CN109600711B - 一种基于信道响应频域和空域联合处理的室内定位方法 - Google Patents

Abstract

本发明公开了一种基于信道响应频域和空域联合处理的室内定位方法，离线阶段通过在室内环境中将定位区域离散化并生成多个参考点，令移动终端在每个参考点处做匀速运动，采集相互垂直两方向的信道信息，对收集的数据进行预处理，从中提取相应的指纹特征，利用相互垂直方向上指纹之间的关系建立离线数据库；在线定位阶段通过采集未知运动终端的信号数据，提取在线指纹信息，将待测终端的指纹信息与离线数据库中的指纹进行匹配，然后根据相似度准则计算出待测终端的位置，最后通过离线数据库输出待测终端的位置信息，完成室内定位。实现目标的快速定位，有效减少定位时间。最后利用WKNN算法进行位置估计，实现更精准的定位。

Description

一种基于信道响应频域和空域联合处理的室内定位方法

技术领域

本发明属于室内定位技术领域，具体涉及一种基于信道响应频域和空域联合处理的室内定位方法。

背景技术

现有的室内定位方法分很多种，比如基于红外传感器(Infrared Sensor)、超声波(Ultrasonic Wave)、超带宽(Ultra Wide Bandwidth)、RFID(Radio FrequencyIdentification)等。这些方法虽然具有较高的定位精度，但是都需要安装特殊硬件设备，而且有的硬件昂贵不适合大量部署，这限制了它们的普及。

传统的WIFI室内定位方法有：基于距离模型和基于指纹信息的方法。这两种方法最大的问题是定位精度的问题。室内定位的WIFI信号传播环境不仅复杂，比如多径效应，阴影，衰落和延迟失真等，而且容易受到人群或障碍物的遮挡，导致信号波动较大。如果直接用WIFI信号强度做简单的几何代数运算，往往会导致定位结果偏差较大。而WIFI系统有限的带宽也无法准确的估计出信号的到达时间或到达角度，从而也不会有比较精确的定位结果。

而在现有基于WIFI指纹识别的定位方法中，大多指纹与位置之间的函数关系不明确，当室内存在较强干扰时，指纹特征稳健性较差，使得定位精度较差。另外需要预先在室内采集大量参考点的指纹信息，当室内面积过大时，数据库往往比较庞大。这使得在线定位的计算复杂度和时间复杂度都很高。所以目前基于WIFI的指纹识别方案只能处于实验阶段。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于信道响应频域和空域联合处理的室内定位方法，易于实现、精度高、稳健性好，检索效率高。

本发明采用以下技术方案：

一种基于信道响应频域和空域联合处理的室内定位方法，包括离线阶段和在线定位阶段，离线阶段通过在室内环境中将定位区域离散化并生成多个参考点，令移动终端在每个参考点处做匀速运动，采集相互垂直两方向的信道信息，对收集的数据进行预处理，从中提取相应的指纹特征，每个点的指纹数据包含位置信息和特征信息，利用相互垂直方向上指纹之间的关系建立离线数据库；在线定位阶段通过采集未知运动终端的信号数据，提取在线指纹信息，将待测终端的指纹信息与离线数据库中的指纹进行匹配，然后根据相似度准则计算出待测终端的位置，最后通过离线数据库输出待测终端的位置信息，完成室内定位。

具体的，包括以下步骤：

S1、采集空-频域二维信道响应；

S2、对步骤S1中采集到的空-频域信道响应进行预处理，提取指纹并记录到离线指纹库中

S3、离线指纹库构建；

S4、根据相似度模型计算出目标点的位置信息。

进一步的，步骤S1中，假设移动终端在每个参考点处都做直线或近似直线的移动，取这段轨迹的中点为参考点的位置信息，在这段轨迹中等间隔的采集M个位置的信道响应，作为目标位置处的虚拟均匀线性阵列信道，构建二维空-频域信道响应。

