CN104812061B - 一种基于mimo-ofdm信道状态信息的室内测距及定位方法 - Google Patents

Abstract

本发明提出一种基于MIMO‑OFDM信道状态信息的室内测距及定位方法。该方法充分利用目前基于OFDM的商用WiFi网卡，通过在待测位置用户端获取信道状态信息CSI，并结合收发端都是多天线的MIMO系统，提出一种基于MIMO‑OFDM的自由空间路径损耗模型，计算室内锚点WiFi接入点AP到被测位置用户之间的视距LOS距离，最后通过经典的三边定位方法得到所测用户的位置。该发明基于目前使用最为广泛的多天线WiFi AP及主流的基于OFDM的无线网卡，可以实现快速、简单、高效的室内测距及定位。

Description

一种基于MIMO-OFDM信道状态信息的室内测距及定位方法

技术领域

本发明涉及计算机通信室内测距及定位领域，尤其涉及一种基于MIMO-OFDM信道状态信息的室内测距及定位方法。

背景技术

目前在室内定位研究中，定位技术主要分为3类：(1)基于专用设备的定位技术；(2)基于WiFi信号测距的定位技术；(3)基于WiFi信号指纹的定位技术。

在基于专用设备的定位技术中，一般采用红外、超声波、甚高频全方位测距(VHFOmnidirectional Ranging)、超宽带、射频识别(RFID)等不同的技术或设备来实现室内定位，这些系统的公共特点是：精度高(大都可以达到厘米级别的定位精度)，但都依赖部署专用的硬件设施(不仅需要预编在定位区域中部署，可能还需要用户佩戴定位终端)，因此部署成本昂贵，只能应用在有限范围内。

在基于WiFi信号测距的定位中，以WiFi为代表的WLAN是目前世界上部署最广泛的室内无线网络基础设施，随着WiFi的广泛普及，WiFi定位技术已经成长为目前室内定位的绝对主流。

普通的AP和WiFi终端能够方便的测量RSS，但是不能轻易获得信号到达时间、角度等更精细的特性。因此在室内定位中，受设备和成本限制，通常都采用基于接收信号强度(RSS)的测距，典型的模型有自由空间路径衰减模型、对数-距离路径衰减模型和对数-正态阴影模型等。

基于测距模型的室内定位放大的原理非常简单。通过测量接收机接收到的RSS，根据无线信号传播模型计算接收机与参考AP之间的距离，以这些距离为约束，利用三边定位技术实现对目标接收机的位置估计。由于室内环境复杂多变，无线信号传播特性动态变化，因此使用任何无线信号传播模型计算距离之前，都需要先根据环境确定特定的模型参数。从而产生了较多的方法利用不同AP之间的RSS关系来实现自动、动态的模型参数估计，例如使用截断奇异值分解技术来构建信号-距离关系图，或者使用复杂的射线跟踪法来构建无线地图并采用模拟退火算法来估计模型参数等方法等。而这些方法有一些共同点：它们或依赖已知AP的位置，或需要修改AP协议栈，或需要部署额外的参考节点。

在基于WiFi信号指纹的定位中，其基本原理是利用无线信号在不同位置上的空间差异性，将空间中特定位置上的无线信号特征作为该位置的指纹，建立位置-指纹关系数据库，从而通过指纹匹配的方式实现对用户位置的估计。传统的指纹定位方法包含2个阶段：训练阶段和服务阶段。在训练阶段，专业人士对定位区域进行位置采样，并在每一个采样位置上收集无线信号特征，存入位置-指纹数据库。在服务阶段，即实际运行阶段，用户发送器所在位置上的无线信号指纹到定位服务器，服务器将该查询指纹与数据库进行匹配，将最相似的指纹锁对应的位置作为用户的位置估计，返回给用户。

传统的基于指纹定位的方法，是将每一个位置上的无线指纹建模为一个高斯分布，并通过最大似然估计的方法进行指纹匹配。具体地，给定由不同AP信号强度组成的无线指纹，按照RSS从高到低的顺序，选择信号强度最强的AP对应的候选位置集合，然后考虑信号强度次之的AP对应的候选位置与之前候选位置的交集，这个过程持续进行，直到某一个位置的概率显著大于其他候选位置，即判定该处为用户当前位置。

