[发明专利]一种基于MIMO-CSI的单站点室内指纹定位方法、存储介质及设备

权利要求书

1.一种基于MIMO-CSI的单站点室内指纹定位方法，其特征在于，包括以下步骤：

S1、将具有多输入多输出功能的单个基站与具有多输入多输出功能的移动终端进行信息交互，在移动终端处利用信道估计算法对信道进行估计产生信道状态信息矩阵H；

S2、根据步骤S1获得的矩阵H在同一时刻包含多个子载波信息且相邻子载波信息之间变化小的数据特点，在子载波维度进行分段取均值对数据降维，形成矩阵H₁，分段的长度由子载波之间相关性系数低于设定值的间隔数确定，根据子载波之间相关性系数低于设定值时的子载波间隔数确定分段长度如下：

其中，H(f)为矩阵H中子载波为f的那一列，H(f+kΔf)^*为子载波f+kΔf的信道响应的共轭，ρ_kΔf代表间隔为kΔf个载波的两个数据的相关系数，Δf为子载波之间的间隔带宽，k为所求的分段内的载波数量；

S3、每个收发天线对的数据单独采用均值滤波的方法对数据载波维度滤波得到H₂；

S4、步骤S3完成后，对数据进行天线对整合，将空频维度作为特征，时间维度作为样本，采用主成分分析法降低维度，将各个位置的数据投影到主成分w上，使不同位置之间的样本最分散，每个位置的数据变换为H₃；

S5、建立包含三层隐含层的神经网络模型，对步骤S4得到的H₃进行分类，使用训练集进行神经网络模型训练；

S6、将测试集的H₃输入至步骤S5中已经训练好的神经网络模型中，然后将神经网络的输出进行WKNN处理，得到最终的位置估计。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，H为C×T×M×N结构的复数矩阵，C表示子载波维数，T表示在测量时间内接收到OFDM符号的个数，M表示基站处的发送天线个数，N表示移动设备的接收天线个数。

3.根据权利要求1所述的方法，其特征在于，步骤S3中，使用分段均值滤波的方法，具体为：

其中，s代表经过均值滤波后的数据，x代表原数据，L代表区间范围。

4.根据权利要求1所述的方法，其特征在于，步骤S4中，主成分分析变换的定义如下：

z＝w^Tx

其中，x表示降维前的向量，w^T表示投影矩阵，z表示降维后的向量。

5.根据权利要求4所述的方法，其特征在于，选择方差解释率大于0.95时所需要的维度数量作为降维后的数据维度数。

6.根据权利要求1所述的方法，其特征在于，步骤S5中，神经网络模型包含三层隐含层，输入层的神经元个数由样本特征决定，输出层的神经元个数由分类类别个数决定，隐藏层决定神经网络的复杂程度。

7.根据权利要求1所述的方法，其特征在于，步骤S6中，使用WKNN的方法进行位置估计，具体为：

其中，(x,y)为最终估计的位置，K为所设置的常数，选择神经网络输出中最大的K个输出，w_i为K个输出中第i个输出占的比重，(x_i,y_i)表示第i个输出所对应的训练数据中的位置坐标。

8.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。

9.一种计算设备，其特征在于，包括：

一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。