CN103501538A - 基于多径能量指纹的室内定位方法 - Google Patents

Abstract

一种基于多径能量指纹的室内定位方法，属于室内无线定位技术领域和无线通信技术领域，包括步骤：S1.离线信号采集阶段，通过采集得到的无线信号估计得到对应到每个基站的k条信道的多径参数并计算出RSSI，同时测量对应的位置得到多维空间指纹库；S2.在线阶段，通过实测信号，利用信道估计算法估计得到用户当前位置信道多径参数并计算出RSSI，比较实测和指纹库的RSSI，得到前10%相似的指纹点；S3.对S2中筛选出的指纹点进行信道参数的比较，得到最相似的若干个点的平均坐标作为用户位置估计值，本发明的方法很好地将室内信道多径参数信息融入到了室内定位算法中，可以较为显著地提高定位精度和稳定性。

Description

基于多径能量指纹的室内定位方法

技术领域

本发明涉及室内无线定位技术领域和无线通信技术领域，主要利用指纹库室内定位算法，结合室内信道多径参数估计技术，提供了一种基于多径能量指纹的室内定位方法。

背景技术

伴随着数据和多媒体业务的高速发展，人们对于定位与导航的需求日益增大，各种基于位置的服务（LBS）如雨后春笋般涌现出来，如商场、展馆、交通枢纽内的导航，各类基于位置的社交网络应用，工厂远程管理、紧急情况下的辅助救援等等。伴随着移动通信行业的快速发展，室内环境无线信号覆盖率也在不断提高，室内环境定位也因此而成为了可能。与此同时，MIMO多发多收技术作为移动通信***中的关键技术之一，可以有效利用信道的空间资源，正逐步得到广泛应用，而MIMO技术引入空间分辨能力也为室内无线定位性能的提升提供了可能。

目前室内无线定位方案主要有两种设计思路：第一种思路是单纯利用无线信号接收信号强度指示（Received Signal Strength Indication，RSSI）实现定位，常见方法包括指纹库、传输模型等，此外还可以加入复杂的数学方法，如神经网络、机器学习等，在RSSI空间进行一系列的运算，进而实现定位；第二种思路是利用到达角(AOA)、到达时间差(TDOA)等信道参数的估计，利用电波传输路径的几何关系，反演出用户的位置。

但是现有的这些方法都或多或少存在一些局限性：第一种思路定位精度一般，且稳定性不是很高，指纹库和传输模型这两种方案设计很简单，计算时间复杂度低，利用神经网络和机器学习时，要想获取很高的精度，就得采用更为复杂的算法，导致计算复杂度高，实时性不一定能保障；第二种思路则主要应用在视距(LOS)的场景下，在纯非视距(NLOS)时则由于反射、绕射引起较大的几何误差，鉴于实际环境中NLOS场景较为普遍，因此其实用性大打折扣。

发明内容

为克服上述现有技术的缺点，本发明的目的在于提供一种基于多径能量指纹的室内定位方法，其是一种精度更高、稳定性更好的室内定位算法。

为了实现上述目的，本发明采用的技术方案是：

一种基于多径能量指纹的室内定位方法，其特征在于，该方法包括步骤：

S1.离线信号采集阶段，获取特定信号序列通过***后的接收响应，利用该响应得到各基站对应的RSSI和k组信道多径参数，每组信道多径参数均包括时延和幅度信息，同时采集当前点的位置信息（即该环境下的x、y坐标），共同作为指纹信息建立多维空间指纹库，用于定位时的比较；

S3.对S2中筛选出的指纹点进行第二轮比较，比较实际估计到的多径参数与指纹库中的多径参数的相似程度，用相似程度最高的几个指纹点的坐标计算用户位置估计值。

所述步骤S1中，对于某一室内环境，将其近似均分成若干小方块，在每个方块的中心进行指纹数据的采集，方块的大小与室内环境大小密切相关。

所述步骤S1中，对接收响应进行校准，并采用空间交替广义期望最大化来完成信道参数估计。

所述步骤S2中，将实测得到的RSSI与指纹库中RSSI做比较，考虑n个基站的情况，则RSSI为n维向量，表示为(rssi₁,rssi₂,L,rssi_n)，使用欧式距离d来衡量相似程度，即求解：

$d=\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{rssi}}_{k1}-{\mathrm{rssi}}_{k0})}^2}$

求得的欧氏距离d越小，则指纹点与实测位置越相似。

所述步骤S3中采用概率匹配方法，以指纹库中的多径参数为均值，多径时延和幅度对应的高斯核函数分别为

和

其中σ_τ表示多径时延的标准差，τ_a分别表示多径时延的幅度，τ₀表示多径时延的均值，a₀表示多径时延的幅度，用P(τ)和P(a)的乘积综合衡量当前多径参数与指纹库参数的差距，其值越大，则表示相似程度越高。

多径时延标准差的选择与室内环境大小相关，通过室内环境的尺寸和光速计算出时延的区分程度，该区分程度即可作为多径时延标准差，多径幅度标准差的选择可按照整体幅度水平的百分之十来取值。

所述步骤S3中，当室内环境会发生变化时，对多径参数的相似度顺序进行重排，至少需要选出一条较为相似的多径，用来衡量整体相似水平，相似水平最高的1-2个指纹点的坐标将用来得到用户的近似位置。遍历所有对应情况，找出相似程度最高时的总乘积核函数，作为衡量当前指纹点相似程度的指数。

与现有技术相比，本发明的基于多径能量指纹的室内定位方法，在传统指纹库定位方法的基础上融合了室内无线信道多径参数估计策略，显著提高了定位过程中使用数据的信息量，有效地提升了室内定位算法的精度和稳定性。

附图说明

图1为本发明实施例基站布置以及坐标系建立情况。

图2为依照本发明一种实施方式的基于多径能量指纹的室内定位方法流程图。

图3为传统指纹库室内定位方法与本发明提出的一种基于多径能量指纹的室内定位方法的定位效果，其中纵坐标表示定位误差累计函数值，横坐标表示定位误差大小，new图示表示本发明基于多径能量指纹的室内定位方法的定位效果，traditional图示表示传统指纹库室内定位方法。

具体实施方式

本发明提出的一种基于多径能量指纹的室内定位方法，结合附图及实施例详细说明如下。

室内定位实验将借助于清华大学无线中心实验室的MIMO信道测量设备，经过简单改装布置成一个分布式6发1收***，实验环境选择的是办公楼走廊环境，基站布置以及坐标系建立情况如图1所示。实验环境为办公大楼走廊环境，走廊宽度约为3.2m，南北走向约为30米，东西走向约为40米，走廊边上为办公室，办公室内、走廊南北走向和东西走向均分布有基站天线分布，天线的摆放充分考虑了室内信号传输的各种情况，测试时接收信号将存在大量多径信息。图中Tx表示基站天线，分别有Tx1～Tx6六个基站天线，小圈为天线具体摆放的位置，X-Axis和Y-Axis分别表示该环境下建立的直角坐标系，这样建立坐标系便于记录相关的位置信息。

如图2所示，依照本发明一种实施方式的基于多径能量指纹的室内定位方法包括步骤：

S1.离线信号采集阶段，获取特定信号序列通过***后的接收响应，利用该响应依次得到不同基站信号对应的RSSI和3组信道多径参数，每组信道多径参数均包括时延和幅度信息，同时还需要获取该点的位置信息（即该环境下的x、y坐标），这些信息将作为指纹信息用于定位时的比较，最终一共采集了100来个指纹点；

S2.实时定位阶段，用户接收基站发射的信号，处理接收到的信号，计算出RSSI并进行信道估计得到相关多径参数，将实测RSSI与指纹库中的做比较，找出最为相似的10%指纹点，此实验中为10个；

S3.对S2种筛选出的10个指纹点进行第二轮比较，比较实际估计到的多径参数与指纹库中的多径参数的相似程度，相似程度最高的指纹点的坐标将用来计算用户位置估计值。

步骤S1进一步包括：

S1.1将该室内环境均分成若干1.2m*1.2m的小方块（走廊宽约2.4m），然后在每个方块的中心进行指纹数据的采集；

S1.2采集到的数据经过一系列处理得到信道多径参数，主要包含相关的校准工作以及信道多径参数估计算法的使用，此处可采用此处可采用空间交替广义期望最大化(Space-Alternating GeneralizedExpectation-maximization,SAGE)算法来完成信道参数估计，考虑的多径数目与收发***分辨率等性能有关，***分辨率越高，则可以估计准确的多径数目也越多。具体到本测试***的实际性能，估计的多径数目选为3；

S1.3处理完数据得到的RSSI和信道多径参数将与采集信号的位置一并存储到服务器中，等待实时定位阶段使用。

步骤S2进一步包括：

S2.1采用与S1.2一样的方法计算出RSSI并估计得到信道多径参数；

S2.2将实测得到的RSSI与指纹库中的做比较，考虑6个基站的情况，则RSSI为6维向量，表示为(rssi₁,rssi₂,…,rssi₆)，比较相似程度时可使用欧式距离来衡量，即求解：

$d=\sqrt{\underset{k=1}{\overset{6}{\mathrm{\Σ}}}{({\mathrm{rssi}}_{k1}-{\mathrm{rssi}}_{k0})}^2}$

(3)