进一步的，步骤S2包括以下步骤：

S201、对空-频域二维信道响应进行二维离散傅立叶逆变换，得到空-时域二维信道响应。由于多径的特征会以尖峰点的形式体现出来，在该二维信道响应矩阵中搜寻尖峰点；

S202、当尖峰点具有相同的方位角或相同的时间延迟时，保留具有最大增益的尖峰点；

S203、对步骤S201至步骤S202的结果进行汇总，汇总为最终的位置指纹，并录入指纹库如下：

其中，Gain_l、b_l与

为第l条多径的增益、归一化多径等效空间方位角和归一化多径等效时延，l_x,l_y,l_z为待测终端移动轨迹上中点的空间位置坐标，将其作为数据库中记录参考点的坐标。

更进一步的，步骤S201中，搜寻步骤为：

找到图中的最大的增益Gain_max，并以下面的形式保留所有增益都大于ω_G·Gain_max的尖峰点。

其中，Gain_k,l，

和

分别代表接收到的第k个AP的第l条多径的信号增益、多径方位角和等效多径时延，k∈[1,3]。

进一步的，步骤S3包括以下步骤：

S301、在每个参考点记录在水平面上的两个相互垂直的轨迹的信道响应，取与某确定墙面平行和垂直两方向的运动轨迹上的M个位置的信道响应，得到在第p个参考点处采集的平行轨迹的指纹为：

同样的，在第p个参考点处采集的垂直轨迹的指纹为：

；

S302、在水平面上第p个参考点处的平行轨迹与待测终端移动方向夹角为α_p时所采集到的指纹与平行轨迹和垂直轨迹的指纹之间的关系，生成待测终端在水平面以任意角度运动时的指纹特征；

S303、采用在每个参考点生成Q个角度的指纹数据并将其分开存储，离线数据库中第p个参考点处存储某个方向的指纹重新表示为：

其中，

与

分别代表在离线数据库里第p个参考点处存储的与水平轨迹夹角为2πq/Q时的第l条多径的增益、归一化多径等效空间方位角和归一化多径等效时延，

表示当待测终端以与水平轨迹夹角为2πq/Q时移动时可以估计的多径数量。

更进一步的，步骤S302中，在水平面上第p个参考点处的平行轨迹与MT移动方向夹角为α_p时所采集到的指纹与平行轨迹和垂直轨迹的指纹之间的关系为：

在离线数据库中，第p个参考点存储的指纹为：

F_p＝[F^(p,0),F^(p,2π/Q),F^(p,2π·2/Q),…,F^{(p,2π·(Q-1)/Q)}]

其中，F^(p,0)代表第p个参考点处与水平轨迹夹角为0时的指纹特征。

进一步的，步骤S4包括以下步骤：

S401、通过使用粗略的时延信息将待测终端的位置确定在相对较小的区域中。首先从离线数据库中每个参考点处挑选出来自各个AP的直达径的时延；

S402、分别计算在线采集指纹与步骤S401中的N_s个参考点的点进行相似度计算，欧几里德度量作为该算法的定位相似性标准；

S403、获取目标点位置信息

采用WKNN算法估计终端的位置。

更进一步的，步骤S401中，挑选规则如下：

假设采集到的在线指纹为：

保留所有满足下式的参考点，并将其视为待测终端可能出现的位置

其中，

与

分别为待测终端与在第p参考点处估计出的来自第k个AP的直达径时延，N_p代表离线数据库中参考点个数，T_b代表阈值。

更进一步的，步骤S403中，采用WKNN算法估计终端的位置，具体计算如下：

其中，K代表选择具有前K个最小欧式距离的位置作为待测终端的位置候选，L_p代表数据库中距离移动终端最近的第p个参考点的坐标，

代表估计出的移动终端的位置，ω_p代表权重因子，d_p代表第p个参点与实测数据间的最小欧式距离。

与现有技术相比，本发明至少具有以下有益效果：

本发明一种基于信道响应频域和空域联合处理的室内定位方法，首次提出采用时延-方位角信息作为指纹，该指纹与位置之间对应的关系简单，稳健性好，并且只需要采用简单的变换就可以获取；在移动终端直线匀速运动的轨迹上等间隔的获取多个位置的信道响应，模拟出均匀线阵的效果。在不需要额外设备的情况下，就能实现比较高的时间分辨率，有效的区分出多径，采用欧几里得距离作为的指纹相似度准则，计算复杂度也比较低。