但是RSS作为指纹的一大问题是定位精度有限，其原因主要来自2个方面：

(1)室内环境对无线信号传播造成的多径、衰减等干扰，以及室内环境变化导致RSS的时变性。

(2)RSS是发射信号在接收端能量的体现，在空间上的区分能力有限，通常都在1m以上。

这就导致了同一位置上的无线指纹随着时间会发生变化，而相邻位置上的无线信号指纹则很可能被互相混淆。于是有科研人员提出采用机器学习、声音定位等方法来克服RSS指纹在位置上的二义性，保证RSS指纹定位的精度。

近年来，科研人员提出采用更为底层的物理层信息来取代RSS进行室内定位，其中最为典型有效的是利用普通WiFi网卡即可获取的信道冲击响应(CIR)。CIR表征了无线信号的传播路径特征，具有更强的空间敏感性和时间稳定性，因此更适合作为室内定位的指纹。研究发现，利用CIR进行室内定位，定位精度可以达到1m以下，而通常情况下基于RSS的定位精度在1m以上。

还有一类是基于天线阵到达角度(AoA)的测距定位方法。随着WiFi设备的普及，采用MIMO技术的WiFi设备也日益增多。但是基于MIMO AOA的测距定位方法实现复杂度较高，不易推广。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，通过有效获取MIMO-OFDM待测用户(接收端)的信道状态信息(CSI)设计测距方法，并结合经典的三边定位方法，形成一套完整的基于MIMO-OFDM的室内测距及定位方法。

为了实现本发明的上述目的，本发明提供了一种基于MIMO-OFDM信道状态信息的室内测距及定位方法，其关键在于，包括：

S1，从待测用户端获取MIMO-OFDM信道状态信息，对MIMO-OFDM信道状态信息进行信号处理分析；

S2，通过获取锚点AP到待测用户端的路径，对锚点AP到待测用户端进行测距计算，利用已知坐标位置的锚点AP进行最优位置参数选定；

S3，对于锚点AP到待测用户端测距完成之后，对待测用户端进行定位处理。

所述的基于MIMO-OFDM信道状态信息的室内测距及定位方法，优选的，所述S1中获取MIMO-OFDM信道状态信息包括：

S1-1，在接收MIMO-OFDM信道状态信息进行DFT处理之后，第k个子载波的第q根接收天线的频域符号R_q(k)表示为，

其中，W_q(k)是噪声的DFT频谱，表示时变频率选择性信道h_p,q(l,n)的DFT，

其中，就是第p根发射天线第q根接收天线在子载波为k时的CSI。

所述的基于MIMO-OFDM信道状态信息的室内测距及定位方法，优选的，所述S1中对MIMO-OFDM信道状态信息进行信号处理分析包括：

S1-2，获得锚点AP到待测用户端之间选择视距LOS路径，具体的方法为：将所有路径的取其幅度，幅值最大的为LOS对应的路径，其中，p为发射射端的第p根天线，q为接收端的第q根天线，k为第k个子载波，p、q、k均为正整数；

对于发射端有N_T、接收端有N_R根天线、子载波数为N的MIMO-OFDM系统而言，接收端的第q根天线接收到第p根发射天线之间LOS路径的CSI为

其中，是子载波k的CSI，θ_k表示其相位；

锚点AP和用户终端的多天线阵列为线性阵列，天线之间的间隔为λ/2，其中，λ为无线电波的波长，不同的发射天线通过LOS路径达到同一根接收天线的距离、同一根发射天线到达不同的接收天线之间的LOS距离，均有一些差异，采用加权平均归一化的方法求出CSI；

加权平均归一化CSI，

其中，CSI_norm为归一化CSI，N为载波数目，f_c为中心频率，为第k个子载波的CSI幅度。

所述的基于MIMO-OFDM信道状态信息的室内测距及定位方法，优选的，所述S2包括：

单个锚点AP到待测用户端的距离表达为：

其中，c表示光速，n为衰减因子，σ为环境因子，包含了其余所有硬件相关因素，参数n和σ对不同室内场景进行预先设定。

所述的基于MIMO-OFDM信道状态信息的室内测距及定位方法，优选的，所述n为衰减因子，σ为环境因子的预设方法包括：

利用室内3个已知坐标位置的锚点AP进行最优参数选定，方法如下：

定义D_i,i∈R＝{1,2,3}，D_i表示3个已知AP之间的真实距离；

步骤1、选取2个距离D₁和D₂；将D₁和D₂带入公式的等式左边，分别建立联合方程组，CSI当做已知量，联立方程，求解得到n和σ的值；

步骤2、将步骤1得到的2个参数n和σ带入公式并对AP1和AP3之间的距离进行估计，得到估计值并与实际AP1和AP3的距离D₃做差，得到以上过程完成第一次参数验证，其中AP1为第一锚点和AP3为第三锚点；

