CN112954791B - 一种基于子载波筛选的信道状态信息csi定位方法 - Google Patents

Abstract

本发明属于无线定位技术领域，具体涉及一种基于子载波筛选的信道状态信息CSI定位方法。本发明利用具有细粒度特征的无线信号—CSI进行指纹定位，利用CSI相位对信道的高度敏感性辅助筛选最优的CSI幅度指纹空间构建指纹库。解决因为部分子载波数据特征不稳定，导致定位性能较差的问题。首先搭建无线定位环境，划分定位格点，在每个格点处采集CSI数据。对CSI相位进行分段误差校正，根据校准方差构造最优的CSI幅度指纹库，并记录每个格点所选的子载波编号。在线阶段首先对CSI幅度进行归一化处理，再计算CSI幅度子空间特征的欧式距离，并根据空间维度进行归一化。最后通过K近邻估计最优的匹配格点。

Description

一种基于子载波筛选的信道状态信息CSI定位方法

技术领域

本发明属于无线定位技术领域，具体涉及一种基于子载波筛选的信道状态信息CSI定位方法。

背景技术

近年来，随着移动网络、云计算和物联网等技术的飞速发展，基于位置的服务受到越来越多的关注。如何提高室内定位的精度及稳健性，同时减少构建室内定位系统的成本，是室内定位系统的关键。室内定位技术是移动互联时代的关键技术，在用户导航，车辆跟踪，交通检测，医疗救助，灾难紧急事件管理等领域显示出巨大的活力。当前无线定位从方法来讲主要分为两类。第一类是基于几何的方法，常见的有信号到达时间(Time ofArrival，TOA)算法，通过无线信号的传播时间，测量发射机与接收机之间的距离来实现定位。到达时间差(Time Difference of Arrival，TDOA)算法。接收机通过不同传播路径到达时间差，计算发射节点到接收节点之间的距离差来实现定位。到达角度(Angle-of-Arrival，AOA)算法。计算发射节点与接收节点之间的角度来实现定位。这些参数化的方法都受限于通信链路质量，很难在复杂场景中实现高精度定位。另一类方法是基于指纹的方法，定位主要分为两个阶段。离线阶段建立指纹库，在线阶段无线设备测量对应的指纹特征，采用各种特征匹配算法进行定位。当前应用最为广泛的无线信号指纹是接收信号强度(Received Signal Strength，RSS)及其各种派生指纹。最为常见且有效的特征匹配算法为近邻(K-Nearest Neighbor，KNN)算法。但是由于RSS是一维标量，所蕴含的空间位置信息有限，在较高定位精度的场景中不适用。

随着通信技术的发展，正交频分复用(Orthogonal Frequency DivisionMultiplexing，OFDM)的多载波调制方案广泛应用于IEEE 802.11a/g/n和WiMAX等通信协议中。在多载波通信系统中，信道状态信息(Channel State Information,CSI)反映了发射机和接收机之间通信链路的信道特性。由于CSI数据相较RSS是一种高维特征，所以该指纹为进一步提高定位精度提供了可能。但是由于色散衰落、硬件设备的影响，导致CSI数据预处理后才具有稳健性。首先采用相位校准方法消除由通信设备引入的相位误差。CSI相位在信道质量较好的环境下，特征较为稳定。但由于存在周期模糊的问题，CSI相位不能直接用于定位。CSI幅度反映了信号衰减与距离之间的关系，可以用于定位。但是由于色散衰落等影响，不同子载波幅度的稳健性不一致。选择稳健的指纹特征是高精度定位系统的关键。

文献“Chapre,Yogita,et al."CSI-MIMO:Indoor Wi-Fi fingerprintingsystem."2014 IEEE 39th Conference on Local Computer Networks(LCN)IEEE,2014”提出一种基于多天线WIF信号进行室内定位的系统CSI-MIMO，定位性能相较FIFS“J.Xiao,K.Wu,Y.Yi,and L.Ni,“FIFS:Fine-grained indoor fingerprinting system,”in 21stInternational Conference on Computer Communications and Networks(ICCCN),2012,pp.1–7”提升了57％。文献“Chapre,Yogita,et al."CSI-MIMO:Indoor Wi-Fifingerprinting system."2014 IEEE 39th Conference on Local Computer Networks(LCN)IEEE,2014”提出了联合CSI相位以及幅度构造定位指纹的方法。方法包括：1)：将不同天线收集到的每一个子载波CSI数据进行累加；2)从CSI数据中提取CSI幅度与相位，并求一阶差分；3)将N次采样值的幅值差分以及相位差分累加并求均值；4)将步骤3)生成的相位差分均值数据与幅度差分均值数据拼接起来构造离线指纹库。在线阶段采用同样的方法构造指纹，并采用KNN以及朴素贝叶斯的方法进行定位。该方法在信道质量较好的环境下有较好的定位性能，但是在信道质量较差的环境中，会因为部分子载波数据波动而降低定位性能。因此该定位方法是有缺陷的，不足以应对多种无线定位场景。

