[發明專利]一種基于CSI的幅值和相位信息的無源定位方法

在審

• 申請號: 202010959455.1
• 申請日: 2020-09-14
• 公開（公告）號: CN112147573A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 陳正華;肖玉璽;李冰;崔瑋;張樂;王海霞;盧曉
• 申請（專利權）人: 山東科技大學
• 主分類號: G01S5/02
• 分類號: G01S5/02;G06N3/04;G06N3/08;H04W4/33;H04W64/00
• 代理公司: 青島智地領創專利代理有限公司 37252
• 代理人: 林琪超

本發明公開一種基于CSI的幅值和相位信息的無源定位方法，包括實驗環境部署和數據采集，在室內部署一臺無線路由器作為發射端，一臺計算機作為接受機，設置n個測試點，由人站立在每個測試點50s，進行數據采集，采集到的數據建立指紋數據庫S；數據預處理與特征融合，采用指紋數據庫中的數據，分別對數據中的幅值和相位兩個特征并行提取和預處理；通過Hampel濾波算法處理幅值信號特征，通過線性變換算法矯正相位信號特征，幅值信號特征和相位信號特征處理完后融合成特征矩陣；特征矩陣利用卷積神經網絡進行模型訓練，形成定位模型；利用定位模型進行測試點定位測試。本發明所提出的方法能夠高精度感知用戶所在位置，定位結果更加準確。

技術領域

本發明涉及室內定位技術領域，具體涉及一種基于CSI的幅值和相位信息的無源定位方法。

背景技術

現有的主流室內人員定位方法可分為兩類，主動式定位和被動式定位方法。主動式定位方法包括基于攝像頭的定位、基于可攜帶傳感器的定位；被動式定位方法則不需要額外的接收設備通過捕獲目標引起的無線信號變化就能檢測到定位區域內的目標實體。基于接收信號強度(Received Signal Strength,RSS)的定位方法是應用最廣泛的一種，因為它可以方便地訪問現有的無線基礎設施，然而RSS信號存在粒度粗、易受多徑效應的影響等問題，容易導致定位誤差偏大。近年來，研究人員嘗試將多個子載波置于正交頻分復用(OFDM)中，以獲取更豐富的多徑信息，構成信道狀態信息(channel state information,CSI)。在2012年，PinLoc方案通過對各種室內場景的測試，驗證了CSI幅值信號在室內定位中的可行性。之后，Zhou等人提出了一種基于CSI和支持向量機的無設備定位算法，將定位問題轉化為回歸問題，這個方法建立了CSI指紋與目標位置之間的非線性關系，能夠根據對應的CSI指紋對目標位置進行估計。在2019年，Hsieh等人提出了CSI與RSS融合定位方法，比單一的使用CSI幅值信號或RSS信號在定位精度上得到了提高，但是由于多路徑效應，采集點的RSS值會隨著時間發生顯著變化。誤差可達10dB，導致定位系統精度較低。FIFS系統使用多個天線的加權來優化CSI的數值，達到減小誤差的目的。Wang等人設計了一個稀疏的自動編碼器網絡，從無線信號中自動學習有區別的特征，并合并到一個基于softmax回歸的機器學習框架中，用來同時實現位置、活動和手勢識別，省去了傳統方法耗時費力的特征挖掘過程，而且提取出更多的識別特征。Deep-Fi是基于深度學習的室內定位方法，此方法從三根天線中學習大量的CSI振幅數據，可以更好的提取各個信道的特征。PhaseFi是基于深度學習的校準信道狀態信息(CSI)相位信息的室內定位指紋系統，此方法從網絡接口卡中提取多個天線和多個子載波中的相位信息，可以更好的提取信道中有區別的相位特征。

現有技術存在的問題為：

1、對于基于RSS的定位方法，RSS信號的測量值是通過人體的反射、散射和衍射所產生的多條路徑的RSS值求和實現的，因此，RSS測量不是一個穩定的測量方法；

2.對于PinLoc方案，定位目標需攜帶電子設備通過每個附近的AP(接入點)下載數據包記錄對應的頻道頻率響應來進行定位，定位成本高且復雜；

3.對于Zhou等人的方案，①DBSCAN進行聚類去噪預處理，當每條天線采集的信號存在密度不均勻時，不能有效區分異常值導致聚類質量差；②而且由于依賴距離公式進行判別，對于高維數據，難以處理；③應用SVM回歸是針對x坐標和y坐標單獨回歸比較復雜，不如x和y一起回歸出預測定位坐標；

4.Hsieh方案，①采用分類進行定位，比回歸定位性能差，而且僅能實現少量的數據量，對于定位目標點較多的數據庫實現結果難以保證；②由于多路徑效應，采集點的RSS值會隨著時間發生顯著變化，精度較低，因此結合RSS和CSI定位提高不明顯；

5.FIFS系統，對多個天線加權來優化矯正CSI信號的幅值，可以減少誤差，但是忽略了每個天線的數據的多樣性，不如考慮直接使用多天線的數值融合來提高魯棒性和多樣性；