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 PDF

Info

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
Application number
CN201610255698.0A
Other languages
English (en)
Other versions
CN105828289A (zh
Inventor
吴哲夫
徐强
翔云
傅晨波
宣琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201610255698.0A priority Critical patent/CN105828289B/zh
Publication of CN105828289A publication Critical patent/CN105828289A/zh
Application granted granted Critical
Publication of CN105828289B publication Critical patent/CN105828289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/021Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/025Services making use of location information using location based information parameters
    • H04W4/04
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W64/00Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003Locating 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

一种基于信道状态信息的无源室内定位方法
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。
CN201610255698.0A 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 Active CN105828289B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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