基于信道状态信息的被动式两锚点实时室内定位方法

摘要

本发明公开了一种基于信道状态信息的被动式两锚点实时室内定位方法，方法包括下列步骤：(1)持续检测子载波的CSI信息，并根据该CSI信息判断该用户是否发生了移动，如果发生了移动，则转入步骤(2)，否则继续检测CSI信息；(2)通过该CSI信息获取由于用户移动导致的信号传播路径长度的变化速率，并判断由于用户移动导致的信号传播路径长度变化方向；(3)根据两个锚点的位置和先前预测位置，并使用信号传播路径长度的变化速率和信号传播路径长度的变化方向获取用户当前所在的位置。CSI信息。本发明在被动式定位的前提下，可以实现实时在线定位，并且只需要两个锚点就可以实现实时定位，最大限度的减少了定位的基础条件。

说明书

技术领域

本发明属于无线通信领域，更具体地，涉及一种基于信道状态信息的被动式两锚点实时室内定位方法。

背景技术

自从以全球定位系统(Global positioning system，简称GPS)为代表的定位技术出现以来，其高效、方便、快速与准确的服务使人们的生活发生了巨大的变化，带动了一批应用和服务的快速发展。室内定位技术作为定位技术在室内环境的延续，具有良好的应用前景。随着社交网络而出现的基于位置服务(Location Based Service，简称LBS)能够根据人们日常的生活规律打造个性化的生活方式。而室内定位技术能够进一步完善基于位置的服务，能够帮助人们完成各种繁杂，耗时的任务。但是传统的定位技术由于技术原理的局限性，在室内环境的定位效果不尽理想。室内环境由于墙体的遮蔽，GPS信号穿过建筑物后会明显变弱，所以室内环境不适合使用GPS技术来进行定位，目前普遍采用的是WiFi的室内定位方法。

目前基于WiFi的室内定位主要可以分为指纹模型和传播模型。

指纹模型法是一种基于学习的模型，运用模式匹配技术，根据所在位置的测量值跟已经观察到的所在位置的测量值作为比较，然后根据匹配情况确定位置，该模型在定位效果方面令人满意，CSI信息，但是需要大量的工作去给一个给定的环境建立定位模型，并且环境改变之后，之前建立的模型将不再适用，需要修改。为了解决上述建立指纹库的问题，有很多研究者提出利用众包更新指纹库的方法，允许用户对定位结果进行评价和修正，使得用户在享受定位结果的同时参与到指纹库的维护更新中，这种方法可以减少专业人员现场测量的工作，但是需要依赖用户，若用户不提供信息，则无法建立和更新指纹库。

传播模型法是依靠分析信号传播过程中的特征推算传播距离，常用的特征包含接收信号强度指示(Received Signal Strength Indication，简称RSSI)、到达角度(Angelof Arrival，简称AOA)、以及到达时间(Time of Arrival，简称TOA)。基于RSSI的三边定位利用RSSI的衰减模型来实现定位，但RSSI的数值不是常数，即使发送和接收双方都不移动，也可能出现严重的震荡，并且在定位中需要人体携带一个设备。AOA根据接收信号的入射方向来确定位置，但是需要一个特殊的天线矩阵来测量角度值。TOA测量信号的传播时间，通过传播时间推算出设备到AP的距离，但是TOA需要非常精确的时钟同步，微小的差异也会导致很大的误差，同样，该方法也需要人体携带一个设备。RSSI和TOA方法除了上述缺陷外，在定位过程中都需要至少3个锚点。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于信道状态信息的被动式两锚点实时室内定位方法，其目的在于，解决现有室内定位方法中存在的过于依赖用户参与、使用不方便、需要提前做大量的现场测量、以及必须要求用户携带智能手机的技术问题，本发明通过利用物理层信道状态信息，既保证能够实现被动式定位、实时在线定位，同时只需要两个锚点就可以实现实时定位，从而最大限度的减少了定位的基础条件。

