基于CSI的改进KNN室内定位方法*
2019-09-26党小超马平川郝占军
党小超, 马平川, 郝占军
(1.西北师范大学 计算机科学与工程学院,甘肃 兰州 730070;2.甘肃省物联网工程研究中心,甘肃 兰州 730070)
0 引 言
无线局域网(wireless local area network,WLAN)指纹定位由于部署广泛,成本低廉,操作简便成为室内定位方法的主流[1]。文献[2]利用接收信号强度指示(received signal strength indication,RSSI)的指纹定位方法结合去噪技术,文献[3]利用主成分分析(principal component analysis,PCA)算法对RSSI信号进行降维,提取RSSI中的主要特征,文献[4]通过用移动端采集的来自各个AP的RSSI信号建立指纹库,利用K最近邻((K-nearest neighbor,KNN)算法,通过最小二乘法找到K个与测试指纹最接近的,通过加权平均得到位置。但是清华大学杨铮与刘云浩教授[5]指出由于RSSI信号的易受多径效应的影响,有时收到的信号是多径信号的叠加,导致了定位的不可估量。
基于信道状态信息(channel state information,CSI)的指纹定位进入人们视线[6],CSI与RSSI相比具有更好的鲁棒性,受到多径效应的干扰更少,所以具有更高的定位精度。
本文提出了一种改进的基于CSI的室内定位方法,经过实验证明:该方法精度高于其他算法。
1 信道信息状态相关理论
在现有的通信系统中,正交频分复用(orthogonal frequency division multiplexing,OFDM)技术是应用最广泛的一种多载波传输方案。通过对现有的普通商用Wi-Fi设备添加兼容IEEE 802.11n的无线网卡,可以获取无线信号发射端和接收端之间的CSI,它提供了多个子载波上的信号幅度和相位两方面的信息。作为RSSI的升级版本,CSI包含更为详细和准确的多径传播信息[9]。在OFDM传输系统中,每个信道状态的频域模型可以表示为Y=HX+N,其中,Y与X分别为接收和发送信号向量,H为信道信息矩阵,N为加性高斯白噪声。……
