CN104703276A - 基于信道状态信息测距的轻量级指纹室内定位系统及方法 - Google Patents

Abstract

本发明公开了一种基于信道状态信息测距的轻量级指纹室内定位方法。主要解决现有技术的定位精度不高，计算开销大，达不到实时性的问题，其实现步骤是：1.将室内场景划分为多个环路区域，并在每个环路上的不同位置选择参考点；2.利用正交频分复用技术在各个参考位置点连续采集M组信道状态信息并进行预处理，以完成室内场景环状指纹地图及指纹数据库的构建；3.分别获取发射机与移动设备之间的距离d和移动设备处的指纹；4.将移动设备处的指纹与环状指纹地图中半径最接近d的环路或邻近环路上的指纹进行巴氏系数计算，根据巴氏系数得到移动设备所在的位置。本发明具有开销小，定位精度高，实时性强的优点，可用于移动智能设备。

Description

基于信道状态信息测距的轻量级指纹室内定位系统及方法

技术领域

本发明涉及无线通信技术领域，尤其涉及一种轻量级指纹室内定位系统及方法，可用于移动智能设备。

背景技术

随着移动智能设备和无线网络渗透到人类生产生活的方方面面，室内定位受到越来越多研究者的关注，也催生了很多定位技术。无线信号在室内的传播存在多径效应现象，信号会被反射、折射，甚至被障碍物遮挡，这些都会对取得高精度定位结果产生负面影响。然而，很多室内应用场景要求米级乃至分米级的定位精度，因而室内定位充满了挑战。

接收信号强度指示RSSI作为一种主流的方案常用于基于测距的定位和指纹定位系统。在室内环境中由于多径效应的影响，无线信号是通过多个路径到达接收端的。沿不同路径传播的无线信号，其时延、相位变化和衰减程度均不同，接收机所接收到的信号是多路径信号的融合，因此RSSI是沿多条路径传播的信号共同的叠加值。一方面，采用RSSI无法获得沿着视距传播的信号的能量值；另一方面，RSSI具有不稳定性，即使是在稳定的环境下，在同一个位置采集到的RSSI值也会有较大的波动。因此，将RSSI应用于基于测距的定位方法和基于指纹的定位方法均难以取得较高的定位精度。

近年来，有设备支持获取物理层的信道状态信息CSI。利用正交频分复用OFDM技术可以得到表征发射机与接收机之间信道响应的CSI。具体而言，CSI是物理层的一种细粒度的属性值，其描述了频域空间对应每个子载波的振幅和相位。无线信号在发射机和接收机之间传播过程中的衰减情况可以通过CSI反映出来。相比RSSI，CSI具有区分多路径信号的能力，且具有更好的稳定性。

经检索发现，以往基于CSI的无线网络定位技术如下：

申请号为201110373217、申请日为2011-11-22的国内发明专利申请公开了一种基于物理层的无线网络室内定位的实现方法及其装置，其采用CSI指标进行室内定位。该方法根据信号强度优化室内环境的传播路径损耗模型，并根据优化后的传播路径损耗模型计算每个发送方与接收方的距离，并采用训练方法得到对应不同室内场景的环境系数和路径损耗系数，最后采用三边定位法得到目标的位置。但事实上，即使在同一室内场景，每次信号传播的遮挡、衰减情况也不同，因而每次信号传播对应的路径损耗系数应该是不同的；此外，在无线局域网WLAN环境下，由于被定位无线设备不支持同时连接多个无线接入点，因而无法同时计算得到目标与多个无线接入点的距离，该方法采用三边定位达不到定位实时性，因而并不实用。

