[发明专利]一种基于网络可视图的无源室内定位方法

权利要求书

1.一种基于网络可视图的无源室内定位方法，其特点在于，所述方法包括以下步骤：

步骤1：搭建无线信道状态信息数据采集平台；

步骤2：将定位区域分成N个网格，作为定位分类的基本单元，记为L₁,…,L_N；

步骤3：离线训练阶段，人体在每个网格中保持一段时间的静止姿态，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：其中F₁～F₃₀均为子载波，T_r为发射天线数，R_e为接收天线数；

步骤4：取第1对天线对上的幅度和相位数据进行预处理，包括以下两个子步骤：

步骤4-1：除去数据中的明显异常值，采用拉依达方法检测出异常值，然后将异常值代替为样本均值；

步骤4-2：经异常值处理过后，再用滑动平均滤波器进行滤波平滑处理，消除因环境噪声引起的较大波动；

步骤5：将不同子载波信号序列类比成时间序列信号，分别对经上述步骤处理过后的幅度和相位数据进行复杂网络构建；构建方法包括：可视图VG和水平可视图HVG；并从构建出的网络中分别提取网络特征作为机器学习分类的特征；

步骤6：取其它不同天线对幅度和相位数据，进行步骤4～5的重复工作，以获取更多的特征；

步骤7：对所有的网络特征数据进行Z-score标准化处理，原始特征数据经过数据标准化处理后，各指标处于同一数量级，进行综合对比评价；

步骤8：将经Z-score标准化处理过后的特征视作一条指纹存入位置指纹库，作为机器学习算法的训练集合备用；

步骤9：在线测试阶段，采集测试数据包；

步骤10：对测试数据进行处理，其处理过程保持和训练阶段相同的方式，即测试数据经4～8步骤处理后得到测试集合；

步骤11：调用指纹库中备用的训练集合对测试集合中的每个样本进行机器学习分类，得到不同机器学习算法下定位样本的估计位置，计算出定位分类的准确率；

所述步骤5中，包括以下子步骤：

步骤5-1：经处理过后的幅度，可视图VG构建方法为：

其中，y_a,y_b,y_c分别代表不同子载波的幅度，x_a,x_b,x_c分别代表不同子载波的序号；不同子载波间的幅度满足上述公式的几何关系式，即两个不同子载波a和b的幅度以上述关系连接不被其中间的子载波幅度遮挡，则认为以对应子载波为a和b为节点的连边关系被确定；

通过上述方法确定网络的节点和连边关系，并由此构建出信道状态信息网络可视图VG；提取该可视图的4个网络特征，包括度相关系数、连边数、权重度值、聚类系数熵；

步骤5-2：经处理过后的幅度，水平可视图HVG构建方法为：

其中，y_a,y_b,y_c分别代表不同子载波的幅度，x_a,x_b,x_c分别代表不同子载波的序号；不同子载波间的幅度满足上述公式的几何关系式，即不同子载波a和b的幅度以上述关系连接不被其中间的子载波遮挡，则认为对应子载波a和b为节点的连边关系被确定；

通过上述方法确定网络的节点和连边关系，并由此构建出信道状态信息网络水平可视图HVG，提取该可视图的4个网络特征，包括连边数、平均聚类系数、度同配系数和聚类系数熵。