为实现上述目的，按照本发明的一个方面，提供了一种基于信道状态信息的被动式两锚点实时室内定位方法，包括下列步骤：

(1)持续检测子载波的CSI信息，并根据该CSI信息判断该用户是否发生了移动，如果发生了移动，则转入步骤(2)，否则继续检测CSI信息；

(2)通过该CSI信息获取由于用户移动导致的信号传播路径长度的变化速率、以及由于用户移动导致的信号传播路径长度的变化方向；

(3)根据两个锚点之间的位置和用户移动前的初始位置，并使用步骤(2)获取的信号传播路径长度的变化速率和信号传播路径长度的变化方向获取用户当前所在的位置。

优选地，步骤(1)中，持续检测子载波的CSI信息，并根据该CSI信息判断该用户是否发生了移动这一过程具体包括以下子步骤：

(1-1)使用PCA方法，把所有子载波上的CSI信息进行分割，相同时间段内的子载波流组成矩阵H，计算H^T×H的特征值及其特征矢量q_i，其中i为矩阵特征值的编号；

(1-2)在获得的H^T×H的特征值及其特征矢量q_i中，选择确定第二大特征值对应的特征矢量q₂和相应的主成分h₂＝H×q₂；

(1-3)根据步骤(1-2)确定的特征矢量q₂计算其均值δ_q2：

$>{\delta }_{q_2}=\frac{1}{s-1}\underset{l=2}{\overset{s}{\Sigma }}|q_2\left(l\right)-q_2(l-1)|$>

这里s表示所有子载波的个数。|q₂(l)-q₂(l-1)|是相邻子载波CSI信息的相关系数的差异。

(1-4)计算主成分h₂的方差并根据得到的方差和步骤(1-3)获得的均值判断用户是否发生移动。

优选地，步骤(1-4)中，当大于一阈值时，判断用户开始移动，其中所述阈值是在安静环境中测量所得的均值的2倍。

优选地，步骤(2)具体包括以下子步骤：

(2-1)获取子载波的静态CFR：

$>H_s(f,t)=e^{-j2\pi \Delta ft}{\Sigma }_{k\in P_s}{a}_k(f,t)e^{-j2{\mathrm{\pi f\tau }}_k\left(t\right)}$>

其中H_s(f,t)为中心频率为f的子载波在时间t测量得到的信道频率响应，f表示子载波的中心频率，P_s表示子载波的信号传播路径长度未发生改变的传播路径集合，a_k(f,t)表示第k条传播路径的初始相位和幅值的衰减，e^-j2πΔft表示频率偏移造成的相位漂移，表示第k条传播路径上的相位漂移，τ_k(t)表示第k条传播路径上的传播延时；

(2-2)获取子载波的动态CFR：

$>H_d(f,t)={\Sigma }_{k\in P_d}{a}_k(f,t)e^{-j2{\mathrm{\pi d}}_k\left(t\right)/\lambda }$>

其中P_d表示子载波的信号传播路径长度发生改变的传播路径集合，d_k(t)表示经过人体反射的第k条信号传播路径长度。

(2-3)根据步骤(1)获得的静态CFR和步骤(2)获得的动态CFR获取总的CFR：

$>H(f,t)=e^{-j2\pi \Delta ft}\left(H_s\right(f,t)+{\Sigma }_{k\in P_d}{a}_k(f,t\left)e^{-j\frac{2{\mathrm{\pi d}}_k\left(t\right)}{\lambda }}\right);$>

