CN113938823B - 基于多频段csi协同的无线定位装置及方法 - Google Patents
基于多频段csi协同的无线定位装置及方法 Download PDFInfo
- Publication number
- CN113938823B CN113938823B CN202111195576.4A CN202111195576A CN113938823B CN 113938823 B CN113938823 B CN 113938823B CN 202111195576 A CN202111195576 A CN 202111195576A CN 113938823 B CN113938823 B CN 113938823B
- Authority
- CN
- China
- Prior art keywords
- phase
- csi
- band csi
- band
- deep learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013135 deep learning Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000012790 confirmation Methods 0.000 claims description 16
- 230000007246 mechanism Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 claims description 2
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/02—Arrangements for detecting or preventing errors in the information received by diversity reception
- H04L1/06—Arrangements for detecting or preventing errors in the information received by diversity reception using space diversity
- H04L1/0618—Space-time coding
- H04L1/0675—Space-time coding characterised by the signaling
- H04L1/0693—Partial feedback, e.g. partial channel state information [CSI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
- H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
- H04L1/1607—Details of the supervisory signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于多频段CSI协同的无线定位装置及方法,该装置包括:信道切换和融合单元、特征提取单元以及深度学习单元,其中:信道切换和融合单元进行多频段CSI获取,经特征提取单元进行随机相位偏移消除后,由深度学习单元在离线阶段建立指纹与位置之间的关系并在在线阶段进行位置预测。本发明利用信道切换和融合算法实现多路切换和包处理来获取多频段CSI,并针对这些多频段CSI信息进行特征提取,利用深度学习算法建立多频段CSI指纹库,无线信号的多频段协同显著提高预测位置的精度。
Description
技术领域
本发明涉及的是一种无线通信领域的技术,具体是一种基于多频段CSI协同的无线定位装置及方法。
背景技术
现有室内定位领域技术包括蓝牙低能耗技术、LTE/NR技术和Wi-Fi技术等,但由于频谱资源都是稀缺且不连续,且功率延迟分布的时间分辨率取决于Wi-Fi信号的带宽。低带宽的单频段使得现有基于Wi-Fi的定位性能受到较大限制。
现有通过商用Wi-Fi信号实现精确功率延迟分析的室内定位***往往需要额外采集RSSI,通过路径损耗拟合发射端和接收端之间的距离,因此定位精度较低。如不额外采集RSSI时,则现有室内定位***需要通过各类估计算法进行额外信息的推测,虽然该类技术提高信号分辨率,但推测仿真得到的结果与实际复杂多变的环境相比区别较大,无法实现实际工业应用。
发明内容
本发明针对现有技术未考虑频域相关性、定位精度较低、在低带宽场景下定位性能较差的缺陷,提出一种基于多频段CSI协同的无线定位装置及方法,利用信道切换和融合算法实现多路切换和包处理来获取多频段CSI,并针对这些多频段CSI信息进行特征提取,利用深度学习算法建立多频段CSI指纹库,无线信号的多频段协同显著提高预测位置的精度。
本发明是通过以下技术方案实现的:
本发明涉及一种基于多频段CSI协同的无线定位装置,包括:信道切换和融合单元、特征提取单元以及深度学习单元,其中:信道切换和融合单元进行多频段CSI获取,经特征提取单元进行随机相位偏移消除后,由深度学习单元在离线阶段建立指纹与位置之间的关系并在在线阶段进行位置预测。
所述的多频段包括:2.4GHz和5GHz总共有35个Wi-Fi频段CSI。
所述的随机相位偏移消除是指:通过线性变换来消除融合的多频段CSI相位的载波频率偏移(CFO)和采样频率偏移(SFO)。
技术效果