申请号为201110350390、申请日为2011-11-9的国内发明专利申请公开了一种基于无线网络信道状态信息的室内定位方法，其采用CSI指纹进行定位。该方法将处理后的信道信息作为参考位置点的指纹标识信息，搭建包括各个参考位置点的指纹信息的无线电波地图，然后获取移动设备的子载波信道信息并与无线电波地图中贮藏的信道信息进行比较，匹配程度最高的信道信息对应的位置即为移动设备所在位置。该方法在进行指纹匹配时，需要将移动设备的信道信息同无线电波地图中贮藏的所有信道信息进行匹配，开销大。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于信道状态信息测距的轻量级指纹室内定位系统及方法，以减小开销的同时，提高定位精度和实时性。

实现本发明目的的技术思路是：通过采用自适应的路径损耗系数进行距离计算，并结合一种新的参考位置点选取方案和指纹方案得到更精确的室内定位精度。通过采用一种新的参考位置点选取方案，结合测距法，将需要进行指纹匹配的区域大大缩小，从而取得较小的时间开销。

根据上述思路，本发明的定位系统，包括：数据获取模块：用于将室内场景划分为环状并以直线距离D为间隔选择参考位置点，对每个参考位置点通过正交频分复用技术获取信道状态信息，并将获取到的信道状态信息传递给预处理模块；

预处理模块：用于将数据获取模块获取得到的信道状态信息通过反向傅里叶变换转换为信道冲激响应，滤除信道冲激响应中因相位漂移导致的数据噪声，并根据当前定位所处的阶段对滤噪后的信道冲激响应数据进行传递：若当前定位处于指纹地图构建阶段，则将滤噪后的信道冲激响应数据传递给指纹地图构建模块；若当前定位处于对移动设备的位置计算阶段，则将滤噪后的信道冲激响应数据传递给定位模块；

指纹地图构建模块：根据预处理模块传递的信道冲激响应，对数据获取模块中选择的每一个参考位置点生成数据指纹信息，构建环状指纹地图及指纹数据库；

定位模块：根据预处理模块传递的信道冲激响应，完成对移动设备的定位并得到移动设备的位置。

根据上述思路，本发明的定位方法包括如下步骤：

(1)将室内场景划分为多个环路区域，并在每个环路上的不同位置选择参考点；

(2)利用正交频分复用技术在各个参考位置点连续采集M组信道状态信息，并对该信道状态信息依次进行反向傅里叶变换得到M组信道冲激响应，并对每组信道冲激响应进行滤噪处理，得到每个参考位置点的M组信道冲激响应的有效信号数据起始点标号k_p；

(3)对M组信道冲激响应的第k_p,k_p+1,k_p+2,k_p+3,k_p+4和k_p+5分量的幅度分别求平均值，共得到6个幅度平均值，并将这6个幅度平均值表示为直方图作为指纹信息，以完成室内场景环状指纹地图及指纹数据库的构建；

(4)获取发射机与移动设备之间的距离d：

4a)利用正交频分复用技术获取移动设备的信道状态信息CSI_d，并对该信道状态信息依次进行反向傅里叶变换得到移动设备的信道冲激响应CIR_d，再对移动设备的信道冲激响应CIR_d进行滤噪处理，得到移动设备信道冲激响应CIR_d的有效信号数据起始点标号k_d；

4b)根据移动设备信道冲激响应CIR_d的有效信号数据起始点标号k_d计算感兴趣能量值E_csi，利用线性拟合方法获取移动设备处的自适应路径损耗系数λ；

4c)将4b)得到的参数代入如下优化后的室内环境传播路径损耗模型，计算得到发射机与移动设备之间的距离d：

E_csi＝E₀-10·λ·log(d)

其中，E₀为距离发射机1m处测量得到的感兴趣能量值；

(5)对移动设备信道冲激响应CIR_d的第k_d,k_d+1,k_d+2,k_d+3,k_d+4和k_d+5分量的幅度分别求平均值，共得到6个幅度平均值，并将这6个幅度平均值表示为直方图作为移动设备处的指纹信息P_d；