(2-4)根据子载波的频率响应确定信号传播路径的变化速率；

(2-5)根据确定的传播路径长度的变化速率确定用户移动导致的信号传播路径长度的变化方向。

优选地，步骤(2-4)具体为，

首先，对H(f,t)取模平方：

$>\left(\begin{array}{c}|H(f,t){|}^2=\underset{k\in P_d}{\Sigma }2|H_s\left(f\right)a_k(f,t)|\cos (\frac{2{\mathrm{\pi v}}_{k}t}{\lambda }+\frac{2{\mathrm{\pi d}}_k\left(0\right)}{\lambda }+{\theta }_{sk})+\\ \underset{k\ne l}{\underset{k,l\in P_d}{\Sigma }}2\left|a_k(f,t)a_l(f,t)\right|\cos (\frac{2\pi (v_k-v_l)t}{\lambda }+\frac{2\pi \left(d_k\right(0)-d_l(0\left)\right)}{\lambda }+{\theta }_{kl})+\\ \underset{k\in P_d}{\Sigma }|a_k(f,t){|}^2+H_s{\left(f\right)}^2\end{array}\right)$>

其中k、l分别表示不同的传播路径，λ表示波长，θ_sk表示传播路径s和传播路径k的初始相位之和，θ_kl表示传播路径k和传播路径l的初始相位之和；

其次，对CFR的功率做小波变换，以得到一系列频率值：在一系列的频率值中选取幅值最大的频率值_fmax，并计算v_k＝f_max×λ，其中v_k表示被用户身体反射的信号的传播路径的变化速率。

优选地，步骤(2-5)具体为，

首先获取第k条传播路径的初始相位和幅值的衰减其中G_r和G_t是接收和发射天线的信号功率增益，λ是发射信号的波长，d_k是第k条传播路径上的传播距离，Γ_i为反射因子；

其次，将该衰减代入步骤(2-4)的功率表示式中：

$>\left(\begin{array}{c}|H(f,t){|}^2=\underset{k\in P_d}{\Sigma }2|H_s\left(f\right)\frac{G_t{G}_r{\Gamma }_k{\lambda }^2}{{\left(4{\mathrm{\pi d}}_k\right)}^2}|\cos (\frac{2{\mathrm{\pi v}}_{k}t}{\lambda }+\frac{2{\mathrm{\pi d}}_k\left(0\right)}{\lambda }+{\theta }_{sk})+\\ \underset{k\ne l}{\underset{k,l\in P_d}{\Sigma }}2\left|\frac{G_t{G}_r{\Gamma }_k{\lambda }^2}{{\left(4{\mathrm{\pi d}}_k\right)}^2}\frac{G_t{G}_r{\Gamma }_l{\lambda }^2}{{\left(4{\mathrm{\pi d}}_l\right)}^2}\right|\cos (\frac{2\pi (v_k-v_l)t}{\lambda }+\frac{2\pi \left(d_k\right(0)-d_l(0\left)\right)}{\lambda }+{\theta }_{kl})+\\ \underset{k\in P_d}{\Sigma }|\frac{G_t{G}_r{\Gamma }_k{\lambda }^2}{{\left(4{\mathrm{\pi d}}_k\right)}^2}{|}^2+H_s{\left(f\right)}^2\end{array}\right)$>

最后，确定CSI功率信号的幅值是减小还是增大，当CSI功率信号的幅值减小时，则信号的传播路径的变化方向为增大方向，当CSI功率信号的幅值增大时，则信号的传播路径的变化方向为减小方向。

优选地，步骤(3)包括以下子步骤：

(3-1)根据信号传播路径的变化速率和信号传播路径长度的变化方向确定经过用户反射的信号的传播路径长度：

(3-2)根据两锚点的位置和步骤(3-1)确定的信号传播路径的长度确定用户的位置。

优选地，步骤(3-2)具体包括：

(3-2-1)将一个wifi发射器和第一wifi接收器配套放在一起使用作为第一锚点，一个第二wifi接收器作为第二锚点，以用户所在的位置坐标作为椭圆轮廓线上的一个点、以第一锚点和第二锚点作为椭圆的两个焦点、构建一个椭圆，在该椭圆中，用户到两个焦点的距离之和为信号传播路径的长度d_k(t)；

(3-2-2)根据上述方法并使用wifi发射器和第一wifi接收器所在位置的锚点1作为圆心，构造出一个半径为d_k(t)/2的圆，该圆与上述椭圆之间的两个交点之一即为用户所在的位置；

(3-2-3)根据确定信号传播路径长度的变化方向并结合上述确定的两个交点，确定用户最终到达的位置。

优选地，步骤(3-2-3)具体为，如果用户到达上面一个交点，则其变化方向是减小，如果用户到达下面一个交点，则其变化方向应该是增加。

按照本发明的另一方面，提供了一种基于信道状态信息的被动式两锚点实时室内定位系统，包括：

第一模块，用于持续检测子载波的CSI信息，并根据该CSI信息判断该用户是否发生了移动，如果发生了移动，则转入第二模块，否则继续检测CSI信息；

第二模块，用于通过该CSI信息获取由于用户移动导致的信号传播路径长度的变化速率、以及由于用户移动导致的信号传播路径长度的变化方向；

第三模块，用于根据两个锚点之间的位置和用户移动前的初始位置，并使用第二模块获取的信号传播路径长度的变化速率和信号传播路径长度的变化方向获取用户当前所在的位置。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)本发明通过测量被人体反射的信号传播路径的长度来实现用户定位，能够解决现有室内定位方法中过于依赖用户参与、需要用户携带设备的技术问题。

(2)本发明通过实时计算被人体反射的信号传播路径的长度来实现用户定位，能够解决现有室内定位方法中需要提前在现场做大量的测量工作的技术问题。

(3)本发明通过实时测量信号传播路径长度变化方向，只需要两个锚点就可以实现实时定位，能够解决现有实现室内定位至少需要三个锚点的技术问题。

(4)本发明充分挖掘物理层的信道频率响应信息，最大程度上减少了室内定位的基础条件，能够解决现有室内定位过多的限制条件的技术问题。

附图说明

图1是本发明基于信道状态信息的被动式两锚点实时室内定位方法的流程图。

图2是本发明的判断人移动的步骤流程图。

图3是本发明的正确判断人移动的概率示意图。

图4是本发明的判断人移动的信号示意图。

其中：a是原始CSI信息示意图，b是相邻子载波和CSI信息方差的比值示意图。

图5是本发明的计算信号传播路径长度的变化速率的步骤流程图

图6是本发明的计算信号传播路径长度的变化速率的信号示意图，其中：a是原始CSI信息示意图，b是CSI信息的时频图。

图7是本发明的计算信号传播路径长度变化方向的步骤流程图。

图8是本发明的计算信号传播路径长度变化方向的信号示意图，其中：a是经过PCA滤波后的信号图，b是CSI绝对值累加图。

图9是本发明的通过两锚点定位示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

需要强调的是，本发明中所述的锚点，指的是已知自身位置的点。

参见图1所示，本发明基于信道状态信息的被动式两锚点实时室内定位方法包括下列步骤：

(1)持续检测子载波的信道状态信息(Channel State Information，简称CSI)，并根据该CSI信息判断该用户是否发生了移动，如果发生了移动，则转入步骤(2)，否则继续检测CSI信息；

(2)通过该CSI信息获取由于用户移动导致的信号传播路径长度的变化速率、以及由于用户移动导致的信号传播路径长度的变化方向；

(3)根据两个锚点之间的位置和用户移动前的初始位置(该位置可以通过其他手段获取，例如：在门口放置一个感应器，若有人进入，则以该门位置作为先前预测位置)，并使用步骤(2)获取的信号传播路径长度的变化速率和信号传播路径长度的变化方向获取用户当前所在的位置。

下面结合具体公式原理等对本发明方法中的步骤进行详细描述。

如图2至4所示，本发明方法中的步骤(1)中，持续检测子载波的CSI信息，并根据该CSI信息判断该用户是否发生了移动这一过程具体包括以下子步骤：

(1-1)使用主成分分析(Primary Component Analysis，简称PCA)方法，把所有子载波上的CSI信息以1秒为时间间隔进行分割，相同时间段内的子载波流组成矩阵H，计算H^T×H的特征值及其特征矢量q_i(其中i为矩阵特征值的编号)；

