CN111505565A - 一种估计直接路径到达角的方法 - Google Patents
一种估计直接路径到达角的方法 Download PDFInfo
- Publication number
- CN111505565A CN111505565A CN202010332308.1A CN202010332308A CN111505565A CN 111505565 A CN111505565 A CN 111505565A CN 202010332308 A CN202010332308 A CN 202010332308A CN 111505565 A CN111505565 A CN 111505565A
- Authority
- CN
- China
- Prior art keywords
- cluster
- neighborhood
- aoa
- subcarriers
- direct path
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种估计直接路径到达角的方法,在接收机接收CSI测量矩阵,应用线性误差消除法消除接数据的相位误差,在重新组成CSI测量矩阵;将重组的测量矩阵进行特征值分解,并按照特征值的大小从小到大进行排序来重组特征向量;利用比值最小法的方法来估计噪声子空间和信号子空间;利用噪声子空间以及CSI二维MUSIC算法获得室内环境中所有多径的AoA和ToF对,将AoA和ToF对作为数据集D;然后基于网格的思想工作对数据集D进行划分,将D划分成不同的网格,其中选取网格单元的长度为算法的邻域半径的2倍;将AoA和ToF对作为数据集利用改进的DBSCAN算法进行聚类获得各个簇;取各个簇中平均ToF值最小的对应的簇为直接路径对应的簇,则直接路径的到达角为该簇类中所有AoA的平均值。
Description
技术领域
本发明涉及室内定位领域,具体涉及一种估计直接路径到达角的方法。
背景技术
由于室内环境的多径效应,使得室内定位的精度不是很高。
在SpotFi中,识别直接路径到达角的方法是利用K-Means算法,利用先前研究者得出的结论:在室内环境中,多径的条数一般为5-6条,所以默认将K设置为5,然后通过K-Means算法来获得直接路径的到达角。在《基于WiFi信道状态信息的单基站室内定位研究》中利用层次聚类的方法将获得的ToF和AoA对进行分类,然后取ToF最小值的AoA作为直接路径的AoA。层次聚类算法选择合适的距离度量和簇类的链接准则较难,且层次聚类的时间复杂度与空间复杂度角高,不利于实时定位的要求。
在SpotFi中,由于在实际室内环境中,室内多径条数不会固定的为5,因此噪声子空间的维数就不会固定,该缺点正是目前需要解决的。在单基站室内定位研究中,由于层次聚类选择合适的距离度量与簇类的链接准则较难,且时间复杂度与空间复杂度均较高,不利于实时定位的要求,该缺点也是目前急需要解决的。
发明内容
本发明针对上述问题,提出一种估计直接路径到达角的方法。
一种估计直接路径到达角的方法,所述方法包括如下步骤:
步骤1,在接收机接收CSI测量矩阵,应用线性误差消除法消除接收到的数据的相位误差,在重新组成CSI测量矩阵;
步骤2,将步骤1重组的测量矩阵进行特征值分解,并按照特征值的大小从小到大进行排序来重组特征向量;
步骤3,利用比值最小法的方法来估计噪声子空间和信号子空间;
步骤4,利用噪声子空间以及CSI二维MUSIC算法获得室内环境中所有多径的AoA和ToF对,将AoA和ToF对作为数据集D;
步骤5,然后基于网格的思想工作对数据集D进行划分,将D划分成不同的网格,其中选取网格单元的长度为算法的邻域半径的2倍;
步骤6,将AoA和ToF对作为数据集利用改进的DBSCAN算法进行聚类获得各个簇;
步骤7,取各个簇中平均ToF值最小的对应的簇为直接路径对应的簇,则直接路径的到达角为该簇类中所有AoA的平均值。
进一步地,步骤3中,所述比值最小法的方法具体为,对于排序后的特征向量,令第二个特征值与第一个特征值的比值为b1,令第三个特征值与第二个特征值的比值为b2,依次类推,可以得到b1,b2,...,b55,在b1,b2,...,b55中取得最小值bi,则估计当前室内环境中噪声子空间为n1…ni,而信号子空间为si+1,si+2,...,s55。
进一步地,步骤4中,CSI测量矩阵包含不同天线多个子载波的接收数据采样,以实现天线阵列虚拟扩充,对于第m个阵元的2个子载波在路径L上引入的相对相移表示为:
