基于CSI信号的室内定位方法技术

本发明专利技术公开了一种基于CSI(Channel state information，信道状态信息)的室内定位的方法，主要过程包括：一是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；二是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；三是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。本发明专利技术提出了基于CSI的室内定位方法，解决了多径环境下，CSI信号易受干扰，噪声过大，用于室内定位时精度不高的问题。

Indoor positioning method based on CSI signal

The invention discloses a method based on CSI (Channel state information, channel state information) method for indoor positioning, the main process includes: one is the CSI signal to the collection and use of low pass filter is used to filter to remove most of the background noise; two is PCA of the filtered signal (principal analysis component analysis, principal component), to reduce the dimensionality effect; the three is to deal with the signal extraction moving signal features, including signal energy intensity, energy, wave number and phase variance; finally, using machine learning algorithms to the training, the indoor positioning model based on CSI. The invention provides an indoor positioning method based on CSI, and solves the problem that the CSI signal is easy to be interfered, the noise is too large and the indoor positioning accuracy is not high in the multipath environment.

【技术实现步骤摘要】
基于CSI信号的室内定位方法
本专利技术涉及无线网络
，特别是涉及一种基于CSI信号的室内定位技术。
技术介绍
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。
技术实现思路
为了解决这些问题，本专利技术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。本专利技术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(principalcomponentanalysis，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(singularvaluedecomposition，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。本专利技术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。通过观察分析收集到的CSI信号数据,由于人走路的动作是连续的，而且相对于背景噪声，人走路的反射信号的频率要比背景噪声的频率要小的多，对应在频谱上，噪声在频谱图上呈现出的是一个尖峰，所以本专利技术采用了一个Butterworth低通滤波，将背景噪声去除。与传统采用RSSI的方法做室内定位不同，本专利技术采用了CSI的方式，它相对于RSSI来说，能得到相位和幅度信息，特征信息更多，因而精度得到了提高。对于多径和噪声问题，本专利技术采用了PCA的方法处理。通过分析采集到CSI信号，可以发现采集到的CSI信号共有30个子载波，但是CSI的能量集中在某个子载波上，此外，由于背景噪声在多个子载波之间相关性要小，而人走动是连续的，人走动信号在不同信道上是有相关性的，因此，采用PCA的方式，提取CSI中最主要的成分作为特征提取的信号，这样不仅进一步去除了背景噪声，而且降低了CSI数据维度，减少了计算量，提高了系统运行效率。本专利技术采用SVD去解PCA的问题，PCA的问题其实是一个基的变换，由于收集到的CSI信号中方差大的方向是人走动的信号方向，方差小的方向是噪声的方向，因此，PCA就是使得信号变换后的数据有着最大的方差，这样做主要是为了提高信号与噪声的比例，即信噪比。CSI数据经过去噪和降维处理之后，需要提取波形特征，这是建立室内定位模型的关键，为了准确提取出人走路的波形，需要检测人走路波形的开始时间与结束时间。本专利技术通过分析去噪处理后的CSI数据，发现当人在Wi-Fi信号环境中没有走动的时候，CSI的波形是一段相对平稳的信号，当人开始走动的时候，CSI波形就会产生波动，再进一步，对应到方差图上，可以发现，人不走动时，方差很小，人走动时，方差逐渐变大，因此，本专利技术设定两个阈值，即开始阈值和结束阈值，当方差大于开始阈值时则判定人开始走动，当方差由大变小，并且小于结束阈值，直至趋近于零，则判定人停止走动。判定了开始点和结束点，便可以将人走路的CSI数据提取出来。在提取到了人走路的CSI信号数据后，就需要提取信号的特征，建立室内定位模型。本专利技术通过分析，共提取了CSI的相位特征，能量特征，方差特征和波峰数作为室内定位模型的学习特征。本专利技术采用了CSI的相位信息，通过判断相位角的变化趋势来判断人走路的前向方向，并作为室内定位模型的特征之一。本专利技术利用CSI信号的能量信息作为室内定位模型的特征，主要采用了短时傅里叶变换，通过对CSI信号做短时傅里叶变换，可以获得具有时域特性的频率组成情况，经过分析，人走路的频域在40HZ以下左右，因此，可将获得的时频信号图，截取0HZ至40HZ的图，再对所得信号取每个时域对应的频率的能量幅度最大值，可获得一个时频曲线，最后对这个曲线提取特征，作为室内定位模型的特征。本专利技术利用CSI信号的方差信息作为室内定位模型的特征，主要采用了滑动窗口实现，即通过对CSI的每个子载波用一个窗口截取，再对截取的CSI信号做方本文档来自技高网...

【技术保护点】
一种基于CSI信号的室内定位方法，其特征在于：1)本系统是基于CSI的室内定位的应用改进，无需携带传感器，使用常见的无线商用设备；2)对采集的CSI数据进行有效的去噪和降维处理；3)提出了多种有效的波形特征生成方法，包括相位、能量、方差和波峰数；4)将机器学习的方法应用于室内定位，建立了基于CSI的室内定位模型，提高了系统定位准确度。

【技术特征摘要】
1.一种基于CSI信号的室内定位方法，其特征在于：1)本系统是基于CSI的室内定位的应用改进，无需携带传感器，使用常见的无线商用设备；2)对采集的CSI数据进行有效的去噪和降维处理；3)提出了多种有效的波形特征生成方法，包括相位、能量、方差和波峰数；4)将机器学习的方法应用于室内定位，建立了基于CSI的室内定位模型，提高了系统定位准确度。2.根据权利要求1所述的基于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(principalcomponentanalysis，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。3.根据权利要求2所述的基于CSI信号的室内定位方法，其特征在于：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(singularvaluedecomposition，...

【专利技术属性】
技术研发人员：鄢明，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32