CN109151731A - 一种基于csi的室内定位方法 - Google Patents

Abstract

本发明提供了一种基于CSI的室内定位方法，对CSI的振幅和相位数据分别进行滤波和线性变换处理，得到稳定鲁棒的数据特征；融合已处理后的振幅和相位信息，进行室内定位；将朴素贝叶斯分类应用于定位模型的训练及测试，在线阶段实时采集未知位置的信号特征，经过数据处理后得到该点的振幅相位信息，采用朴素贝叶斯分类算法与指纹库在线匹配，输出最佳的结果，完成测试点的位置估计。该定位方法改进了传统室内定位方法在准确性及稳定性上的不足，可以有效的处理和利用CSI的数据特征、降低室内环境中的多径干扰，无需人员携带其他的设备，实现室内高精度的无源定位。

Description

一种基于CSI的室内定位方法

技术领域

本发明属于无线感知技术领域，涉及一种利用商业Wi-Fi设备提取CSI信号，使用CSI中振幅与相位的特征值进行定位，主要用于解决室内人员定位以及跟踪，特别是针对室内Wi-Fi下的人员定位。

背景技术

基于位置的应用与服务关乎人们生活的一举一动，在室内环境下对目标人员或物体进行定位，例如在现实生活中，入侵检测、安防监控、室内导航等。室内定位要求具有实时性、精确性、稳定性。然而，在室内环境下，信号的传输将受到多径干扰、阴影效应、功率衰减、传输延迟等限制，导致定位服务效果不好。基于此，包括Wi-Fi、Bluetooth、RFID以及Ultra-Wideband(UWB)在内的无线信号的定位方法已经取得广泛的研究和应用。在上述众多室内定位方法中，随着Wi-Fi技术的成熟与设备的普及，基于Wi-Fi信号的室内定位系统被广泛应用，以提供精准高效的位置服务。研究人员通过Wi-Fi设备获取的RSSI信号，分析信号变化产生的波动，建立信号的传播模型，映射成距离，作为室内定位的基础。虽然基于RSSI的定位方式已取得较大的进步，但是RSSI信号的粗粒度和不稳定性的缺点限制了定位效果。

随着OFDM系统和MIMO系统在802.11a\n协议上的使用，CSI信号可以通过商业Wi-Fi设备提取出来，相比RSSI只提供了振幅信息，CSI涵盖了信号传输过程中更细粒度、表征信道中各个子载波的振幅和相位等信号特性，CSI可以更好的描述信号从发射端到接收端的通信链路属性，可以反映出室内环境存在的反射、衍射等干扰因素，揭示了散射、环境衰减、功率衰减等信道信息。现有技术中的基于RSSI的室内定位方法，存在RSSI的信号不够稳定、可靠性差、定位精度低等缺陷。

发明内容

本发明的目的是提供一种信号稳定、可靠性好、定位精度高的基于CSI的室内定位方法。

为实现上述目的，本发明所采用的技术方案是：一种基于CSI的室内定位方法：

步骤1：对CSI的振幅和相位数据分别进行滤波和线性变换处理，得到稳定鲁棒的数据特征；

步骤2：融合已处理后的振幅和相位信息，进行室内定位；将朴素贝叶斯分类应用于定位模型的训练及测试，在线阶段实时采集未知位置的信号特征，经过数据处理后得到该点的振幅相位信息，采用朴素贝叶斯分类算法与指纹库在线匹配，输出最佳的结果，完成测试点的位置估计；

对CSI的振幅处理：

1）根据公式

计算第k个数据包的第i个子载波的阈值，N为采样次数，i∈［1,56］为子载波索引；

2）对于新采集到的振幅数据︱Am︱ ^new ，如果第i个子载波的振幅数据︱Am︱ ⁱ 大于阈值thr ⁱ ，视为异常值，进行滤波处理；

3）设需要滤波处理的数据包为k，取前后各相邻的1个数据包k-1,k+1的CSI振幅值，由公式：

分别计算三个振幅数据的平均值，得到滤波后的振幅；

4）经过数据滤波判断处理后，计算所有链路的子载波阈值，对于整条链路的振幅，如果大于阈值thr，即视为冗余值，在数据包中去除；

对CSI的相位处理：

第i个子载波的相位测量值可以用公式表示为：

其中，∠Ph _i 为真实相位值，△t为接收端的时间偏移量，β是由CFO造成的位置相位偏移，z表示测量噪声。k _i 代表了第i个子载波索引，在Atheros平台中k∈(1,56)，N为速傅立叶变换采样数，在IEEE 802.11 a/g/n协议中N的取值为64；

首先，定义如下斜率a和偏移量b的两项等式：

假设载波频率是对称的，可得到，b可以表示为，忽略测量噪声Z的影响，从原始相位中减去线性项ak _i +b，可以移除部分随机相位偏移，得到真实相位的线性组合：

本发明定位方法融合了CSI振幅与相位信息，考虑到CSI信号在室内环境的多径效应和时变性，解决了室内定位和跟踪的问题，最终实现高精度的室内定位。拓展了无线感知的应用领域，保证了整个机制的真实性。该定位方法具有效率高、精度高、实时性强、兼容性强、统一性强、可扩展性高的优点。