为了实现天线阵列阵元的有效扩充,同时考虑AoA和ToA为不同子载波引入的相移;ToA在不同子载波间引入可测量的相移,设路径L的ToA为τL,对于同一天线不同子载波其相位差表示为:
Δθ=2πΔfτL
对于等间隔OFDM子载波,路径L的到达时间τL引入的相移表示为:
其中fs表示为2个连续子载波的间隔;
对于同一阵元下的K个子载波相对于第一个子载波,由ToA引入相移的导向矢量矩阵表示为:
对于M阵元,K子载波的CSI矩阵,相对于第1阵元第1子载波,其导向矢量表示为:
这样对于有L个传播路径,获得导向矢量矩阵a:
对信号的AOA进行搜索时,当搜索到的信号与M个信号中的AOA相同时会产生一个峰值,因此遍历完所有的角度会产生M个峰值:
以此来获得室内环境中所有多径的AoA和ToF对,将AoA和ToF对作为数据集D。
进一步地,步骤5中,所述基于网格的思想工作为,在所有对象内,利用k-距离曲线方法得到邻域半径ξ,利用网格思想的方法,在计算每个对象的邻域半径ξ时,只需要利用该对象所在网格的左上,上,右上,左,本身,右,左下,下,右下这九个网格单元内的对象即可。
进一步地,步骤6中,所述改进的DBSCAN算法为,对数据集D中的所有对象标记为未处理状态,对于D中每个对象p:如果对象p已经归入某个簇或标记为噪声,则跳过该对象,进行下一个对象的处理。如果对象p没有处理过,检查对象p在所对应网格内的ξ邻域Nξ,如果Nξ包含的对象小于该对象p在邻域内成为核心对象的最小邻域点数,则将对象p标记为边界点或者噪声点;否则标记对象p为核心点,并建立新簇类C,并将p邻域内所有对象加入C,对于p邻域中所有未被处理的对象q,检查q的邻域,如果q的邻域大于等于最小邻域点数,则将q邻域中未归入任何一个簇的对象加入C。
进一步地,在聚类过程中,如果有一个对象同时属于2个簇类,则按照哪个簇类先确定该对象则该对象属于哪个簇类。
本发明达到的有益效果为:由于在实际室内环境中,室内多径条数不会固定的为5,因此噪声子空间的维数就不会固定,本发明利用最小比值法可以估计出室内多径的条数。除此之外,DBSCAN算法在计算每个对象的邻域半径时,都需要利用其他所有的对象,而本发明提出的基于网格思想的DBSCAN算法,在计算每个对象的邻域时,只需要9个网格单元内的对象即可获得,在一定程度上降低了算法的时间复杂度。
附图说明
图1为本发明所述估计直接路径到达角的方法的步骤流程示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
一种估计直接路径到达角的方法,包括如下步骤:
步骤1,在接收机接收CSI测量矩阵,应用线性误差消除法消除接收到的数据的相位误差,在重新组成CSI测量矩阵。
步骤2,将步骤1重组的测量矩阵进行特征值分解,并按照特征值的大小从小到大进行排序来重组特征向量。
步骤3,利用比值最小法的方法来估计噪声子空间和信号子空间。
比值最小法的方法具体为,对于排序后的特征向量,令第二个特征值与第一个特征值的比值为b1,令第三个特征值与第二个特征值的比值为b2,依次类推,可以得到b1,b2,...,b55,在b1,b2,…,b55中取得最小值bi,则估计当前室内环境中噪声子空间为n1…ni,而信号子空间为si+1,si+2,...,s55。
步骤4,利用噪声子空间以及CSI二维MUSIC算法获得室内环境中所有多径的AoA和ToF对,将AoA和ToF对作为数据集D。
CSI矩阵包含不同天线多个子载波的接收数据采样,可实现天线阵列虚拟扩充,若是仅仅将AoA作为子载波间相移的测量参数,这些接收数据仍会受到天线数量的限制。因为AoA并不会在子载波间引入相移,对于第m个阵元的2个子载波在路径L上引入的相对相移可以表示为:
为了实现天线阵列阵元的有效扩充,可以同时考虑AoA和ToA为不同子载波引入的相移。ToA在不同子载波间引入可测量的相移。假设路径L的ToA为τL,对于同一天线不同子载波其相位差可以表示为:
Δθ=2πΔfτL
对于等间隔OFDM子载波,路径L的到达时间τL引入的相移可以表示为:
其中fs表示为2个连续子载波的间隔。
对于同一阵元下的K个子载波相对于第一个子载波,由ToA引入相移的导向矢量矩阵可以表示为:
对于M阵元,K子载波的CSI矩阵,相对于第1阵元第1子载波,其导向矢量可以表示为:
这样对于有L个传播路径,可以获得导向矢量矩阵a:
对信号的AOA进行搜索时,当搜索到的信号与M个信号中的AOA相同时会产生一个峰值,因此遍历完所有的角度会产生M个峰值:
以此来获得室内环境中所有多径的AoA和ToF对,将AoA和ToF对作为数据集D。
