[发明专利]基于CSI空频特性和参考点位置聚类算法的室内定位方法

说明书

本发明属于无室内定位技术领域，公开了一种基于CSI空频特性和参考点位置聚类算法的室内定位方法，采用了物理层更加细粒度且鲁棒的CSI数据作为物理信息，使得系统对感知能力远高于RSS，可以有效的避免多径效应带来的影响；采用了CSI空频特性向量聚类和参考点位置多指标聚类技术，且将原来一个簇中地理位置离其它簇成员较远的成员独立的分为一个簇，避免了地理位置离的较远但CSI空频特性向量接近的参考点被聚为同一个簇的情况；采用了CSI空频特性聚类和参考点位置聚类的双聚类技术，且将本不应被拆开的簇再合并成一个簇，完成奇异点处理的同时能够保证原来簇的完整性，从而达到更好的聚类效果。

技术领域

本发明属于室内定位技术领域，尤其涉及一种基于CSI空频特性和参考点位置聚类算法的室内定位方法。

背景技术

当前，随着无线网络的发展和无线局域网的广泛部署，基于Wi-Fi的室内定位技术受到广泛重视。在覆盖Wi-Fi网络的室内环境下，通过测量来自接入点APs的物理信息，利用数据指纹匹配原理进行定位。这种基于位置指纹的定位算法因其定位精度高、可充分利用现有设施、升级和维护对用户影响小等优点而得到广泛应用。为了提高定位精度和效率，需要对用来定位的物理信和置指纹数据进行预处理。但是现有的定位技术大都是利用MAC层多径信号叠加之后的RSS信号强度信息作为物理信息，普遍使用的预处理方法是对参考点RPs进行聚类运算，得到若干个聚类中心及其类成员。

在2009年的IEEE 802.11n标准中，CSI：是衡量信道情况的信道状态信息(ChannelState Information),属于PHY层，来自OFDM系统下解码的子载波。CSI是细粒度的物理信息，对环境更加敏感。相比于RSS表示多径的叠加效应，物理层的CSI数据信息具有更细粒度和丰富的信息，这些信息能够更全面的反映出环境中的多径效应，从而在时域和频域上感知更细微或更大范围内的环境信息，所以应用于动作识别，手势识别，位置识别，跟踪等领域，因而在室内定位方面有很好的潜力。与此同时，通过修改固件和修改源码能够提取与分析在目前广泛使用的802.lln标准的频段中的CSI数据信息。

现有的应用比较多的聚类方法包括两种，一是K-means聚类，另一种是仿射传播聚类。K-means算法首先随机选择K个对象初始的代表聚类中心，再对剩下的每个对象根据其与各个聚类中心的距离将它重新赋给最近的类，然后重新计算每个类的中心作为下一次迭代的聚类中心。不断重复这个过程，直到各聚类中心不再变化时终止。仿射传播聚类算法相比K-means算法，不需要初始化聚类中心，而是通过设定一个实数值将每一个参考点都当成一个潜在的聚类中心。接着，两个参考点之间相互传递近邻信息，参考点根据近邻信息选择哪一个参考点作为聚类中心，直到聚类中心以及相关的类产生。

综上所述，现有技术存在的问题是：一是物理信息多是使用RSS，RSS表示多径的叠加效应，无法显示信道特性，易受到多径效应干扰，并且易随时间波动不够稳定，考虑到室内丰富的多径干扰以及时间动态性，RSSI数值在复杂的室内环境中不能提供足够的辨识度与健壮性。二是目前多数据类采用单一指标的聚类方式，但由于受到接入点布局、建筑结构以及人的走动等外界因素的影响，会使指纹数据采集时受到干扰，在聚类时可能被归于不恰当的簇，直接导致到定位精度下降。

发明内容

针对上述问题，本发明的目的在于提供一种基于CSI空频特性和参考点位置聚类算法的室内定位方法。

实现本发明目的地技术方案是：一种基于CSI空频特性和参考点位置聚类算法的室内定位方法，通过采用接收CSI空频特性聚类和参考点位置聚类的多指标聚类技术，对参考点进行有效的聚类，形成一定数量聚类中心及其类成员，以此减少定位阶段计算量，提高定位精度。其实现方案如下：

1)数据采集阶段：

1a)选择一个布设有Wi-Fi接入点APs的区域；