基于CSI的室內指紋定位算法研究.pdf

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

2、號特征變化較RSSI更加穩(wěn)定，因此CSI的出現(xiàn)為室內指紋定位技術的研究與發(fā)展引領了新的方向。
　　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)境相對于基準環(huán)境的變化，僅利用現(xiàn)有的算法進行指紋特征的匹配，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)學方法提取到了可靠

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

4、對于采樣環(huán)境發(fā)生較大的變化時，提出了自適應修正模型定位算法。在信道不穩(wěn)定的情況下，該算法通過引入一個基于采樣環(huán)境的擾動因子PEM（Percentage of nonzero Elements），來反映定位環(huán)境相對于基準環(huán)境的變化，然后利用建立的自適應修正模型完成指紋數(shù)據(jù)庫的更新；最后通過改進的AWKNN（AP weighted and distanced weighted K Nearest Neighbor）算法實現(xiàn)了待測點的位置估計

5、。
　　實驗結果證明：定位階段信道穩(wěn)定時，基于相關系數(shù)的定位算法通過引入相位信息，使待測點的平均定位誤差從1.18m降低到了0.75m，而且相比于 Bayes算法，相關系數(shù)算法大大降低了定位計算的復雜度，提高了系統(tǒng)的定位性能。在信道不穩(wěn)定時，自適應修正模型定位系統(tǒng)相比之前的指紋定位系統(tǒng)FIFS和CSI-MIMO，準確率分別提高了67％和25%，而且自適應修正模型算法實現(xiàn)了不同環(huán)境下系統(tǒng)的自適應定位，進一步推動了室內定位技術的發(fā)展。