相比现有技术使用双向采集作为确认重传机制,本发明针对不同通信环境设置了三种确认重传机制。不设置确认重传机制,切换时间最短;使用双向采集,将接收端发送的包作为确认包,从而实现确认重传机制;当接收端接收到数据包,不回复该确认,发射端在给定超时时间未收到该确认会重传数据包,该方法需要每台设备拥有两张以上网卡,一张网卡不启用联网工作在monitor模式发送和接收数据包,另一张网卡启用联网通过socketTCP/UDP发送和接受确认。如果通信环境最好,适用不设置确认重传机制;如果通信环境不是最好且每台设备拥有两张以上网卡,适用通过socketTCP/UDP作为确认重传机制;如果通信环境不是最好且不是每台设别拥有两张以上网卡,适用通过双向采集作为确认重传机制。
相比现有技术或仅支持单频段CSI的相位配准算法,或不使用相位作为指纹而使用估计的AOA,本发明通过判断相邻子载波之间的融合的多频段CSI相位值变化是否大于给定阈值π来补偿融合的多频段CSI相位值多个2π得到补偿后的多频段CSI相位;通过线性变换得到配准后的多频段CSI相位。
附图说明
图1为本发明***示意图;
图2为实施例场景示意图;
图3为实施例数据采集示意图;
图4和图5为实施例效果示意图。
具体实施方式
如图1所示,为本实施例涉及一种基于多频段CSI协同的无线定位装置,包括:信道切换和融合单元、特征提取单元以及深度学习单元,其中:信道切换单元获取2.4GHz和5GHz总共有35个Wi-Fi频段CSI,特征提取单元通过线性变换来消除融合的多频段CSI相位的载波频率偏移(CFO)和采样频率偏移(SFO),深度学习单元在离线阶段建立指纹与位置之间的关系,以及在在线阶段将请求者的指纹作为输入并得到预测位置。
如图1所示,为本实施例基于上述***的基于多频段CSI协同的无线定位方法,包括以下步骤:
步骤1、信道切换和融合单元的多频段CSI获取,具体为:信道切换和融合单元将获取2.4GHz和5GHz总共有35个Wi-Fi频段CSI。
本实施例使用两台配备Intel无线网卡的笔记本电脑作为发射端和接收端。发射端使用一个天线,而接收端使用三个天线。在一个典型的室内场景实验室中验证的模型。如图2所示,两台笔记本电脑分别放置在高度为150cm的桌子上。
鉴于本方法针对二维空间中的定位,即目标设备的高度保持不变。两台笔记本电脑设置为monitor模式,使用信道切换和融合算法实现跳频协议,信道切换和融合算法基于现有CSI的采集工具Linux802.11nCSITool,进行修改,修改的程序可以扫描所有35个Wi-Fi频段,如图3所示。
在固定的位置处放置10个RP点。在离线阶段,将其中:一台笔记本电脑放置在AP,另一台笔记本放置在RP,收集数据包。首先,收集单信道的数据包,使用带宽为20MHz的5GHzWi-Fi信道,并选择信道132,在每个RP处,得到989个3×1×30的CSI时域样本。其次,使用带宽为20MHz的5GHzWi-Fi信道,并选择信道132,信道136和信道140,在每个RP处,得到989个3×1×90的CSI时域样本。使用7:2:1的比例将整个数据集分为训练集、验证集和测试集。
在固定的位置处放置4个TP点。在在线测试阶段,将其中:一台笔记本电脑放置在AP,另一台笔记本放置在RP,收集数据包。首先,收集单信道的数据包,使用带宽为20MHz的5GHzWi-Fi信道,并选择信道132,在每个TP处,得到248个3×1×30的CSI时域样本。其次,使用带宽为20MHz的5GHzWi-Fi信道,并选择信道132,信道136和信道140,在每个TP处,得到248个3×1×90的CSI时域样本。
同时由于在信道切换过程中必须保证发射端和接收端始终同步工作在同一信道上,在同步传输中用确认重传机制,避免快速信道切换过程中的丢包现象。当信道质量好,不丢包或几乎不丢包,可以不设置确认重传机制。
所述的确认重传机制,具体包括:通过socketTCP/UDP发送和接受确认,发射端设置一个确认,当接收端接收到数据包,回复该确认,发射端切换到下一个信道;当接收端未接收到数据包,不回复该确认,发射端在给定超时时间未收到该确认会重传数据包,该方法需要每台设备拥有两张以上网卡,一张网卡不启用联网工作在monitor模式发送和接收数据包,另一张网卡启用联网通过socketTCP/UDP发送和接受确认;使用双向采集,将接收端发送的包作为确认包,从而实现确认重传,该方法要求信道质量相对较好。
步骤2、特征提取单元的随机相位偏移消除,具体为:特征提取单元将通过线性变换来消除获取的多频段CSI相位的载波频率偏移(CFO)和采样频率偏移(SFO)。由于硬件的不完善,导致测量到的相位存在误差,产生上述误差的原因有两个:第一个原因是下变频对接收信号产生的载波频率偏移(CFO),因为接收端和发射端之间的中心频率不能完全同步。另一个原因是ADC引起的采样频率偏移(SFO),因为时钟的不同步。此外,对于采样频率偏移(SFO),不同的子载波测得的相位误差是不同的。因此,原始相位信息对于室内定位的使用是有限的。
所述的相位误差消除方法具体包括:
①通过判断相邻子载波之间的融合的多频段CSI相位值变化是否大于给定阈值π来补偿融合的多频段CSI相位值多个2π得到补偿后的多频段CSI相位。
②相位配准分析获得配准后的多频段CSI相位。令补偿后的多频段CSI相位,具体为:/>其中:∠CSIi是真实的多频段CSI相位,Δt是由采样频率偏移(SFO)造成的时间延迟,mi是第i个子载波的子载波索引,N是快速傅里叶变换(FFT)的周期序列长度,β是由载波频率偏移(CFO)引起的未知相位偏移,Z是测量噪声。可以从IEEE802.11n规范获得i=1到30的子载波索引mi。进行线性变换,以去除Δt和β项。
