[发明专利]一种基于CSI高精度人员定位跟踪方法

权利要求书

1.一种基于CSI高精度人员定位跟踪方法，其特征在于，包括以下步骤：

1)在目标所在的定位区域中布置多个接入点(Access Point，AP)，并且建立坐标系，获取定位区域中所有AP的坐标和布局图；

2)对区域中所有的多天线AP进行设备网卡的多通道初始相位校正，避免由于设备天线长度和网卡的射频通道硬件误差造成的定位结果误差；

3)配置局域网，目标在定位区域内移动的过程中发射WiFi数据，AP接收数据并提取出信道状态信息(Channel Status Information)；

4)将所述步骤3)得到的CSI，利用天线之间电磁波耦合原理重构角度估计算法MUSIC(Multiple Signal Classification Algorithm，多重信号分类)模型，进行空间谱运算得到目标信号相对于AP的AOA，同时消除由于天线耦合造成的相位误差。最终计算出目标源发射信号相对于区域中所有AP的AOA；

5)利用卡尔曼滤波和平滑技术对所述步骤4)得到的目标信号AOA进行滤波和平滑处理，减少由于遮挡和多径造成的角度估计误差；

6)将所述步骤5)所得的所有AP上测得的目标信号AOA代入最小二乘算法中，通过已知AP的位置坐标和角度信息，对目标进行定位跟踪。

2.基于权利要求1中所述的一种基于CSI高精度人员定位跟踪方法，其特征在于：所述步骤4)中包含通过最大似然估计法重构包含天线耦合的MUSIC算法和构建室内S-V信道模型来测试MUSIC算法的精确性，具体包括：

在室内环境下，WiFi信号通过直射径和许多反射径在收发设备之间传输。假设有L条路径，α_k和θ_k分别代表第k条路径的衰减和到达角。当第k条路径到达N天线阵列时，对于窄带信号来说，不同天线间的幅度衰减基本是相同的，但是相位由于AOA和天线位置分布的关系变化比较显著。因此，将第一根天线作参考，不同天线引起的相位偏移可用阵列流型矢量来表示：

s(θ_k)＝[1,a(θ_k),…a(θ_k)^M-1]^T (1)

其中d和λ分别是两个天线之间间隔和波长。然后，将这些阵列流型与所有的路径结合，可得到阵列流型矩阵，如下所示：

S＝[s(θ₁),s(θ₂),…s(θ_K)] (2)

由超分辨原理可得天线阵列的接收信号矢量为：

y＝Sα+n (3)

其中a＝[α₁,α₂,…α_K]^T，n代表高斯噪声。为了得到所有路径的AOA，可以用超分辨算法MUSIC，来解算众多天线接收的CSI。但是在实际测试中，由于设备天线之间电流回路产生的电磁场影响，在多天线设备上每根天线提取出的CSI会受到相邻天线的影响，导致在提取出多天线之间CSI的相对相位差时产生额外的误差。为此需要对MUSIC算法进行重构，将天线耦合的影响考虑进去。

假设在平面上的N天线阵列，有qN个窄带信号源从不同的角度到达天线阵列，可得Θ＝[θ₁...θ_q]，在L个快拍采样后，考虑到天线之间耦合的影响，得到重构后的MUSIC表达式：

其中是接收信号矩阵，第l个时间快拍采样x(t_l)是X的第l列。矩阵是信号源矩阵，与X相似，S的第l列是第l个传播信号。此外，阵列流型矩阵包含q个阵列流型矢量，例如其中是一个传播信号从角度θ_i入射到天线阵列得到的阵列流型矢量，包含了天线共耦的影响。

重构MUSIC模型的目的是在已知接收信号耦合参数p和信号源个数q，并且在天线间耦合存在的情况下，估计出信号到达天线阵列的角度。而在均匀线性阵列下，如果不考虑天线耦合的影响，由于天线之间的间隔造成的阵列流型矩阵为：

a(θ)＝[1,z_θ,…z_θ^N-1]^T (5)

其中d代表天线之间间距，λ代表信号波长。由于天线之间的耦合影响，阵列流型矩阵可重构为：

其中是一个带状对称Toeplitz矩阵，表示如下：

由上式可知，矩阵Γ_p(m)与AOA无关。由公式(6)和(7)可知，当天线以间隔为p进行排列放置时，天线之间不会受到耦合的影响。也就是说，对于所有i≥p，有m_i＝0。这是因为天线之间的相互耦合与距离成反比的关系。

对于公式(4)，有如下条件：

A:是列满秩矩阵。

B:信号源的个数q是已知的

C:噪声矢量n(t_l)是高斯白噪声，均值为0，协方差为σ²I，与信号相互独立。

由条件C可知，所有的信号快拍采样点是相互独立的，有

为了简化符号，可将所有的信号参数和噪声参数都写在同一个矢量里面，如下所示：

Ω＝[Θ^T,m^T,vec(S),σ²]^T (9)

由此可得到基于未知信号和噪声参数Ω条件下所有快拍采样点X的联合条件概率分布函数：

信号和噪声的确定性最大似然估计，也就是可由如下准则得到：

最后，可得如下所示：

其中如下：

而代表采样点的简单协方差矩阵：

通过求解公式(15)，可以得到的值，即可得到信号入射到天线阵列的到达角。将其代入到公式(10)和(11)中，分别得到噪声方差和信号矩阵的最大似然估计，利用最大似然交替投影迭代法对进行估计，最终得到入射信号相对于天线阵列的到达角。

事实上，在室内环境中反射径相较于直射径而言，由于要经历额外的传播路径和反射物，会经历更多的衰减。因此，通过超分辨MUSIC算法来估计多径信号的AOA时，强度较弱的反射信号由于严重的衰减，可以被忽略掉。就室内S-V信道模型而言，有如下形式：

其中β_r,m，τ_r,m和θ_r,m分别代表第m条路径聚类中的第r路信号的幅度、飞行时间和相位。T_m是第m个聚类中第一路信号的飞行时间。两个相邻信号路径聚类的TOF和同一信号路径聚类中两个相邻信号遵循以下分布：

其中同一聚类中的第一路信号的TOF和其他路信号的TOF分别服从γ和λ的泊松分布。用此信道模型生成多径信号然后对重构后的MUSIC模型进行测试来探讨AOA估计精度。因为室内信道模型可以很好的描述多径传播特性，能够说明反射信号对直射径AOA估计造成的影响，进而减少空间谱计算的所用时间消耗。