CN105828289B - 一种基于信道状态信息的无源室内定位方法 - Google Patents
一种基于信道状态信息的无源室内定位方法 Download PDFInfo
- Publication number
- CN105828289B CN105828289B CN201610255698.0A CN201610255698A CN105828289B CN 105828289 B CN105828289 B CN 105828289B CN 201610255698 A CN201610255698 A CN 201610255698A CN 105828289 B CN105828289 B CN 105828289B
- Authority
- CN
- China
- Prior art keywords
- data
- state information
- channel state
- classification
- antenna
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 230000004807 localization Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract 1
- 238000013507 mapping Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H04W4/04—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于信道状态信息的无源室内定位方法,该方法利用普通的设备搭建数据采集平台,具体的定位可分为两个阶段:离线训练阶段和在线测试阶段。离线阶段采集人体位于每个位置的信道状态信息数据,经过预处理后存入位置指纹库,建立位置‑数据指纹的映射关系;在线阶段,同样对数据进行预处理,并利用机器学习中的朴素贝叶斯算法进行位置分类。同时,为进一步提高分类的准确度,引入了置信度方法,综合了多条天线对的分类结果来减少位置误判。通过上述方式,本发明能够以较低的成本有效实现对室内人员的无源定位,最优的情况下可达到90%以上的分类准确度。本发明在入侵检测、智能家居等领域具有一定的应用价值。
Description
技术领域
本发明涉及室内定位领域,尤其涉及一种基于信道状态信息的无源室内定位方法。
背景技术
室内定位是实现基于位置服务的关键技术之一,正受到越来越多的理论研究和工程应用关注。GPS在室外环境中获得了广泛的应用,但GPS信号无法穿过厚重的水泥墙,且室内的环境要比室外复杂的多,因此GPS不适合应用于室内定位。目前的几种主要的室内定位技术:红外线、UWB、RFID和超声波等,都有性价比低和无法广泛部署的缺点。随着无线局域网(WLAN)的发展,无线热点已经广泛的分布于各种室内场合,如学校、医院、餐厅、超市等,如果能有效利用这些现有的设备实现室内定位,将大大降低系统部署成本;同时随着无线局域网传输速率的不断提高,如未来的802.11ac将具有更高的工作频带,这为进一步精确的室内定位提供了可能性。
目前已经出现了一些基于WLAN的室内定位方案。根据被定位目标是否携带设备参与到定位过程,可以将基于WLAN的定位方法分成有源和无源两种。在很多情况下,目标不一定会携带定位设备,一个典型的场景就是安防领域的入侵检测。在这种情况下,入侵者并不希望自己的位置被检测到。传统的无源定位利用的是接收信号强度(RSS,Received SignalStrength),该物理量是多条路径信号的强度叠加。一种典型的利用RSS实现无源定位的方法是指纹库方法。与传统的强度-距离模型不同,指纹库在训练阶段建立不同位置的不同RSS模式,在测试阶段则检测与库中的RSS的相似度进行位置的匹配。RSS易于获得,但由于室内普遍存在着多径效应(Multi-path Effect),使得RSS存在波动性大且不够稳定的缺点。
虽然目前利用RSS的方法仍然是WLAN定位的主流,但已经出现了一些利用PHY层的更稳定、更高精度的物理量——信道状态信息(CSI,Channel State Information)来进行定位的一些研究。近几年,随着技术的发展使得CSI的获取更加容易,对CSI的研究也越来越多。在定位算法方面,一些学者已经利用概率方法即贝叶斯公式实现了定位,但其物理量仍然为RSS,具有进一步改进的空间。
发明内容
本发明主要解决的技术问题是提供一种相比RSS更加稳定,准确率更高的无源室内定位方法,能够有效实现对室内人体的位置分类,满足室内定位需求。
为实现上述的目标,本发明采用的一个技术方案:一种基于信道状态信息的无源室内定位方法,具体包括以下步骤:
步骤1:搭建信道状态信息数据采集平台;
步骤2:将定位区域分成n个网格,记为L1,...,Ln,作为定位分类的基本单元;
步骤3:人体在每个网格中保持一段时间的静止状态,采集包含信道状态信息的数据包。每个信道状态信息数据的格式为:{f1,f2,...,f30}T×R。其中f1~f30为子载波,T为发射天线数,R为接收天线数;
步骤4:取第1对天线对上的数据进行预处理,包括以下两个子步骤:
步骤4-1:除去数据中的明显异常值;
步骤4-2:对每组数据进行归一化,Xnew=(Xold-min)/(max-min),其中,Xnew表示归一化后的数据,Xold表示归一化前的数据,min表示该数据的一列特征中的最小值,max表示该数据的一列特征的最大值;