步骤3、选取真实距离D₁和D₃带入公式将D₂作为距离验证对象，重复步骤1和2得到

步骤4、选取真实距离D₂和D₃带入公式将D₁作为距离验证对象，重复步骤1和2得到

步骤5、通过对比3次迭代得到的diff值大小，确定最小的diff对应训练步骤得到的参数n和σ即为该室内区域最优的衰减因子和环境因子。

所述的基于MIMO-OFDM信道状态信息的室内测距及定位方法，优选的，所述S3中对待测用户端进行定位处理的方法包括：

三个锚点是非线性的，即不在一条直线上，三边定位方法如下：

已知3个锚点位置坐标(x₁,y₁)，(x₂,y₂)，(x₃,y₃)，已知未知点(x₀,y₀)到三点距离d₁，d₂，d₃，

以d₁、d₂和d₃为半径作3个圆，根据毕达哥拉斯定理，得出交点即待未知点的位置计算公式

综上所述，由于采用了上述技术方案，本发明的有益效果是：

采用本发明进行房间内任一用户到锚点AP的测距与定位，对于室内的测距和定位准确可靠，实现了待测用户端到锚点的距离测定和位置捕捉的技术效果。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明MIMO-OFDM通信系统信号处理流程图；

图2为本发明待测用户(接收机)的测距与定位模块示意图；

图3为本发明多径传输示意图；

图4为本发明3个已知位置的锚点AP确定室内衰减和环境因子示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

通过图1MIMO-OFDM通信系统信号处理流程图，进行如下分析：

单天线信号分析

在时域上，接收信号r(t)是发射信号s(t)和信道冲击响应CIR h(t)的卷积：

相应的，接收信号频谱R(f)是接收信号频谱S(f)和信道频率响应CFR H(f)在频域上的乘积：

R(f)＝S(f)H(f)

很显然，CFR和CIR是可以互换的，对CFR进行离散傅里叶逆变换IDFT即可得到CIR。

MIMO-OFDM信号分析

考虑有N_T根发射天线和N_R根接收天线的MIMO-OFDM系统。MIMO-OFDM系统的发射机信号处理流程如图1(a)所示。在发射端，比特流通过调制器映射到符号流。然后，符号流转换为并行的子流。ODFM调制通过IDFT实现。每个发射天线发送独立的OFDM符号。令X_p(k)表示在子载波k的第p个发射天线发送的信息符号。由N_T个发射天线发送的OFDM符号可以表示为

其中，X_p＝[X_p(0),...,X_p(N-1)]^T是第p个发射天线发送的OFDM符号，N是一个OFDM符号的子载波数。在每个发射天线处进行IDFT处理后，第p根发射天线的时域调制信号可以表示为x_p＝F^HX_p＝[x_p(0),...,x_p(N-1)]^T，其中F是N×N的离散傅里叶变换DFT矩阵，其组成元素为w_n,k＝e^-j2πnk/N，其中，n是行，k是列，且n,k＝0,...,N-1。为了避免多径时延造成的ISI干扰，在传输之前，长度等于或大于信道期望最大时延的循环前缀将插入到每个OFDM符号中。循环前缀扮演OFDM符号间的保护间隔的作用。最终，符号流从并行转换为串行，并且分配到对应的发射机进行传输。

MIMO-OFDM系统接收机的信号处理流程如图1(b)所示。在接收端，一旦去掉CP，在第q根接收天线的第n个时刻接收到的信号可以表示为

其中，表示循环卷积，w_q(n)是加性高斯白噪声，h_p,q(l,n)是在时刻n在第p根发射天线和第q根接收天线之间的第l条路径的CIR。

测距与定位处理

如图2所示，待测用户(接收机)的测距与定位处理分为以下4个过程：

(1)收集MIMO-OFDM CSI(信道估计)

