一种基于数据融合和宽度学习的室内指纹定位方法技术

本发明专利技术公开了一种基于数据融合和宽度学习的室内指纹定位方法，步骤1：在选取的室内环境下设置网格坐标点，建立坐标系；步骤2：分别提取CSI的幅度特征和相位特征；步骤3：对CSI幅度特征进行处理，即采用DBSCAN聚类算法对原始CSI幅度特征进行检测和去噪；步骤4：对CSI相位特征进行处理，得到变换的CSI相位特征；步骤5：将CSI幅值特征矩阵

【技术实现步骤摘要】
一种基于数据融合和宽度学习的室内指纹定位方法
本专利技术涉及机器学习、物联网以及室内定位，特别是涉及一种室内指纹定位方法。
技术介绍
随着智能设备的日益普及，室内定位服务受到了广泛的关注，如室内导航、工厂机器人跟踪、智能家居、活动识别等。与开放的室外空间相比，室内环境在信号条件、空间布局、拓扑关系、运动约束等方面更加复杂。所以在室外定位中被广泛应用的全球定位系统(GPS)在复杂多变的室内环境中却表现不佳。随着WiFi接入点和支持WiFi的移动设备的大规模部署，基于WiFi的室内定位成为近年来的研究热点。根据定位原理，基于WiFi的室内定位技术可分为两类，分别是基于传输模型的定位和基于指纹的定位。然而，由于物理模型与实际信号传输环境存在较大差异，且存在一些物理模型无法估计的干扰因素，因此基于传输模型的定位效果往往不如指纹定位。基于指纹的室内定位技术包含两个阶段：离线训练阶段和在线测试阶段。在工作空间中选择一系列物理位置，这些位置接收到的信号则被定义为指纹。在离线训练阶段，从所有可检测的接入点收集数据，处理后建立指纹数据库。在在线定位阶段，本文档来自技高网...

【技术保护点】
1.一种基于数据融合和宽度学习的室内指纹定位方法，其特征在于，该方法包括以下步骤：/n步骤1：在选取的室内环境下设置网格坐标点，建立坐标系；/n步骤2：分别提取CSI的幅度特征和相位特征，组成CSI的一组项中的每个项表示TX-RX通道的重传信息的OFDM子载波，表达式如下：/n

【技术特征摘要】
1.一种基于数据融合和宽度学习的室内指纹定位方法，其特征在于，该方法包括以下步骤：
步骤1：在选取的室内环境下设置网格坐标点，建立坐标系；
步骤2：分别提取CSI的幅度特征和相位特征，组成CSI的一组项中的每个项表示TX-RX通道的重传信息的OFDM子载波，表达式如下：



其中，||Hk||和∠Hk分别表示第k个子载波的幅度和相位，j表示一个常数，H表示TX-RX通道的频率响应；
步骤3：对CSI幅度特征进行处理，即采用DBSCAN聚类算法对原始CSI幅度特征进行检测和去噪，具体过程包括：将收集到的CSI数据集划分为Ntx×Nrx个数据子集，每个数据子集包含N个子载波，对每个TX-RX通道的数据集执行DBSCAN聚类算法，将CSI数据集中的点表示为p(i，r)；
去噪过程包括：首先，将数据集Ω中所有点标记为unvisited，并从中随机选择一个点p，将点p标记为visited，并计算数据集Ω中其他点到点p的欧氏距离，这样就得到点p的邻域；如果点p的邻域内包含MinPts对象，为点p创建一个新的集合C，并创建点p的邻域集合M；对于邻域集合M中的每个点q，如果点q的邻域中点的个数大于邻域中样本个数的阈值MinPts，则将这些对象添加到邻域集合M中；如果点q不属其他集群，则将点q放入集群C中；如果点p的邻域对象个数少于邻域中样本个数的阈值MinPts，则将点p标记为噪声；最后，去除标记为噪声的点，得到幅度特征指纹；
步骤4：对CSI相位特征进行处理，得到变换的CSI相位特征；具体包括以下过程：
首先，利用相邻的子载波之间的相位变化是否大于给定的阈值判断测量的相位是否扩展，若是，使用基于相位延拓的方法将测量获得的CSI相位特征进行扩展，例如相邻的子载波之间的相位变化为π，则对测量相位进行2倍补偿，且将扩展相位特征记为第i个子载波的扩展相位特征表示为：



其中，Φi表示真正的阶段，Z表示测量噪声，ki表示第i个子载波的索引，F表示快速傅里叶变换(FFT)的大小；
由于接入点与测量点之间存在时钟同步误差δ和载波频率误差β，扩展后的相位特征也不能直接用作指纹数据，为了消除δ和β的影响，定义两个中间变量a和b公式如下：






假设子载波的频率是完全对称的，则将真实的相位的线性组合，从而得到变换后的相位特征表达式如下：



步骤...

【专利技术属性】
技术研发人员：谢子玉，邱铁，李克秋，张朝昆，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12