步骤5:计算第i个位置的数据的平均值meani和标准差stdi,作为该位置的一条指纹,完成位置指纹库的建立;
步骤6:在线阶段,采集测试数据包;
步骤7:对测试数据进行预处理,主要为对数据进行归一化;
步骤8:对测试数据中的每个样本进行朴素贝叶斯分类,得到该天线对上的各样本的估计位置{L_EST1,L_EST2,...,L_ESTs},其中s表示样本数,其具体包括:
步骤8-1:取待分类项x={f1,f2,...,f30}和类别集合C={L1,L2,...,Ln};
步骤8-2:计算待分类数据在各个位置类别下出现的概率P(Li|x),i=1,...n,其中x表示待分类的数据;;
步骤8-3:取步骤8-2结果中概率最大的类别为估计位置即
P(L_EST|x)=max{P(Li|x)}=>x∈L_EST
步骤9:计算置信度Br,包括以下子步骤:
步骤9-1:取该天线对上的s个测试样本,每个样本分类结果为:
{L_EST1,L_EST2,...,L_ESTs}
步骤9-2:取步骤9-1得到的分类结果中出现最多的位置类别,记为Lk;
步骤9-3:求出Lk在分类结果中的数量为m;
步骤9-4:计算置信度其中s表示该天线对上的测试样本数;
步骤9-5:记录该天线对上的分类结果,即result={Anti,Lk,Br},其中Anti表示天线对的序号;
步骤10:取其它的天线对,重复步骤4~步骤9;
步骤11:综合比较每对天线对上的分类置信度,取Br最大的天线对上的分类结果作为最终的分类结果;
本发明的有益效果是:
1.使用了简单可得的设备作为定位平台,充分利用了现有的无线局域网设备,降低了设备的成本,安装部署的费用,易于普及;
2.本发明不需要人体携带任何有源设备、电子标签等,进一步降低了定位的成本,在安防、智能家居等领域具有一定的应用价值;
3.利用信道状态信息作为定位的物理量,具有稳定、可靠、精度高的优点;
4.朴素贝叶斯方法简单有效,对数据量较大的情况同样具有较好的效果;
5.充分利用了不同天线对上的分集信息,进一步提高了分类准确度。
附图说明
图1是发明的实验平台示意图;
图2是一种数据采集点的分布示意图;
图3是另一个环境下的数据采集点的分布示意图;
图4是本发明的一种实施方式的性能图;
图5是本发明的流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1~图4,本发明实施例包括:
1.如图1所示,我们的实验平台包括接入点AP和监控点MP两部分,AP为普通的无线路由器,MP为安装了Intel 5300网卡和信道状态信息提取软件的笔记本电脑;
2.具体实施场地为一个实验室,该环境下具有较丰富的多径效应。我们将房间分成若干网格,每个网格间距1.2m左右,如图2所示;
3.每次采集,人体站在如图2的数据采集点,收集包含信道状态信息的数据包,每个位置点的采集时间为80秒。采集完毕后,每个位置都能得到一个.dat文件;
4.从每个位置的.dat文件中提取出每对天线的信道状态信息数据;
5.对数据进行预处理,包括以下两个步骤:
5-1.使用拉依达方法去除异常值;
5-2.对数据归一化;
6.对每个位置i的信道状态信息数据求平均值meani和标准差stdi,将其作为一条指纹存入指纹数据库;
7.测试阶段,人体同样静止于图2中的测试点,采集测试数据,每个位置采集时间为15秒;
8.同样经过上述4中的处理后,对测试数据进行归一化;
9.我们对每个位置的每个CSI样本进行朴素贝叶斯分类,同时根据发明内容中步骤8~步骤11的详细过程,估计得到最终的估计位置。
为验证本发明在不同环境下的性能,在另一个环境下(如图3)重复以上步骤;我们与未采用本方法的情况进行比较,得到性能如图4所示。由于环境2相比环境1具有较少的多径干扰,因此其分类正确率比环境1要高;本发明的方法显著的提高了分类的准确率,在两种环境下的准确率都在90%以上。
以上所述仅为本发明的实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均包括在本发明的保护范围内。
Claims (3)
1.一种基于信道状态信息的无源室内定位方法,其特征在于该方法具体包括以下步骤:
步骤1:搭建信道状态信息数据采集平台;
步骤2:将定位区域分成n个网格,作为定位分类的基本单元,记为L1,...,Ln;
步骤3:人体在每个网格中保持一段时间的静止状态,采集包含信道状态信息的数据包,每个信道状态信息数据的格式为:{f1,f2,...,f30}T×R,其中f1~f30为子载波,T为发射天线数,R为接收天线数;
步骤4:取第1对天线对上的数据进行预处理,包括以下两个子步骤:
步骤4-1:除去数据中的明显异常值;
步骤4-2:对每组数据进行归一化,Xnew=(Xold-min)/(max-min),其中,Xnew表示归一化后的数据,Xold表示归一化前的数据,min表示该数据的一列特征中的最小值,max表示该数据的一列特征的最大值;
步骤5:计算位置i的数据的平均值meani和标准差stdi,作为该位置的一条指纹,完成位置指纹库的建立;
步骤6:在线阶段,采集测试数据包;
步骤7:对测试数据进行预处理,主要为对数据进行归一化;
步骤8:对测试数据中的每个样本进行朴素贝叶斯分类,得到该天线对上的各样本的估计位置{L_EST1,L_EST2,...,L_ESTs},其中s表示样本数;
步骤9:计算置信度Br;
步骤10:取其它的天线对,重复步骤4~步骤9;
