基于RSSI与CSI的定位技术研究

发布时间：2020-05-23 14:04

【摘要】：随着无线通信技术和物联网技术的发展,人们对于位置服务的需求日益增加。室内位置服务已经应用于仓库资产定位、智慧城市建设、火灾和地震灾害区域应急人员的定位等方面。但是由于楼宇的遮挡等原因导致GPS信号无法在室内环境中实现高精度的定位,因此高精度室内定位系统和定位方案已经成为了位置服务领域内的研究热点。无线局域网的高普及度使得基于无线局域网的定位技术易于应用普及,因此该种定位技术一直受研究者的青睐。目前无线局域网定位技术主要包含基于接收信号强度(RSSI,Received Signal Strength Indicator)特征的指纹定位技术和基于信道状态信息(CSI,Channel State Information)特征的指纹定位技术。基于RSSI特征的指纹定位技术具有特征维度较低、特征匹配计算复杂度低的优点。RSSI值在远离发射源位置时,参考点间区分度较低;且受室内多径效应的影响,在同一参考点处RSSI值波动较大。以上两点原因导致基于RSSI特征的指纹定位技术特征匹配准确性较差,定位精度较低。相比于计算RSSI均值的确定性方法,基于RSSI概率统计的定位方法统计了RSSI分布,具有更高的定位精度和匹配准确率。CSI包含多个子载波的幅值、相位信息,能够更完整地表征信号状态。同时,由于室内障碍物较多,各参考点处具有不同的多径信道特性,参考点间CSI特征区分度较高。因此,相比基于RSSI,基于CSI特征的指纹定位技术具有更高定位精度。但是,由于CSI的数据维度较高,导致基于CSI特征的指纹定位技术具有特征匹配计算复杂度较高的缺点。本文针对使用单一信号定位精度低的问题,开展了基于RSSI与CSI的定位方法研究,提出了一种RSSI与CSI的融合定位方法。论文的主要创新和研究工作如下:(1)针对仅使用CSI特征进行定位导致定位精度不高的问题,本文提出了一种基于RSSI与CSI的融合定位方法,该方法融合RSSI与CSI以动态确定WKNN算法的K值,通过RSSI特征匹配结果辅助CSI进行定位,提高了定位精度。在融合方法中,针对CSI特征指纹算法计算复杂度高的问题,将融合方法分为两个阶段:基于RSSI的初定位阶段和基于CSI的精确定位阶段。在初定位阶段使用RSSI特征进行特征匹配,筛选出匹配度高的参考点组成约束区域,缩小精确定位阶段用以匹配的CSI指纹库,降低了计算复杂度;在精确定位阶段通过PCA对CSI进行特征提取以降低特征维度,然后使用CSI特征在约束区域内进行精确匹配定位。在保证定位精度的同时降低了计算复杂度。(2)针对融合定位过程中,基于概率统计方法的RSSI特征指纹定位技术使用单高斯模型拟合RSSI的概率密度函数导致拟合精度低、特征匹配准确率低的问题,本文提出使用高斯混合模型对RSSI概率密度函数进行拟合的指纹库建立方法,从而提高了对RSSI概率的拟合精度,提高了特征匹配的准确率,并用于融合定位中的初定位阶段和精确定位中的辅助定位。(3)针对融合定位过程中,CSI特征噪声大、子载波幅值在同一参考点处可能出现分簇现象的问题,本文提出了一种基于CSI特征的预处理方法,在预处理方法中对CSI数据进行聚类处理,并针对传统小波阈值去噪函数的缺点提出了新阈值函数,提高了小波去噪的效果,并用于融合定位中的精确定位阶段。为验证本文提出定位方法的有效性,在实际室内环境中搭建了定位实验平台并进行实验验证。实验结果表明,在两个实验环境中,本文提出的基于RSSI和CSI的融合定位方法在初定位阶段通过RSSI进行参考点筛选组成约束区域,约束后的参考点总个数分别减少了31.3%和38.4%。本文提出的定位方法在CSI的特征维度分别降低了3 7.8%和36.3%的条件下,定位平均误差分别为0.93m和1.58m,定位精度相比于FIFS系统分别提高了 19.8%和26.5%,在两个场景中定位执行时间平均降低了21.6%。通过实验验证,本文提出的定位方法能保证良好的定位精度,并有效地降低了定位执行时间。
【图文】：

工作关系

值导致定位精度低的问题，提高了定位精度；并针对ＣＳＩ特征指纹算法计算复杂逡逑度高的问题，将定位方法分为基于ＲＳＳＩ的初定位阶段和基于ＣＳＩ的精确定位阶逡逑段。逡逑在初定位阶段，通过ｗｉｎ的ｒｓｓｉ作为特征，利用高斯混合模型替代传统的逡逑单高斯模型来估计参考点从接入点处接收到的ＲＳＳＩ的概率密度，从而在计算所逡逑有参考点的匹配概率并根据设定的阈值获得概率最大的Ｎ个点组成初定位阶段逡逑的约束区域，缩小精确定位阶段用以匹配的ＣＳＩ指纹库，降低了计算复杂度。逡逑在精确定位阶段，利用信道状态信息作为定位特征。首先对ＣＳＩ信号进行预逡逑处理。本文针对ＣＳＩ原始信号噪声大、子载波幅值在同一参考点处可能出现分簇逡逑的异常现象的问题，提出了一种ＣＳＩ数据的预处理方法，在预处理方法中对ＣＳＩ逡逑数据进行聚类处理以提高匹配精度，并针对传统小波阈值去噪函数的缺陷提出了逡逑新阈值函数，提高了小波去噪的效果。由于ＣＳＩ特征的维度较高，在ＡＰ和参考逡逑点较多的情况下，需要耗费很多的资源进行计算。因此，本文提出使用ＰＣＡ对逡逑ＣＳＩ幅值特征进行降维的方案，去除数据的冗余度，减小特征维度，节省计算时逡逑间成本和计算资源成本。最后，通过实验测试、对比分析，，验证定位方法的可行逡逑性、高精度性。图１－１表示文章各部分工作与创新点之间的关系。逡逑

原理图,接收端,发射端,定位技术

况下才能完成高精度的定位。接收端获取无线信号在介质中从发射端到接收端的逡逑传输时间，称为到达时间。根据到达时间和无线信号的传输速度，从而计算出发逡逑射端到接收端的传输距离。ＴＯＡ定位原理如图２－１所示：逡逑膝）逡逑图２－１邋ＴＯＡ定位技术原理图（理想情况）逡逑若要实现同一平面的定位解算，接收端（图２－１中的终端）必须同时接收到逡逑三个或三个以上的发射端（图２－１中的基站）的信号，并且保证接收端与发射端逡逑之间的同步和发射端与发射端之间实现时间同步。逡逑此时假设在视距情况下，发射端的位置固定且己知，己知第ｉ个发射端的位逡逑置坐标为第ｉ个发射端到接收端的传输时间为ＴＧ４，信号的传播速度逡逑为ｃ，假设ｃ为光速。因此，得到发射端和接收端之间信号传输距离为逡逑＝ｒ0４ｘｃ逦（２－Ｄ逡逑由如上己知条件，可以根据式（２－２）联立的方程组求解得到接收端的位置坐逡逑标（ｘ，ｙ，ｚ）．逦逦逡逑？ＪＣｘ—ｘ
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN925.93

【相似文献】