[发明专利]一种基于UWB信道脉冲响应的高精度位移测量方法

权利要求书

1.一种基于UWB信道脉冲响应的高精度位移测量方法，其特征在于，包括如下步骤：

S1、设置两个UWB收发机分别作为固定节点和移动节点，获取UWB接收机相对发射机发生毫米级位移时的原始信道脉冲信号；

S2、基于UWB信道脉冲响应对原始信道脉冲信号进行特征提取，提取的特征包括：初测距离、修正距离、用于查找第一径的阈值、第一径强度、接收信号强度、第一径强度与接收信号强度差、第一径与峰值经在信道脉冲响应中的位置差、信道脉冲响应斜度；

S3、将提取的特征输入XGBoost的机器学习模型进行预测，获得相对位移的预测结果，即机器学习模型预测值；

S4、使用低通滤波器和多项式对预测结果进行校正，获得两个UWB收发机之间的相对位移；

其中，S4中使用低通滤波器削减预测结果的方差，使用多项式补偿削减预测结果的偏差。

2.如权利要求1所述的一种基于UWB信道脉冲响应的高精度位移测量方法，其特征在于，初测距离和修正距离使用UWB收发机的双边测距算法计算得到；用于查找第一径的阈值从UWB芯片的设置获取得到；第一径强度使用公式计算，其中P_fp为第一径强度，F₁、F₂、F₃分别为信道脉冲响应中的前3个估算的第一径幅值，N_p为前导码累计计数值，N_a为常数；接收信号强度RSSI使用公式计算，其中RSSI为接收信号强度，C为信道脉冲响应功率值，N_p为前导码累计计数值，N_a为常数；信道脉冲响应斜度使用公式计算，其中S为信道脉冲响应斜度，为F₁、F₂、F₃的平均值，k＝1,2,3。

3.如权利要求1所述的一种基于UWB信道脉冲响应的高精度位移测量方法，其特征在于，S3中XGBoost的机器学习模型的构建方法为：

S3.1、在固定节点和移动节点固定的相对位移下，获取原始信道脉冲信号，并对原始信道脉冲信号进行特征提取，将提取的特征和结构位移共同组成训练集；

S3.2、抽取部分训练集输入使用原始XGBoost机器学习模型进行训练，获得的训练后的XGBoost机器学习模型，剩余部分训练集作为测试集；

S3.3、将测试集输入训练后的XGBoost机器学习模型，测试获得的训练后的XGBoost机器学习模型的精度；

其中，S3中将提取的特征输入训练后XGBoost的机器学习模型进行训练，获得预测结果。

4.如权利要求3所述的一种基于UWB信道脉冲响应的高精度位移测量方法，其特征在于，使用相对位移作为训练集的标签。

5.如权利要求1所述的一种基于UWB信道脉冲响应的高精度位移测量方法，其特征在于，S4中使用低通滤波器削减预测结果的方差的具体方法为：首先，使用时频分析方法对机器学习模型预测值进行时频谱分析，得到其主要能量聚集的频率范围；其次，使用低通滤波器进行低通滤波，滤除高频噪声部分，得到滤除高频噪声后的相对位移，从而降低机器学习模型预测值的预测方差。

6.如权利要求5所述的一种基于UWB信道脉冲响应的高精度位移测量方法，其特征在于，S4中使用多项式补偿削减预测结果的偏差的具体方法为：多项式补偿采样三项式模型，具体为，其中为最终的计算距离，E为滤除高频噪声后的相对位移，系数k₁、k₂、k₃和k₄由训练集的训练结果回归得到。