[發明專利]基于CSI信號的室內定位方法

在審

• 申請號: 201710133486.X
• 申請日: 2017-03-08
• 公開（公告）號: CN106772219A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 鄢明
• 申請（專利權）人: 南京大學
• 主分類號: G01S1/08
• 分類號: G01S1/08
• 代理公司: 南京知識律師事務所32207
• 代理人: 張蘇沛

技術領域

本發明涉及無線網絡技術領域，特別是涉及一種基于CSI信號的室內定位技術。

背景技術

最近幾年，無線信號應用于室內定位的場景越來越多，隨著Wi-Fi信號覆蓋了人們生活中的各個場所，像商場、機場、家里、辦公場所等，使得Wi-Fi信號應用于室內定位具備了先天的優勢。但是，無線信號在室內有直射、反射、散射等多種傳播途徑，這會產生多徑效應，多徑效應會對基于無線信號的室內定位的精度產生影響。此外，無線信號在室內極易受到干擾，還有背影噪聲問題。因此，解決多徑環境下的噪聲問題，是無線信號應用于室內定位的一個關鍵問題。目前常見的基于無線信號的室內定位方法主要有兩種，一種是需要人攜帶特定傳感器，如RFID標簽；另一種是設備無關的。前一種的問題主要是不方便，如果需要人攜帶相關的傳感器，那對于室內定位的推廣來說，是不利的。第二種方法，是目前研究的比較廣泛和熱門的方法，主要應用的技術方法有兩種，一種是基于RSSI的，另一種是基于CSI的。基于RSSI的，是利用RSSI無線信號傳播模型來估算信號傳播距離，隨著距離的變化，接收端接收到的RSSI信號強度也不一樣，但是這種方法在多徑效應下，信號傳播模型會改變，造成測量精度不高。基于CSI的，利用CSI子載波的幅度和相位信息，以幅度和相位建立相應的模型，以此來進行定位，雖然CSI的靈敏度比RSSI要好，但是也存在著多徑問題和噪聲問題。

發明內容

為了解決這些問題，本發明結合了信號處理的相關技術，將PCA分析技術應用于CSI處理中，并結合機器學習的方法，建立了基于CSI的室內定位模型，主要解決了背景噪聲問題，最大限度的減少了多徑效應的影響，并提高了定位精度。

本發明所采用的技術方案是：一種基于CSI信號的室內定位方法，其特征在于：

步驟一、利用低通濾波器對收集到的CSI信號進行濾波處理，除去大部份的背景噪聲；

步驟二、對濾波后的信號進行PCA(principal component analysis，主成份分析)處理，達到降維去噪的效果；

步驟三、對處理后的信號提取人走動信號特征，包括：信號能量強度、能量方差、波峰波谷數和相位；最后利用機器學習算法對其訓練，得出基于CSI的室內定位模型。

上述的基于CSI信號的室內定位方法，其進一步特征在于：利用Wi-Fi信號室內定位機制，對采集的CSI數據提出有效的去噪和降維處理方法：一是采集CSI數據，通過發射端和接收端兩部份組件，其中發射端有Tx根發射天線，接收端Rx根接收天線，一共可采集到Τx*Rx組CSI數據，每一組CSI數據包由30個子信道的數據組成；二是利用Butterworth(巴特沃斯濾波器)低通濾波器，對采集到的CSI數據進去噪處理，去除大部分的背景噪聲；三是利用PCA去噪聲方法，進一步去除細微的噪聲并實現數據維度的降低，采用SVD(singular value decomposition，奇異值分解)實現。

利用Butterworth低通濾波器去噪方法去除背景噪聲，根據背景噪聲的頻率相對于人走動的頻率要高的多的特點，對采集到的信號采用低通濾波器，去除了信號中大部分的背景噪聲。

利用PCA去噪方法進一步去除噪聲和降低數據維度，根據噪聲數據在不同信道是不相關的，而人在Wi-Fi環境下走動引起的CSI數據變化在不同信道是相關的特點，進一步去除細微的噪聲，并且降低CSI的數據維度，提高數據處理效率，進而提升系統的測量效率。

提出多種有效的特征生成方法：一是相位特征，利用相位特征判斷人走動的大致方向；二是頻率能量特征，將人走動的頻率定在40HZ左右，并提取人走動的頻譜曲線；三是方差特征，依據人走動對方差大小的改變，通過閾值判斷出人走動的開始點和結束點，并獲得人走動的CSI方差改變特征；四是波峰數，依據波峰數，估算人走動的距離。

依據SVM和非線性回歸的方法，建立室內定位模型，其過程包括：

步驟1、首先在室內各個點取訓練樣本特征，并將相位、能量、方差和波形數作為訓練特征，用SVM多訓練算法建立室內定位模型；

步驟2、將相位、能量、方差和波形數作為訓練參數，利用多元非線性回歸nlinfit算法，估計出beta回歸系數，最終得到人走動的非線性回歸函數。

本發明主要有三個部份組成，一是信號處理過程；二是特征提取過程；三是室內定位模型建立過程。