基于CSI的室內(nèi)指紋定位算法研究.pdf

1、隨著 Wi-Fi技術(shù)的不斷成熟以及無線設(shè)備在室內(nèi)的廣泛部署，基于無線信號(hào)的室內(nèi)定位技術(shù)受到了越來越多的關(guān)注。其中基于位置指紋的定位技術(shù)由于其成本低、應(yīng)用范圍廣且無需額外硬件支持等優(yōu)勢(shì)，成為了室內(nèi)定位領(lǐng)域研究的重點(diǎn)。近年來，由于硬件設(shè)備不斷支持物理層信道狀態(tài)信息的獲取，基于CSI（Channel State Information）的指紋定位技術(shù)為室內(nèi)定位的研究提供了新思路。由于 CSI提供了更精細(xì)的信道狀態(tài)信息，而且受多徑效應(yīng)影響小，信

2、號(hào)特征變化較RSSI更加穩(wěn)定，因此CSI的出現(xiàn)為室內(nèi)指紋定位技術(shù)的研究與發(fā)展引領(lǐng)了新的方向。
　　目前大多基于 CSI的指紋定位系統(tǒng)在采樣階段只利用信道的振幅信息作為位置的指紋特征，對(duì)信道狀態(tài)的分析不夠完善；而且在定位階段通常不考慮定位環(huán)境相對(duì)于基準(zhǔn)環(huán)境的變化，僅利用現(xiàn)有的算法進(jìn)行指紋特征的匹配，致使定位誤差較大，定位精度仍需提高。
　　本文針對(duì)上述指紋定位系統(tǒng)存在的不足，通過分析信道的 CSI特征，利用數(shù)學(xué)方法提取到了可靠

3、的相位信息，增加了定位時(shí)可用的信息量。同時(shí)，針對(duì)不同的室內(nèi)環(huán)境，提出了兩種定位解決方案：
　　首先，在室內(nèi)環(huán)境信道穩(wěn)定的情況下，提出了基于相關(guān)系數(shù)的指紋定位算法。該算法通過驗(yàn)證節(jié)點(diǎn)間相關(guān)系數(shù)與位置之間的關(guān)系，利用矩陣間的相關(guān)系數(shù)來獲取兩個(gè)地點(diǎn)或兩種狀態(tài)間的匹配概率，最后利用匹配概率最大和次大的點(diǎn)的坐標(biāo)來估算待測(cè)點(diǎn)的最終位置。與 Bayes算法相比，該方法降低了概率計(jì)算的復(fù)雜度，實(shí)現(xiàn)了更便捷的位置估計(jì)。
　　其次，當(dāng)定位環(huán)境相

4、對(duì)于采樣環(huán)境發(fā)生較大的變化時(shí)，提出了自適應(yīng)修正模型定位算法。在信道不穩(wěn)定的情況下，該算法通過引入一個(gè)基于采樣環(huán)境的擾動(dòng)因子PEM（Percentage of nonzero Elements），來反映定位環(huán)境相對(duì)于基準(zhǔn)環(huán)境的變化，然后利用建立的自適應(yīng)修正模型完成指紋數(shù)據(jù)庫(kù)的更新；最后通過改進(jìn)的AWKNN（AP weighted and distanced weighted K Nearest Neighbor）算法實(shí)現(xiàn)了待測(cè)點(diǎn)的位置估計(jì)

5、。
　　實(shí)驗(yàn)結(jié)果證明：定位階段信道穩(wěn)定時(shí)，基于相關(guān)系數(shù)的定位算法通過引入相位信息，使待測(cè)點(diǎn)的平均定位誤差從1.18m降低到了0.75m，而且相比于 Bayes算法，相關(guān)系數(shù)算法大大降低了定位計(jì)算的復(fù)雜度，提高了系統(tǒng)的定位性能。在信道不穩(wěn)定時(shí)，自適應(yīng)修正模型定位系統(tǒng)相比之前的指紋定位系統(tǒng)FIFS和CSI-MIMO，準(zhǔn)確率分別提高了67％和25%，而且自適應(yīng)修正模型算法實(shí)現(xiàn)了不同環(huán)境下系統(tǒng)的自適應(yīng)定位，進(jìn)一步推動(dòng)了室內(nèi)定位技術(shù)的發(fā)展。