(6)将移动设备处的指纹与环状指纹地图中半径最接近d的环路或邻近环路上的指纹进行巴氏系数计算，根据巴氏系数得到移动设备所在的位置。

本发明具有如下优点：

1.本发明由于将室内场景划分为多个环路区域，并在每个环路上的不同位置选择参考点；并在优化后的室内环境传播路径损耗模型中，根据移动设备处的信道冲激响应计算自适应的路径损耗系数，因此可以得到较准确的发射机与移动设备之间的距离d；

2.本发明由于在构建参考位置点和移动设备处的指纹时，通过对滤噪后的信道冲激响应进行平均值计算得到指纹，使得该指纹具有稳定性好、位置区分性好的特点；

3.本发明由于在计算出发射机与移动设备之间的距离d时，将移动设备所处的位置范围缩小到环路地图中半径最接近d的环路及邻近环路上，通过计算移动设备处的指纹与环路地图中半径最接近d的环路及邻近环路上指纹的巴氏系数即可得到移动设备所处的位置，因此可以将基于测距的方法和基于指纹的方法结合，弥补测距方案精度不高的劣势，并可降低指纹方案的开销，获得高精度、实时的定位。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

附图说明

图1是本发明基于信道状态信息测距的轻量级指纹室内定位系统结构示意图；

图2是本发明的定位方法实现流程图；

图3是本发明中室内场景划分及参考位置点选取示意图；

图4是本发明中提供的适用于常见室内空间的参考位置点选取示意图；

图5是本发明中提供的适用于走廊空间的参考位置点选取示意图；

图6是本发明中信道冲激响应及有效信号起始点示意图；

图7是本发明中对信道冲激响应选取感兴趣值进行指纹计算的示意图；

图8是本发明中对同一位置所生成的一组指纹信息示意图；

图9是本发明中对自适应路径损耗系数λ和自适应环境因子ξ进行拟合后的结果；

图10是本发明实施例中对移动设备进行位置确定的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，本发明的轻量级指纹室内定位系统包括：数据获取模块、预处理模块、指纹地图构建模块和定位模块，其中：

数据获取模块：用于将室内场景划分为环状并以直线距离D为间隔选择参考位置点，具体的，以发射机在室内场景中的位置为圆心，以半径增量为D的一系列环路对室内场景进行划分；对于每个圆环，以直线距离D为间隔选择参考位置点；对每个参考位置点通过正交频分复用技术获取信道状态信息，具体的，在每个参考位置点连续采集M组信道状态信息，并将获取到的信道状态信息传递给预处理模块；

预处理模块：用于将数据获取模块获取得到的信道状态信息通过反向傅里叶变换转换为信道冲激响应，滤除信道冲激响应中因相位漂移导致的数据噪声，以得到信道冲激响应中有效信号数据的起始点标号，并根据当前定位所处的阶段对滤噪后的信道冲激响应数据进行传递：若当前定位处于指纹地图构建阶段，则将滤噪后的信道冲激响应数据传递给指纹地图构建模块；若当前定位处于对移动设备的位置计算阶段，则将滤噪后的信道冲激响应数据传递给定位模块；

指纹地图构建模块：根据预处理模块传递的信道冲激响应，对数据获取模块中选择的每一个参考位置点生成数据指纹信息，构建环状指纹地图及指纹数据库；

定位模块：根据预处理模块传递的信道冲激响应，完成对移动设备的定位并得到移动设备的位置，其包括：

指纹构建子模块：根据预处理模块传递的信道冲激响应，对移动设备所在位置生成指纹信息，并将指纹信息传递给指纹匹配度计算子模块；

距离计算子模块：用于根据信道冲激响应计算发射机与移动设备之间的距离d，并将计算得到的发射机与移动设备之间的距离d传递给指纹匹配度计算子模块；

指纹匹配度计算子模块：根据距离计算子模块传递的发射机与移动设备之间的距离d，计算指纹构建子模块传递的指纹信息与环状指纹地图中半径最接近d值的环路上的所有指纹的巴氏系数，根据巴氏系数中的最小值与阈值H的大小关系对巴氏系数进行传递：若巴氏系数中的最小值小于阈值H，则将巴氏系数传递给位置确定子模块；若巴氏系数中的最小值大于阈值H，则将巴氏系数传递给容错子模块；

