[发明专利]基于CSI信号的室内定位方法

说明书

技术领域

本发明涉及无线网络技术领域，特别是涉及一种基于CSI信号的室内定位技术。

背景技术

最近几年，无线信号应用于室内定位的场景越来越多，随着Wi-Fi信号覆盖了人们生活中的各个场所，像商场、机场、家里、办公场所等，使得Wi-Fi信号应用于室内定位具备了先天的优势。但是，无线信号在室内有直射、反射、散射等多种传播途径，这会产生多径效应，多径效应会对基于无线信号的室内定位的精度产生影响。此外，无线信号在室内极易受到干扰，还有背影噪声问题。因此，解决多径环境下的噪声问题，是无线信号应用于室内定位的一个关键问题。目前常见的基于无线信号的室内定位方法主要有两种，一种是需要人携带特定传感器，如RFID标签；另一种是设备无关的。前一种的问题主要是不方便，如果需要人携带相关的传感器，那对于室内定位的推广来说，是不利的。第二种方法，是目前研究的比较广泛和热门的方法，主要应用的技术方法有两种，一种是基于RSSI的，另一种是基于CSI的。基于RSSI的，是利用RSSI无线信号传播模型来估算信号传播距离，随着距离的变化，接收端接收到的RSSI信号强度也不一样，但是这种方法在多径效应下，信号传播模型会改变，造成测量精度不高。基于CSI的，利用CSI子载波的幅度和相位信息，以幅度和相位建立相应的模型，以此来进行定位，虽然CSI的灵敏度比RSSI要好，但是也存在着多径问题和噪声问题。

发明内容

为了解决这些问题，本发明结合了信号处理的相关技术，将PCA分析技术应用于CSI处理中，并结合机器学习的方法，建立了基于CSI的室内定位模型，主要解决了背景噪声问题，最大限度的减少了多径效应的影响，并提高了定位精度。

本发明所采用的技术方案是：一种基于CSI信号的室内定位方法，其特征在于：

步骤一、利用低通滤波器对收集到的CSI信号进行滤波处理，除去大部份的背景噪声；

步骤二、对滤波后的信号进行PCA(principal component analysis，主成份分析)处理，达到降维去噪的效果；

步骤三、对处理后的信号提取人走动信号特征，包括：信号能量强度、能量方差、波峰波谷数和相位；最后利用机器学习算法对其训练，得出基于CSI的室内定位模型。

上述的基于CSI信号的室内定位方法，其进一步特征在于：利用Wi-Fi信号室内定位机制，对采集的CSI数据提出有效的去噪和降维处理方法：一是采集CSI数据，通过发射端和接收端两部份组件，其中发射端有Tx根发射天线，接收端Rx根接收天线，一共可采集到Τx*Rx组CSI数据，每一组CSI数据包由30个子信道的数据组成；二是利用Butterworth(巴特沃斯滤波器)低通滤波器，对采集到的CSI数据进去噪处理，去除大部分的背景噪声；三是利用PCA去噪声方法，进一步去除细微的噪声并实现数据维度的降低，采用SVD(singular value decomposition，奇异值分解)实现。

利用Butterworth低通滤波器去噪方法去除背景噪声，根据背景噪声的频率相对于人走动的频率要高的多的特点，对采集到的信号采用低通滤波器，去除了信号中大部分的背景噪声。

利用PCA去噪方法进一步去除噪声和降低数据维度，根据噪声数据在不同信道是不相关的，而人在Wi-Fi环境下走动引起的CSI数据变化在不同信道是相关的特点，进一步去除细微的噪声，并且降低CSI的数据维度，提高数据处理效率，进而提升系统的测量效率。

提出多种有效的特征生成方法：一是相位特征，利用相位特征判断人走动的大致方向；二是频率能量特征，将人走动的频率定在40HZ左右，并提取人走动的频谱曲线；三是方差特征，依据人走动对方差大小的改变，通过阈值判断出人走动的开始点和结束点，并获得人走动的CSI方差改变特征；四是波峰数，依据波峰数，估算人走动的距离。

依据SVM和非线性回归的方法，建立室内定位模型，其过程包括：

步骤1、首先在室内各个点取训练样本特征，并将相位、能量、方差和波形数作为训练特征，用SVM多训练算法建立室内定位模型；

步骤2、将相位、能量、方差和波形数作为训练参数，利用多元非线性回归nlinfit算法，估计出beta回归系数，最终得到人走动的非线性回归函数。

本发明主要有三个部份组成，一是信号处理过程；二是特征提取过程；三是室内定位模型建立过程。