步骤11:综合比较每对天线对上的分类置信度,取Br最大的天线对上的分类结果作为最终的分类结果。
2.根据权利要求1所述的一种基于信道状态信息的无源室内定位方法,其特征在于,步骤8包括以下步骤:
步骤8-1:取待分类项x={f1,f2,...,f30}和类别集合C={L1,L2,...,Ln};
步骤8-2:计算待分类数据在各个位置类别下出现的概率P(Li|x),i=1,...n,其中x表示待分类的数据;
步骤8-3:取步骤8-2结果中概率最大的类别为估计位置即
P(L_EST|x)=max{P(Li|x)}=>x∈L_EST。
3.根据权利要求1所述的一种基于信道状态信息的无源室内定位方法,其特征在于,步骤9包括以下步骤:
步骤9-1:取该天线对上的s个测试样本,每个样本分类结果为:
{L_EST1,L_EST2,...,L_ESTs}
步骤9-2:取步骤9-1得到的分类结果中出现最多的位置类别,记为Lk;
步骤9-3:求出Lk在分类结果中的数量为m;
步骤9-4:计算置信度其中s表示该天线对上的测试样本数;
步骤9-5:记录该天线对上的分类结果,即result={Anti,Lk,Br},其中Anti表示天线对的序号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255698.0A CN105828289B (zh) | 2016-04-20 | 2016-04-20 | 一种基于信道状态信息的无源室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255698.0A CN105828289B (zh) | 2016-04-20 | 2016-04-20 | 一种基于信道状态信息的无源室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105828289A CN105828289A (zh) | 2016-08-03 |
CN105828289B true CN105828289B (zh) | 2019-09-03 |
Family
ID=56527191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610255698.0A Active CN105828289B (zh) | 2016-04-20 | 2016-04-20 | 一种基于信道状态信息的无源室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105828289B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11818629B2 (en) | 2016-11-22 | 2023-11-14 | Aerial Technologies | Device-free localization methods within smart indoor environments |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131958A (zh) * | 2016-08-09 | 2016-11-16 | 电子科技大学 | 一种基于信道状态信息和支持向量机的室内被动定位方法 |
CN108075847B (zh) * | 2016-11-18 | 2020-03-31 | 华为技术有限公司 | 一种基于802.11网络的csi获取方法及装置 |
CA3044480C (en) * | 2016-11-22 | 2024-01-02 | Aerial Technologies | Device-free localization methods within smart indoor environments |
CN106803769A (zh) * | 2016-12-08 | 2017-06-06 | 浙江工业大学 | 一种基于wifi的无源‑无设备人体朝向检测方法 |
CN106959444B (zh) * | 2017-03-07 | 2019-04-26 | 上海工程技术大学 | 一种基于人工神经网络的rfid室内定位系统与方法 |
CN106950538B (zh) * | 2017-03-10 | 2019-05-14 | 哈尔滨工业大学 | 一种基于中国剩余定理和多天线三边定位的单节点室内定位方法 |
CN107797153B (zh) * | 2017-10-23 | 2019-07-12 | 上海百芝龙网络科技有限公司 | 一种基于WiFi信号的门窗开闭状态检测方法 |
CN108268894A (zh) * | 2018-01-10 | 2018-07-10 | 浙江工业大学 | 一种基于网络可视图的人体朝向检测方法 |
CN108200644B (zh) * | 2018-01-10 | 2020-06-02 | 浙江工业大学 | 一种基于网络可视图的无源室内定位方法 |
CN108594170B (zh) * | 2018-04-04 | 2021-09-14 | 合肥工业大学 | 一种基于卷积神经网络识别技术的wifi室内定位方法 |
CN108696932B (zh) * | 2018-04-09 | 2020-03-17 | 西安交通大学 | 一种利用csi多径及机器学习的室外指纹定位方法 |
