基於多徑能量指紋的室內定位方法
2023-06-17 15:00:26 1
基於多徑能量指紋的室內定位方法
【專利摘要】一種基於多徑能量指紋的室內定位方法，屬於室內無線定位【技術領域】和無線通信【技術領域】，包括步驟：S1.離線信號採集階段，通過採集得到的無線信號估計得到對應到每個基站的k條信道的多徑參數並計算出RSSI，同時測量對應的位置得到多維空間指紋庫；S2.在線階段，通過實測信號，利用信道估計算法估計得到用戶當前位置信道多徑參數並計算出RSSI，比較實測和指紋庫的RSSI，得到前10%相似的指紋點；S3.對S2中篩選出的指紋點進行信道參數的比較，得到最相似的若干個點的平均坐標作為用戶位置估計值，本發明的方法很好地將室內信道多徑參數信息融入到了室內定位算法中，可以較為顯著地提高定位精度和穩定性。
【專利說明】基於多徑能量指紋的室內定位方法
【技術領域】
[0001 ] 本發明涉及室內無線定位【技術領域】和無線通信【技術領域】，主要利用指紋庫室內定位算法，結合室內信道多徑參數估計技術，提供了一種基於多徑能量指紋的室內定位方法。
【背景技術】
[0002]伴隨著數據和多媒體業務的高速發展，人們對於定位與導航的需求日益增大，各種基於位置的服務(LBS)如雨後春筍般湧現出來，如商場、展館、交通樞紐內的導航，各類基於位置的社交網絡應用，工廠遠程管理、緊急情況下的輔助救援等等。伴隨著移動通信行業的快速發展，室內環境無線信號覆蓋率也在不斷提高，室內環境定位也因此而成為了可能。與此同時，MIMO多發多收技術作為移動通信系統中的關鍵技術之一，可以有效利用信道的空間資源，正逐步得到廣泛應用，而MMO技術引入空間分辨能力也為室內無線定位性能的提升提供了可能。
[0003]目前室內無線定位方案主要有兩種設計思路:第一種思路是單純利用無線信號接收信號強度指示(Received Signal Strength Indication, RSSI)實現定位,常見方法包括指紋庫、傳輸模型等，此外還可以加入複雜的數學方法，如神經網絡、機器學習等，在RSSI空間進行一系列的運算，進而實現定位；第二種思路是利用到達角(AOA)、到達時間差(TDOA)等信道參數的估計，利用電波傳輸路徑的幾何關係，反演出用戶的位置。
[0004]但是現有的這些方法都或多或少存在一些局限性:第一種思路定位精度一般，且穩定性不是很高，指紋庫和傳輸模型這兩種方案設計很簡單，計算時間複雜度低，利用神經網絡和機器學習時，要想獲取很高的精度，就得採用更為複雜的算法，導致計算複雜度高，實時性不一定能保障；第二種思路則主要應用在視距(LOS)的場景下，在純非視距(NLOS)時則由於反射、繞射引起較大的幾何誤差，鑑於實際環境中NLOS場景較為普遍，因此其實用性大打折扣。
【發明內容】
[0005]為克服上述現有技術的缺點，本發明的目的在於提供一種基於多徑能量指紋的室內定位方法，其是一種精度更高、穩定性更好的室內定位算法。
[0006]為了實現上述目的，本發明採用的技術方案是:
[0007]—種基於多徑能量指紋的室內定位方法，其特徵在於，該方法包括步驟:
[0008]S1.離線信號採集階段，獲取特定信號序列通過系統後的接收響應，利用該響應得到各基站對應的RSSI和k組信道多徑參數，每組信道多徑參數均包括時延和幅度信息，同時採集當前點的位置信息(即該環境下的X、I坐標)，共同作為指紋信息建立多維空間指紋庫，用於定位時的比較；
[0009]S3.對S2中篩選出的指紋點進行第二輪比較，比較實際估計到的多徑參數與指紋庫中的多徑參數的相似程度，用相似程度最高的幾個指紋點的坐標計算用戶位置估計值。