目前商业的基于OFDM的WiFi无线网卡中，均可以通过OFDM接收端的信道估计模块，以CSI数据格式从物理层获得子载波采样的CFR。对基于OFDM的WiFi网卡而言，可以通过网卡驱动和应用程序的相互关系得到MIMO-OFDM的CSI。此处的信道估计和收集MIMO-OFDMCSI的作用是一致的。

在接收信号进行DFT处理之后，第k个子载波的第q根接收天线的频域符号可以表示为

其中，W_q(k)是噪声的DFT频谱，表示时变频率选择性信道h_p,q(l,n)的DFT，

其中，就是第p根发射天线第q根接收天线在子载波为k时的CSI。

(2)处理MIMO-OFDM CSI

对实际测距和定位而言，我们最关心锚点AP到用户之间的最主要的LOS路径，如图3所示，而其他的多余路径我们可以忽略，选择LOS路径的方法为：将所有路径的取其幅度，幅值最大的为LOS对应的路径。

对于发射端有N_T、接收端有N_R根天线、子载波数为N的MIMO-OFDM系统而言，接收端的第q根天线接收到第p根发射天线之间LOS的CSI为

其中，是子载波k的CSI，θ_k表示其相位。

一般情况下，锚点AP和用户终端的多天线阵列为线性阵列，天线之间的间隔为λ/2，其中，λ为无线电波的波长，对WiFi而言，当工作在2.4GHz时，λ/2＝6.25cm。不同的发射天线通过LOS路径达到同一根接收天线的距离、同一根发射天线到达不同的接收天线之间的LOS距离，均有一些差异，为此，我们针对MIMO系统，提出采用加权平均归一化的方法求出CSI。

加权平均归一化CSI

其中，CSI_norm为归一化CSI，N为载波数目，f_c为中心频率，为第k个子载波的CSI幅度。

(3)测距计算

至此，单个锚点AP到待测用户的距离可近似表达为

其中，c表示光速，n为衰减因子，σ为环境因子，包含了其余所有硬件相关因素，如发射功率、天线增益等，参数n和σ可对不同室内场景进行预先设定。

在用户计算用户到锚点AP的距离之前，需要首先得到参数n和σ。在某一个室内区域(如阴影部分)参数n和σ的值预设方法，我们设计了一种简单的通过迭代验证的最优参数训练方法。

如图4所示，利用室内3个已知坐标位置的锚点AP进行最优参数选定，算法如下：

定义D_i,i∈R＝{1,2,3}，D_i表示3个已知AP之间的真实距离。

步骤1、选取2个距离D₁和D₂。将D₁和D₂带入公式(8)等式左边，分别建立联合方程组，由于CSI可以通过获取PHY参数获得，这里当做已知量，未知参数只有n和σ，联立方程，可求解得到n和σ的值。

步骤2、将步骤1得到的2个参数n和σ带入公式(8)，并对AP1和AP3之间的距离进行估计，得到估计值并与实际AP1和AP3的距离D₃做差，得到以上过程完成第一次参数验证。

步骤3、选取真实距离D₁和D₃带入公式(8)，将D₂作为距离验证对象，重复步骤1和2得到

步骤4、选取真实距离D₂和D₃带入公式(8)，将D₁作为距离验证对象，重复步骤1和2得到

步骤5、通过对比3次迭代得到的diff值大小，确定最小的diff对应训练步骤得到的参数n和σ即为该室内区域最优的衰减因子和环境因子。

通过以上方法得到的参数，就可以作为实际测量该区域移动用户到已知锚点AP的距离和定位了，即作为公式(8)的已知变量进行预设。

(4)定位方法

采用经典的不共线三边定位技术(具体实施时还可采用其它方法)。当锚点AP是非线性的(即不在一条直线上)，三边定位的结果就是唯一的。

原理如下：

已知3点位置(x₁,y₁)，(x₂,y₂)，(x₃,y₃)，已知未知点(x₀,y₀)到三点距离d₁，d₂，d₃。

以d₁、d₂和d₃为半径作3个圆，根据毕达哥拉斯定理，得出交点即待未知点的位置计算公式

具体实施方式为：采用4×1的MIMO-OFDM系统，在一个室内，分别在房间的4个角落放置具有4根天线的且通信标准为IEEE 802.11n的位置已知的AP，在房间内的任一位置摆放一个具有IEEE 802.11n通信标准的Intel WiFi Link 5300(iwl5300)无线网卡的笔记本，我们将采用本发明进行房间内任一用户到锚点AP的测距与定位。