进一步的，通过在每个参考点处等间隔的采集一段轨迹上的信道响应信息以达到“虚拟线阵”的效果，增加空间分辨率，以便在有限的带宽内估计出更精确的等效时延与等效方位角信息。

进一步的，由于信号到达的时延与参考点和AP之间的距离呈线性关系，函数关系简单明确，而方位角信息可以在二维空-时域上将时延相近的多径区分开，因此本方法选取多径增益-等效方位角-时延对作为指纹特征进行定位。

进一步的，由于有效的多径信号在二维空-时域上会以尖峰点的形式存在，而具有最大增益的信号一般都是最强的径。因此参考最强径的增益设置阈值，以滤除干扰和噪声。

进一步的，由于待测终端的运动方向会影响在线指纹等效方位角的值，而一般在实际情况中，运动方向都是未知的。因此，在每个参考点生成Q个角度的指纹数据并将其分开存储。这样无论待测终端如何运动，都能在数据库中找到相近的指纹进行匹配。

进一步的，由于从平行轨迹和垂直轨迹提取的的指纹与从以任意角度运动的待测终端中提取的指纹存在一定的关系。因此可利用该关系式快速构建离线数据库，从而减少离线工作量。

进一步的，采用两步定位法，在在线指纹匹配阶段，可以迅速的将移动终端的位置确定在较小的区域范围内，避免了在整个数据库中搜索，从而有效的减少了在线定位的时间。

进一步的，采用WKNN算法来进行位置估计，有效的提高了定位精度。

综上所述，在室内环境多径效应普遍存在的情况下，本发明采用多径的增益-等效方位角-时延对作为指纹特征进行定位，并利用待测终端自身的运动模拟出“虚拟线阵”的效果，有效提高了系统分辨率，实现更精准的特征估计。另外，本发明提出采用两步定位法，实现目标的快速定位，有效减少定位时间。最后利用WKNN算法进行位置估计，实现更精准的定位。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的工作流程图；

图2为本发明的系统模型；

图3为时域-空域二维信号示例图；

图4为信号采集示意图；

图5为进行权重计算时，待测点和参考点的位置关系示意图；

图6为本发明的定位精度曲线图，其中，(a)为小房间，(b)为大房间。

具体实施方式

请参阅图1，本发明提供了一种基于信道响应频域和空域联合处理的室内定位方法，包括离线阶段和在线定位阶段，离线阶段通过在室内环境中将定位区域离散化，生成多个参考点，令移动终端在每个参考点处做匀速运动，采集相互垂直两方向的信道信息，对收集的数据进行预处理，从中提取相应的指纹特征，利用相互垂直方向上指纹之间的关系建立离线数据库；其中每个点的指纹数据包含位置信息和特征信息；在线定位阶段通过采集未知运动终端的信号数据，提取在线指纹信息，将待测终端的指纹信息与离线数据库中的指纹进行匹配，然后根据相似度准则计算出待测终端的位置，通过离线数据库输出待测终端的位置信息。

请参阅图2，本发明一种基于信道响应频域和空域联合处理的室内定位方法，包括以下步骤：

S1、假设移动终端在每个参考点处都做直线或近似直线的移动(移动方式符合人类行走习惯)，取这段轨迹的中点为参考点的位置信息，在这一段轨迹中分别等间隔采集M个位置的信道响应。这M个位置构成的信道可以被当作是目标位置处的虚拟均匀线性阵列信道。因此，可以根据采集数据在每一个参考点处得到空-频域二维信道响应。下一步将从收集的数据中提取指纹特征信息作为本算法的指纹特征。

S2、对步骤S1中采集到的空-频域信道响应进行预处理，从中提取指纹，并记录到离线指纹库中，如图3所示，具体如下：

S201、对空-频域二维信道响应进行二维离散傅立叶逆变换，得到空-时域二维信道响应。由于多径的特征会以尖峰点的形式体现出来，所以只需在该二维信道响应矩阵中搜寻极尖峰点，搜寻步骤为：

找到图中的最大的增益Gain_max，并以下式保留所有增益都大于ω_G·Gain_max的尖峰点。

S202、由于信号的旁瓣作用，导致满足上述条件的一些尖峰点实际上是干扰点。为了减少干扰点的出现，当峰值点具有相同的方位角或相同的时间延迟时，仅保留具有最大增益的尖峰点。

S203、对步骤S201至步骤S202的结果进行汇总，汇总为最终的位置指纹，并录入指纹库：

其中，Gain_k,l，

和

分别代表接收到的第k(k∈[1,3])个AP的第l条多径的信号增益、多径方位角和等效多径时延。(l_x,l_y,l_z)为待测终端移动轨迹上中点的空间位置坐标，将其作为数据库中记录参考点的坐标。

S3、离线指纹库构建

S301、离线数据采集：与传统指纹定位算法的数据采集过程不同，所提方法需要在每个参考点记录在水平面上的两个相互垂直的轨迹的信道响应(两轨迹的中点重合)，如图4所示。不失一般性，可取与某确定墙面平行和垂直两方向的运动轨迹上的M个位置的信道响应，为了方便叙述，在后续中将分别用平行轨迹和垂直轨迹代替。

在第p个参考点处采集的平行轨迹的指纹为：

同样的，在第p个参考点处采集的垂直轨迹的指纹为：

S302、根据三面角的余弦定理可以推导出，在水平面上第p个参考点处的平行轨迹与待测终端移动方向夹角为α_p时所采集到的指纹与平行轨迹和垂直轨迹的指纹之间的关系为：

根据上述关系式，可生成待测终端在水平面以任意角度运动时的指纹特征。

S303、离线数据库的构建：在实际情况下，待测终端的移动方向是未知的。为了能够在运动方向未知的情况下定位待测终端，可以采用α_p＝2πq/Q q∈[0,…,Q-1]。即在每个参考点生成Q个角度的指纹数据并将其分开存储。因此无论待测终端如何移动，都可以在数据库中找到类似的指纹以进行匹配。

综上所述，离线数据库中第p个参考点处存储某个方向的指纹可以重新表示为：

其中，

表示当待测终端以任意方向移动时可以估计的多径数量，它是由移动终端在相互垂直的方向上移动时可以从相同的虚拟AP接收的信号的数量确定的。

同时，增益

的计算公式为：

在离线数据库中，第p个参考点存储的指纹为：

F_p＝[F^(p,0),F^(p,2π/Q),F^(p,2π·2/Q),…,F^{(p,2π·(Q-1)/Q)}]

在本发明中，设置Q＝12，在每个参考点处分别生成12个方向的指纹，以此来构建完整的数据库。

S4、根据相似度模型计算出目标点的位置信息

S401、通过使用粗略的时延信息将待测终端的位置确定在相对较小的区域中。首先从离线数据库中每个参考点处挑选出来自各个AP的直达径的时延。挑选规则如下：

假设采集到的在线指纹为：

则保留所有满足下式的参考点，并将其视为待测终端可能出现的位置。

将待测终端的位置确定在有限的小区域内。假设该区域中存在N_s个参考点，下一步将利用相似度准则进行位置估计。

S402、分别计算在线采集指纹与步骤S401、中的N_s个参考点的点进行相似度计算。欧几里德度量作为该算法的定位相似性标准，计算规则如下：

其中，N_track代表算法进行相似度计算的时延-方位角对的数量，d_p代表第p个参点与实测数据间的最小欧式距离。

然后从N_s个参考点的欧式距离中选择最小的N_r(≤N_s)个欧式距离对应的参考点作为待测终端的位置候选，如图5所示。

S403、获取目标点位置信息

其中，采用WKNN算法估计终端的位置，具体计算如下：

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

根据基于信道响应频域和空域联合处理的室内定位方法设计相应的仿真实验，利用3D射线追踪技术模拟室内的多径环境，并以此进行了不同定位算法的性能比较，如图6所示。

通过比较，可以发现，当在面积较小的房间进行定位时，三种算法的定位性能相似。但在较大的房间中时，所提出的算法可以实现更好的准确性。

原因如下：

在在线定位阶段，本发明使用粗延迟信息来确定要在小区域内测试的终端，从而避免来自远参考点的干扰；然而，FIFS和CSIMIMO都使用贝叶斯算法来定位待测终端。首先计算待测终端出现在所有参考点的概率，然后使用该概率对所有参考点位置坐标进行加权，最后使用获得的结果作为待测终端的位置。当房间太大时，如果错误地估计出现在远参考点处的待测终端的概率，则将引入大的定位误差。因此，本发明提出的算法可以提供更可靠的定位性能。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (5)

1.一种基于信道响应频域和空域联合处理的室内定位方法，其特征在于，包括离线阶段和在线定位阶段，离线阶段通过在室内环境中将定位区域离散化并生成多个参考点，令移动终端在每个参考点处做匀速运动，采集相互垂直两方向的信道信息，对收集的数据进行预处理，从中提取相应的指纹特征，每个点的指纹数据包含位置信息和特征信息，利用相互垂直方向上指纹之间的关系建立离线数据库；在线定位阶段通过采集未知运动终端的信号数据，提取在线指纹信息，将待测终端的指纹信息与离线数据库中的指纹进行匹配，然后根据相似度准则计算出待测终端的位置，最后通过离线数据库输出待测终端的位置信息，完成室内定位，其特征在于，包括以下步骤：

S1、采集空-频域二维信道响应，移动终端在每个参考点处都做直线或近似直线的移动，取这段轨迹的中点为参考点的位置信息，在这段轨迹中等间隔的采集M个位置的信道响应，作为目标位置处的虚拟均匀线性阵列信道，构建二维空-频域信道响应；

S2、对步骤S1中采集到的空-频域信道响应进行预处理，提取指纹并记录到离线指纹库中，包括以下步骤：

S201、对空-频域二维信道响应进行二维离散傅立叶逆变换，得到空-时域二维信道响应；由于多径的特征会以尖峰点的形式体现出来，在该二维信道响应矩阵中搜寻尖峰点；

S202、当尖峰点具有相同的方位角或相同的时间延迟时，保留具有最大增益的尖峰点；

S203、对步骤S201至步骤S202的结果进行汇总，汇总为最终的位置指纹，并录入指纹库如下：

其中，F₁,F₂,F₃分别为轨迹中心位置坐标为l_x,l_y,l_z且分别沿x，y，z轴上采集到的多径指纹特征集合，Gain_1,l,Gain_2,l,Gain_3,l分别为分别为沿x，y，z轴运动时采集到的第l条多径的增益，

分别为分别为沿x，y，z轴运动时采集到的第l条多径的方位角，

分别为分别为沿x，y，z轴运动时采集到的第l条多径的方时延，Gain_l、

与

为第l条多径的增益、归一化多径等效空间方位角和归一化多径等效时延，l_x,l_y,l_z为待测终端移动轨迹上中点的空间位置坐标，将其作为数据库中记录参考点的坐标；

S3、离线指纹库构建，包括以下步骤：

S301、在每个参考点记录在水平面上的两个相互垂直的轨迹的信道响应，取与某确定墙面平行和垂直两方向的运动轨迹上的M个位置的信道响应，得到在第p个参考点处采集的平行轨迹的指纹为：

