[发明专利]一种基于子载波筛选的信道状态信息CSI定位方法

说明书

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。

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。