位置确定子模块：根据指纹匹配度计算子模块传递的巴氏系数，将最小巴氏系数的指纹所对应的位置作为移动设备的位置；

容错子模块：计算移动设备处的指纹与半径最接近d-D和d+D的环路上每个指纹的巴氏系数，将这些巴氏系数与指纹匹配度计算子模块传递的巴氏系数中最小巴氏系数的指纹所对应的位置作为移动设备的位置。

参照图2，本发明的定位方法，其实现步骤如下：

步骤1，将室内场景划分为多个环路区域，并在每个环路上的不同位置选择参考点。

如图3所示，在对室内场景划分及选取参考位置点时，是以发射机在室内场景中的位置为圆心，以半径增量为D的一系列环路对室内场景进行划分；对于每个圆环，以直线距离D为间隔选择参考位置点，D大于0。至此，则可对不同的室内场景及发射机所在位置，完成室内场景划分及参考位置点选取。

对于室内空间接近于方形空间的场景，且发射机固定于室内某个角落时，则根据图3所示的方法进行室内场景划分及参考位置点选取的结果如图4所示。

对于室内空间是走廊的场景，若将发射机固定于场景的中心位置时，根据图3所示的方法进行室内场景划分及选取参考位置点的结果如图5所示。

步骤2，在各个参考位置点收集信道状态信息并进行数据预处理。

参照图6，本步骤的具体实现如下：

2a)利用正交频分复用技术在各个参考位置点连续采集M组信道状态信息，并对该信道状态信息依次进行反向傅里叶变换得到M组信道冲激响应，图6描述了当无线网卡频宽为20MHz时，将信道状态信息转换为信道冲激响应时得到的时延与信号强度的关系，相邻分量的时间间隔为50ns，其对应的幅度为无线信号传播路径差小于15m的信号分量的叠加值；

2b)对每组信道冲激响应进行滤噪处理，得到每个参考位置点的M组信道冲激响应的有效信号数据起始点标号k_p；对信道冲激响应的前N个分量1,2,…,k-1,k,…,N，依次计算第k个分量与第k-1个分量的比值，k满足1＜k≤N，共得到N-1个比值，N取值为5，这N-1个比值中的最大值所对应的标号k即为滤噪后的有效信号数据的起始点k_p：

$k_p=\arg \underset{k}{\max }\underset{k=2}{\overset{N}{\mathrm{\Σ}}}\frac{E_k}{E_{k-1}},$

其中，E_k表示标号为k的分量的幅度。

如图6所示，箭头指向的标号4对应的分量即为对信道冲激响应滤噪后的有效信号数据的起始点。

步骤3，对参考位置点生成指纹信息，并完成室内场景环状指纹地图及指纹数据库的构建。

3a)根据2b)所述的方法得到每个参考位置点处信道冲激响应的有效信号数据起始点标号k_p；

3b)选取信道冲激响应中以标号k_p开始的连续6个分量的幅度作为生成参考位置点指纹信息的感兴趣值，选定的6个分量如图7中的虚线区域所示；

3c)对每个位置处对应的M组信道冲激响应中的第k_p,k_p+1,k_p+2,k_p+3,k_p+4和k_p+5标号对应的分量，分别求各个分量幅度的平均值，并将幅度平均值表示为直方图作为指纹信息。

图8描述了本发明中对同一位置所生成的一组指纹信息示意图，具体的，是对同一位置连续采集9×M个信道冲激响应，对应生成的9个指纹信息示意图；其中，图8(a)是生成的第1个指纹信息示意图，图8(b)是生成的第2个指纹信息示意图，以此类推，图8(i)是生成的第9个指纹信息示意图；由图8可发现，同一位置处构建的9个指纹图表现出了足够的相似度。

