一种基于DFS和AOA的实时被动WiFi定位方法技术

本发明专利技术公开了一种基于DFS和AOA的实时被动WiFi定位方法。首先，在目标区域内放置一个具有一根天线的发射器(TX)，一个具有三根天线的接收机(RX)，形成线性均匀天线阵列。然后，构建接收信号模型，并分离由人体运动引起的动态分量和静态分量。其次，在每个RX天线对之间应用CSI互相关，利用前后项短时窗口技术估计DFS。接着，利用DFS估计将动态人体分量从每根天线的CSI自相关项中分离出来。最后，使用CS方法进行稀疏重构，获取AOA和人体反射路径长度d

【技术实现步骤摘要】
一种基于DFS和AOA的实时被动WiFi定位方法


[0001]本专利技术属于室内定位技术，具体涉及一种基于DFS和AOA的实时被动WiFi定位方法。

技术介绍

[0002]随着移动互联网技术和无线网络的快速发展，基于位置的服务(Location based services,LBS)已经融入了人们生活的许多方面。相比其他定位技术，WiFi网络具有部署成本较低，环境适应性强且通信范围广等优势，于是基于信道状态信息(Channel State Information,CSI)的WiFi定位已逐渐成为室内定位技术的主流。目前，使用CSI实现定位可以分为两种类型：基于模式的指纹匹配方法和基于模型的定位方法。由于基于CSI的指纹匹配算法的高工作量和环境敏感性，近年来，研究人员通过基于模型的定位方法研究室内定位系统。
[0003]根据人体是否携带设备可以将基于WiFi的定位方法分为主动定位和被动定位，由于主动定位通常需要用户开启定位功能，并持续接收、处理和分析位置数据，能耗较高，同时需要获取和处理用户的位置信息，可能导致个人隐私泄露的风险，因此基于WiFi的被动定位成为目前室内定位的研究重点。
[0004]然而，由于室内环境具有复杂性，许多因素都制约着基于WiFi的被动定位方法的精度。现有的一些室内被动定位方面的研究表明，动态人体成分分离不准确在很大程度上影响着目标定位精度。针对此问题，本专利技术提出了一种基于多普勒频移(Doppler Frequency Shift，DFS)和到达角(Angle of Arrival，AOA)的实时被动WiFi定位方法。首先，在每个RX天线对之间应用CSI互相关。然后，将它们结合起来，利用前后项短时窗口技术估计DFS。接着，利用DFS估计将动态人体分量从每个天线的CSI自相关项中分离出来。最后，使用压缩感知方法(Compressive Sensing CS)进行稀疏重构，获取AOA和人体反射路径长度d
X
，实现对目标的实时跟踪。该方法只需要一个发射机和接收机，消除了收发器异步的影响，提高了参数估计的精度，不需要任何特定于环境的训练，就可以实现目标的高精度实时跟踪。