本步骤的原理考虑到了CSI信息相邻子载波的相关性，即CSI在没有人移动时，各个子载波上的CSI信息是不相关的。但是，当出现用户移动时，各个子载波上由于包含相同的人体移动信息，故各子载波上的CSI信息是相关的，根据这些现象就可以确定人移动的时间区间。在本发明中，使用Intel 5300WiFi NIC来获取子载波上的CSI信息，总共可以提取30路子载波的CSI信息。

(1-2)在获得的H^T×H的特征值及其特征矢量q_i中，选择确定第二大特征值对应的特征矢量q₂和相应的主成分h₂＝H×q₂；

因为噪声的干扰，导致最大特征值对应的特征矢量q₁不能被使用，因此本步骤中使用第二大特征值对应的特征矢量q₂和相应的主成分h₂＝H×q₂。在没有人移动的时候，特征矢量q₂随机波动，这是因为子载波上的CSI信息各不相关，然而当出现人移动的时候，各个子载波上的CSI信息变得相关，q₂变化很平滑。

(1-3)根据步骤(1-2)确定的特征矢量q₂计算其均值δ_q2：

$>{\delta }_{q_2}=\frac{1}{s-1}\underset{l=2}{\overset{s}{\Sigma }}|q_2\left(l\right)-q_2(l-1)|$>

这里s表示所有子载波的个数。|q₂(l)-q₂(l-1)|是相邻子载波CSI信息的相关系数的差异；

(1-4)计算主成分h₂的方差并根据得到的方差和步骤(1-3)获得的均值判断用户是否发生移动；CSI信息在没有人移动时是暂时稳定的，但是，当出现人移动时，CSI信息会开始波动，在没有人移动时，主成分h₂有很小的波动，然而当人移动时，h₂有更大的波动。

当大于阈值(该阈值是在安静环境中测量所得的均值的2倍)时，可以判断用户开始移动。图4(a)为CSI信息图，图4(b)为值，当大于阈值时，判定用户在移动。

通过该方法判断的正确率如图3所示，可以达到几乎百分百的正确率。

如图5至8所示，本发明方法的步骤(2)包括以下子步骤：

(2-1)获取子载波的静态信道频率响应(Channel frequency response，简称CFR)：

$>H_s(f,t)=e^{-j2\pi \Delta ft}{\Sigma }_{k\in P_s}{a}_k(f,t)e^{-j2{\mathrm{\pi f\tau }}_k\left(t\right)}$>

这里H_s(f,t)为中心频率为f的子载波在时间t测量得到的信道频率响应，其中，f表示该子载波的中心频率，P_s表示子载波的信号传播路径长度未发生改变的传播路径集合，a_k(f,t)是一个复数，表示第k条传播路径的初始相位和幅值的衰减，e^-j2πΔft表示频率偏移造成的相位漂移，表示第k条传播路径上的相位漂移，τ_k(t)表示第k条传播路径上的传播延时；

(2-2)获取子载波的动态信道频率响应：

$>H_d(f,t)={\Sigma }_{k\in P_d}{a}_k(f,t)e^{-j2{\mathrm{\pi d}}_k\left(t\right)/\lambda }$>

其中，P_d表示子载波的信号传播路径长度发生改变的传播路径集合，d_k(t)表示经过人体反射的第k条信号传播路径长度。

(2-3)把子载波的频率响应分为静态的CFR和动态CFR之和，动态CFR表示为H_d(f,t)，静态CFR可以表示为H_s(f,t)，表示信号传播路径没有发生改变的CFR之和，因此总的CFR可以表示为：

$>H(f,t)=e^{-j2\pi \Delta ft}\left(H_s\right(f,t)+{\Sigma }_{k\in P_d}{a}_k(f,t\left)e^{-j\frac{2{\mathrm{\pi d}}_k\left(t\right)}{\lambda }}\right)$>

在用户移动时，H_s(f,t)是一个常量，H_d(f,t)的相位和幅度都会发生变化。

(2-4)根据子载波的频率响应确定信号传播路径的变化速率；

在人移动时，H_s(f,t)是一个常量，H_d(f,t)的相位和幅度都会发生变化。若用户以一定的速度移动，经过人体反射的第k条传播路径长度在短时间内会以速度v_k发生变化，d_k(t)表示第k条传播路径在时间t的传播路径长度，则其中d_k(0)表示用户移动前的第k条传播路径长度。

本步骤具体为，首先，对H(f,t)取模平方，CFR的功率可以表示为如下：

$>\left(\begin{array}{c}|H(f,t){|}^2=\underset{k\in P_d}{\Sigma }2|H_s\left(f\right)a_k(f,t)|\cos (\frac{2{\mathrm{\pi v}}_{k}t}{\lambda }+\frac{2{\mathrm{\pi d}}_k\left(0\right)}{\lambda }+{\theta }_{sk})+\\ \underset{k\ne l}{\underset{k,l\in P_d}{\Sigma }}2\left|a_k(f,t)a_l(f,t)\right|\cos (\frac{2\pi (v_k-v_l)t}{\lambda }+\frac{2\pi \left(d_k\right(0)-d_l(0\left)\right)}{\lambda }+{\theta }_{kl})+\\ \underset{k\in P_d}{\Sigma }|a_k(f,t){|}^2+H_s{\left(f\right)}^2\end{array}\right)$>

这里k、l分别表示不同的传播路径，λ表示波长，θ_sk表示传播路径s和传播路径k的初始相位之和，θ_kl表示传播路径k和传播路径l的初始相位之和。从上面公式可以看出，总的CFR功率是一个常量和一系列正弦信号之和。正弦信号的频率是传播路径长度变化速率的函数，因此可以通过这些正弦信号的频率，来推算出传播路径长度的变化速率。

其次，对CFR的功率做小波变换，以得到一系列频率值：由于身体反射的信号幅值最大，故在一系列的频率值中选取幅值最大的频率值f_max，并计算v_k＝f_max×λ，这里v_k表示被用户身体反射的信号的传播路径的变化速率。

图6(a)显示信号未处理的时域图，经过低通滤波和PCA处理后，对处理后的信号进行小波变换，可以看到正弦信号的频率成分，如图6(b)。由于信号传播路径长度的变化速率为v＝f_max×λ，这里f_max表示CSI功率信号中幅值最大的频率，λ表示子载波的波长，对于2.4GHZ，λ＝0.125m。由于f_max主要集中在5HZ～20HZ之间，可以得到信号传播路径长度的变化速率为0.625m/s～2.5m/s。这里人是以匀速移动，当人离路由器和笔记本较远时，信号传播路径长度改变速率较大，当人离路由器和笔记本较近时，信号传播路径长度改变速率较小。

(2-5)根据确定的传播路径长度的变化速率确定用户移动导致的信号传播路径长度的变化方向(即信号传播路径长度增大或减小)；

由于其中，G_r和G_t是接收和发射天线的信号功率增益，λ是发射信号的波长，d_k是第k条传播路径上的传播距离，反射因子为Γ_i。

代入步骤(2-4)中CFR的功率表示式中，可得：

$>\left(\begin{array}{c}|H(f,t){|}^2=\underset{k\in P_d}{\Sigma }2|H_s\left(f\right)\frac{G_t{G}_r{\Gamma }_k{\lambda }^2}{{\left(4{\mathrm{\pi d}}_k\right)}^2}|\cos (\frac{2{\mathrm{\pi v}}_{k}t}{\lambda }+\frac{2{\mathrm{\pi d}}_k\left(0\right)}{\lambda }+{\theta }_{sk})+\\ \underset{k\ne l}{\underset{k,l\in P_d}{\Sigma }}2\left|\frac{G_t{G}_r{\Gamma }_k{\lambda }^2}{{\left(4{\mathrm{\pi d}}_k\right)}^2}\frac{G_t{G}_r{\Gamma }_l{\lambda }^2}{{\left(4{\mathrm{\pi d}}_l\right)}^2}\right|\cos (\frac{2\pi (v_k-v_l)t}{\lambda }+\frac{2\pi \left(d_k\right(0)-d_l(0\left)\right)}{\lambda }+{\theta }_{kl})+\\ \underset{k\in P_d}{\Sigma }|\frac{G_t{G}_r{\Gamma }_k{\lambda }^2}{{\left(4{\mathrm{\pi d}}_k\right)}^2}{|}^2+H_s{\left(f\right)}^2\end{array}\right)$>