步骤4，获取发射机与移动设备之间的距离d。

4a)利用正交频分复用技术获取移动设备的信道状态信息CSI_d，并对该信道状态信息依次进行反向傅里叶变换得到移动设备的信道冲激响应CIR_d，再对移动设备的信道冲激响应CIR_d进行滤噪处理，得到移动设备信道冲激响应CIR_d的有效信号数据起始点标号k_d；

4b)根据移动设备信道冲激响应CIR_d的有效信号数据起始点标号k_d计算感兴趣能量值E_csi，将移动设备的信道冲激响应CIR_d中标号为k_d、k_d+1和k_d+2分量的幅度之和作为感兴趣信号能量值E_csi；具体的，将移动设备的信道冲激响应CIR_d中标号为k_d、k_d+1和k_d+2分量的幅度代入如下公式进行计算：

$E_{\mathrm{csi}}=\underset{i=k_d}{\overset{k_d+2}{\mathrm{\Σ}}}{E}_i,$

其中，E_i表示移动设备的信道冲激响应中第i个分量的幅度值；

4c)利用线性拟合方法获取移动设备处的自适应路径损耗系数λ：

4c1)在不同类型的室内场景中共选择P个参考点，这些参考点与发射机有确定的不同距离d，依次将移动设备放置在这P个参考点处，并利用正交频分复用技术获取P个参考点处的信道状态信息，通过反向傅里叶变换将信道状态信息转化为信道冲激响应，依次计算得到P个参考点处的感兴趣能量值E_csi(i)，i满足1≤i≤P；

4c2)依次将P个参考点处的感兴趣能量值E_csi(i)和P个参考点与发射机的距离d(i)代入如下公式，计算得到P个参考点处的自适应路径损耗系数λ_p(i)：

E_csi(i)＝E₀-10·λ_p(i)·log(d(i))

4c3)将P个参考点处的信道冲激响应CIR_p(i)及感兴趣能量值E_csi(i)代入如下公式依次计算得到P个参考点处的自适应环境因子ξ_p(i)：

${\mathrm{\ξ}}_p\left(i\right)=E_{\mathrm{csi}}\left(i\right)/\underset{j=1}{\overset{30}{\mathrm{\Σ}}}{E}_j\left(i\right),$

其中，E_j(i)表示第i个参考点处的信道冲激响应CIR_p(i)中标号为j的分量幅度，所述变量i均满足1≤i≤P；

4c4)根据得到的P个参考点处的自适应路径损耗系数λ_p(i)与P个参考点处的自适应环境因子ξ_p(i)，通过线性拟合方法即可得到λ_p与ξ_p的线性关系如下：

λ_p＝a·ξ_p+b，

其中，a和b是常数；

图9给出了本发明实施例中对自适应路径损耗系数和自适应环境因子进行拟合后的结果；

4c5)将计算得到的移动设备处的感兴趣能量值E_csi代入如下公式，得到移动设备处的自适应环境因子ξ：

$\mathrm{\ξ}=E_{\mathrm{csi}}/\underset{j=1}{\overset{30}{\mathrm{\Σ}}}{E}_j,$

其中，E_j表示移动设备处的信道冲激响应CIR_d中标号为j的分量幅度；

4c6)将步骤4c5)计算得到移动设备处的自适应环境因子ξ代入步骤4c4)得到的参考点处的λ_p与ξ_p的线性方程，即可得到移动设备处的自适应路径损耗系数λ；

4d)将步骤4b)和4c)得到的参数代入如下优化后的室内环境传播路径损耗模型，计算得到发射机与移动设备之间的距离d：

E_csi＝E₀-10·λ·log(d)，

其中，E₀为距离发射机1m处测量得到的感兴趣能量值。

步骤5，获取移动设备处的指纹。

对移动设备信道冲激响应CIR_d的第k_d,k_d+1,k_d+2,k_d+3,k_d+4和k_d+5分量的幅度分别求平均值，共得到6个幅度平均值，并将这6个幅度平均值表示为直方图作为移动设备处的指纹信息P_d。