式(3)求得的欧氏距离越小，则指纹点与实测位置越相似，挑选出最相似的10个指纹点，留作下一轮比较时使用。

步骤S3进一步包括：

S3.1采用概率匹配方法，以指纹库中的多径参数为均值，多径时延和幅度对应的高斯核函数分别表示如下：

$P\left(\mathrm{\τ}\right)=e^{-\frac{{(\mathrm{\τ}-{\mathrm{\τ}}_0)}^2}{{\mathrm{\σ}}_{\mathrm{\τ}}^2}},P\left(a\right)=e^{-\frac{{(a-a_0)}^2}{{\mathrm{\σ}}_a^2}}$

(4)

σ_τ和σ_a分别表示多径时延和幅度的标准差，通过计算分别取为10和20，τ₀和a₀分别表示多径时延和幅度的均值，分别取为指纹库中的相应值，式(4)的乘积可用来综合衡量当前多径参数与指纹库参数的差距，其值越大，则表示相似程度越高；

S3.2不同时刻室内环境会发生一定的变化，而且一般情况下这些变化是局部的，因此部分多径参数会发生比较大的变化，导致多径参数的对应顺序发生一定的改变，因此需要对多径参数的顺序进行重排，找到最为合适的对应策略；

S3.3实测多径参数顺序与指纹库中的对应好之后，就需要开始计算整体的核函数值了，S3.2中提到部分多径参数会发生比较大的变化，因此这一部分对应的核函数值会非常小，由于采用乘积法得到整体相似程度衡量数值，这一部分小值会对整体相似特性的比较带来较大影响，所以需要有选择的进行剔除，最终至少需要选出一条较为相似的多径，用来衡量整体相似水平，相似水平最高的指纹点的坐标将即为用户坐标估计值。

定位实验对比了传统指纹库室内定位方法与本发明提出的一种基于多径能量指纹的室内定位方法，定位效果如图3所示。

本发明实施例所述利用基于多径能量指纹的室内定位方法，与传统方法不同，引入了室内信道多径参数估计算法，将定位精度提高了二十多个百分点，平均误差降低了二十多个百分点，大大地提升了定位性能。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (8)

1.一种基于多径能量指纹的室内定位方法，其特征在于，该方法包括步骤：

S1.离线信号采集阶段，获取特定信号序列通过***后的接收响应，利用该响应得到各基站对应的RSSI和k组信道多径参数，每组信道多径参数均包括时延和幅度信息，同时采集当前点的位置信息，共同作为指纹信息建立多维空间指纹库，用于定位时的比较；

S2.实时定位阶段，用户接收基站发射的信号，处理接收到的信号，计算出RSSI并进行信道估计得到相关多径参数，将实测RSSI与指纹库中RSSI做比较，找出最为相似的10%的指纹点；

S3.对S2中筛选出的指纹点进行第二轮比较，比较实际估计到的多径参数与指纹库中的多径参数的相似程度，用相似程度最高的几个指纹点的坐标计算用户位置估计值。

2.如权利要求1所述的室内定位方法，其特征在于，所述步骤S1中，对于某一室内环境，将其近似均分成若干小方块，在每个方块的中心进行指纹数据的采集。

3.如权利要求1所述的室内定位方法，其特征在于，所述步骤S1中，对接收响应进行校准，并采用空间交替广义期望最大化来完成信道参数估计。

4.如权利要求1所述的室内定位方法，其特征在于，所述步骤S2中，将实测得到的RSSI与指纹库中RSSI做比较，考虑n个基站的情况，则RSSI为n维向量，表示为(rssi₁,rssi₂,L,rssi_n)，使用欧式距离d来衡量相似程度，即求解：

$d=\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{rssi}}_{k1}-{\mathrm{rssi}}_{k0})}^2}$

求得的欧氏距离d越小，则指纹点与实测位置越相似。

5.如权利要求1所述的室内定位方法，其特征在于，所述步骤S3中采用概率匹配方法，以指纹库中的多径参数为均值，多径时延和幅度对应的高斯核函数分别为

和

其中σ_τ表示多径时延的标准差，σ_a分别表示多径时延的幅度，τ₀表示多径时延的均值，a₀表示多径时延的幅度，用P(τ)和P(a)的乘积综合衡量当前多径参数与指纹库参数的差距，其值越大，则表示相似程度越高。

6.如权利要求5所述的室内定位方法，其特征在于，通过室内环境的尺寸和光速计算出时延的区分程度，以该区分程度作为多径时延标准差，多径幅度标准差的取值为整体幅度水平的百分之十。

7.如权利要求1所述的室内定位方法，其特征在于，所述步骤S3中，当室内环境会发生变化时，对多径参数的相似度顺序进行重排，至少需要选出一条较为相似的多径，用来衡量整体相似水平，相似水平最高的1-2个指纹点的坐标将用来得到用户的近似位置。

8.如权利要求7所述的室内定位方法，其特征在于，遍历所有对应情况，找出相似程度最高时的总乘积核函数，作为衡量当前指纹点相似程度的指数。

Images