步骤5,然后基于网格的思想工作对数据集D进行划分,将D划分成不同的网格,其中选取网格单元的长度为算法的邻域半径的2倍。
基于网格的思想工作为,在所有对象内,利用k-距离曲线方法得到邻域半径ξ,利用网格思想的方法,在计算每个对象的邻域半径ξ时,只需要利用该对象所在网格的左上,上,右上,左,本身,右,左下,下,右下这九个网格单元内的对象即可。
步骤6,将AoA和ToF对作为数据集利用改进的DBSCAN算法进行聚类获得各个簇。
改进的DBSCAN算法为,对数据集D中的所有对象标记为未处理状态,对于D中每个对象p:如果对象p已经归入某个簇或标记为噪声,则跳过该对象,进行下一个对象的处理。如果对象p没有处理过,检查对象p在所对应网格内的ξ邻域Nξ,如果Nξ包含的对象小于该对象p在邻域内成为核心对象的最小邻域点数,则将对象p标记为边界点或者噪声点;否则标记对象p为核心点,并建立新簇类C,并将p邻域内所有对象加入C,对于p邻域中所有未被处理的对象q,检查q的邻域,如果q的邻域大于等于最小邻域点数,则将q邻域中未归入任何一个簇的对象加入C。
在聚类过程中,如果有一个对象同时属于2个簇类,则按照哪个簇类先确定该对象则该对象属于哪个簇类。
步骤7,取各个簇中平均ToF值最小的对应的簇为直接路径对应的簇,则直接路径的到达角为该簇类中所有AoA的平均值。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (6)
1.一种估计直接路径到达角的方法,其特征在于:所述方法包括如下步骤:
步骤1,在接收机接收CSI测量矩阵,应用线性误差消除法消除接收到的数据的相位误差,在重新组成CSI测量矩阵;
步骤2,将步骤1重组的测量矩阵进行特征值分解,并按照特征值的大小从小到大进行排序来重组特征向量;
步骤3,利用比值最小法的方法来估计噪声子空间和信号子空间;
步骤4,利用噪声子空间以及CSI二维MUSIC算法获得室内环境中所有多径的AoA和ToF对,将AoA和ToF对作为数据集D;
步骤5,然后基于网格的思想工作对数据集D进行划分,将D划分成不同的网格,其中选取网格单元的长度为算法的邻域半径的2倍;
步骤6,将AoA和ToF对作为数据集利用改进的DBSCAN算法进行聚类获得各个簇;
步骤7,取各个簇中平均ToF值最小的对应的簇为直接路径对应的簇,则直接路径的到达角为该簇类中所有AoA的平均值。
2.根据权利要求1所述的一种估计直接路径到达角的方法,其特征在于:步骤3中,所述比值最小法的方法具体为,对于排序后的特征向量,令第二个特征值与第一个特征值的比值为bi,令第三个特征值与第二个特征值的比值为b2,依次类推,可以得到b1,b2,...,b55,在b1,b2,...,b55中取得最小值bi,则估计当前室内环境中噪声子空间为n1…ni,而信号子空间为si+1,si+2,...,s55。
3.根据权利要求1所述的一种估计直接路径到达角的方法,其特征在于:步骤4中,CSI测量矩阵包含不同天线多个子载波的接收数据采样,以实现天线阵列虚拟扩充,对于第m个阵元的2个子载波在路径L上引入的相对相移表示为:
为了实现天线阵列阵元的有效扩充,同时考虑AoA和ToA为不同子载波引入的相移;ToA在不同子载波间引入可测量的相移,设路径L的ToA为τL,对于同一天线不同子载波其相位差表示为:
Δθ=2πΔfτL
对于等间隔OFDM子载波,路径L的到达时间τL引入的相移表示为:
其中fs表示为2个连续子载波的间隔;
对于同一阵元下的K个子载波相对于第一个子载波,由ToA引入相移的导向矢量矩阵表示为:
对于M阵元,K子载波的CSI矩阵,相对于第1阵元第1子载波,其导向矢量表示为:
这样对于有L个传播路径,获得导向矢量矩阵a:
对信号的AOA进行搜索时,当搜索到的信号与M个信号中的AOA相同时会产生一个峰值,因此遍历完所有的角度会产生M个峰值:
以此来获得室内环境中所有多径的AoA和ToF对,将AoA和ToF对作为数据集D。
4.根据权利要求1所述的一种估计直接路径到达角的方法,其特征在于:步骤5中,所述基于网格的思想工作为,在所有对象内,利用k-距离曲线方法得到邻域半径ξ,利用网格思想的方法,在计算每个对象的邻域半径ξ时,只需要利用该对象所在网格的左上,上,右上,左,本身,右,左下,下,右下这九个网格单元内的对象即可。