[0010]所述步驟SI中，對於某一室內環境，將其近似均分成若干小方塊，在每個方塊的中心進行指紋數據的採集，方塊的大小與室內環境大小密切相關。
[0011]所述步驟SI中，對接收響應進行校準，並採用空間交替廣義期望最大化來完成信道參數估計。
[0012]所述步驟S2中，將實測得到的RSSI與指紋庫中RSSI做比較，考慮η個基站的情況,則RSSI為η維向量,表示為Crssi1, rssi2, L, rssin),使用歐式距離d來衡量相似程度，即求解:
[0013]
【權利要求】
1.一種基於多徑能量指紋的室內定位方法，其特徵在於，該方法包括步驟: 51.離線信號採集階段，獲取特定信號序列通過系統後的接收響應，利用該響應得到各基站對應的RSSI和k組信道多徑參數，每組信道多徑參數均包括時延和幅度信息，同時採集當前點的位置信息，共同作為指紋信息建立多維空間指紋庫，用於定位時的比較； 52.實時定位階段，用戶接收基站發射的信號，處理接收到的信號，計算出RSSI並進行信道估計得到相關多徑參數，將實測RSSI與指紋庫中RSSI做比較，找出最為相似的10%的指紋點； 53.對S2中篩選出的指紋點進行第二輪比較，比較實際估計到的多徑參數與指紋庫中的多徑參數的相似程度，用相似程度最高的幾個指紋點的坐標計算用戶位置估計值。
2.如權利要求1所述的室內定位方法，其特徵在於，所述步驟SI中，對於某一室內環境，將其近似均分成若干小方塊，在每個方塊的中心進行指紋數據的採集。
3.如權利要求1所述的室內定位方法，其特徵在於，所述步驟SI中，對接收響應進行校準，並採用空間交替廣義期望最大化來完成信道參數估計。
4.如權利要求1所述的室內定位方法，其特徵在於，所述步驟S2中，將實測得到的RSSI與指紋庫中RSSI做比較，考慮η個基站的情況，則RSSI為η維向量，表示為Crssi1, rssi2, L, rs sin),使用歐式距離d來衡量相似程度，即求解:
d = ^(rssiH-r『、'、'『y 求得的歐氏距離d越小，則指紋點與實測位置越相似。
5.如權利要求1所述的室內定位方法，其特徵在於，所述步驟S3中採用概率匹配方法，以指紋庫中的多徑參數為均值，多徑時延和幅度對應的高斯核函數分別為ρ(τ) = eS-和,其中σ τ表示多徑時延的標準差，Qa分別表示多徑時延的幅度，τ C1表示多徑時延的均值，％表示多徑時延的幅度，用Ρ(τ)和P(a)的乘積綜合衡量當前多徑參數與指紋庫參數的差距，其值越大，則表示相似程度越高。
6.如權利要求5所述的室內定位方法，其特徵在於，通過室內環境的尺寸和光速計算出時延的區分程度，以該區分程度作為多徑時延標準差，多徑幅度標準差的取值為整體幅度水平的百分之十。
7.如權利要求1所述的室內定位方法，其特徵在於，所述步驟S3中，當室內環境會發生變化時，對多徑參數的相似度順序進行重排，至少需要選出一條較為相似的多徑，用來衡量整體相似水平，相似水平最高的1-2個指紋點的坐標將用來得到用戶的近似位置。
8.如權利要求7所述的室內定位方法，其特徵在於，遍歷所有對應情況，找出相似程度最高時的總乘積核函數，作為衡量當前指紋點相似程度的指數。
【文檔編號】H04W84/12GK103501538SQ201310475854
【公開日】2014年1月8日 申請日期:2013年10月12日 優先權日:2013年10月12日
【發明者】張焱, 李佳徽, 張秀軍, 趙熠飛, 周世東, 肖立民 申請人:清華大學