可以看出CSI功率信号的幅值是与信号的传播距离的平方成反比，当CSI功率信号的幅值减小时，则信号的传播路径的变化方向为增大方向，当CSI功率信号的幅值增大时，则信号的传播路径的变化方向为减小方向。

H(f,t)经过巴特沃斯低通滤波器和PCA处理后表示为h₂，从图8(a)中根据h₂的幅值不能很好的确定信号传播路径长度变化方向和方向改变的时间点，系统求其中size设置为25，波形如图8(b)，该变化与人的行走方向完全吻合，当人远离路由器时，信号传播路径长度呈现增大趋势，当人靠近路由器时，信号传播路径长度呈现减小趋势。

如图9所示，本发明方法的步骤(3)包括以下子步骤：

(3-1)根据信号传播路径的变化速率和信号传播路径长度的变化方向确定经过用户反射的信号的传播路径长度；

假设WiFi发射器发射的信号经过人体反射到达WiFi接收器，该传播路径为第k条传播路径，该信号传播的距离为d_k(0)。若在时间t范围内，人移动了一段距离，导致经过人体反射的信号的传播路径长度增大(减小类似)，由d_k(0)变为d_k(t)，则其中v_k(t)为信号传播路径长度的变化速率。由于已知人移动前的坐标即先前预测坐标，先前预测坐标到WiFi接收器和WiFi发射器的距离总和为d_k(0)，若通过CSI可以测量出v_k(t)，则可以通过v_k(t)计算出d_k(t)。

为了进一步确定d_k(t)，需要判断传播路径长度变化方向，是增大还是减小。当信号传播路径长度变化方向为增大时，当信号传播路径长度变化方向为减小时，

(3-2)根据两锚点的位置和步骤(3-1)确定的信号传播路径的长度确定用户的位置。

具体而言，首先将一个wifi发射器和第一wifi接收器配套放在一起使用作为第一锚点，一个第二wifi接收器作为第二锚点，以用户所在的位置坐标作为椭圆轮廓线上的一个点、以第一锚点和第二锚点作为椭圆的两个焦点、构建一个椭圆，在该椭圆中，用户到两个焦点的距离之和为信号传播路径的长度d_k(t)；

其次，根据上述方法并使用wifi发射器和第一wifi接收器所在位置的锚点1作为圆心，构造出一个半径为d_k(t)/2的圆，该圆与上述椭圆之间的两个交点之一即为用户所在的位置；

再次，根据确定信号传播路径长度的变化方向并结合上述确定的两个交点，确定用户最终到达的位置；具体而言，如果用户到达上面一个交点(图9中的交点1)，则其变化方向应该是减小，如果用户到达下面一个交点(图9中的交点2)，则其变化方向应该是增加。

如图9所示，锚点1为处于同一位置的WiFi接收器和WiFi发射器组成，锚点2为一个WiFi接收器组成。假设先前预测坐标和两个交点位置如图所示。若经过Δt时间后，人的真实位置为交点1，则经过人体反射的信号的传播路径长度，其变化趋势为不断减小；若经过Δt时间后，人的真实位置为交点2，则变化趋势为先减小，后增加。对人体反射信号的传播路径长度的变化方向进行实时监听，使用两个锚点就可以确认用户的真实位置，平均定位误差小于1米。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。