WO2020012144A1 (en) * | 2018-07-12 | 2020-01-16 | Source to Site Accessories Limited | Determining presence of a person |
CN109460776A (zh) * | 2018-10-11 | 2019-03-12 | 浙江工业大学 | 一种基于信道状态检测的驾驶员区分方法 |
CN109344901A (zh) * | 2018-10-11 | 2019-02-15 | 浙江工业大学 | 一种基于无线信道的驾驶员行车动作检测方法 |
EP3871429A1 (en) | 2019-01-08 | 2021-09-01 | Google LLC | Motion detection using wireless local area networks |
CN109658655A (zh) * | 2019-01-15 | 2019-04-19 | 哈尔滨工程大学 | 一种基于无线信号的室内被动入侵检测方法 |
US11218769B2 (en) | 2019-02-22 | 2022-01-04 | Aerial Technologies Inc. | Smart media display |
WO2020170221A1 (en) * | 2019-02-22 | 2020-08-27 | Aerial Technologies Inc. | Handling concept drift in wi-fi-based localization |
US11593837B2 (en) | 2019-02-22 | 2023-02-28 | Aerial Technologies Inc. | Advertisement engagement measurement |
US10999705B2 (en) | 2019-02-22 | 2021-05-04 | Aerial Technologies Inc. | Motion vector identification in a Wi-Fi motion detection system |
US11586952B2 (en) | 2019-02-22 | 2023-02-21 | Aerial Technologies Inc. | Robotic H matrix creation |
US11913970B2 (en) | 2019-02-22 | 2024-02-27 | Aerial Technologies Inc. | Wireless motion detection using multiband filters |
US11082109B2 (en) | 2019-02-22 | 2021-08-03 | Aerial Technologies Inc. | Self-learning based on Wi-Fi-based monitoring and augmentation |
CN110072186B (zh) * | 2019-04-15 | 2020-11-10 | 哈尔滨工程大学 | 基于属性独立的加权朴素贝叶斯室内定位方法 |
CN112153557B (zh) * | 2019-06-28 | 2022-03-25 | 上海华为技术有限公司 | 无线定位方法、定位装置和网络设备 |
US11448726B2 (en) | 2019-08-28 | 2022-09-20 | Aerial Technologies Inc. | System and method for presence and pulse detection from wireless signals |
US11523253B2 (en) | 2019-09-06 | 2022-12-06 | Aerial Technologies Inc. | Monitoring activity using Wi-Fi motion detection |
CN111090074A (zh) * | 2019-12-23 | 2020-05-01 | 武汉邮电科学研究院有限公司 | 基于机器学习的室内可见光定位方法和设备 |
CN111929641B (zh) * | 2020-06-19 | 2022-08-09 | 天津大学 | 一种基于宽度学习的快速室内指纹定位方法 |
CN113419212B (zh) * | 2021-06-16 | 2022-08-23 | 南京邮电大学 | 基于灰度共生矩阵和因子分析特征提取的无设备定位方法 |
CN115297440A (zh) * | 2022-08-12 | 2022-11-04 | 中建八局第二建设有限公司 | 一种非合作式的室内人员计数、定位及外部入侵检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340868A (zh) * | 2011-11-09 | 2012-02-01 | 广州市香港科大霍英东研究院 | 基于无线网络信道状态信息的室内定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104168650A (zh) * | 2014-09-03 | 2014-11-26 | 广州市香港科大霍英东研究院 | 基于动态无线接入点的室内定位方法 |
-
2016
- 2016-04-20 CN CN201610255698.0A patent/CN105828289B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340868A (zh) * | 2011-11-09 | 2012-02-01 | 广州市香港科大霍英东研究院 | 基于无线网络信道状态信息的室内定位方法 |
Non-Patent Citations (2)
Title |
---|
Passive Device-free Indoor Localization Using Channel State Information;Xiao,J(Xiao,Jiang);《IEEE International Conference on Distributed Computing Systems》;20130811;236-245 * |
基于贝叶斯过滤法的CSI室内定位方法;朱荣等;《计算机工程与设计》;20150316;第36卷(第3期);567-571 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11818629B2 (en) | 2016-11-22 | 2023-11-14 | Aerial Technologies | Device-free localization methods within smart indoor environments |
Also Published As
Publication number | Publication date |
---|---|
CN105828289A (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105828289B (zh) | 一种基于信道状态信息的无源室内定位方法 | |
Wang et al. | LiFS: Low human-effort, device-free localization with fine-grained subcarrier information | |
CN106685590B (zh) | 一种基于信道状态信息和knn的室内人体朝向识别方法 | |
CN109275095B (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
CN101772156B (zh) | 一种无线局域网设备定位方法及装置 | |
Jiang et al. | Communicating is crowdsourcing: Wi-Fi indoor localization with CSI-based speed estimation | |
CN102131290B (zh) | 基于自相关滤波的wlan室内邻近匹配定位方法 | |
CN110337066A (zh) | 基于信道状态信息室内人员活动识别方法、人机交互系统 | |
CN108200644B (zh) | 一种基于网络可视图的无源室内定位方法 | |
CN103916954B (zh) | 基于wlan的概率定位方法及定位装置 | |
CN108717175A (zh) | 基于区域划分和稀疏支持向量回归的室内指纹定位方法 | |
CN106231552B (zh) | 一种基于混合方式的非合作目标定位方法 | |
CN110475221A (zh) | 一种基于信道状态信息的人员动作识别和位置估计方法 | |
CN106255059B (zh) | 一种基于几何方式的无设备目标定位方法 | |
CN104540221A (zh) | 基于半监督sde算法的wlan室内定位方法 | |
CN110049549A (zh) | 基于WiFi指纹的多融合室内定位方法及其系统 | |
CN109819394A (zh) | 基于WiFi与超声波混合的室内定位方法及其系统 | |
CN110072186A (zh) | 基于属性独立的加权朴素贝叶斯室内定位方法 | |
CN107071902A (zh) | 一种基于混合滤波和幂指数映射wifi室内定位方法 | |
CN106304330A (zh) | 一种减轻背景电磁波影响的射频层析成像定位方法 | |
Ding et al. | Improving WiFi-based human activity recognition with adaptive initial state via one-shot learning | |
Li et al. | Location estimation in large indoor multi-floor buildings using hybrid networks | |
CN201535817U (zh) | 一种基于区域的室内定位系统 | |
CN105704676B (zh) | 利用信号时间相关性提高指纹室内定位精度的方法 | |
Wang et al. | Study on improvement of fingerprint matching algorithm in wireless LAN based indoor positioning system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |