本发明涉及无线定位系统技术领域，尤其涉及一种基于无线信号的高精度的多目标无接触定位与追踪系统。
背景技术：
现有的无接触方式的无线定位与追踪系统的精度受限于天线数量和信号的频率带宽，难以满足高精度多目标检测的需求。
首先，无接触式检测依赖于受测对象对无线信号的反射，而反射信号的强度远比发射天线到接收天线主路径上的信号强度小。而且，背景物体的反射会在反射信号上叠加显著的噪音干扰。其次，基于无线信号的无接触多目标检测仍未有成熟的技术方案。基于无线信号的无接触检测的基本原理是通过分析无线信道的参数进行目标定位，检测的参数包括到达角(angle-of-arrival，aoa)和飞行时间(time-of-flight，tof)。当不同路径上的反射信号具有相近的aoa或者tof时，无法通过算法对不同路径上的反射信号进行有效的分离，以此也无法精确的对aoa和tof进行估计。要提高aoa或者tof的估计精度，需要增加天线数量，或者提高信道带宽。而这两种技术手段都受到成本和物理条件的约束，无法适应不断提升的精度要求，且难以对多个目标进行精确的定位与追踪。
技术实现要素：
本发明所解决的技术问题是，提供一种多目标无接触定位与追踪系统，该系统通过数字信号处理与最优参数估计算法，在天线数目受限的情况下自适应的提高检测精度，满足人物定位、姿势识别、生命信号检测以及无线成像方面的应用需求，以解决无接触方式的无线定位与追踪系统的精度受限于天线数量和信号的频率带宽导致定位与追踪精度低的技术问题。
为解决上述技术问题本发明所采用的技术方案为：一种多目标无接触定位与追踪系统，包括信号发射模块、信号接收模块、信道参数多维联合估计模块以及多路信号分解与干扰消除模块，所述信号发射模块与所述信号接收模块分别置于相对设置的发射端和接收端，所述信号发射模块向受测目标发射出无线信号，所述信号接收模块接收从所述受测目标反射的所述无线信号，所述信道参数多维联合估计模块对所述信号接收模块接收的多路所述无线信号进行参数估计，并将多路所述无线信号分解为多维参数，所述多路信号分解与干扰消除模块将用多维参数估计的多路所述无线信号进行分解并滤除背景干扰和多路反射信号的相互干扰后进行定位与追踪。
作为一种改进的方式，所述信道参数多维联合估计模块包括以下程序：
(1)对反射信号建模：将具有n个等间距天线的信号发射模块发射的信号表示为：u(t)＝[u1(t),u2(t),...,un(t)]，则信号接收模块接收信号的参数化表示为：
上式中，
x(t)＝s(t)+w(t)
其中w(t)是m维白噪音向量；
(2)多维度参数估计器构建，包括以下步骤：
1)、对接收信号的到达角aoa进行参数估计；它是通过将每个天线接收的信号乘以不同的复权重然，后将这些运算后的结果结合起来实现的。例如，如果想要天线阵列只接收来自角度φl的信号，由于入射角φl引起的传播长度差异，可以选择适当的权重以消除在每个天线处遇到的相位差。
z(φl)＝c(φl)hx(t)
在消除了相位差的情况下，所有天线的信号在时间上相互对准，并进行加强叠加，叠加信号的强度因此被最大化。然后扫描每个可能的入射角，产生最大输出的z就是需要估计的入射角。
2)建立飞行时间估计器，通过对发射信号与延迟后的发射信号u(t-τ)进行相关性对比来估计飞行时间参数，具体为接收信号是x(t)，则相关性表示为：
z(τ；γ)＝∫tx(t)·u*(t-τ)dt，
其中t是x(t)的持续时间，通过当接收信号与u(t-τ)完全对齐时，z(τ；γ)会出现峰值，
对应的τ即为飞行时间tof的最优估计；
3)建立多普勒频移估计器，多普勒频移估计器的原理与所述飞行时间估计器类似，将信号s(t；v)乘以e-j2πγ进行多普勒频移，然后根据不同的多普勒频移的值进行搜索，当接收信号与u(t-τ)的相关性出现峰值时，对应的γ即为多普勒频移的最优估计。
4)对发射信号的发射角aod进行参数估计，
如果发射机也配备了天线阵列，就可以估算aod。aoa为不同接收天线的信号引入相位差，而aod引入来自不同发射天线的信号的相位差。假设有两根发射天线，由第二天线发射的信号传播距离以到达接收阵列，会比第一根天线多引入额外的相位。aod跟aoa类似，也是一个波束成型器，扫描所有可能的角度来找到最大化信号输出的角度，来估计aod:
同aoa，扫描每个可能的入射角，产生最大输出的z就是需要估计的入射角。
作为一种改进的方式，所述多路信号分解与干扰消除模块对接收模块接收到的l路不同的信号进行多路信号参数估计与干扰消除，总的接收信号是所有路反射信号的叠加，记为：
作为一种改进的方式，还包括载波频移削减模块，所述载波频移削减模块用于消除信号发射模块与信号接收模块之间的载波频移对多普勒频移估计造成的干扰，具体步骤为：从多普勒频移中获得载波频移分量，并从所有反射信号中减去该分量，从而去除载波频移的干扰。
作为一种改进的方式，还包括基于矢量化的高性能数字信号计算模块，将多路信号处理采用矩阵与向量的方式进行计算，对常数矩阵或者向量使用高效的缓存策略，采用离线计算、在线应用的方式提高由于数据计算带来的延迟。
采用上述技术方案所取得的技术效果为：
该多目标无接触定位与追踪系统能够通过无线信号(包括但不局限于wifi)的反射信号进行信号处理，对一定空间范围内(典型应用场景为室内)的人物进行定位与追踪。多目标无接触定位与追踪系统能够实时的高精度的定位人物，识别人体的细微肢体动作以及心跳呼吸等生理活动。本系统的方案能够检测与追踪多个目标，无论目标处于静止还是运动状态，受测对象不需要携带或者附着任何附加设备(即无接触)。该方法能够检测人物的细微肢体运动、心跳与呼吸等生命信号，检测精度能够进行自适应调整。本多目标无接触定位与追踪系统适用于定位、安防、医疗健康服务等应用场景，属于无线通信与应用的技术领域。
附图说明
图1是多目标无接触定位与追踪系统示意图；
图2是多维参数联合估计器进行多路信号分解示意图；
图3是多维参数联合估计器实现方案图；
图4是通过逐步精确估计进行参数的最优估计和干扰消除流程图；
图中，1-信号发射模块，2-信号接收模块。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
一种多目标无接触定位与追踪系统，包括信号发射模块1、信号接收模块2、信道参数多维联合估计模块以及多路信号分解与干扰消除模块，信号发射模块1与信号接收模块2分别置于相对设置的发射端和接收端，信号发射模块1向受测目标发射出无线信号，信号接收模块2接收从受测目标反射的无线信号。
信号接收模块2与信道参数多维联合估计模块信号连接，信道参数多维联合估计模块与多路信号分解与干扰消除模块信号连接，信道参数多维联合估计模块对信号接收模块2接收的多路无线信号进行参数估计，并将多路无线信号分解为多维参数，多路信号分解与干扰消除模块将用多维参数估计的多路无线信号进行分解并滤除背景干扰和多路反射信号的相互干扰后进行定位与追踪。
本多目标无接触定位与追踪系统的详细实现步骤叙述如下。
(1)通过多维参数联合估计进行多路信号分解：
本多目标无接触定位与追踪系统的核心创信之处在于：通过信道参数的多维估计，对反射信号进行分解。通过无线信号对多目标进行无接触定位与追踪的核心挑战在于难以对多路反射信号进行高精度的分解与参数估计。鉴于此，本发明提出多维参数联合估计器设计。
如图2所示，图2中a图是通过aoa和tof进行联合参数，b图是通过aoa，tof和多普勒频移效应进行联合参数估计。信号s1,s2具有相近的tof，则在tof维度上无法对这两个信号进行区分与分解。信号s1,s3具有相近的aoa，则在aoa维度上无法对这两个信号进行区分与分解。当加入aod，从3维参数空间进行考察，则信号s4,s5即使具有相近的aoa与tof参数，但在整个3维参数空间中仍然是可分解的。特别的，多普勒频移效应是通过反射波进行多目标无接触定位与追踪的核心特征，本系统充分利用此特征进行多路信号分解与参数估计，大幅提升了定位与追踪的精度。
(2)信道参数多维联合估计模块：
该模块是本系统的核心模块，负责对多路反射信号进行参数估计，从而将多路反射信号进行分解。实现该模块的程序如下：
(2.1)反射信号建模
不失一般性，假定信号发射模块1的发射器具有n个等间距天线(间距为d)，将发射信号表示为：u(t)＝[u1(t),u2(t),...,un(t)]，则接收信号的参数化表示为：
上式中，
x(t)＝s(t)+w(t)(2)
其中，w(t)是m维白噪音向量。
(2.2)多维度参数估计器构建
多维参数估计器的方案如图3所示。本系统实现了多维(≥4维)参数估计。不失一般性，假定发射端与接收端各有2组天线。本系统先进行aoa参数，。这两组参数估计后送到多普勒频移估计器获得多普勒频移效应(后续用于干扰削减)。最后修正u(t-τ)信号用于估计tof。
(2.2.1)aoa参数估计
本系统通过多天线接收信号，然后将信号乘以一个在方向φs上的接收波束成型向量。通过穷举每个方向上的接收波束成型向量，就会得到一组方向功率谱。最后在这个功率谱上找出最强的功率所在，就是aoa的接收方向。如果接收信号是x(t)，那么aoa估计公式可以表示为：
ys(t)＝c(φs)hx(t)
(2.2.2)tof估计器构建
本系统通过对发射信号与延迟后的发射信号u(t-τ)进行相关性对比来估计tof参数。如果接收信号是x(t)，则相关性可表示为：
z(τ；γ)＝∫tx(t)·u*(t-τ)dt(3)
