[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

说明书

本发明公开了一种基于MIMO‑CSI的单站点室内指纹定位方法、存储介质及设备，包括离线阶段和在线阶段。在离线阶段，采用分段求均值，均值滤波，PCA相结合的方法进行数据预处理，充分利用MIMO带来的空间多样性和OFDM带来的频率多样性并提取最有效的数据信息用于位置估计。使用多层神经网络对数据进行复杂非线性学习，按位置进行精确分类。在在线阶段首先将测试样本进行与训练数据同样的数据预处理，然后输入已经训练好的神经网络模型，最后利用WKNN技术将神经网络的输出进行进一步处理以对位置进行更好的估计得到更高的定位精度。实验结果显示，相比其他方法，该方法能显著降低定位误差。在复杂室内环境中误差均值精度达到了1.39m。

技术领域

本发明属于通信技术领域，具体涉及一种基于MIMO-CSI的单站点室内指纹定位方法、存储介质及设备。

背景技术

随着终端智能化的快速发展，定位在生活中的应用越来越广泛。定位是各种基于位置的服务例如导航，无线网络资源规划，移动广告，天气预报中的核心技术。虽然GPS在室外定位中有很好的性能，但是由于GPS信号的穿透损失及室内环境的多径复杂性导致GPS无法在室内应用。由于室内存在多径且很多情况下不存在直射径，所以传统基于距离的参数估计定位方法不适合用于室内定位。基于到达时间(Time of Arrival，ToA)，到达时间差(Time Difference of Arrival，TDoA)的定位方法是根据移动设备与基站之间信号的传输时间来进行位置估计。基于到达角(Angle-of-Arrival，AoA)的定位方法是根据移动设备与基站之间信号传输的角度进行位置估计。在多径环境或不存在直射径的环境中它们的性能较差。基于指纹的定位技术由于其在室内复杂环境中低成本高精度的特性而受到许多研究者关注。

基于指纹的定位系统通常分为离线阶段和在线阶段，离线阶段也称为训练阶段，在线阶段也称为测试阶段。离线阶段的任务是构建数据库，通常采用接收信号强度(Receive Signal Strength，RSS)或信道状态信息(Channel State Information，CSI)作为指纹以构建数据库。在线阶段的任务是通过某种匹配方式，将测试数据指纹与训练数据指纹进行匹配以达到用训练数据的位置点对测试数据的位置进行估计。

接收信号强度由于其简单易获取而在指纹定位中广泛使用，但是接收信号强度容易受到室内多径的影响而导致指纹地图错误映射(较远的点比较近的点拥有更强的接收信号强度)和在同一个位置点不同时间差异较大。同时它是一个以每包级别RF信号测量的粗略值，很难获得准确的与位置一一对应的值。目前大多数无线通信设备支持OFDM，可以实现载波级的信息获取。信道状态信息是在物理层基带测得，它包含了每个传输子载波上关于信道的幅度和相位信息，可以用作指纹来进行定位提高室内定位的精度。现有方法使用多个天线上的平均CSI值，通过以概率算法为基础的相关计算确定测试对象的位置。但是该方法只是简单的在多个天线上取平均，未能很好的利用MIMO带来的空间多样性，且需要多基站协作。还有一种结合CSI与多输入多输出技术(Multiple-Input Multiple-Output，MIMO)的室内指纹定位系统，该系统对相邻子载波上的CSI幅度与相位分别求差值，再利用所有差值的平均值构造位置指纹，从而充分利用CSI的频率分集来提高室内定位的精度。定位匹配算法较简单不能全面捕捉特征中的信息。随着MIMO在无线通信中的应用，通过一个站点就可以获取在某一位置大量的CSI信息成为可能。单站点定位由于其低成本、易实现的特性而成为一种很有吸引力的定位技术。一种通过最大鉴别变换投影提取位置指纹信息，相似性匹配进行位置估计的定位方法。不能很好的分辨复杂环境下样本间指纹信息的差异度，使得在复杂室内环境下定位精度较差。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于MIMO-CSI的单站点室内指纹定位方法、存储介质及设备，采用载波分段取均值和PCA的方法进行数据预处理更好的考虑了多天线带来的空间多样性，使用神经网络进行复杂非线性学习更充分的捕获到位置的唯一性，用于实现复杂室内环境中低成本高精度定位。

本发明采用以下技术方案：