文章地址：https://ieeexplore.ieee.org/document/8967562
机器人顶会iros的一篇文章，我主要关注其关于CIR估计的部分
有一种室内定位技术叫做ultra-wideband radio technology，其精度受限于天线的一些不理想特性，很多人想通过提升天线设计来提升精度，但是作者从另一个角度入手，反其道而行之，通过放大天线的不理想特性来做到达角AOA的评估
作者提出的AOA估计方法优点：
（１）不需要额外的硬件，比如多个天线组成天线阵列，只需要使用一个接收天线
（２）TX和RX端不需要同步时钟，或者也可以用在现有的系统上来增强 existing time-of-flight or received-signal-strength UWB localization systems
要估计AOA，必须先估计CIR，然后通过CIR mapping 到 AOA
对于一个UWB系统信道来说，其特性由其CIR函数表征，但是其CIR函数是难以精确建模的，因为要考虑非常多的影响因素，作者只显性地探讨两个因素：
（1）天线的传输函数（The transfer functions of the transmitting and receiving antennas）
（2）环境中的物体
The transfer functions of the transmitting and receiving antennas 通常由两个参数决定：发送角度AOD和到达角度AOA。
天线传输函数对于CIR有很大影响，尤其是在使用 directional antennas 的情况下。
作者将环境中的物体分为两组，一组是与发射和接收天线属于同一刚体的物体（被作者称为"local environment"），另一组是原理天线的物体，被称为“larger environment”
我们假设两个前提：
（1）我们计算的CIR是一个级联的（同一信道各部分之间直接卷积）、线性的（不同信道直接累加）、时不变的模型
（2）一个UWB channel 由 NMP 条 multipath组成
那么被测量出的CIR公式为：
为了探究 天线传输函数 和 local environment中的物体的影响，将 UWB 模型的TX端放在固定位置，将RX端以5m为半径在TX端周围绕着防，以此来测量不同AOA
天线的仰角始终保持为0，因为作者只考虑二维，但是作者声称本文的技术是适用于三维的。
作者测量的CIR是是 complex-valued impulse response envelope，其 magnitude（模）就是the physical (real-valued)
CIR
以下是连续两次连测50次CIR的结果，这两次的AOA不同，同一幅同中不同程度的灰色点是使用不同方法进行CIR测量的结果，然后每一幅图都用红色点高亮了一种测量方法
这两次测量都使用Decawave的proprietary leading edge detection algorithm来进行 first path estimate
每一次测量CIR在 estimated frist path 之前都有4个sample，第二个尖峰是由 an environmental multi-path 造成的。
两幅图的第一个peak形状不一样，这是因为两个原因：
（１）AOA不同，造成天线传输函数不同，
（２）RX端天线的local environment引起的不同反射的重叠
作者调优了变量 tao 来减弱多径影响（将比direct path长 c*tao的路径全部排除），并且作者仅仅凭借the first path的input window（第二幅图所示）内进行单次测量的samples（红色）来进行AOA estimation
CIR部分结束了，接下来就是搭建 CIR->AOA预测NN的部分
我干，读了这篇文章还是没学会具体的CIR值是怎么算出来的