③设k和b分别表示整个频带上的相位斜率和偏移量。相位误差2π(mi/N)Δt+β是子载波索引mi的线性函数,从而估计相位的斜率和偏移量/>从原始相位/>中减去kmi+b,可以得到配准后的多频段CSI相位/>
步骤3、通过深度学习单元在离线阶段建立指纹与位置之间的关系,具体为:采用DNN网络和CNN网络,应用Dropout技术、BatchNormalization技术并采用ReLU作为每个隐藏层的非线性激活函数。
所述的DNN网络和CNN网络,设置dropout_prob=0.3,在训练时,数据尺度变为原来的70%;而在测试时,dropout是关闭的。
所述的DNN网络和CNN网络,加在激活函数前一层,同样在测试时,BatchNormalization是关闭的。
如表1所示,为汇总详细的网络配置和参数
表1 DNN回归和分类网络配置和参数
步骤4、深度学习单元在在线阶段的位置预测。在在线阶段,接收端通过信道切换和融合单元接收来自发射端的多频段CSI,通过特征提取单元消除相位误差,最后通过训练后的深度学习单元。当采用DNN分类网络,训练后的深度学习单元输出NR维概率向量,利用输出来获得最终的预测位置,具体为:其中:Ej是第j个RP的坐标,Ω选取的是RP的集合,y(j)是第j个深度学习单元输出向量。当采用DNN回归网络,训练后的深度学习单元直接输出预测位置。
当通信环境不丢包或几乎不丢包,适用不设置确认重传机制。反之,适用通过socket TCP/UDP发送和接受确认和使用双向采集将接收端发送的包作为确认包,可以根据实际情况选择最适合的。可见,本实施例技术适用范围广,具有较大的市场推广潜力。本实施例具有更低的多频段CSI相位误差。为研究相位配准的有效性,评估在不使用信道融合的情况下的定位性能。在表2中,只取融合后的多频段CSI相位作为神经网络输入向量的平均距离误差为2.7147m,只取配准后的多频段CSI相位作为神经网络输入向量的平均距离误差为1.9902m,只取配准后的多频段CSI相位作为神经网络输入向量的平均距离误差比只取融合后的多频段CSI相位作为神经网络输入向量的平均距离误差提高36.4%。
表2只取融合后的多频段CSI相位和只取配准后的多频段CSI相位的统计误差比较
Version | Measured phase | Calibrated phase |
Mean(m) | 2.7147 | 1.9902 |
Std.dev.(m) | 0.7571 | 0.6345 |
如图4所示,为本实施例与现有技术在在线测试阶段只取融合后的多频段CSI相位和只取配准后的多频段CSI相位距离误差的累积分布函数(CDF)。在该图中,x轴代表不同的位置,y轴代表每个版本的距离误差。从结果可以看出,当没有任何相位误差消除,定位性能是非常不可信的。在消除载波频率偏移和采样频率偏移之后,定位性能有很大的提高。
本实施例具有更高的信号分辨率。获取的多频段CSI融合后有更大的带宽,更大的带宽带来更高的信号分辨率,有更好的定位性能。为研究多频段CSI融合的有效性,评估在使用信道融合的情况下的定位性能。在表3中,选择20MHz带宽的平均距离误差为2.6489m,选择60MHz带宽的平均距离误差为1.7215m,选择20MHz的平均距离误差比选择60MHz带宽的平均距离误差提高53.9%。
表3选择20MHz带宽和选择60MHz带宽的统计误差比较
Version | 20MHz | 60MHz |
Mean(m) | 2.6489 | 1.7215 |
Std.dev.(m) | 0.4914 | 0.7852 |
如图5所示,为本实施例与现有技术在在线测试阶段选择20MHz带宽和选择60MHz带宽距离误差的累积分布函数(CDF)。在该图中,x轴代表不同的位置,y轴代表每个版本的距离误差。从结果可以看出,选择60MHz带宽的定位精度优于选择20MHz带宽的定位精度。
综上,本发明适用范围广、具有更低的多频段CSI相位误差和具有更高的无线信号分辨率。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (1)
1.一种基于多频段CSI协同的无线定位装置的无线定位方法,其特征在于,该装置包括:信道切换和融合单元、特征提取单元以及深度学习单元,其中:信道切换和融合单元进行多频段CSI获取,经特征提取单元进行随机相位偏移消除后,由深度学习单元在离线阶段建立指纹与位置之间的关系并在在线阶段进行位置预测;
所述的多频段包括:2.4GHz和5GHz总共有35个Wi-Fi频段CSI;
所述的随机相位偏移消除是指:通过线性变换来消除融合的多频段CSI相位的载波频率偏移和采样频率偏移;
所述的的无线定位方法,包括:
步骤1、信道切换和融合单元的多频段CSI获取,具体为:信道切换和融合单元将获取2.4GHz和5GHz总共有35个Wi-Fi频段CSI;
步骤2、特征提取单元的随机相位偏移消除,具体为:特征提取单元将通过线性变换来消除获取的多频段CSI相位的载波频率偏移和采样频率偏移;
步骤3、通过深度学习单元在离线阶段建立指纹与位置之间的关系,具体为:采用DNN网络和CNN网络,应用Dropout技术、Batch Normalization技术并采用ReLU作为每个隐藏层的非线性激活函数;
步骤4、深度学习单元在在线阶段的位置预测;在在线阶段,接收端通过信道切换和融合单元接收来自发射端的多频段CSI,通过特征提取单元消除相位误差,最后通过训练后的深度学习单元;当采用DNN分类网络,训练后的深度学习单元输出NR维概率向量,利用输出来获得最终的预测位置,具体为:其中:Rj是第j个RP的坐标,Ω选取的是RP的集合,y(j)是第j个深度学习单元输出向量;当采用DNN回归网络,训练后的深度学习单元直接输出预测位置;