发明内容

本发明是针对复杂信道下，不同子载波CSI数据的稳定程度不同，而质量较差的子载波数据会影响定位精度的问题，研究设计了一种基于子载波筛选的CSI定位方法。该发明方法不仅在LOS环境下具有较高的定位性能，而且克服了大多数现有CSI定位方法在NLOS以及多径丰富的无线环境下定位性能较差的缺陷。本发明能够有效的筛选出质量较高的子载波数据构建离线指纹库，同时采用维度自适应的特征相似度度量算法，准确度量在线样本与离线样本之间的差异。从而提高了定位系统的精度与鲁棒性。

本发明采用的技术方案是，离线阶段：通过校准后的CSI相位方差实现对子载波质量的判断。选择方差较小子载波对应的CSI幅度构建离线指纹库，并保存对应格点质量较好子载波的编号。在线阶段：首先对待匹配样本的幅度进行归一化处理，然后在离线阶段选择的特征子空间中度量CSI幅度的欧式距离，并根据空间维度对距离进行归一化处理。最后通过K近邻算法匹配最优的格点。具体是：

一种基于子载波筛选的信道状态信息CSI定位方法，该方法基于多载波通信系统，系统中包括无线信号发送设备和接收设备，且一部分接收设备与发送设备之间的无线信道为直达环境，另一部分接收设备与发送设备之间的无线信道为非直达环境；CSI定位方法包括以下步骤：

S1、将待定位区域划分为等大小的P个格点；

S2、构建离线CSI指纹库：

发送设备按照固定频率发送信道估计序列，其频域表达式为X(f_k)，其中k为子载波编号，接收设备在频域进行解调，得到Y(f_k)，通过解算得到CSI数据

C表示复数集合；设在一段时间内，第l台接收设备在格点p处测量到m包CSI数据，子载波的数量为N，得到当前格点下的CSI数据集

依次在所有格点处测量CSI数据并保存，得到CSI数据集

选择三台无线接收设备构造不同信道质量下的CSI数据集D：

D＝[D¹,D²,D³]

从复数形式的CSI数据中提取CSI相位

提取方法如下：

CSI相位的值域为(-π,π)，接收设备测量到的一包CSI相位表示为：

采用分段线性相位校准的方法对

进行校准，首先将

按照间隔L进行分段：

对

分段解卷绕，设置π为解卷绕门限，对原始相位线性展开得到

具体的解卷绕方法如下：

通过以下方法获得第j个子段中的第k个子载波校准相位

其中a、b分别为最小二乘方法拟合误差曲线的斜率与截距：

最后统计m包数据不同子载波的校准方差，设置阈值V，将校准方差小于阈值V的子载波下标构成的子空间视为最优稳定特征子空间，实现最优子载波筛选，接收设备在不同格点处的可选子载波集合G表示为：

其中

为接收设备在第p个格点校准后的信道相位矩阵，

表示

的第k行，即

数据中m包CSI数据的第k个子载波相位构成的向量；

联合可选特征子空间G及CSI幅度数据集A＝|D|构造离线指纹库

S3、进行在线实时定位：

通过无线接收设备，测量到来自定位区域中的一包CSI数据，提取其幅度得到待定位CSI幅度样本Q＝[q₀,q₂,…,q_N-1]；

利用来自于格点p的待比对离线样本T_p＝[t₀,t₂,…,t_N-1]，T∈A，对在线样本Q进行幅度归一化：

计算归一化CSI幅度样本

与比对样本T之间的相似度：

其中N为子载波的个数，e越小，相似度越高；

采用K近邻算法估计正确位置，即按照上述相似度比对方法，统计样本

与所有离线库中CSI幅度样本的相似度，取相似度最高的前K个样本作为候选样本集N_K＝{(x_i,y_i)|i＝0,1,…,K}，其中y_i为候选CSI幅度样本x_i的标签，即对应的格点，整个格点空间为y_i∈{c₁,c₂,…,c_W}，W为格点总数，通过以下式估计最佳的样本x及对应定位格点y：

其中I为0-1函数，条件成立则为1否则为0。

本发明的有益效果在于：本发明提出了子载波数据质量判别及筛选的思想，利用CSI相位对信道的高度敏感性选择对应格点最优稳定CSI幅度子空间，构建稳健的离线指纹库。对幅度进行归一化处理并采用维度适配的特征相似度度量算法。有效的度量样本之间的距离。本发明能够自适应的筛选最优CSI特征子空间，克服因为环境及设备带来的影响，从而本发明提出的一种基于子载波筛选的CSI定位方法是一种稳健的实时定位方法。

附图说明

图1为本发明的流程图。

图2为传统定位方法、技术背景CSI-MIMO方法、本发明方法在不同信道质量下的平均定位误差。

具体实施方式

下面结合附图对本发明进一步地详细说明。

如图1所示，为本发明的流程示意图，具体包括：

1.数据采集场景搭建

实验环境为室外停车场，4台无线接收设备位于边长分别为73m，48m，43m，37m的不规则四边形的顶点处，并处于同一平面。在该区域的一个4m×4m的子区域内划分16个采样格点，每个格点位于1m×1m的正方形顶点处。在子区域内随机选择3个测试格点，这3个测试格点与离线样本采集格点不重复，且与16个格点的最小理论距离为0.7m。环境中车位全部停满车辆。一部分接收设备与发送设备之间的无线信道为直达环境，传播链路没有障碍物。另一部分接收设备与发送设备之间的无线信道为非直达环境，传播链路间有车辆遮挡。无线通信设备的调制解调方式为OFDM，子载波的数量为408个，子载波间隔为240KHz。

2.构建离线指纹库：

2-1.搭建无线信号收发环境，发送设备按照固定频率发送信道估计序列，其频域表达式为X(f_k)，其中k为子载波编号。接收设备在频域进行解调，得到Y(f_k)。通过解算得到CSI数据

C表示复数集合。设在一段时间内，第l台接收设备在格点p处测量到m包CSI数据，子载波的数量为N，得到当前格点下的CSI数据集

依次在16个格点处测量CSI数据并保存，得到CSI数据集

选择三台无线接收设备构造不同信道质量下的CSI数据集D：

D＝[D¹,D²,D³] (2)

2-2.稳定CSI幅度子空间提取。首先从复数形式的CSI数据中提取CSI相位

提取方法如下：

CSI相位的值域为(-π,π)，接收设备测量到的一包CSI相位可以表示为：

由于

中包含硬件设备引入的误差信息，该相位数据不能直接使用，需要对误差进行校准，本发明采用分段线性相位校准的方法对其进行校准。首先将

按照间隔L进行分段，在本发明实施示例中L＝50，具体分段方法如下：

对

分段解卷绕，设置π为解卷绕门限，对原始相位线性展开得到

具体的解卷绕方法如下：

通过以下方法获得第j个子段中的第k个子载波校准相位

其中a、b分别为最小二乘方法拟合误差曲线的斜率与截距。

最后统计m包数据不同子载波的校准方差，设置阈值V，将校准方差小于阈值V的子载波下标构成的子空间视为最优稳定特征子空间，以达到最优子载波筛选的目的，在本发明实施示例中V＝0.2，。接收设备在不同格点处的可选子载波集合G可以表示为：

其中

为接收设备在第p个格点校准后的信道相位矩阵，

表示

的第k行，即

数据中m包CSI数据的第k个子载波相位构成的向量。

2-3.联合步骤2-2生成的可选特征子空间G及CSI幅度数据集A＝|D|构造离线指纹库

3.在线实时定位：

3-1.在线阶段，无线接收设备，测量到来自定位区域中的一包CSI数据，提取其幅度得到待定位CSI幅度样本Q＝[q₀,q₂,…,q_N-1]。

3-2.利用来自于格点p的待比对离线样本T_p＝[t₀,t₂,…,t_N-1]，T∈A，对在线样本Q进行幅度归一化：

3-3.计算归一化CSI幅度样本

与比对样本T之间的相似度，相似度的度量方式如下：

其中N为子载波的个数，e越小，相似度越高。

3-4.采用K近邻算法估计正确位置。按照3-3的方法统计样本

与所有离线库中CSI幅度样本的相似度，取相似度最高的前K个样本作为候选样本集N_K＝{(x_i,y_i)|i＝0,1,…,K}，其中y_i为候选CSI幅度样本x_i的标签，即对应的格点。整个格点空间为y_i∈{c₁,c₂,…,c_W}。通过以下式子估计最佳的样本x及对应定位格点y，其中I为0-1函数，条件成立则为1否则为0。

本发明基于三组实验数据来验证所提方法的优越性。三组实验的数据通过无线接收设备1、2、3同时接收发送设备发送的信息，并采集信道状态信息CSI。接收设备1采集数据的环境为LOS环境，该数据集指纹质量较高，接收设备2采集数据环境为NLOS环境，该数据集因为严重的遮挡导致指纹质量较差。接收设备3采集数据环境质量介于接收设备1与接收设备2之间。通信链路质量主要通过CIR数据的幅度及多径数量来评判。实验对比方法采用传统K近邻定位方法、技术背景文献[1]的方法、本发明方法。三种定位方法在三组数据集下的平均定位误差分别为：1.95m、1.61m、1.20m。通过图2可以得出本方法在不同质量的无线传播链路下均取得较好的定位性能，因此实验证明，一种基于子载波筛选的CSI定位方法是一种具有较高定位精度及稳健的定位方法。

Claims (1)

1.一种基于子载波筛选的信道状态信息CSI定位方法，该方法基于多载波通信系统，系统中包括无线信号发送设备和接收设备，且一部分接收设备与发送设备之间的无线信道为直达环境，另一部分接收设备与发送设备之间的无线信道为非直达环境；其特征在于，CSI定位方法包括以下步骤：

S1、将待定位区域划分为等大小的P个格点；

S2、构建离线CSI指纹库：

发送设备按照固定频率发送信道估计序列，其频域表达式为X(f_k)，其中k为子载波编号，接收设备在频域进行解调，得到Y(f_k)，通过解算得到CSI数据

C表示复数集合；设在一段时间内，第l台接收设备在格点p处测量到m包CSI数据，子载波的数量为N，得到当前格点下的CSI数据集

依次在所有格点处测量CSI数据并保存，得到CSI数据集

选择三台无线接收设备构造不同信道质量下的CSI数据集D：

D＝[D¹,D²,D³]

从复数形式的CSI数据中提取CSI相位

提取方法如下：

CSI相位的值域为(-π,π)，接收设备测量到的一包CSI相位表示为：

采用分段线性相位校准的方法对

进行校准，首先将

按照间隔L进行分段：

对

分段解卷绕，设置π为解卷绕门限，对原始相位线性展开得到

具体的解卷绕方法如下：

通过以下方法获得第j个子段中的第k个子载波校准相位

其中a、b分别为最小二乘方法拟合误差曲线的斜率与截距：

最后统计m包数据不同子载波的校准方差，设置阈值V，将校准方差小于阈值V的子载波下标构成的子空间视为最优稳定特征子空间，实现最优子载波筛选，接收设备在不同格点处的可选子载波集合G表示为：

其中

为接收设备在第p个格点校准后的信道相位矩阵，

表示

的第k行，即

数据中m包CSI数据的第k个子载波相位构成的向量；

联合可选特征子空间G及CSI幅度数据集A＝|D|构造离线指纹库

S3、进行在线实时定位：

通过无线接收设备，测量到来自定位区域中的一包CSI数据，提取其幅度得到待定位CSI幅度样本Q＝[q₀,q₂,…,q_N-1]；

利用来自于格点p的待比对离线样本T_p＝[t₀,t₂,…,t_N-1]，T∈A，对在线样本Q进行幅度归一化：

计算归一化CSI幅度样本

与比对样本T之间的相似度：

其中N为子载波的个数，e越小，相似度越高；

采用K近邻算法估计正确位置，即按照上述相似度比对方法，统计样本

与所有离线库中CSI幅度样本的相似度，取相似度最高的前K个样本作为候选样本集N_K＝{(x_i,y_i)|i＝0,1,…,K}，其中y_i为候选CSI幅度样本x_i的标签，即对应的格点，整个格点空间为y_i∈{c₁,c₂,…,c_W}，W为格点总数，通过以下式估计最佳的样本x及对应定位格点y：

其中I为0-1函数，条件成立则为1否则为0。

Images