5.根据权利要求1所述的一种估计直接路径到达角的方法,其特征在于:步骤6中,所述改进的DBSCAN算法为,对数据集D中的所有对象标记为未处理状态,对于D中每个对象p:如果对象p已经归入某个簇或标记为噪声,则跳过该对象,进行下一个对象的处理。如果对象p没有处理过,检查对象p在所对应网格内的ξ邻域Nξ,如果Nξ包含的对象小于该对象p在邻域内成为核心对象的最小邻域点数,则将对象p标记为边界点或者噪声点;否则标记对象p为核心点,并建立新簇类C,并将p邻域内所有对象加入C,对于p邻域中所有未被处理的对象q,检查q的邻域,如果q的邻域大于等于最小邻域点数,则将q邻域中未归入任何一个簇的对象加入C。
6.根据权利要求4所述的一种估计直接路径到达角的方法,其特征在于:在聚类过程中,如果有一个对象同时属于2个簇类,则按照哪个簇类先确定该对象则该对象属于哪个簇类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010332308.1A CN111505565B (zh) | 2020-04-24 | 2020-04-24 | 一种估计直接路径到达角的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010332308.1A CN111505565B (zh) | 2020-04-24 | 2020-04-24 | 一种估计直接路径到达角的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111505565A true CN111505565A (zh) | 2020-08-07 |
CN111505565B CN111505565B (zh) | 2022-12-16 |
Family
ID=71870220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010332308.1A Active CN111505565B (zh) | 2020-04-24 | 2020-04-24 | 一种估计直接路径到达角的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111505565B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390406A (zh) * | 2021-06-16 | 2021-09-14 | 电子科技大学 | 基于被动多传感器系统的多目标数据关联与定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548197A (zh) * | 2016-10-20 | 2017-03-29 | 天津大学 | 改进的多径簇聚类方法 |
CN106604394A (zh) * | 2016-12-28 | 2017-04-26 | 南京航空航天大学 | 一种基于csi的判定室内人体运动速度模型 |
CN107347210A (zh) * | 2017-07-04 | 2017-11-14 | 江苏先安科技有限公司 | 一种基于信道状态信息的精确目标定位方法 |
CN108387864A (zh) * | 2018-03-02 | 2018-08-10 | 北京邮电大学 | 一种到达角计算方法及装置 |
CN108646213A (zh) * | 2018-05-09 | 2018-10-12 | 华南理工大学 | 一种室内多径环境下直达波aoa判定方法 |
CN109738861A (zh) * | 2018-12-12 | 2019-05-10 | 重庆邮电大学 | 一种基于Wi-Fi信道状态信息的三维联合估计方法 |
-
2020
- 2020-04-24 CN CN202010332308.1A patent/CN111505565B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548197A (zh) * | 2016-10-20 | 2017-03-29 | 天津大学 | 改进的多径簇聚类方法 |
CN106604394A (zh) * | 2016-12-28 | 2017-04-26 | 南京航空航天大学 | 一种基于csi的判定室内人体运动速度模型 |
CN107347210A (zh) * | 2017-07-04 | 2017-11-14 | 江苏先安科技有限公司 | 一种基于信道状态信息的精确目标定位方法 |
CN108387864A (zh) * | 2018-03-02 | 2018-08-10 | 北京邮电大学 | 一种到达角计算方法及装置 |
CN108646213A (zh) * | 2018-05-09 | 2018-10-12 | 华南理工大学 | 一种室内多径环境下直达波aoa判定方法 |
CN109738861A (zh) * | 2018-12-12 | 2019-05-10 | 重庆邮电大学 | 一种基于Wi-Fi信道状态信息的三维联合估计方法 |
Non-Patent Citations (1)
Title |
---|
张瑜 等: "多径条件下雷达到达角的估算及仿真", 《电波科学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390406A (zh) * | 2021-06-16 | 2021-09-14 | 电子科技大学 | 基于被动多传感器系统的多目标数据关联与定位方法 |
CN113390406B (zh) * | 2021-06-16 | 2022-05-24 | 电子科技大学 | 基于被动多传感器系统的多目标数据关联与定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111505565B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pecoraro et al. | CSI-based fingerprinting for indoor localization using LTE signals | |
Jamali-Rad et al. | Sparsity-aware multi-source TDOA localization | |
CN105657823B (zh) | 基于核函数主特征提取的wifi室内加权k近邻定位算法 | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN108387864B (zh) | 一种到达角计算方法及装置 | |
CN107015198B (zh) | 一种基于天线非规则布设的室内定位方法 | |
CN108646213B (zh) | 一种室内多径环境下直达波aoa判定方法 | |
CN102821465A (zh) | 基于分区信息熵增益的wlan室内定位方法 | |
CN110049549B (zh) | 基于WiFi指纹的多融合室内定位方法及其系统 | |
KR20090028953A (ko) | 자동화된 클러스터링 방법 및 이를 이용한 이동통신환경에서 다중 경로의 클러스터링 방법 및 장치 | |
CN110381436A (zh) | 一种基于大规模mimo单站系统的快速指纹定位方法 | |
CN108761383A (zh) | 一种基于二维矩阵束的时延与角度联合估计方法 | |
CN112637950B (zh) | 基于角度相似性的指纹定位方法 | |
CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
Rahman et al. | Ising model formulation of outlier rejection, with application in wifi based positioning | |
CN111505565B (zh) | 一种估计直接路径到达角的方法 | |
CN112616184A (zh) | 基于多基站信道状态信息融合的移动设备位置估计方法 | |
CN107728104A (zh) | 一种改进的卫星导航干扰测向方法 | |
CN108398659A (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN116047404B (zh) | 一种基于Pmusic谱峰图的到达角测量方法 | |
CN104656055A (zh) | 一种基于大规模多天线系统的单一信号到达角估计方法 | |
CN114269014B (zh) | 基于域自适应网络的大规模mimo动态环境指纹定位方法 | |
WO2023005746A1 (zh) | 一种信道建模方法、装置、存储介质及电子装置 | |
CN112996106B (zh) | 一种去蜂窝大规模mimo系统定位方法 | |
CN108462940A (zh) | 一种基于WiFi热点的室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |