[發明專利]基于小樣本CSI指紋的室內終端到達角回歸估計方法

在審

• 申請號: 202211147360.5
• 申請日: 2022-09-19
• 公開（公告）號: CN115456172A
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 章丁祥;杜金鍇
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/06;G06F17/18;G06F17/16
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 姜夢翔

本發明公開了一種基于小樣本CSI指紋的室內終端到達角回歸估計方法，在多發多收(MIMO)雙端通信系統中，調整小樣本CSI指紋庫特征參照：以一定路徑規劃下，天線之間CSI相位差在不同角度下的特征作為數據媒介，并根據實際角度建立權值標簽與指紋建立樣本集合；搭建多層感知機(MultilayerPerceptron，MLP)回歸器進行回歸分析提取高維特征映射，聯合角度標簽進行線性回歸預測輸出未知樣本到達角，以減少數據預采集工作量和資源消耗，具有較高估計精度和較低定位成本。

技術領域

本發明屬于室內定位技術領域，具體涉及一種基于小樣本CSI指紋的室內終端到達角回歸估計方法。

背景技術

室內定位技術近年來成為研究熱點之一，原因一是公眾對位置服務技術(Location Based Services，LBS)日益增長的需求，以追蹤用戶精準位置等為主要服務需求；原因二是隨著室外定位的全球定位系統(Global Positioning System，GPS)被廣泛投入使用，但是建筑墻體阻隔或反射阻礙衛星信號進入，無法輕易在室內進行準確定位；所以需要另研究室內定位技術手段，而WiFi，藍牙等恰好已經廣泛部署于室內環境，且部署和造價成本低，基于此類傳輸信號分析的室內定位技術層出不窮。

傳統的基于信道狀態信息(Channel State Information,CSI)指紋的室內定位技術是利用預采集CSI作為數據媒介保存為數據指紋庫，通過信號建模或機器學習算法進行匹配的一類室內定位方法的統稱；但是，其通常需要構建數量龐大的指紋庫來保證較高的匹配精度，此外，室內復雜環境還會對捕獲的信號樣本造成干擾，使得這一技術發展也充滿挑戰。對于需要構建數量龐大的指紋庫這一方面來說，絕大多數算法默認這種采集做法的正確性而忽略了樣本本身可能存在大量冗余的問題；但是，另一方面，如果要減少預采集工作量，不得不減少采集點數量或者減少每個采集點的樣本量，將會讓基于機器學習算法的一類室內定位技術轉變為小樣本學習(Few-shot Learning)問題，定位精度下降是必然的。而日常生活環境亦存在很多只能采集少量數據的場景，因此，為解決該問題，現有技術中存在大量針對該問題的研究；有的學者通過數據增強應對樣本數量問題，但是更適合圖片等數據；而有的學者通過研究基于遷移學習的模型學習樣本間的相似度，但是模型又過于復雜；目前缺乏真正有效的在組成CSI小樣本的同時，減少預采集工作高額成本的方法。

發明內容

為解決上述問題，本發明提供了基于小樣本CSI指紋的室內終端到達角回歸估計方法，旨在在多發多收(MIMO)雙端通信系統中，調整CSI小樣本指紋庫特征參照，借助多層感知機(Multilayer Perceptron，MLP)回歸器的回歸特性代替指紋分類工作進行預測輸出，從而減少數據預采集工作量和資源消耗，具有較高估計精度和較低定位成本。

本發明所述的基于小樣本CSI指紋的室內終端到達角回歸估計方法，步驟為：

步驟1、配置路由器分別作為移動端和接收端，根據到達角原理，以固定路線規則獲取待定位區域的所有點位的CSI數據，構成CSI小樣本集；

步驟2、提取CSI小樣本集中的頻域原始相位信息，進行解卷繞處理，在維度方向上拼接全部天線陣列相位信息作為原始CSI相位集合，并選擇任意一根天線作為基準天線，計算其余天線與基準天線的相位差，形成CSI小樣本指紋庫；

步驟3、根據先驗地理位置信息標記標簽，并將角度數值型標簽集合歸一化到[0，1]范圍內，轉化為權值數值型標簽集合y；

步驟4、搭建MLP回歸器，對所述CSI小樣本指紋庫進行離線訓練；

步驟5、在線預測階段，移動端向附近的接收端提出位置服務請求，請求通信；接收端通過一維天線陣列接收若干Wi-Fi數據包，并提取CSI數據，同樣按照步驟1和步驟2獲取到待定位數據的CSI測試集合，使用搭建并訓練好的MLP回歸器進行方位角回歸預測。

進一步的，步驟1具體為：