一种基于MIMO-CSI的单站点室内指纹定位方法、存储介质及设备技术

本发明专利技术公开了一种基于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。

【技术实现步骤摘要】
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
本专利技术属于通信
，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。
技术介绍
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(TimeofArrival，ToA)，到达时间差(TimeDifferenceofArrival，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本文档来自技高网...

【技术保护点】
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：/nS1、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；/nS2、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子载波信息之间变化较小的数据特点，在子载波维度进行分段取均值的方法对数据进行降维形成矩阵H

【技术特征摘要】
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子载波信息之间变化较小的数据特点，在子载波维度进行分段取均值的方法对数据进行降维形成矩阵H1，根据每个分段的长度由子载波之间相关性系数与设定值的关系确定子载波的间隔数；
S3、每个收发天线采用单独进行均值滤波的方法对数据载波维度进行滤波得到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上最分散，将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S2中，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，ρkΔf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。

【专利技术属性】
技术研发人员：范建存，张建雄，焦利彬，
申请(专利权)人：西安交通大学，中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：陕西;61