一种基于信道状态信息的无源室内定位方法技术

本发明专利技术公开了一种基于信道状态信息的无源室内定位方法，该方法利用普通的设备搭建数据采集平台，具体的定位可分为两个阶段：离线训练阶段和在线测试阶段。离线阶段采集人体位于每个位置的信道状态信息数据，经过预处理后存入位置指纹库，建立位置‑数据指纹的映射关系；在线阶段，同样对数据进行预处理，并利用机器学习中的朴素贝叶斯算法进行位置分类。同时，为进一步提高分类的准确度，引入了置信度方法，综合了多条天线对的分类结果来减少位置误判。通过上述方式，本发明专利技术能够以较低的成本有效实现对室内人员的无源定位，最优的情况下可达到90％以上的分类准确度。本发明专利技术在入侵检测、智能家居等领域具有一定的应用价值。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，该方法利用普通的设备搭建数据采集平台，具体的定位可分为两个阶段：离线训练阶段和在线测试阶段。离线阶段采集人体位于每个位置的信道状态信息数据，经过预处理后存入位置指纹库，建立位置?数据指纹的映射关系；在线阶段，同样对数据进行预处理，并利用机器学习中的朴素贝叶斯算法进行位置分类。同时，为进一步提高分类的准确度，引入了置信度方法，综合了多条天线对的分类结果来减少位置误判。通过上述方式，本专利技术能够以较低的成本有效实现对室内人员的无源定位，最优的情况下可达到90％以上的分类准确度。本专利技术在入侵检测、智能家居等领域具有一定的应用价值。【专利说明】-种基于信道状态信息的无源室内定位方法
本专利技术设及室内定位领域，尤其设及一种基于信道状态信息的无源室内定位方 法。
技术介绍
室内定位是实现基于位置服务的关键技术之一，正受到越来越多的理论研究和工 程应用关注。GPS在室外环境中获得了广泛的应用，但GI^信号无法穿过厚重的水泥墙，且室 内的环境要比室外复杂的多，因此GI^不适合应用于室内定位。目前的几种主要的室内定位 技术:红外线、UWB、RFID和超声波等，都有性价比低和无法广泛部署的缺点。随着无线局域 网(WLAN)的发展，无线热点已经广泛的分布于各种室内场合，如学校、医院、餐厅、超市等， 如果能有效利用运些现有的设备实现室内定位，将大大降低系统部署成本；同时随着无线 局域网传输速率的不断提高，如未来的802. Ilac将具有更高的工作频带，运为进一步精确 的室内定位提供了可能性。 目前已经出现了一些基于WLAN的室内定位方案。根据被定位目标是否携带设备参 与到定位过程，可W将基于WLAN的定位方法分成有源和无源两种。在很多情况下，目标不一 定会携带定位设备，一个典型的场景就是安防领域的入侵检测。在运种情况下，入侵者并不 希望自己的位置被检测到。传统的无源定位利用的是接收信号强度(RSS，Received Signal Strength),该物理量是多条路径信号的强度叠加。一种典型的利用RSS实现无源定位的方 法是指纹库方法。与传统的强度-距离模型不同，指纹库在训练阶段建立不同位置的不同 RSS模式，在测试阶段则检测与库中的RSS的相似度进行位置的匹配。RSS易于获得，但由于 室内普遍存在着多径效应(Multi-path Effect)，使得RSS存在波动性大且不够稳定的缺 点。 虽然目前利用RSS的方法仍然是WLAN定位的主流，但已经出现了一些利用PHY层的 更稳定、更高精度的物理量--信道状态信息(CSI,Channel S化te Information)来进行 定位的一些研究。近几年，随着技术的发展使得CSI的获取更加容易，对CSI的研究也越来越 多。在定位算法方面，一些学者已经利用概率方法即贝叶斯公式实现了定位，但其物理量仍 然为RSS，具有进一步改进的空间。
技术实现思路
本专利技术主要解决的技术问题是提供一种相比RSS更加稳定，准确率更高的无源室 内定位方法，能够有效实现对室内人体的位置分类，满足室内定位需求。 为实现上述的目标，本专利技术采用的一个技术方案：一种基于信道状态信息的无源 室内定位方法，具体包括W下步骤： 步骤1:搭建信道状态信息数据采集平台；[000引步骤2:将定位区域分成n个网格，记为^，...，Ln，作为定位分类的基本单元；步骤3:人体在每个网格中保持一段时间的静止状态，采集包含信道状态信息的数 据包。每个信道状态信息数据的格式为：. . . ,f3〇}TXR。其中fl~f30为子载波，T为发射 天线数，R为接收天线数； 步骤4:取第1对天线对上的数据进行预处理，包括W下两个子步骤： 步骤4-1:除去数据中的明显异常值；[001^ 步骤4-2:对每组数据进行归一化，Xnew= (XQid-min)/(max-min)，其中，Xnew表示归 一化后的数据，Xoid表示归一化前的数据，min表示该数据的一列特征中的最小值，max表示 该数据的一列特征的最大值； 步骤5:计算第i个位置的数据的平均值meam和标准差Stdi,作为该位置的一条指 纹，完成位置指纹库的建立； 步骤6:在线阶段，采集测试数据包； 步骤7:对测试数据进行预处理，主要为对数据进行归一化； 步骤8:对测试数据中的每个样本进行朴素贝叶斯分类，得到该天线对上的各样本 的估计位置{L_ESTi，L_EST2, . . .