附图说明

图1是原始振幅图。

图2是对图1进行处理后的振幅图。

图3是单个数据包的相位处理图。

图4是极坐标下一组数据包的相位处理图。

图5是指纹定位流程图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步说明。

基于CSI的指纹定位主要需要做到以下两点：1）CSI信号位于某点的时候信号要尽可能稳定；2）不同点采集到的CSI信号要易于区别，由此区分不同的位置。由于环境中的若干因素干扰，原始的CSI信号存在大量噪声，会影响到CSI的稳定性和易区分性。为了降低室内环境对CSI信号造成的干扰，利用CSI的相位特征，本发明定位方法将以CSI的振幅与相位信息为基础，分别对振幅和相位信息进行处理，融合处理后的特征以提高定位精度。

1、振幅处理

在室内定位的过程中，测试人员按照要求静止站立，因此人体轻微活动引起的信号变化将集中在较低的频率，而非人体活动造成的信号异常在较高的频率。基于此分析，对振幅采用滤波处理，可以有效的去除非人体活动引起的不相关的信号频率，消除子载波中振幅受到的噪声干扰，保留有效的振幅数据。

采集到的CSI振幅存在冗余值与异常值，选择在子载波层面，针对新采集到的数据包计算阈值，判断处理异常值，并且在滤波处理时考虑异常值前后两包数据的关系，确保数据间的相关性；通过链路层面判断处理冗余值。对CSI振幅特征滤波处理的具体步骤如下：

1）根据公式

计算第k个数据包的第i个子载波的阈值，N为采样次数，i∈［1,56］为子载波索引；

2）对于新采集到的振幅数据︱Am︱ ^new ，如果第i个子载波的振幅数据︱Am︱ ⁱ 大于阈值thr ⁱ ，视为异常值，进行滤波处理；

3）设需要滤波处理的数据包为k，取前后各相邻的1个数据包k-1,k+1的CSI振幅值，由公式：

分别计算三个振幅数据的平均值，得到滤波后的振幅；

4）经过数据滤波判断处理后，计算所有链路的子载波阈值，对于整条链路的振幅，如果大于阈值thr，即视为冗余值，在数据包中去除；

经过滤波后的CSI振幅更为平滑，有效的去除了各种因素造成的冗余值，并且过滤了环境因素造成的异常值。

图1为原始振幅图，经过处理后的CSI振幅图如图2所示，滤波后的CSI振幅更为平滑，有效的去除了多径环境造成的冗余值，并且过滤了环境因素造成的异常值。

2、相位处理

在基于CSI的室内定位研究中，由于普通Wi-Fi硬件设备的限制，导致数据采集过程中无法测量得到精确的相位值，因此相位在室内定位中很少使用。而本发明定位方法中，测定了人员在室内环境中对CSI相位信息产生的变化，采用在原始相位值上应用线性变换的方法，通过考虑整个频段上的相位来消除接收端的时间偏移量、由载波频率偏移造成的相位偏移等干扰因素，消除随机相位偏移造成的误差，分析提取出可用的相位信息。

进行线性处理后的相位有效的降低了相位的不稳定性，且处理后的相位值满足室内定位的特征需要。在极坐标中，原始相位数据在所有可行的角度上随机分布，导致相位特征在室内定位中很难应用，经过线性变换消除偏移后的相位值都集中在某一特定角度区间的扇形区域中。

通常，第i个子载波的相位测量值可以用公式表示为：

其中∠Ph _i 为真实相位值，△t为接收端的时间偏移量，β是由CFO造成的位置相位偏移，z表示测量噪声。k _i 代表了第i个子载波索引，在Atheros平台中k∈(1,56)，N为速傅立叶变换采样数，在IEEE 802.11 a/g/n协议中N的取值为64。

首先，定义如下斜率a和偏移量b的两项等式：

假设载波频率是对称的，可得到，b可以表示为，忽略测量噪声Z的影响，从原始相位中减去线性项ak _i +b，可以移除部分随机相位偏移，得到真实相位的线性组合，

图3显示了原始相位和处理后的相位，在极坐标图形中，原始数据在所有可行的角度上随机分布，导致相位特征在室内定位中很难应用。经过线性变换消除偏移后的相位值都集中在某一特定角度区间的扇形区域中，见图4，表明所提出线性变换的方法有效的降低了相位的不稳定性，处理后的相位值满足室内定位的特征需要。

