一种基于动态监测的CSI室内定位方法技术

本发明专利技术公开了一种基于动态监测的CSI室内定位方法。该方法为：首先在室内不同位置采集CSI幅度信息，利用动态时间窗监测技术获取m个数据包关于同一个子载波的CSI幅度的均值，将其作为定位的CSI幅值特征数据；然后构建BP神经网络，将无人通过状态采集得到的不同位置的一维的CSI幅值特征数据送入BP神经网络进行训练，得到线上定位模型；最后使用构建和训练完成的线上定位模型，进行线上定位。本发明专利技术将CSI幅度信息构建成一维的特征数据送入BP神经网络进行训练和定位，并且减少BP神经网络的输出节点数，用于BP神经网络的训练和定位，提高了特征数据的稳定性，降低了运算复杂度，提高了定位精度。

【技术实现步骤摘要】
一种基于动态监测的CSI室内定位方法
本专利技术涉及无线定位和深度学习
，特别是一种基于动态监测的CSI室内定位方法。
技术介绍
随着科技的发展和移动设备的普及，定位已经逐渐渗透到人们的出行和生活当中，例如百度地图为我们出行规划路线、携程根据我们的位置推荐最近的酒店等等，这都为我们带来了极大的便利，但这些都是基于GPS的室外定位技术，室内环境复杂导致出现严重的多径效应，给GPS的室内定位带来了挑战。随着无线网WLAN的飞速发展，基于WIFI的室内定位技术也已经迅速发展起来。基于WIFI的室内定位技术主要有两种：基于RSSI的室内定位和基于CSI的室内定位，CSI是无线信道的频率响应。2000年微软亚洲研究院的RADAR是基于RSSI的定位系统，它主要分为线上和线下两个阶段，线下采集室内多个位置的RSSI并提取特征建立特征数据库，线上将待定位节点的特征数据与特征数据库比对从而实现对待测节点的定位，这种方法需要采集大量的特征数据，复杂度比较高，并且RSSI是多径信号叠加，表示的是一个数据包的接收信号强度，无法估计出每条路径信号的传输衰减情况，所以提供的信息是粗粒度的，用于室内定位的精度有限。CIFI中曾提出将CSI的角度与卷积神经网络相结合，将CSI的相位信息转化为角度信息作为特征数据，克服了相位不稳定性的缺点，并将数据包-角度二维特征矩阵作为卷积神经网络的输入，训练得到室内定位器，但该方法并没有对环境进行监测，不能保证获取的是无人员走动情况下的无扰动CSI数据，会对定位精度产生一定的影响。
技术实现思路
本专利技术的目的在于提供一种定位精度高、稳定性高、复杂度低的基于动态监测的CSI室内定位方法。实现本专利技术目的的技术解决方案为：一种基于动态监测的CSI室内定位方法，包括以下步骤：步骤1、在室内不同位置采集CSI幅度信息，利用动态时间窗监测技术获取m个数据包关于同一个子载波的CSI幅度的均值，将其作为定位的CSI幅值特征数据；步骤2、构建BP神经网络，将无人通过状态采集得到的不同位置的一维的CSI幅值特征数据送入BP神经网络进行训练，得到线上定位模型；步骤3、使用构建和训练完成的线上定位模型，进行线上定位。作为一种具体的示例，步骤1所述的在室内不同位置采集CSI幅度信息，利用动态时间窗监测技术获取m个数据包关于同一个子载波的CSI幅度的均值，将其作为定位的CSI幅值特征数据，具体如下：步骤1.1、利用动态时间窗技术，提取出t1时间段内采集的不同数据包中同一个子载波的CSI幅度的均值，以及CSI的相位差方差特征；步骤1.2、根据CSI的相位差方差特征，确定时间段t1内任一位置的无线信道特性，即当方差大于阈值时，表示有人通过，为状态0；否则表示无人通过，为状态1；步骤1.3、当CSI的相位差方差特征为0状态时，对原位置继续采集一段时间t2，直到CSI的相位差方差特征为1状态时，停止采集数据，得到无人员走动时的幅值数据。作为一种具体的示例，步骤1.1所述的利用动态时间窗技术，提取出t1时间段内采集的不同数据包中同一个子载波的CSI幅度的均值，以及CSI的相位差方差特征，具体如下：设定在一个位置的数据包发送速率为每2s发送一个，需要对该位置采集2min的数据，因此t1＝2min；提取该时间段内获取的60个数据包，如果直接使用幅值作为特征数据，由于接收端为3根天线，取其中一根天线的幅值作为特征数据，那么幅值特征数据的维度30*60，将动态窗口的长度设置为60，并计算出窗口内CSI幅值的均值；根据802.11n协议，每个数据包中有30个子载波传输数据，所以在该位置得到1*30的幅值特征向量；将动态窗口内同一个数据包相邻两根天线关于同一个子载波的CSI的相位差求出，取天线1和天线2的相位差，得到一个1*30维的相位差向量，由于动态窗口的长度为60，因此对60个CSI数据包的每一个子载波的相位差求方差，得到一个1*30的相位差方差向量。作为一种具体的示例，步骤1.3所述的当CSI的相位差方差特征为0状态时，对原位置继续采集一段时间t2，直到CSI的相位差方差特征为1状态时，停止采集数据，得到无人员走动时的幅值数据，具体如下：当CSI的相位差的方差特征为0状态时，对该位置继续采集一段时间t2的数据，将t1时间段和t2时间段采集的数据包合并在一起，采用步骤1.1中同样长度的窗口计算出幅度均值特征向量和相位差方差特征向量，设定需要H个滑动窗口，将每个窗口提取出的特征向量单独存放，得到2H个幅度均值向量和相位差方差特征向量；接着重复步骤1.1～步骤1.2，选出符合1状态的滑动窗口求出的均值特征向量；当CSI的相位差的方差特征为状态1时，直接从滑动窗口提取出均值特征向量。作为一种具体的示例，步骤2所述构建BP神经网络，将无人通过状态采集得到的不同位置的一维的CSI幅值特征数据送入BP神经网络进行训练，得到线上定位模型，具体如下：步骤2.1、构建BP神经网络：神经网络的输入为CSI幅度的均值特征向量，神经网络的隐含层层数为3层，神经网络的输出为室内位置的编号1,2,…,n，每个位置编号对应的位置坐标已知；步骤2.2、神经网络的训练：根据房间的大小选取训练样本的数量，每个样本有对应的标签，标签也就是训练样本的真实位置编号，获取均值特征向量作为神经网络的输入，对应每一个输入会有一个输出，该输出与样本的标签之间存在偏差，建立用于表示偏差Error的目标函数：其中，oi和yi分别是第i个位置的标签值和输出值，n表示训练样本的个数；使用反向传播算法，依次对各层的推导公式进行梯度求解，分别计算每层节点的误差项δj，并进行权值的更新：wji_new＝wji+ηδjxji其中，wji表示节点i到节点j的权重，wji_new表示更新以后的权重；η表示步长，是一个常数；δj表示节点j的误差项，xji是节点i传递给节点j的输入，ηδjxji表示反梯度方向；当误差小于指定阈值时，停止训练，此时各网络层之间的权值就是用于线上定位的神经网络模型所需要的参数。作为一种具体的示例，步骤3所述使用构建和训练完成的线上定位模型，进行线上定位，具体如下：步骤3.1、选取训练位置编号中与测试位置输出编号最接近的3个位置的坐标；步骤3.2、对3个训练位置的坐标值求平均得到(xi,yi)，此坐标即为对应测试位置的坐标；步骤3.3、选取多个测试位置按照步骤3.1和步骤3.2进行线上定位。本专利技术与现有技术相比，其显著优点在于：(1)将无线信道状态信息CSI与BP神经网络相结合，将CSI幅度信息构建成一维的特征数据送入BP神经网络进行训练和定位，通过减少神经网络输出的节点数降低了运算的复杂度；(2)利用动态监测技术对环境进行监控，采用无人员走动的特征数据用于定位，提高了特征数据的稳定性；(3)将深度学习中最简单的BP神经网络作为室内定位的方法，降低了复杂度，提高了定位精度。附本文档来自技高网...

【技术保护点】
1.一种基于动态监测的CSI室内定位方法，其特征在于，包括以下步骤：/n步骤1、在室内不同位置采集CSI幅度信息，利用动态时间窗监测技术获取m个数据包关于同一个子载波的CSI幅度的均值，将其作为定位的CSI幅值特征数据；/n步骤2、构建BP神经网络，将无人通过状态采集得到的不同位置的一维的CSI幅值特征数据送入BP神经网络进行训练，得到线上定位模型；/n步骤3、使用构建和训练完成的线上定位模型，进行线上定位。/n

【技术特征摘要】
1.一种基于动态监测的CSI室内定位方法，其特征在于，包括以下步骤：
步骤1、在室内不同位置采集CSI幅度信息，利用动态时间窗监测技术获取m个数据包关于同一个子载波的CSI幅度的均值，将其作为定位的CSI幅值特征数据；
步骤2、构建BP神经网络，将无人通过状态采集得到的不同位置的一维的CSI幅值特征数据送入BP神经网络进行训练，得到线上定位模型；
步骤3、使用构建和训练完成的线上定位模型，进行线上定位。


2.根据权利要求1所述的基于动态监测的CSI室内定位方法，其特征在于，步骤1所述的在室内不同位置采集CSI幅度信息，利用动态时间窗监测技术获取m个数据包关于同一个子载波的CSI幅度的均值，将其作为定位的CSI幅值特征数据，具体如下：
步骤1.1、利用动态时间窗技术，提取出t1时间段内采集的不同数据包中同一个子载波的CSI幅度的均值，以及CSI的相位差方差特征；
步骤1.2、根据CSI的相位差方差特征，确定时间段t1内任一位置的无线信道特性，即当方差大于阈值时，表示有人通过，为状态0；否则表示无人通过，为状态1；
步骤1.3、当CSI的相位差方差特征为0状态时，对原位置继续采集一段时间t2，直到CSI的相位差方差特征为1状态时，停止采集数据，得到无人员走动时的幅值数据。


3.根据权利要求2所述的基于动态监测的CSI室内定位方法，其特征在于，步骤1.1所述的利用动态时间窗技术，提取出t1时间段内采集的不同数据包中同一个子载波的CSI幅度的均值，以及CSI的相位差方差特征，具体如下：
设定在一个位置的数据包发送速率为每2s发送一个，需要对该位置采集2min的数据，因此t1＝2min；提取该时间段内获取的60个数据包，如果直接使用幅值作为特征数据，由于接收端为3根天线，取其中一根天线的幅值作为特征数据，那么幅值特征数据的维度30*60，将动态窗口的长度设置为60，并计算出窗口内CSI幅值的均值；根据802.11n协议，每个数据包中有30个子载波传输数据，所以在该位置得到1*30的幅值特征向量；将动态窗口内同一个数据包相邻两根天线关于同一个子载波的CSI的相位差求出，取天线1和天线2的相位差，得到一个1*30维的相位差向量，由于动态窗口的长度为60，因此对60个CSI数据包的每一个子载波的相位差求方差，得到一个1*30的相位差方差向量。


4.根据权利要求3所述的基于动态监测的的CSI室内定位方法，其特征在于，步骤1.3所述的当CSI的相位差方差特征为0状态时，对原位置继续采集一段时间t...

【专利技术属性】
技术研发人员：康明才，黄新宇，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32