，L_ESTs}，其中S表示样本数，其具体包括：步骤8-1:取待分类项X= If 1，f2，. . .，f3日}和类别集合C=山，L2，. . .，Ln}; 步骤8-2:计算待分类数据在各个位置类别下出现的概率pail x)，i = l，...n，其 中X表示待分类的数据；； 步骤8-3:取步骤8-2结果中概率最大的类别为估计位置即 P(L_EST I X) =max{pai I X)} =〉xeL_EST 步骤9:计算置信度Br，包括W下子步骤： 步骤9-1:取该天线对上的S个测试样本，每个样本分类结果为： (L-ESTi,L-EST2,...,L-ESTs} 步骤9-2:取步骤9-1得到的分类结果中出现最多的位置类别，记为Lk; 步骤9-3:求出Lk在分类结果中的数量为m;步骤9-4:计算置信度巧.=^，其中S表示该天线对上的测试样本数； 步骤9-5:记录该天线对上的分类结果，即result= {Anti,Lk,Br}，其中Anti表示天 线对的序号； 步骤10:取其它的天线对，重复步骤4~步骤9; 步骤11:综合比较每对天线对上的分类置信度，取Br最大的天线对上的分类结果 作为最终的分类结果； 本专利技术的有益效果是： 1.使用了简单可得的设备作为定位平台，充分利用了现有的无线局域网设备，降 低了设备的成本，安装部署的费用，易于普及； 2.本专利技术不需要人体携带任何有源设备、电子标签等，进一步降低了定位的成本， 在安防、智能家居等领域具有一定的应用价值； 3.利用信道状态信息作为定位的物理量，具有稳定、可靠、精度高的优点； 4.朴素贝叶斯方法简单有效，对数据量较大的情况同样具有较好的效果； 5.充分利用了不同天线对上的分集信息，进一步提高了分类准确度。【附图说明】 图1是专利技术的实验平台示意图； 图2是一种数据采集点的分布示意图； 图3是另一个环境下的数据采集点的分布示意图； 图4是本专利技术的一种实施方式的性能图； 图5是本专利技术的流程图。【具体实施方式】 下面结合附图对本专利技术的较佳实施例进行详细阐述，W使本专利技术的优点和特征能 更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。请参阅图1~图4，本专利技术实施例包括：[00创 1.如图1所示，我们的实验平台包括接入点AP和监控点MP两部分，AP为普通的无线 路由器，MP为安装了Intel 5300网卡和信道状态信息提取软件的笔记本电脑； 2.具体实施场地为一个实验室，该环境下具有较丰富的多径效应。我们将房间分 成若干网格，每个网格间距1.2m左右，如图2所示； 3.每次采集，人体站在如图2的数据采集点，收集包含信道状态信息的数据包，每 个位置点的采集时间为80秒。采集完毕后，每个位置都能得到一个.dat文件；本文档来自技高网...

【技术保护点】
一种基于信道状态信息的无源室内定位方法，其特征在于该方法具体包括以下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：将定位区域分成n个网格，作为定位分类的基本单元，记为L1,...,Ln；步骤3：人体在每个网格中保持一段时间的静止状态，采集包含信道状态信息的数据包。每个信道状态信息数据的格式为：{f1,f2,...,f30}T×R。其中f1～f30为子载波，T为发射天线数，R为接收天线数；步骤4：取第1对天线对上的数据进行预处理，包括以下两个子步骤：步骤4‑1：除去数据中的明显异常值；步骤4‑2：对每组数据进行归一化，Xnew＝(Xold‑min)/(max‑min)，其中，Xnew表示归一化后的数据，Xold表示归一化前的数据，min表示该数据的一列特征中的最小值，max表示该数据的一列特征的最大值；步骤5：计算位置i的数据的平均值meani和标准差stdi，作为该位置的一条指纹，完成位置指纹库的建立；步骤6：在线阶段，采集测试数据包；步骤7：对测试数据进行预处理，主要为对数据进行归一化；步骤8：对测试数据中的每个样本进行朴素贝叶斯分类，得到该天线对上的各样本的估计位置{L_EST1,L_EST2,...,L_ESTs}，其中s表示样本数；步骤9：计算置信度Br；步骤10：取其它的天线对，重复步骤4～步骤9；步骤11：综合比较每对天线对上的分类置信度，取Br最大的天线对上的分类结果作为最终的分类结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：吴哲夫，徐强，翔云，傅晨波，宣琦，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33