法律状态公告日
法律状态信息
法律状态
2019-09-03
授权
授权
2016-08-31
实质审查的生效 IPC(主分类):H04W4/02 申请日:20160420
实质审查的生效
2016-08-03
公开
公开
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,ReceivedSignalStrength),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-pathEffect),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,ChannelStateInformation)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Intel5300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。
机译: 信道状态信息反馈方法,信道状态信息获取方法,信道状态信息反馈设备和信道状态信息获取设备
机译: 信道状态信息反馈方法,信道状态信息获取方法,信道状态信息反馈设备和信道状态信息获取设备。
机译: 基于过时的信道状态信息的用于MU-MIMO传输方案的有效信道状态信息分发的方法和装置