步骤6，确定移动设备的位置。

6a)根据计算得到的发射机与移动设备之间的距离d，计算移动设备处的指纹与环状指纹地图中半径最接近d的环路上所有指纹的巴氏系数，巴氏系数用于反映两个指纹的相似程度，巴氏系数越小，表示两个指纹越相似；

6b)设置巴氏系数阈值H＝0.035，根据计算得到的多个巴氏系数中的最小值与阈值H的大小关系确定移动设备的位置：

若计算得到的多个巴氏系数中的最小值小于阈值H，则将最小巴氏系数的指纹信息对应的位置作为移动设备的位置；

若计算得到的多个巴氏系数中的最小值大于阈值H，则计算移动设备处的指纹与半径最接近d-D和d+D的环路上所有指纹的巴氏系数，将这些巴氏系数与步骤6a)计算所得巴氏系数中最小巴氏系数的指纹所对应的位置作为移动设备的位置。

如图10所示，本发明实施例中的移动设备被确定在环路3上的2号指纹附近，根据所述的优化室内环境的传播路径损耗模型，计算得到当前目标的位置应该处于半径最接近d的环路2上。计算移动设备处指纹与环路2上的三个指纹的巴氏系数，如果这些巴氏系数中的最小值小于阈值H，则将最小巴氏系数的指纹信息对应的位置作为移动设备的位置；如果这些巴氏系数中的最小值大于阈值H，则计算移动设备的指纹与环路1和环路3上所有指纹的巴氏系数，将这些巴氏系数及对环路2上的指纹计算得到的巴氏系数中最小巴氏系数的指纹所对应的位置作为移动设备的位置。由于环路3上的2号指纹的巴氏系数最小，因此将环路3上2号指纹的位置确定为移动设备的位置。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上仅是针对本发明的优选实施例及其技术原理所做的说明，而并非对本发明的技术内容所进行的限制，任何熟悉本技术领域的技术人员在本发明所公开的技术范围内，所容易想到的变化或替换，都应涵盖在本发明的保护范围内。

Claims (8)

1.一种基于信道状态信息测距的轻量级指纹室内定位系统，包括发射机和移动设备，其特征在于，移动设备中包括：

数据获取模块：用于将室内场景划分为环状并以直线距离D为间隔选择参考位置点，对每个参考位置点通过正交频分复用技术获取信道状态信息，并将获取到的信道状态信息传递给预处理模块；

预处理模块：用于将数据获取模块获取得到的信道状态信息通过反向傅里叶变换转换为信道冲激响应，滤除信道冲激响应中因相位漂移导致的数据噪声，并根据当前定位所处的阶段对滤噪后的信道冲激响应数据进行传递：若当前定位处于指纹地图构建阶段，则将滤噪后的信道冲激响应数据传递给指纹地图构建模块；若当前定位处于对移动设备的位置计算阶段，则将滤噪后的信道冲激响应数据传递给定位模块；

指纹地图构建模块：根据预处理模块传递的信道冲激响应，对数据获取模块中选择的每一个参考位置点生成数据指纹信息，构建环状指纹地图及指纹数据库；

定位模块：根据预处理模块传递的信道冲激响应，完成对移动设备的定位并得到移动设备的位置。

2.根据权利要求1所述的基于信道状态信息测距的轻量级指纹室内定位系统，其特征在于，定位模块包括：

指纹构建子模块：根据预处理模块传递的信道冲激响应，对移动设备所在位置生成指纹信息，并将指纹信息传递给指纹匹配度计算子模块；

距离计算子模块：用于根据信道冲激响应计算发射机与移动设备之间的距离d，并将计算得到的发射机与移动设备之间的距离d传递给指纹匹配度计算子模块；

指纹匹配度计算子模块：根据距离计算子模块传递的发射机与移动设备之间的距离d，计算指纹构建子模块传递的指纹信息与环状指纹地图中半径最接近d值的环路上的所有指纹的巴氏系数，根据巴氏系数中的最小值与阈值H的大小关系对巴氏系数进行传递：若巴氏系数中的最小值小于阈值H，则将巴氏系数传递给位置确定子模块；若巴氏系数中的最小值大于阈值H，则将巴氏系数传递给容错子模块；

位置确定子模块：根据指纹匹配度计算子模块传递的巴氏系数，将最小巴氏系数的指纹所对应的位置作为移动设备的位置；

容错子模块：计算移动设备处的指纹与半径最接近d-D和d+D的环路上每个指纹的巴氏系数，将这些巴氏系数与指纹匹配度计算子模块传递的巴氏系数中最小巴氏系数的指纹所对应的位置作为移动设备的位置。

3.一种基于信道状态信息测距的轻量级指纹室内定位方法，其特征在于，包括以下步骤：

(1)将室内场景划分为多个环路区域，并在每个环路上的不同位置选择参考点；

(2)利用正交频分复用技术在各个参考位置点连续采集M组信道状态信息，并对该信道状态信息依次进行反向傅里叶变换得到M组信道冲激响应，并对每组信道冲激响应进行滤噪处理，得到每个参考位置点的M组信道冲激响应的有效信号数据起始点标号k_p；

(3)对M组信道冲激响应的第k_p,k_p+1,k_p+2,k_p+3,k_p+4和k_p+5分量的幅度分别求平均值，共得到6个幅度平均值，并将这6个幅度平均值表示为直方图作为指纹信息，以完成室内场景环状指纹地图及指纹数据库的构建；

(4)获取发射机与移动设备之间的距离d：

4a)利用正交频分复用技术获取移动设备的信道状态信息CSI_d，并对该信道状态信息依次进行反向傅里叶变换得到移动设备的信道冲激响应CIR_d，再对移动设备的信道冲激响应CIR_d进行滤噪处理，得到移动设备信道冲激响应CIR_d的有效信号数据起始点标号k_d；

4b)根据移动设备信道冲激响应CIR_d的有效信号数据起始点标号k_d计算感兴趣能量值E_csi，利用线性拟合方法获取移动设备处的自适应路径损耗系数λ；

4c)将4b)得到的参数代入如下优化后的室内环境传播路径损耗模型，计算得到发射机与移动设备之间的距离d：

E_csi＝E₀-10·λ·log(d)，

其中，E₀为距离发射机1m处测量得到的感兴趣能量值；

(5)对移动设备信道冲激响应CIR_d的第k_d,k_d+1,k_d+2,k_d+3,k_d+4和k_d+5分量的幅度分别求平均值，共得到6个幅度平均值，并将这6个幅度平均值表示为直方图作为移动设备处的指纹信息P_d；

(6)将移动设备处的指纹与环状指纹地图中半径最接近d的环路或邻近环路上的指纹进行巴氏系数计算，根据巴氏系数得到移动设备所在的位置。

4.根据权利要求3所述的基于信道状态信息测距的轻量级指纹室内定位方法，其特征在于，步骤(1)所述的将室内场景划分为多个环路区域，是以发射机在室内场景中的位置为圆心，以半径增量为D的一系列环路对室内场景进行划分，D大于0。

5.根据权利要求3所述的基于信道状态信息测距的轻量级指纹室内定位方法，其特征在于，步骤(2)所述的对每组信道冲激响应进行滤噪处理，是对信道冲激响应的前N个分量1,2,…,k-1,k,…,N，依次计算第k个分量与第k-1个分量的比值，k满足1＜k≤N，共得到N-1个比值，这N-1个比值中的最大值所对应的标号k即为滤噪后的有效信号数据的起始点k_p，其中N取值为5。