指纹定位流程如图5所示，离线阶段，在目标区域L内选定P个参考点，已知每个参考点的位置信息，采集Q次各个参考点的CSI值，构成原始位置指纹F，

。假设经过处理后的振幅为，相位为，对其进行线性加权融合，则得到，其中μ ₁和μ ₂为特征融合权值，且满足μ ₁+μ ₂=1，φ为融合后的特征，预先设定μ ₁=μ ₂=0.5，根据定位精度适当调整振幅和相位在指纹库中所占权重，即动态调整μ ₁、μ ₂的赋值。将各个参考点的原始振幅相位信息分别经过上述处理后，形成新的信号特征，由此搭建离线阶段室内的指纹库，形成目标区域内的点与原始指纹库的映射关系。在线阶段实时采集未知位置的信号特征，经过数据处理后得到该点的振幅相位信息，采用朴素贝叶斯分类算法与指纹库在线匹配，输出最佳的结果，完成测试点的位置估计。

在线匹配阶段采用机器学习中的基于贝叶斯准则的分类算法，算法实现简单、总体时空复杂度较低，在实际应用当中，具有多类别问题处理，匹配速度较快的优点。

对于空间内任意随机的位置点l∈L的先验概率P(l)都相同且已知，则P(l _i ︱x)相当于计算P(x︱l _i )的最大后验概率：假设P(l _i )与P(x)已知，概率估计服从高斯分布，P(x︱l _i )～N(δ,θ)，δ和θ分别为该点平均差mean(i)，均方差std(i)，由公式可以求解出位置l _i 的最大概率值P(x︱l _i ),将后验概率最大的类别作为未知点l _i 的匹配结果，

实现朴素贝叶斯分类，需要求出每个位置类别的均值和标准差，这一过程可视为朴素贝叶斯分类的训练过程。而贝叶斯分类算法的预测能力与训练样本的完备程度相关，采用本方案中数据的相关处理方法后，训练样本更具备代表性，其预测能力越强，分类结果也越强，可以实现更为精确的定位结果。

本发明室内定位方法，首先对CSI振幅信息在子载波层面判断异常值、通信链路层面判断冗余值，进行滤波处理，对相位信息进行线性变换，最后将两种特征信息进行融合，存入指纹库中，以此为基础进行室内定位，具有在线处理阶段效率高、计算复杂度低、定位精度高等优点，具有更广泛的应用前景。

Claims (2)

1.一种基于CSI的室内定位方法，其特征在于，该定位方法具体为：

步骤1：对CSI的振幅和相位数据分别进行滤波和线性变换处理，得到稳定鲁棒的数据特征；

步骤2：融合已处理后的振幅和相位信息，进行室内定位；将朴素贝叶斯分类应用于定位模型的训练及测试，在线阶段实时采集未知位置的信号特征，经过数据处理后得到该点的振幅相位信息，采用朴素贝叶斯分类算法与指纹库在线匹配，输出最佳的结果，完成测试点的位置估计；

对CSI的振幅处理：

1）根据公式

计算第k个数据包的第i个子载波的阈值，N为采样次数，i∈［1,56］为子载波索引；

2）对于新采集到的振幅数据︱Am︱ ^new ，如果第i个子载波的振幅数据︱Am︱ ⁱ 大于阈值thr ⁱ ，视为异常值，进行滤波处理；

3）设需要滤波处理的数据包为k，取前后各相邻的1个数据包k-1,k+1的CSI振幅值，由公式：

分别计算三个振幅数据的平均值，得到滤波后的振幅；

经过数据滤波判断处理后，计算所有链路的子载波阈值，对于整条链路的振幅，如果大于阈值thr，即视为冗余值，在数据包中去除；

对CSI的相位处理：

第i个子载波的相位测量值可以用公式表示为：

其中，∠Ph _i 为真实相位值，△t为接收端的时间偏移量，β是由CFO造成的位置相位偏移，z表示测量噪声；k _i 代表了第i个子载波索引，在Atheros平台中k∈(1,56)，N为速傅立叶变换采样数，在IEEE 802.11 a/g/n协议中N的取值为64；

首先，定义如下斜率a和偏移量b的两项等式：

假设载波频率是对称的，可得到，b可以表示为，忽略测量噪声Z的影响，从原始相位中减去线性项ak _i +b，可以移除部分随机相位偏移，得到真实相位的线性组合：

。

2.根据权利要求1所述的基于CSI的室内定位方法，其特征在于，所述步骤2中，离线阶段，在目标区域L内选定P个参考点，已知每个参考点的位置信息，采集Q次各个参考点的CSI值，构成原始位置指纹F，；假设经过处理后的振幅为,相位为，对其进行线性加权融合，得到，其中μ ₁和μ ₂为特征融合权值，且满足μ ₁+μ ₂=1，φ为融合后的特征，设定μ ₁=μ ₂=0.5，根据定位精度调整振幅和相位在指纹库中所占权重，即动态调整μ ₁、μ ₂的赋值；

将各个参考点的原始振幅相位信息分别经过上述处理后，形成新的信号特征，由此搭建离线阶段室内的指纹库，形成目标区域内的点与原始指纹库的映射关系。