和CM2搞反了,我猜他们肯定原理都没搞懂,从上图可以看到数据的方差越大PDF函数越平缓,则该信道更可能是LOS环境下的信道,反之受NLOS影响的信道。峭度高的数据在均值附近有一个明显的峰值,下降快(数据方差大);峭度低的数据在均值附近有一个平坦的顶部,而不是一个陡峭的峰值(数据方差小)。这意味着对于峰度值较高的CIR,接收到的信号更有可能是LOS环境下的。

最后对比实测情况下与LOS情况下的峭度即可判定。

发布了22 篇原创文章 · 获赞 50 · 访问量 4万+

猜你喜欢

转载自blog.csdn.net/liuqi3256797/article/details/105214882