所述的发射端和接收端在信道切换过程中始终同步工作在同一信道上,在同步传输中用确认重传机制,避免快速信道切换过程中的丢包现象;
所述的确认重传机制,具体包括:通过socket TCP/UDP发送和接受确认,发射端设置一个确认,当接收端接收到数据包,回复该确认,发射端切换到下一个信道;当接收端未接收到数据包,不回复该确认,发射端在给定超时时间未收到该确认会重传数据包,该方法需要每台设备拥有两张以上网卡,一张网卡不启用联网工作在monitor模式发送和接收数据包,另一张网卡启用联网通过socket TCP/UDP发送和接受确认;使用双向采集,将接收端发送的包作为确认包,从而实现确认重传;
所述的消除相位误差,具体包括:
1)通过判断相邻子载波之间的融合的多频段CSI相位值变化是否大于给定阈值π来补偿融合的多频段CSI相位值多个2π得到补偿后的多频段CSI相位;
2)相位配准分析获得配准后的多频段CSI相位,令补偿后的多频段CSI相位,具体为:/>其中:∠CSIi是真实的多频段CSI相位,Δt是由采样频率偏移(SFO)造成的时间延迟,mi是第i个子载波的子载波索引,N是快速傅里叶变换(FFT)的周期序列长度,β是由载波频率偏移(CFO)引起的未知相位偏移,Z是测量噪声;
3)设k和b分别表示整个频带上的相位斜率和偏移量,相位误差2π(mi/N)Δr+β是子载波索引mi的线性函数,从而估计相位的斜率和偏移量/>从原始相位/>中减去kmi+b,得到配准后的多频段CSI相位/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111195576.4A CN113938823B (zh) | 2021-10-14 | 2021-10-14 | 基于多频段csi协同的无线定位装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111195576.4A CN113938823B (zh) | 2021-10-14 | 2021-10-14 | 基于多频段csi协同的无线定位装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113938823A CN113938823A (zh) | 2022-01-14 |
CN113938823B true CN113938823B (zh) | 2024-03-29 |
Family
ID=79279406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111195576.4A Active CN113938823B (zh) | 2021-10-14 | 2021-10-14 | 基于多频段csi协同的无线定位装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113938823B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115086864A (zh) * | 2022-04-26 | 2022-09-20 | 广东省科学院智能制造研究所 | 一种基于多频段csi协同的无线定位方法及装置 |
CN117098218A (zh) * | 2022-05-13 | 2023-11-21 | 华为技术有限公司 | 一种多载波信号处理方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075847A (zh) * | 2016-11-18 | 2018-05-25 | 华为技术有限公司 | 一种基于802.11网络的csi获取方法及装置 |
CN108882151A (zh) * | 2018-07-02 | 2018-11-23 | 上海大学 | 基于csi信息区域化标注的室内定位方法 |
CN109803233A (zh) * | 2019-02-27 | 2019-05-24 | 西北师范大学 | 基于dhnn的csi指纹室内定位方法 |
CN111988096A (zh) * | 2020-08-20 | 2020-11-24 | 深圳市南方硅谷半导体有限公司 | 信道状态信息的获取方法、装置和计算机设备 |
-
2021
- 2021-10-14 CN CN202111195576.4A patent/CN113938823B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075847A (zh) * | 2016-11-18 | 2018-05-25 | 华为技术有限公司 | 一种基于802.11网络的csi获取方法及装置 |
CN108882151A (zh) * | 2018-07-02 | 2018-11-23 | 上海大学 | 基于csi信息区域化标注的室内定位方法 |
CN109803233A (zh) * | 2019-02-27 | 2019-05-24 | 西北师范大学 | 基于dhnn的csi指纹室内定位方法 |
CN111988096A (zh) * | 2020-08-20 | 2020-11-24 | 深圳市南方硅谷半导体有限公司 | 信道状态信息的获取方法、装置和计算机设备 |
Non-Patent Citations (1)
Title |
---|
《基于信道状态信息幅值-相位的被动式室内指纹定位》;江小平等;《电子与信息学报》;第1165-1171页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113938823A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113938823B (zh) | 基于多频段csi协同的无线定位装置及方法 | |
