论文部分内容阅读
目前随着物联网以及各类无线通信技术的不断迭代与发展,以及移动互联网对各行各业的深入结合,位置服务尤其是室内位置服务的需求在不断增加且要求也在不断提升。WIFI技术与设备的大范围普及与快速发展,使得基于WIFI信号的定位方案一直属于室内定位领域的热点。而近年来相比于传统的利用接收信号强度构建指纹或者测距方案进行定位,越来越多的研究开始基于WIFI信道状态信息(Channel State Information,CSI)这种具有更多细粒度信息,更好的稳定性与精度的数据进行定位方案的构建。因此,本文主要研究的目标即是基于WIFI信道状态信息数据构建并优化可靠性,精度更高的定位算法与方案。通过对现有的基于信道状态信息的定位方案进行调查与实践,对比分析其优缺点与存在的问题,本文主要针对CSI的原始相位信息的误差抑制与消除,提升功率延迟谱(Power Delay Profile,PDP)分布测距的精度以及减小在非视距条件下的测距误差等几个方面进行深入的研究与优化,并结合传统的多重信号分类算法(Multiple Signal Classification Algorithm,MUISC)算法来构建更为可靠的单节点定位方案,具体的研究内容与成果如下:(1)由于无论是利用MUSIC算法进行信号到达角(Angle of Arrival,AOA)和飞行时间(Time ofFlight,TOF)的联合估计,还是通过PDP分布计算时延或是计算传播模型进行测距,都非常依赖于原始信道状态信息相位信息的准确性。但是由于WIFI接收机内部处理流程以及硬件条件的限制,不可避免的会带来各种各样的误差。针对此种问题,本文通过分析WIFI定位的基础理论和研究WIFI信号在接收机内部处理流程中可能产生的误差,建立合理的误差数学模型,并提出一种针对解卷绕阶段特殊误差的预处理方法,提出基于相位差统计分布模型的误差校正算法,以及结合基于最小二乘回归分析的非线性误差抑制方法与基于线性变换的线性误差抑制方法,提升原始相位信息的准确性。(2)在室内定位系统中,非视距误差是不可避免的问题之一,由于WIFI本身带宽的限制性,较低的时间分辨率使得传统用于非视距识别的特征难以获得较高的识别率,针对此种问题,本文通过MUSIC算法计算获取的AOA-TOF联合估计,受到直射径识别算法的启发,通过分析视距与非视距条件下的联合估计分布,提出两种新的特征用于非视距识别方案,并引入最小二乘支持向量机分类器进行分类,通过实验验证了非视距识别方案的可行性。同时研究了基于CSI交叠子载波的频带拼接方法,提升了功率延迟谱的时间分辨率,并结合多天线系统的优势,通过设置多天线测距权重优化了现有的传播模型,提升了测距的精度,并通过多传播模型进行非视距误差的抑制,实验结果表明,视距与非视距条件下的测距lσ误差相比现有方法分别减小了 14.8%和25.6%。(3)基于以上的研究,本文基于CSI数据结合了 MUSIC算法以及利用交叠子载波拼接的PDP分布通过优化的传播模型进行测距的方法在Linux平台上构建了单节点的定位系统原型。并选取了两种较为典型的场景,基于本文设计的完整定位算法流程进行详细的实验与性能评估。并讨论了不同实验参数对于定位性能的影响。实验结果表明,在较为理想的视距条件下,本文提出的定位方法在置信度为1σ的条件下的定位精度达到了 1.8m,在非视距条件下,相比于现有的方案,定位精度提升了 27%,综上,说明了本文提出算法的有效性,并且在同样的场景下优于目前最有代表性的AOA定位系统之一SpotiFi室内定位系统。