同样的，在第p个参考点处采集的垂直轨迹的指纹为：

其中，

分别为在第p个参考点处沿x轴方向移动时采集到的第l条多径的增益、归一化多径等效空间方位角、归一化多径等效时延，

分别为在第p,π/2个参考点处沿x轴方向移动时采集到的第l条多径的增益、归一化多径等效空间方位角、归一化多径等效时延；

S302、在水平面上第p个参考点处的平行轨迹与待测终端移动方向夹角为α_p时所采集到的指纹与平行轨迹和垂直轨迹的指纹之间的关系，生成待测终端在水平面以任意角度运动时的指纹特征；

S303、采用在每个参考点生成Q个角度的指纹数据并将其分开存储，离线数据库中第p个参考点处存储某个方向的指纹重新表示为：

其中，

与

分别代表在离线数据库里第p个参考点处存储的与水平轨迹夹角为2πq/Q时的第l条多径的增益、归一化多径等效空间方位角和归一化多径等效时延，

表示当待测终端以与水平轨迹夹角为2πq/Q时移动时可以估计的多径数量；

S4、根据相似度模型计算出目标点的位置信息，包括以下步骤：

S401、通过使用粗略的时延信息将待测终端的位置确定在相对较小的区域中，首先从离线数据库中每个参考点处挑选出来自各个AP的直达径的时延；

S402、分别计算在线采集指纹与步骤S401中的N_s个参考点的点进行相似度计算，欧几里德度量作为该算法的定位相似性标准；

S403、获取目标点位置信息

采用WKNN算法估计终端的位置。

2.根据权利要求1所述的基于信道响应频域和空域联合处理的室内定位方法，其特征在于，步骤S201中，搜寻步骤为：

找到图中的最大的增益Gain_max，并以下面的形式保留所有增益都大于ω_G·Gain_max的尖峰点如下：

其中，Gain_k,l，

和

分别代表接收到的第k个AP的第l条多径的信号增益、多径方位角和等效多径时延，k∈[1,3]，ω_G为权重系数。

3.根据权利要求1所述的基于信道响应频域和空域联合处理的室内定位方法，其特征在于，步骤S302中，在水平面上第p个参考点处的平行轨迹与MT移动方向夹角为α_p时所采集到的指纹与平行轨迹和垂直轨迹的指纹之间的关系为：

在离线数据库中，第p个参考点存储的指纹为：

F_p＝[F^(p,0),F^(p,2π/Q),F^(p,2π·2/Q),…,F^{(p,2π·(Q-1)/Q)}]

其中，F^(p,0)代表第p个参考点处与水平轨迹夹角为0时的指纹特征，

分别为在第p,α_p个参考点处沿x轴方向移动时采集到的第l条多径的增益、归一化多径等效空间方位角、归一化多径等效时延。

4.根据权利要求1所述的基于信道响应频域和空域联合处理的室内定位方法，其特征在于，步骤S401中，挑选规则如下：

采集到的在线指纹为：

保留所有满足下式的参考点，并将其视为待测终端可能出现的位置

其中，

为来自第k个AP的直达径时延，

为来自第k个AP的第l条多径的时延，

与

分别为待测终端与在第t参考点和第p参考点处估计出的来自第k个AP的直达径时延，N_p代表离线数据库中参考点个数，T_b代表阈值。

5.根据权利要求1所述的基于信道响应频域和空域联合处理的室内定位方法，其特征在于，步骤S403中，采用WKNN算法估计终端的位置，具体计算如下：

其中，K代表选择具有前K个最小欧式距离的位置作为待测终端的位置候选，L_p代表数据库中距离移动终端最近的第p个参考点的坐标，

代表估计出的移动终端的位置，ω_p代表权重因子，d_p代表第p个参点与实测数据间的最小欧式距离。

Images