本发明的有益效果是：

采用本发明进行房间内任一用户到锚点AP的测距与定位，对于室内的测距和定位准确可靠，实现了待测用户端到锚点的距离测定和位置捕捉的技术效果。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (1)

1.一种基于MIMO-OFDM信道状态信息的室内测距及定位方法，其特征在于，包括：

S1，从待测用户端获取MIMO-OFDM信道状态信息，对MIMO-OFDM信道状态信息进行信号处理分析；

所述S1中获取MIMO-OFDM信道状态信息包括：

S1-1，在接收MIMO-OFDM信道状态信息进行离散傅里叶变换DFT处理之后，第k个子载波的第q根接收天线的频域符号R_q(k)表示为，

其中，W_q(k)是噪声的DFT频谱，表示时变频率选择性信道h_p,q(l,n)的DFT，

其中，就是第p根发射天线第q根接收天线在子载波为k时的CSI；

所述S1中对MIMO-OFDM信道状态信息进行信号处理分析包括：

S1-2，获得锚点AP到待测用户端之间选择视距LOS路径，具体的方法为：将所有路径的取其幅度，幅值最大的为LOS对应的路径，其中，p为发射射端的第p根天线，q为接收端的第q根天线，k为第k个子载波，p、q、k均为正整数；

对于发射端有N_T、接收端有N_R根天线、子载波数为N的MIMO-OFDM系统而言，接收端的第q根天线接收到第p根发射天线之间LOS路径的CSI为

其中，是子载波k的CSI，θ_k表示其相位；

锚点AP和用户终端的多天线阵列为线性阵列，天线之间的间隔为λ/2，其中，λ为无线电波的波长，不同的发射天线通过LOS路径达到同一根接收天线的距离、同一根发射天线到达不同的接收天线之间的LOS距离，均有一些差异，采用加权平均归一化的方法求出CSI；

加权平均归一化CSI，

其中，CSI_norm为归一化CSI，N为载波数目，f_c为中心频率，为第k个子载波的CSI幅度；

S2，通过获取锚点AP到待测用户端的路径，对锚点AP到待测用户端进行测距计算，利用已知坐标位置的锚点AP进行最优位置参数选定；

所述S2包括：

单个锚点AP到待测用户端的距离表达为：

其中，c表示光速，n为衰减因子，σ为环境因子，包含了其余所有硬件相关因素，参数n和σ对不同室内场景进行预先设定；

所述n为衰减因子，σ为环境因子的预设方法包括：

利用室内3个已知坐标位置的锚点AP进行最优参数选定，方法如下：

定义D_i,i∈R＝{1,2,3}，D_i表示3个已知AP之间的真实距离；

步骤1、选取2个距离D₁和D₂；将D₁和D₂带入公式的等式左边，分别建立联合方程组，CSI当做已知量，联立方程，求解得到n和σ的值；

步骤2、将步骤1得到的2个参数n和σ带入公式并对AP1和AP3之间的距离进行估计，得到估计值并与实际AP1和AP3的距离D₃做差，得到以上过程完成第一次参数验证，其中AP1为第一锚点和AP3为第三锚点；

步骤3、选取真实距离D₁和D₃带入公式将D₂作为距离验证对象，重复步骤1和2得到

步骤4、选取真实距离D₂和D₃带入公式将D₁作为距离验证对象，重复步骤1和2得到

步骤5、通过对比3次迭代得到的diff值大小，确定最小的diff对应训练步骤得到的参数n和σ即为该室内区域最优的衰减因子和环境因子；

S3，对于锚点AP到待测用户端测距完成之后，对待测用户端进行定位处理；

所述S3中对待测用户端进行定位处理的方法包括：

三个锚点是非线性的，即不在一条直线上，三边定位方法如下：

已知3个锚点位置坐标(x₁,y₁)，(x₂,y₂)，(x₃,y₃)，已知未知点(x₀,y₀)到三点距离d₁，d₂，d₃，

以d₁、d₂和d₃为半径作3个圆，根据毕达哥拉斯定理，得出交点即待未知点的位置计算公式