6.根据权利要求3所述的基于信道状态信息测距的轻量级指纹室内定位方法，其特征在于，步骤4b)所述的计算感兴趣能量值E_csi，是将移动设备的信道冲激响应CIR_d中标号为k_d、k_d+1和k_d+2分量的幅度之和作为感兴趣信号能量值E_csi。

7.根据权利要求3所述的基于信道状态信息测距的轻量级指纹室内定位方法，其特征在于，步骤4b)所述的利用线性拟合方法获取自适应路径损耗系数λ，按如下步骤进行：

4b1)在不同类型的室内场景中共选择P个参考点，这些参考点与发射机有确定的不同距离d，依次将移动设备放置在这P个参考点处，并利用正交频分复用技术获取P个参考点处的信道状态信息，通过反向傅里叶变换将信道状态信息转化为信道冲激响应，依次计算得到P个参考点处的感兴趣能量值E_csi(i)，i满足1≤i≤P；

4b2)依次将P个参考点处的感兴趣能量值E_csi(i)和P个参考点与发射机的距离d(i)代入如下公式，计算得到P个参考点处的自适应路径损耗系数λ_p(i)：

E_csi(i)＝E₀-10·λ_p(i)·log(d(i))

将P个参考点处的信道冲激响应CIR_p(i)及感兴趣能量值E_csi(i)代入如下公式依次计算得到P个参考点处的自适应环境因子ξ_p(i)：

${\mathrm{\ξ}}_p\left(i\right)=E_{\mathrm{csi}}\left(i\right)/\underset{j=1}{\overset{30}{\mathrm{\Σ}}}{E}_j\left(i\right),$

其中，E_j(i)表示第i个参考点处的信道冲激响应CIR_p(i)中标号为j的分量幅度，所述变量i均满足1≤i≤P；

根据得到的P个参考点处的自适应路径损耗系数λ_p(i)与P个参考点处的自适应环境因子ξ_p(i)，通过线性拟合方法即可得到λ_p与ξ_p的线性关系如下：

λ_p＝a·ξ_p+b，

其中，a和b是常数；

4b3)将计算得到的移动设备处的感兴趣能量值E_csi代入如下公式，得到移动设备处的自适应环境因子ξ：

$\mathrm{\ξ}=E_{\mathrm{csi}}/\underset{j=1}{\overset{30}{\mathrm{\Σ}}}{E}_j,$

其中，E_j表示移动设备处的信道冲激响应CIR_d中标号为j的分量幅度；

4b4)根据步骤4b2)得到的参考点处的λ_p与ξ_p的线性方程及步骤4b3)计算得到移动设备处的自适应环境因子ξ，将参数ξ代入λ_p与ξ_p的线性关系式方程即可得到移动设备处的自适应路径损耗系数λ。

8.根据权利要求3所述的基于信道状态信息测距的轻量级指纹室内定位方法，其特征在于，步骤(6)所述的根据巴氏系数得到移动设备所在的位置，按如下步骤进行：

6a)根据计算得到的发射机与移动设备之间的距离d，计算移动设备处的指纹与环状指纹地图中半径最接近d的环路上所有指纹的巴氏系数；

6b)设置巴氏系数阈值H＝0.035，根据计算得到的多个巴氏系数中的最小值与阈值H的大小关系确定移动设备的位置：

若计算得到的多个巴氏系数中的最小值小于阈值H，则将最小巴氏系数的指纹信息对应的位置作为移动设备的位置；

若计算得到的多个巴氏系数中的最小值大于阈值H，则计算移动设备处的指纹与半径最接近d-D和d+D的环路上所有指纹的巴氏系数，将这些巴氏系数与步骤6a)计算所得巴氏系数中最小巴氏系数的指纹所对应的位置作为移动设备的位置。