技术实现思路

[0005]本专利技术的目的是提供一种基于DFS和AOA的实时被动WiFi定位方法，它通过每个RX天线对之间应用CSI互相关，获取DFS，并利用DFS将动态人体分量从每个天线的CSI自相关中分离出来，最后使用CS进行稀疏重构，获取AOA和人体反射路径长度d
X
，实现对目标的实时跟踪
[0006]本专利技术所述的一种基于DFS和AOA的实时被动WiFi定位方法，包括以下步骤：
[0007]步骤一、在目标区域内放置一个具有一根天线的发射器(TX)，一个具有三根天线的接收机(RX)，形成线性均匀天线阵列；
[0008]步骤二、构建关于接收信号的模型：其中代表由于收发时钟异步导致的剩余时间和频率偏移等误差，代表第i个RX天线处WiFi硬件相关CFR；
[0009]步骤三、根据步骤二中的结果，分离动态路径和静态路径分量和静态路径分量
[0010]步骤四、根据步骤三中的结果，获得RX天线之间的互相关项，使用Savitzky
‑
Golay(SG)平滑滤波器以及低通滤波器后的，分离静态和动态相互关联项U
12,j
，V
12,j,k
，并消除具体包括以下步骤：
[0011]步骤四(一)、基于步骤三中接收信号模型，以天线1和2为例，获取两者之间的CSI互相关关系：同理，分别获得天线2和3，天线3和1的CSI互相关关系；
[0012]步骤四(二)、根据步骤四(一)中的结果，分离静态和动态相互关联项，以天线1和2为例，其中静态相互关联项为动态相互关联项为：同理，可以分别获得天线2和3，天线3和1的静态和动态相互关联项；
[0013]步骤四(三)、分别将步骤四(二)中动态和静态相互关联项两两相除，用来去除项，以天线1和2为例，可得同理，分别获得天线2和3，天线3和1动态和静态相互关联项两两相除结果；
[0014]步骤五、基于步骤四中的结果，计算不同天线对之间互相关的差分结果ΔW
j,k
，利用前后向短时窗口技术处理观测矩阵ΔW
j,k
，利用MUSIC算法进行谱峰搜索，获得人体运动对应的DFS，并对其进行滤波，获得平滑后的DFS数据，具体包括以下步骤：
[0015]步骤五(一)、利用步骤四(三)中天线3和1获得结果的共轭减去天线2和3获得结果可得ΔW
12,j,k
，利用步骤四(三)中天线1和2获得结果的共轭减去天线3和1获得结果可得ΔW
23,j,k
，两者差分，可以获得CSI信号功率值：，设根据室内多径传播特点，可以将信号功率值改写为：
[0016]步骤五(二)、利用步骤五(一)中获得的ΔW
j,k
，在所有子载波上构建观测矩阵，其中N
P
代表采样点数，观测矩阵代表一个子窗口,结合多个子窗口的人体反射，由M个子窗口组成的窗口W称为联合窗口，其中两个相邻的联合子窗口中有M
‑
1个接缝窗重合，应用前后项短时窗口技术处理ΔW
j,k
，解决RX天线无法捕获人体反射或只能捕获次要反射的问题，同时降低信号相干性。
[0017]步骤五(三)、根据步骤五(二)中结果，使用MUSIC算法处理观测矩阵，分解信号子空间和噪声子空间，进行谱峰搜索，选择一个与最大信号功率相关联的频率f
D
估计作为最优估计。
[0018]步骤六、基于步骤五中获得的多普勒频移f
D
，将动态人体分量从每个天线的CSI自相关中分离出来；
[0019]步骤六(一)、对RX天线进行自相关处理，获得CSI
11
,CSI
22
,CSI
33
，可以表示为：
[0020]步骤六(二)、分离动态相互关联项v
i,j,k
和静态相互关联项u
i,j
，可以表示为：由于静态分量是窗口中的常数，其功率远高于动态分量因此可以通过相互关联项的均值求得静态相互关联项u
i,j
，动态相互关联项v
i,j
可以由CSI实测值减去静态相互关联项求得：v
i,j
＝||CSI
i,j,k
||2‑
u
i,j
；
[0021]步骤六(三)、基于步骤六(二)的结果，将获得的动态相互关联项数据进行滤波，去除小噪声项，然后通过动态相互关联项v
i,j,k
和静态相互关联项u
i,j
之比去除噪声项可得结果为：
[0022]步骤六(四)、基于步骤六(三)获得的结果，由于动态相互关联项功率很小，因此可以近似表示为：f
D
