[发明专利]一种基于信道状态信息和支持向量机的室内被动定位方法

摘要

本发明公开一种基于信道状态信息和支持向量机的室内被动定位方法。本发明首先对采集的信道状态信息数据进行预处理，采用基于密度的聚类算法和基于权值的滑动平均算法进行去噪和平滑，然后采用主成分分析算法进行特征提取。预处理和特征提取后数据更加准确反映信号变化且维数大大降低。被动定位采用两级定位。训练阶段将较大定位空间划分成子区域，对每个子区域建立支持向量机分类和回归模型，获得准确代表位置和信号之间非线性关系的统计模型。两级定位首先通过支持向量机分类确定子区域，然后在该子区域内通过支持向量机回归确定精确位置。本发明的有益效果是：能够在目标不主动参与的情况下进行被动定位，并将室内定位精度提高到亚米级。

主权项

一种基于信道状态信息(Channel State Information，CSI)和支持向量机(Support Vector Machines，SVM)的室内被动定位方法，包括以下步骤：1)环境部署：基于CSI的被动定位要求室内覆盖Wi‑Fi信号，部署若干无线接入点AP，若干监测点MP，和一台用于分析处理数据的处理器；定位区域按照建筑结构划分成若干子区域，每个子区域内包含若干定位参考点；2)CSI原始数据采集：在每个参考点采集若干CSI原始数据，包括：发送天线个数，接收天线个数，发送频率，信道状态信息CSI矩阵，参考点位置坐标；3)CSI数据预处理：3‑1)CSI数据生成：移除原始数据中CSI矩阵第一维度，将产生的二维矩阵从线性(电平)空间转换到对数(功率)空间，将矩阵中每一个复数转换成量值；3‑2)CSI数据去噪：每一对发送和接收天线组成的信道中有30条子载波，应用基于密度的聚类算法Density‑Based Spatial Clustering of Applications with Noise(DBSCAN)对每一条信道进行聚类，通过删除离群点去噪；3‑3)CSI数据平滑：使用基于权值的滑动平均算法对去噪后的CSI数据进行平滑；4)CSI特征值提取：使用主成分分析(Principal Component Analysis，PCA)算法对预处理后的CSI数据进行降维和特征值提取，产生CSI指纹样本；5)SVM模型训练：5‑1)将CSI指纹样本归一化；5‑2)基于CSI指纹样本，建立子区域的SVM分类模型；5‑3)针对每个子区域，基于本区域的CSI指纹样本，建立该子区域的SVM回归模型；6)两级定位：6‑1)按照步骤2)进行CSI原始数据采集6‑2)按照步骤3)进行CSI数据预处理；6‑3)按照步骤4)进行CSI数据降维和特征值提取，获得实时信号指纹；6‑4)子区域定位阶段：根据子区域SVM分类模型，确定实时信号指纹所属子区域；6‑5)精确定位阶段：根据已确定子区域的SVM回归模型，确定实时信号指纹采集位置的x坐标和y坐标。