其中t是x(t)的持续时间。通过当接收信号与u(t-τ)完全对齐时，(3)式会出现峰值，对应的τ即为tof的最优估计。
(2.2.3)多普勒频移估计器
多普勒频移估计器的原理与tof估计器类似。将信号s(t；v)乘以e-j2πγ进行多普勒频移，然后根据不同的多普勒频移的值进行搜索，当接收信号与u(t-τ)的相关性出现峰值时，对应的γ即为多普勒频移的最优估计。由于多普勒频移一般小于一个包发射的持续时间，本系统利用多个数据包进行多普勒估计。所以进行了计算的简化：多普勒频移计算公式里边的相位可以近视为2πvlt≈2π(i-((i+1)/2))vltf，其中tf是一个数据包的持续时间，i是用来估计多普勒频移一共的数据包。
(2.2.4)aod估计器
如果发射机也配备了天线阵列，就可以估算aod。aoa为不同接收天线的信号引入相位差，而aod引入来自不同发射天线的信号的相位差。假设有两根发射天线，由第二天线发射的信号传播距离以到达接收阵列，会比第一根天线多引入额外的相位。aod跟aoa类似，也是一个波束成型器，扫描所有可能的角度来找到最大化信号输出的角度，来估计aod:
同aoa，扫描每个可能的入射角，产生最大输出的z就是需要估计的入射角。
(3)多路信号分解与干扰消除模块：
多目标定位与追踪的挑战在于难以将多路反射信号进行分解，并滤除背景干扰和多路反射信号的相互干扰。多路信号分解与干扰消除模块实现多路信号参数估计与干扰消除功能。
假定接收天线接收到l路不同的信号，路径l上的信号表示为s(t；vl)，其中
本模块实现的功能是估计v＝[v1,v2,...,vl]。本系统采用的方法是：a)首先采用子空间方法粗略估计
(4)时钟同步与载波频移削减模块：
鉴于发射天线与接收天线之间的载波频移会对多普勒频移估计造成干扰，本系统实现了载波频移削减模块，基本原理如下：载波频移造成的频率偏差对主路径信号、静止对象的反射路径信号、以及活动对象的反射路径信号均造成干扰，干扰的强度一致；而多普勒频移效应是由移动对象造成的，仅仅与活动对象反射路径信号有关。鉴于此差异，本系统从多普勒频移中获得载波频移分量，并从所有反射信号中减去该分量，从而去除了载波频移的干扰。
(5)矢量化的高性能数字信号计算模块：
本系统对所提的算法进行了矢量化重构，将多路信号处理采用矩阵与向量的方式进行计算，充分利用了基本线性代数子程序对矩阵或者向量运算速度快的优点，加速了上述模块的计算速度。另一方面，常数矩阵如c(φ)和多普勒频移e-j2πγ在计算过程中保持不变。本系统对常数矩阵或者向量设计了高效的缓存策略，采用离线计算、在线应用的方式，大幅提高了由于数据io造成的计算延迟，提高了方案的计算效率，满足了在线应用场景的需求。
本系统提出基于无线信号的高精度多目标无接触定位与追踪的方法和系统，该系统主要包括以下创新点：
(1)建立无线信号的数学模型，通过多维参数联合估计器进行多路反射信号的参数估计，使得在低维度不可分解的反射信号在更高的维度上是可分解的。所提出的多维参数联合估计器可估计包括但不局限于aoa，aod，tof与多普勒频移。多维参数联合估计器是本系统的第一个核心要点。
(2)建立多路参数的连续干扰消除方法，该方法包含粗略估计和迭代精确估计两个步骤，能够渐进收敛到参数的全局最优估计，消除不同反射信号之间的相互干扰，提高了参数估计的精度。所提的连续干扰消除方法是本系统的第二个核心要点。
(3)设计数字信号处理的矢量化计算方法与缓存策略，大幅提高了上述模块的计算时间；通过缓存技术降低了模块之间的计算延时。上述模块的高性能计算方法是本系统的第三个核心要点。
综上所述，本系统致力于提高基于无线信号的多目标无接触定位与追踪的精度。提出了一种多目标无接触定位与追踪系统，具有以下特点：a)通过多维参数联合估计与信息融合技术，从发射信号中对多路反射信号进行分解；b)通过连续干扰消除技术将人物发射信号与背景反射信号进行分离；c)通过渐进收敛的最优参数估计算法对每一路反射信号进行参数估计，从而实现定位与追踪；d)通过高性能计算方法实现数字信号处理，将本系统所提方法应用与实时定位与追踪的应用场景。
本系统的有益效果主要有以下三点：
(1)多目标无接触定位与追踪系统能够实时的高精度的定位人物，识别人体的细微肢体动作以及心跳呼吸等生理活动。
(2)通过信号的多维参数估计与信息融合，该系统大幅提高了基于无线信号的多目标无接触定位精度，在人物定位，姿势识别，健康医疗服务和无线成像上有广泛应用。
(3)该多目标无接触定位与追踪系统通过多种场景的验证，多人定位的中位误差为1米；在三天线发射跟接收下，多路无线信号aoa，aod估算的中位误差为8度，tof估算的中位误差为3.5纳秒。本系统所提方法的精度大幅超过现有技术方案。