Questions tagged «multipath»

1
超声波信号检测
我创建了一个相当简单的TDOA系统,该系统使用从两个扬声器发出的超声波信号来定位(相对于扬声器)移动电话。这两个信号按频率分开。 该系统具有以下约束: 信号必须听不到。为此,我们坚持使用高于17 kHz的频率。少数人仍然可以听到,但大多数人听不到。 采样率为44.1 kHz。 音乐通常会在播放,因此在较低频率下会有很多干扰。 我们无法控制扬声器和麦克风在较高频率下的运行状况,因此我们将上限保持在20 kHz左右。 我使用的特定信号是BPSK调制的13位Barker码,因为它们具有良好的自相关特性。自相关如下所示: 但是,当我将期望信号与现实生活中的接收信号互相关时,我通常会得到如下所示: 蓝色是与扬声器1信号的互相关,红色是与扬声器2信号的互相关。由于麦克风的定向增益,回波似乎很明显,并且不幸的是,通常比直接路径信号要强。 我尝试仅检测信号的最早出现,因为这很可能是直接路径。这种方法对我用来确定何时存在信号的阈值非常敏感,因此根本不够鲁棒。 我想要一种确定信号的“真实”到达时间(即直接路径信号的到达时间)的可靠方法。也许某种形式的信道估计和反卷积?如果是这样,那将如何工作? 数据/代码:我想明确地说,我不希望任何人分析数据或检查我的代码。我已经提供了它们,以备您需要。我主要对想法感兴趣。 我提供了原始接收信号和调制后的预期信号供下载。它们均以44.1 kHz采样。将接收到的信号与预期信号相关联会产生与上图类似但不同的东西,因为在将接收到的信号与预期信号相关之前,我将接收到的信号移至基带并进行了抽取。 接收信号 预期信号1 预期信号2 Matlab脚本 Matlab脚本同时具有信号生成脚本(genLocationSig.m)和我的接收/处理脚本(calcTimingOffset.m)。

2
如何实现基于梯度的霍夫变换
我正在尝试使用霍夫变换进行边缘检测,并希望使用渐变图像作为基础。 我迄今所做,给出的图像I尺寸的[M,N]和它的部分衍生物gx,gy是计算中的每个像素作为梯度角thetas = atan(gy(x,y) ./ gx。同样,我将梯度幅度计算为magnitudes = sqrt(gx.^2+gy.^2)。 要构建霍夫变换,我使用以下MATLAB代码: max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) + 1; hough(rho_idx, theta_idx) = hough(rho_idx, theta_idx) + …
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.