Vasisht et al. | Eliminating channel feedback in next-generation cellular networks | |
Nitsche et al. | Steering with eyes closed: mm-wave beam steering without in-band measurement | |
Zhang et al. | A novel CSI-based fingerprinting for localization with a single AP | |
EP1602202A2 (en) | A real -time system and method for improving the accuracy of the computed location of mobile subscribers in a wireless ad-hoc network using a low speed central processing unit | |
Cousik et al. | Deep learning for fast and reliable initial access in AI-driven 6G mm wave networks | |
Garcia et al. | POLAR: Passive object localization with IEEE 802.11 ad using phased antenna arrays | |
Yi et al. | Beam training and tracking in mmwave communication: A survey | |
Sun et al. | An indoor environment sensing and localization system via mmWave phased array | |
Fonseka et al. | Indoor localization for IoT applications using fingerprinting | |
Chang et al. | Multi-bandwidth nlos identification based on deep learning method | |
Aydogdu et al. | Distributed radar-aided vehicle-to-vehicle communication | |
Yeung et al. | Enhanced fingerprint-based location estimation system in wireless LAN environment | |
Wolf et al. | Benchmarking of narrowband LPWA physical layer ranging technologies | |
Tian et al. | MIMO CSI-based super-resolution AoA estimation for Wi-Fi indoor localization | |
Astafiev et al. | Algorithm for preliminary processing channel state information of the WIFI communication channel for building indoor positioning systems | |
CN105589063B (zh) | 基于偏度的脉冲无线电60GHz测距方法 | |
WO2022179526A1 (zh) | 定位方法、网关和定位设备 | |
CN110392387B (zh) | 无线信号的角度测量方法和设备 | |
Hong et al. | Channel capacity analysis of indoor environments for location-aware communications | |
Abdessamad et al. | An SDR platform using direction finding and statistical analysis for the detection of interferers | |
CN115086864A (zh) | 一种基于多频段csi协同的无线定位方法及装置 | |
Jiang et al. | For better CSI fingerprinting based localization: a novel phase sanitization method and a distance metric | |
Li et al. | Integrating Passive Bistatic Sensing into mmWave B5G/6G Networks: Design and Experiment Measurement | |
Wang et al. | Ranging and fingerprinting‐based indoor Wi‐Fi localisation using channel state information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |