一种基于WiFi无接触感知的多人室内定位方法技术

本发明专利技术公开了一种基于WiFi无接触感知的多人室内定位方法，该方法包括单人离线指纹数据库构建和多人在线定位匹配两个阶段。首先通过对收集到的信道状态信息进行预处理、特征提取等步骤构建单人指纹数据库，所提取的特征反映位置信息；其次，将多人室内定位场景建模为盲源分离问题，并采用RobustICA算法对混合的CSI信号进行分离；最后，对分离后的信号提取特征，利用KNN算法与指纹库进行匹配，完成对多个人的无接触感知定位。本发明专利技术通过对WiFi的信道状态信息进行特征提取、分离、匹配，实现成本低、可用性大、适用性强的多人无接触感知定位。适用性强的多人无接触感知定位。适用性强的多人无接触感知定位。

【技术实现步骤摘要】
一种基于WiFi无接触感知的多人室内定位方法


[0001]本专利技术涉及无线通信与感知
，具体涉及一种基于WiFi无接触感知的多人室内定位方法，涉及WiFi信号中信道状态信息(channel state information，以下简称CSI)的特征提取、分离与匹配。

技术介绍

[0002]随着室内WiFi的广泛普及，基于WiFi感知的室内定位技术不断发展。相较于现有的其他无线感知技术，基于WiFi感知的室内定位技术具有诸多优势，如无需用户佩戴任何设备，可实现无接触定位；WiFi热点分布广泛，建立系统无需重建或扩展网络，从而降低应用成本等。另外，本专利技术所基于的CSI是WiFi信号的一种重要特征，与传统室内定位技术常用的接收信号强度(Received Signal Strength，以下简称RSS)相比，CSI可以提供多个子载波幅值和相位差信息，更好地描述信号的传播路径。
[0003]然而，受限于多人环境下更明显的多径效应，混合有多人位置信息的CSI信号往往更加复杂且难以分离，从而导致现有的基于WiFi感知的室内定位技术往往局限于单人而无法实现多人定位。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种基于WiFi无接触感知的多人室内定位方法。该方法基于CSI进行多人室内定位，首先通过对单人CSI信号的收集、预处理、特征提取构建单人离线指纹数据库，所提取的特征反映位置信息；其次，将多人室内定位场景建模为BSS问题，并采用RobustICA对混合的CSI信号进行分离；最后，对分离后的信号提取特征，利用KNN算法与指纹数据库进行匹配，完成对多个人的无接触感知定位。
[0005]本专利技术的目的可以通过采取如下技术方案达到：
[0006]一种基于WiFi无接触感知的多人室内定位方法，所述多人室内定位方法包括：
[0007]S1、单人离线指纹数据库构建步骤，过程如下：
[0008]S11、收集单人位于室内各个位置的信道状态信息，以下信道状态信息简称CSI；
[0009]S12、将步骤S11获取到的CSI进行数据预处理；
[0010]S13、对步骤S12预处理后的CSI进行降维以及特征提取；
[0011]S14、通过步骤S13提取得到的特征构建指纹数据库；
[0012]S2、多人在线定位匹配步骤，过程如下：
[0013]S21、收集多人位于室内不同位置的CSI原始数据(以下简称第一CSI数据)以及不存在人的静态背景CSI数据(以下简称第二CSI数据)；
[0014]S22、使用步骤S21获取到的第一CSI数据减去第二CSI数据，得到去除背景静态信号的CSI混合信号(以下简称第三CSI数据)；
[0015]S23、将步骤S22中计算得到的第三CSI数据的分离问题转化为盲源分离问题(以下盲源分离简称BSS)，并使用独立成分分析(以下独立成分分析简称RobustICA)算法进行分
离，得到含有单人位置特征的第四CSI数据；
[0016]S24、将步骤S23获取到的第四CSI数据进行数据预处理；
[0017]S25、对步骤S24预处理后的第四CSI数据进行降维以及特征提取；
[0018]S26、使用最近邻(以下最近邻简称KNN)算法将步骤S25提取的特征和步骤S1中构建的单人指纹数据库进行匹配，得出多人定位中每个目标的位置。
[0019]进一步地，所述步骤S11中收集单人位于室内各个位置的CSI过程如下：在实验场景中固定放置两台配置Intel 5300网卡的迷你主机作为发射器和接收器，使单个实验目标分别位于实验场景中的不同位置收集CSI，并记录当前位置作为位置标签。其中，收发采用5GHz的WiFi信号，相比2.4GHz的WiFi信号，其具有稳定性高，不易丢包等特点，能够收集到数据表现更好的CSI。
[0020]进一步地，所述步骤S12的过程如下：
[0021]S121、使用汉佩尔(以下汉佩尔简称Hampel)滤波去除异常点，对离开封闭区间[μ
‑
3*σ,μ+3*σ]的点就当做异常点处理，μ表示一个波形的中位数，σ表示一个波形的中位数绝对偏差；
[0022]S122、应用小波变换进行降噪，使用4级的“db4”小波变换，并且只使用近似系数来“重构”滤波信号，更好地保留信号中的跃迁，以此完成降噪。
[0023]进一步地，所述步骤S13的过程如下：
[0024]采用主成分分析法进行数据降维，提取具有代表性的特征并降低CSI数据的维数。其中，特征提取是通过计算提取出具有代表性的特征用来表示每一个位置，具有代表性的特征选自幅度方差、幅度均值、相位差方差、相位差均值、融合特征和频域能量中的一种或多种组合。由于收集到的CSI原始数据具有高维度、细粒度的特点，若将全部CSI都应用于后续的数据库构建和模型训练，必将造成较大的计算压力和资源浪费，因此数据降维是CSI数据预处理中必不可少的步骤之一。
[0025]进一步地，所述步骤S14中构建指纹数据库的过程如下：
[0026]将步骤S11中收集到的全部单人CSI数据逐个通过步骤S12和步骤S13，获得每一个数据包的位置特征，并以(位置编号，位置特征)的数组数据格式将其存储到数据库中，构建单人离线指纹数据库。单人离线指纹数据库构建完之后，在下一次使用时，仅需要从数据库中进行相关数据的调用，能够以最快的速度进行模型训练，进一步提高定位的速度。
[0027]进一步地，所述步骤S21中收集第一CSI数据以及第二CSI数据的过程如下：
[0028]在室内场景中分别放置一个发射器和一个接收器，收发采用5GHz的WiFi信号，固定发射器和接收器的位置，当收集N人原始数据时，使N个实验目标位于实验场景中的N个不同的位置收集CSI，并记录N个当前位置作为位置标签，N取值为大于等于2的整数；当收集第二CSI数据时，清空实验场景中的所有人进行收集。
[0029]进一步地，所述步骤S22的过程如下：
[0030]通过收集第二CSI数据用于模拟CSI原始信号中的静态部分，使用第一CSI数据减去第二CSI数据即可抵消绝大部分的静态部分信号，留下真正需要的动态部分用于定位。CSI原始信号中往往包括实验环境中的家具、墙壁等静态物体所产生的静态信号和人、运动物体等产生的动态信号两部分，而在本专利技术中定位主要采用的是人反射和散射产生为主的动态信号。因此，通过该步骤能够减去大部分静态信号对定位的影响，进一步提高定位准确
率。
[0031]进一步地，所述步骤S23的过程如下：
[0032]第三CSI数据中包含多人的位置信息，且混合方式无从得知，无法通过相关的算法直接计算分离出单人的CSI数据。而盲源分离问题恰好就是求一个分离矩阵W，使得观测信号X(t)通过该矩阵，尽量的完全分离出源信号S(t)的各个组成。因此，需要将第三CSI数据的分离问题转化为盲源分离问题，通过找到原始混合矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于WiFi无接触感知的多人室内定位方法，其特征在于，所述多人室内定位方法包括：S1、单人离线指纹数据库构建步骤，过程如下：S11、收集单人位于室内各个位置的信道状态信息，其中，信道状态信息简称CSI；S12、将步骤S11获取到的CSI进行数据预处理；S13、对步骤S12预处理后的CSI进行降维以及特征提取；S14、通过步骤S13提取得到的特征构建指纹数据库；S2、多人在线定位匹配步骤，过程如下：S21、收集多人位于室内不同位置的CSI原始数据以及不存在人的静态背景CSI数据，其中，多人位于室内不同位置的CSI原始数据简称第一CSI数据，不存在人的静态背景CSI数据简称第二CSI数据；S22、将步骤S21得到的第一CSI数据减去第二CSI数据，得到去除背景静态信号的CSI混合信号，以下去除背景静态信号的CSI混合信号简称第三CSI数据；S23、将步骤S22中计算得到的第三CSI数据的分离问题转化为盲源分离问题，以下盲源分离简称BSS，并使用独立成分分析算法进行分离，得到含有单人位置特征的第四CSI数据；S24、将步骤S23获取到的第四CSI数据进行数据预处理；S25、对步骤S24预处理后的第四CSI数据进行降维以及特征提取；S26、使用最近邻算法将步骤S25提取的特征和步骤S1中构建的单人指纹数据库进行匹配，得出多人定位中每个目标的位置。2.根据权利要求1所述的一种基于WiFi无接触感知的多人室内定位方法，其特征在于，所述步骤S11中收集单人位于室内各个位置的CSI过程如下：在室内场景中分别放置一个发射器和一个接收器，收发采用5GHz的WiFi信号，固定发射器和接收器的位置，使单个实验目标分别位于室内场景中的不同位置收集CSI，并记录当前位置作为位置标签。3.根据权利要求1所述的一种基于WiFi无接触感知的多人室内定位方法，其特征在于，所述步骤S12的过程如下：S121、使用汉佩尔滤波去除异常点，对离开封闭区间[μ
‑
3*σ,μ+3*σ]的点就当做异常点处理，μ表示一个波形的中位数，σ表示一个波形的中位数绝对偏差；S122、应用小波变换进行降噪，使用4级的“db4”小波变换，并且只使用近似系数来重构滤波信号。4.根据权利要求1所述的一种基于WiFi无接触感知的多人室内定位方法，其特征在于，所述步骤S13的过程如下：采用主成分分析法进行数据降维，提取具有代表...

【专利技术属性】
技术研发人员：蔡洽凯，陈世帆，廖锦鸿，杨宇峰，刘蕊，杨光华，杨宗林，
申请(专利权)人：暨南大学，
类型：发明
国别省市：