，其中，其中进而可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DFS和AOA的实时被动WiFi定位方法，其特征在于包括以下的步骤：步骤一、在目标区域内放置一个具有一根天线的发射器(TX)，一个具有三根天线的接收机(RX)，形成线性均匀天线阵列；步骤二、构建接收信号模型：其中代表由于收发时钟异步导致的剩余时间和频率偏移等误差，代表第i个RX天线处WiFi硬件相关CFR；步骤三、根据步骤二中的结果，分离动态路径和静态路径分量和静态路径分量步骤四、根据步骤三中的结果，获得RX天线之间的互相关项，使用Savitzky
‑
Golay(SG)平滑滤波器以及低通滤波器后的，分离静态和动态相互关联项U
12,j
，V
12,j,k
，并消除步骤五、基于步骤四中的结果，计算不同天线对之间互相关的差分结果ΔW
j,k
，利用前后向短时窗口技术处理观测矩阵ΔW
j,k
，利用MUSIC算法进行谱峰搜索，获得对应的DFS，并对其进行滤波，获得平滑后的DFS数据；步骤六、基于步骤五中获得的多普勒频移f
D
，将动态人体分量从每个天线的CSI自相关中分离出来；步骤七、根据步骤六中获得的结果，利用压缩感知方法进行稀疏重构，获取与目标定位有关的参数AOA和目标反射路径长度d
X
；步骤八、根据步骤七中获得的结果，获得目标与接收机之间的路径长度d
X
‑
RX
，并利用AOA与人体位置的关系，实现目标定位。2.根据权利要求1所述的一种基于DFS和AOA的实时被动WiFi定位方法，其特征在于所述步骤四包括以下步骤：步骤四、根据步骤三中的结果，使用滤波后的RX天线之间的互相关项，分离静态和动态相互关联项，以天线12为例，分别为U
12,j
，V
12,j,k
，并消除随机时变相移具体包括以下步骤：步骤四(一)、基于步骤三中接收信号模型，以天线1和2为例，获取两者之间的CSI互相关关系：同理，分别获得天线2和3，天线3和1的CSI互相关关系；步骤四(二)、根据步骤四(一)中的结果，分离静态和动态相互关联项，以天线1和2为例，其中静态相互关联项为动态相互关联项为：同理，可以分别获得天线2和3，天线3和1的静态和动态相互关联项；步骤四(三)、分别将步骤四(二)中动态和静态相互关联项两两相除，用来去除
项，以天线1和2为例，可得同理，分别获得天线2和3，天线3和1动态和静态相互关联项两两相除结果。3.根据权利要求1所述的一种基于DFS和AOA的实时被动WiFi定位方法，其特征在于所述步骤五包括以下步骤：步骤五、基于步骤四中的结果，计算不同天线对之间互相关的差分结果ΔW
j,k
，利用前后向短时窗口技术处理观测矩阵ΔW
j,k
，利用MUSIC算法进行谱峰搜索，获得对应的DFS，并对其进行滤波，获得平滑后的DFS数据，具体包括以下步骤：步骤五(一)、利用步骤四(三)中天线3和1获得结果的共轭减去天线2和3获得结果可得ΔW
12,j,k
，利用步骤四(三)中天线1和2获得结果的共轭减去天线3和1获得结果可得ΔW
23,j,k
，两者差分，可以获得CSI信号功率值：设根据室内多径传播特点，可以将信号功率值改写为：步骤五(二)、利用步骤五(一)中获得的ΔW
j,k
，在所有子载波上构建观测矩阵，其中N
P
代表采样点数，观测矩阵代表一个子窗口,结合多个子窗口的人体反射，由M个子窗口组成的窗口W称为联合窗口，其中两个相邻的联合子窗口中有M
‑
1个接缝窗重合，应用前后项短时窗口技术处理ΔW
j,k
，解决RX天线无法捕获人体反射或只能捕获次要反射的问题，同时降低信号相干性。步骤五(三)、根据步骤五(二)中结果，使用MUSIC算法处理观测矩阵，分解信号子空间和噪声子空间，进行谱峰搜索，选择一个与最大信号功率相关联的频率f
D
估计作为最优估计。4.根据权利要求1所述的一种基于DFS和AOA的实时被动WiFi定位方法，其特征在于所述步骤六包括以下步骤：步骤六、基于步骤五中获得的多普勒频移f
D
，将动态人体分量从每个天线的CSI自相关中分离出来；
步骤六(一)、对RX天线进行自相关处理，获得CSI
11
,CSI
22
,CSI
33
，可以表示为：步骤六(二)、分离动态相互关联项v
i,j,k
和静态相互关联项u
i,j
，可以表示为：由于静态分量是窗口中的常数，其功率远高于动态分量因此可以通过相互关联项的均值求得静态相互关联项u
i,j
，动态相互关联项v
i,j
可以由CSI实测值减去静态相互关联项求得：v

【专利技术属性】
技术研发人员：蒲巧林，蒋逢怡，蔡睿，张潇文，陈凝紫，令狐衣茗，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：